五年磨一剑：阿里达摩院重磅推出AI模型社区「魔搭」，300+模型全面开源

---

  新智元报道  

编辑：好困

【新智元导读】刚刚，阿里达摩院重磅推出 AI 模型社区「魔搭」。首批开源模型超过 300 个，包括 150 多个 SOTA 模型和 10 多个大模型，其中超过 1/3 为中文模型。共覆盖视觉、语音、自然语言处理、多模态等超过 60 个主流任务。

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。

破解 AI 应用难题，「让天下没有难用的AI 模型」

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 Diffusion Model 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」（Model as a Service）。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 AI for Everyone 。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」。

关注本土化需求，推动中国智能化发展

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。

在国内，魔搭社区适逢其时，填补 AI 模型应用服务的空白，建设 AI 开发者生态。达摩院作为启动者，将这五年来所积累的最优模型毫无保留地开放开源给大家，目的为了推进中国 AI 模型社区的发展。从模型类型来看，不光有Transformer，还有Diffusion等多种架构的模型。更重要的是，魔搭更关注本土需求，提供大量中文模型，第一批提供的中文 AI 模型已超过 100 个，覆盖自然语言处理、语音等常用任务，还提供上述提到的阿里通义大模型系列、澜舟科技的孟子系列模型等优质中文大模型。

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？

周靖人：具体案例要具体分析，有的案例是超过 1：9，即节省了 90% 的工作，当然也有 3:7。魔搭社区目前处于起步阶段，后续持续完善，希望开发者多多反馈，沟通交流，共同建设魔搭社区，长期以往，相信未来会提高上述比例，通过社区来解决更多 AI 模型开发难题，提升研发效率。

魔搭的下一步

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。

大家登录到社区后，可关联阿里云账号后，在网站点击相应的按钮就能跳转到阿里的开发环境里，并集成了系列 SDK ，方便开发者快速下载和开发。

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。

点击阅读原文，立即体验魔搭社区 modelscope.cn