：智子引擎与OpenAI三次“撞车”揭示国内团队在大模型赛道的前沿创新能力
    
    Sora的横空出世，以其对scaling law的成功实践和颠覆性的技术架构，让中国创业公司——智子引擎的命运发生了戏剧性的转折。这家位于中关村的初创企业，在Sora诞生前曾苦口婆心地向投资人阐述一篇现今被ICLR 2024接纳的论文成果，却屡遭冷遇。春节过后，投资者蜂拥而至，争相学习Sora以及该团队的研究成果。
    这次惊人巧合的背后，是智子引擎与OpenAI之间的一次深度“技术碰撞”。近日，我们火速联系到智子引擎团队，深入了解了这场“撞车事件”的来龙去脉，并发现这并非孤例，而是智子引擎与OpenAI在多模态大模型领域内的第三次交集。
    智子引擎，这家由中国人民大学高瓴人工智能学院博士生高一钊于2021年创立的90后CEO领军企业，核心团队成员大多出自人大，并由卢志武教授担任顾问，他们选择在大语言模型盛行之际开辟多模态这一“无人区”赛道。2023年3月，智子引擎推出了全球首个公开评测的多模态对话应用ChatImg（元乘象），并在短短时间内迭代到了3.5版本，展现了强大的技术创新实力。
    其中，智子引擎与OpenAI新晋顶流项目Sora产生“撞车”的关键点在于其联合伯克利、港大等单位于2023年5月发表在arXiv上的VDT论文。卢志武教授在对比Sora技术报告时直言：“二者在技术架构上极其相似。”尤其是VDT论文中提出的Diffusion Transformer架构，不仅早于Sora采用，而且在时空注意力机制、模块化设计及统一时空掩模建模机制等方面与Sora有着异曲同工之妙。
    尽管VDT尚未实现Sora所展示的长达1分钟高质量视频生成效果，但卢志武教授解释道，这是由于计算资源限制，而非理论框架本身的缺陷。实际上，智子引擎通过物理实验已验证VDT在学习物理规律方面的强大能力，这一点与OpenAI的研发思路不谋而合。
    更令人深思的是，智子引擎与OpenAI之间的“撞车”并非首次，而是前后发生过三次。早在2020年，智子引擎前身团队在多模态大模型领域的研究就与OpenAI的CLIP不期而遇；随后，智子引擎发布的世界首个公开评测多模态对话应用ChatImg又提前一周抢在GPT-4之前面世；直至今年与Sora的技术架构再次高度契合，形成第三次“撞车”。
    这些“撞车”事件或许带有几分喜剧色彩，但实质上它们有力地证明了智子引擎作为国内大模型公司的代表，在通往AGI的道路上，其坚持的技术路线始终与业界领导者OpenAI保持同步甚至略有超前。这种持续跟进并勇于探索的精神，不仅是智子引擎的独有特质，更是我国众多AI研究团队不断缩小与国际尖端水平差距的缩影。
    尤其在Sora引领的AI视频新时代，国内外对AGI追逐的竞争日趋激烈，然而，诸如智子引擎这样的本土企业凭借原创核心技术，已在多个方面展示了世界领先的实力。如今，随着Sora引发全球关注，像VDT这样原本不易被理解的技术得以置于聚光灯下，为智子引擎带来了前所未有的曝光度与合作机遇，也预示着中国团队在大模型领域的未来充满了无限可能。