五年磨一剑：阿里达摩院推出AI模型社区魔搭，300+模型全面开源

2012年，深度学习掀起第三次AI浪潮，随后2016年，AlphaGo第一次战胜人类围棋选手，持续引爆AI发展浪潮，吸引众多开发者投身其中。

然而开发者很快发现，AI从研发到落地部署门槛较高，需投入巨额成本，不仅要有大量数据来训练模型、优化算法，还要复杂的安装和部署。如何降低研发和应用的门槛，实现AI普惠？如何面向各行各业不同的应用场景，便于开发者快速定制AI解决方案？

对此，作为业内顶尖的AI研究机构，阿里达摩院在成立五年之际做出重大举动。

11月3日，达摩院联手中国计算机学会（CCF）开源发展委员会重磅推出AI模型社区魔搭ModelScope，首批合作方还包括澜舟科技、智谱AI、深势科技、中国科学技术大学等多家科研机构，旨在打造下一代开源的模型即服务共享平台，致力降低AI应用门槛。

CSDN创始人董事长，极客帮创投创始合伙人蒋涛与阿里巴巴集团资深副总裁、阿里达摩院副院长周靖人，从魔搭社区的发展历程出发，共同探讨如何让AI更好地服务广大开发者，推进中国AI行业的发展。

蒋涛：今天很高兴和周老师聊聊魔搭社区的发展历程。为什么达摩院要牵头推出魔搭社区？

周靖人：近年来，AI模型更新迭代速度飞快，与之相比，AI应用速度存在一些滞后性。我们观察到，AI产业化应用面临以下挑战：

一是AI模型开发门槛高。AI模型的复杂性越来越高，预训练模型尤其是大模型的研发门槛高，例如Transformer架构和DiffusionModel等训练起来并不容易，需要大量数据和算力的配合，因此当前只有大公司和研究机构才能对AI大模型进行研发和创新。

二是简单的AI模型难以覆盖各行各业的AI应用需求，面对新场景时，往往需要进行二次开发或优化，否则许多模型难以适配到特定环境应用中，AI模型定制化门槛较高。

三是模型训练、推理、安装部署等较为复杂，使用门槛较高。

四是缺乏AI模型开发和使用交流分享的平台。当开发者遇到相关问题后，无法找到对应的模型服务，也找不到人来解答他的问题。

针对以上痛点，达摩院提出了新概念「模型即服务」（ModelasaService）。其背后逻辑是把AI模型当作生产的重要元素，从模型预训练到二次调优，最后到模型部署，围绕模型的生命周期来提供相应的服务。

为实现「模型即服务」理念，需从以下两点出发：一是提供模型仓库，收集模型，提供优质数据，还可针对业务场景调优。模型使用和算力需结合在一起，并提供快速体验模型，让广大开发者无需写代码就能快速体验模型的效果。

二是提供抽象接口或API接口，以便开发者针对模型进行二次开发。当面对具体应用场景时，提供少样本或者零样本的方式便于开发者对模型做二次优化，真正让模型应用到不同的场景中。

只有做到以上两点，才能真正实现AIforEveryone。无论是AI兴趣爱好者，还是使用者、开发者、研究者，「模型即服务」理念均能承载不同人群对AI的诉求，进一步落地AI应用。

基于「模型即服务」理念，达摩院牵头推出魔搭社区ModelScope。社区首批上架超300个模型，其中中文模型超过100个，覆盖了视觉、语音、自然语言处理、多模态等AI主要领域，覆盖主流任务超过60个。包括150多个SOTA模型和十多个大模型，均全面开源并开放使用。

开发者可在社区找到目标模型，进入到模型卡，了解该模型细节，查看演示代码，进行模型调优等操作。社区提供了丰富的数据集，帮助大家快速上手使用模型。社区基于这些能力，从多维度帮助开发者解决实际在模型使用和开发遇到的难题，推动AI应用发展。

蒋涛：达摩院投入了多少资源来打造魔搭社区？

周靖人：自达摩院成立五年以来，在AI领域进行大量研究和探索，产出了一批重要的AI模型，涵盖语音、视觉、自然语言处理、多模态等，用于诸多行业。如今，达摩院毫无保留地将这些AI模型和能力贡献到魔搭社区，全力推动社区发展。

然而光靠达摩院的力量并不足以丰富社区生态，因此我们携手合作伙伴在魔搭上开放众多优质模型，如澜舟科技的孟子系列模型，深势科技的蛋白质结构预测模型Uni-Fold，智谱AI的多语言预训练模型等。

我们非常高兴得到众多中国AI研究机构和研究人员的支持，包括CCF开源发展委员会的支持，大家纷纷贡献出自己的优质模型，共同来打造模型即服务的新型AI开源社区。

蒋涛：达摩院倾力打造魔搭社区，其目标和愿景是什么？

周靖人：通过魔搭社区，真正让AI开发变得更简单，实现AI应用的百花齐放。让更多开发者加入AI开发中来，将AI模型应用渗透到行行业业，将我国智能化开发推上新台阶。我们明白这是一个艰巨的任务，需要长期坚持走下去，因此期待携手更多合作伙伴和开发者共同参与建设魔搭社区。应该说，魔搭社区的发布，只是一个起点，远远算不上里程碑。

蒋涛：以前阿里的Slogon是「让天下没有难做的生意」，通过魔搭社区的发布，我们看到另一种可能「让天下没有难用的AI模型」。

蒋涛：我们观察到魔搭似乎与国外Huggingface平台的发展路径相近，均是将模型开源，为开发者提供开放开源平台。与之相比，魔搭有哪些不同之处？

周靖人：Huggingface从明星项目Transformer库入手，随后构建平台让用户可以托管相关的机器学习模型和数据集，还可共享、协作与投入生产应用，目前在国外生态蓬勃发展。

社区希望帮助中国开发者降低AI模型使用难度，降低模型的使用门槛。将传统软件开发者升级为AI开发者，让他们把AI模型集成到实际开发应用中。在智能化时代，每个开发者都将成为AI开发者，未来期待和中国开发者共建模型生态。

蒋涛：聊到帮助开发者降低AI使用门槛，能否聊聊魔搭所提供的能力与AutoML有哪些差异？

周靖人：这两者从不同的角度降低AI使用门槛。AutoML包括自动选择模型、特征集合、模型超参数，自动搜索和裁剪模型结构等等。但是开发者仍然需要准备丰富的训练数据，初始的模型集合，也需要充足的算力来支持。

魔搭一方面提供训练好的模型，方便开发者快速集成到他的业务开发中去。另一方面，伴随大模型的发展，越来越多的的工作可由大模型来实现，如将一个论坛里所有的文章重新学习，进行分类等，大量的基础工作可通过语言模型或者通过多模态的预训练模型完成，而后再针对网站文章进行调优，这样无需耗费大量机器成本，无需耗费大量的时间。

蒋涛：我们可以理解为，魔搭在深度学习和传统的机器学习上，提供更广泛的能力。

周靖人：是的。如今预训练大模型成本较高，属于技术含量较高的领域。以达摩院为例，预训练大模型可能需要上百张甚至上千张GPU卡，并耗费几个星期到一个月才能训练完一个大模型。

魔搭社区将这些大模型开源给大家下载，还可以进行二次训练。其实达摩院在研发这些大模型时，并不确定大模型的具体应用，没有提前预知到下游任务。大模型帮助开发者提取、抽象知识，通过下游调优，将下游目标精确化，从而快速形成针对行业的解决模型，解决实际应用问题。

蒋涛：使用魔搭社区来调优后，与开发者沿用传统的AI开发方式，是否有巨大的效率提升？

蒋涛：开发者使用AI模型离不开云，魔搭社区与阿里云建立了哪些连接？

周靖人：AI模型涉及大量的数据、算力，线下很难找到适合的机器来跑，AI模型的开发和使用，越来越跟云资源紧紧联系起来。魔搭社区无缝对接阿里云两个重量级产品——机器学习平台PAI和弹性计算ECS，为开发者提供一定的免费资源，助力大家尝试AI模型的开发。

但要说明的是，魔搭社区的模型支持多样化的训练和部署方式，用户可自主选择，社区坚持开源开放、兼容并包，不做任何绑定。

蒋涛：当社区在国内建设有一些成果后，有可能会考虑发展海外社区建设吗？

周靖人：目前是面向中国开发者，致力弥补国家智能化生态建设的空白。随着中国人工智能技术产业的发展，未来魔搭平台也会走向海外，将AI模型能力普惠全球开发者。