Liquid AI 首席执行官 Ramin Hasani 介绍了液态基础模型（LFM）的研发逻辑，该模型受秀丽隐杆线虫大脑的连续时间动力学启发，旨在提升计算效率与适应性。通过名为 STAR 的元 AI 框架，Liquid AI 实现了硬件感知的架构搜索，在保持高质量推理的同时，显著降低了内存占用与延迟，使其能够直接部署在汽车、笔记本电脑等边缘设备上。目前，公司正从单纯的模型架构创新转向构建自助式开发平台，支持企业进行从预训练到推理的全链路定制化。未来，Liquid AI 的研究重点将聚焦于高度多模态系统、长程推理以及具身智能，旨在将高性能智能从云端数据中心扩展至物理世界的各类终端应用中，实现更具主权与效率的个人化智能。
Outlines
Sign in to continue reading, translating and more.
Open full episode in Podwise