“大模型之后,AI如何走向真正落地?”范式智能(06682)发布Phanthy平台 提出“垂直世界模型”新路径

智通财经
Jan 09

智通财经APP获悉,在大语言模型(LLM)集体陷入“越练越大、越用越虚”的困局之际,1月9日,人工智能领军企业范式智能(06682)震撼发布Phanthy平台(中文名:万神殿),宣告一个新智能范式的诞生。这不仅是对当前主流AI路线的彻底颠覆,更是一条绕过“通用幻觉”、直通可信赖、可行动、可验证通用人工智能(AGI)的工程化高速路。

过去两年,GPT、Claude、Gemini 等大模型轮番登场,看似百花齐放,实则同质内卷。它们擅长写诗、编故事、总结网页,却在真实产业场景中频频“翻车”:

面对银行风控系统,无法解释一笔贷款为何高风险;在工厂产线上,看不懂设备振动频谱与故障的因果关联;问及患者病史与用药冲突,只能给出模糊概率,无法进行临床级推理;更致命的是——它们不知道自己不知道什么,常以自信口吻输出错误结论。

“大语言模型本质上是一个超大规模的‘互联网记忆压缩器’,它没有世界模型,没有因果机制,没有责任边界。”范式智能首席科学家指出,“你可以让它写一篇关于核电站安全的论文,但它绝不能参与真正的核控决策——因为它不懂物理,也不懂后果。”

Phanthy 的答案是:把AI从‘全知全能的神’还原为‘各有所长的专家’。

不是更大,而是更深:Phanthy 如何做到 LLM 做不到的事?

Phanthy 并非又一个千亿参数的语言模型,而是一个由生成式协调中枢 + 多个垂直世界模型构成的智能操作系统。

其核心突破在于:

具备领域因果推理能力

不同于LLM基于统计相关性的“猜测”,Phanthy 的金融世界模型能模拟宏观经济变量如何传导至企业现金流,能源模型可推演电网负荷波动与新能源出力之间的动态平衡——每一步推理均可追溯、可干预、可验证。

支持闭环决策与行动反馈

LLM 只能“说”,Phanthy 却能“做”。在制造业场景中,其工业世界模型可直接对接PLC控制系统,在检测到异常后自动调整参数并观察结果,形成“感知-决策-执行-学习”闭环——这是纯文本模型永远无法触及的智能层级。

拒绝幻觉,拥抱不确定性

当面对超出知识边界的问题,Phanthy 的垂直模型会明确返回“置信度不足”或“需人工介入”,而非像LLM那样“一本正经地胡说八道”。这种认知诚实性,是AI进入高风险领域的前提。

持续进化,越用越强

每个垂直世界模型都部署在真实业务流中,通过在线学习不断吸收新数据、新规则、新案例。例如,医疗模型在辅助诊断过程中,会结合医生修正反馈自动优化判断逻辑——智能在实战中生长,而非静态训练后固化

架构革命:从“单一大脑”到“专家议会”

Phanthy 的架构设计彻底告别了“一个模型打天下”的幻想。其运行逻辑如下:

1. 用户输入复杂任务(如:“分析某新能源车企Q4供应链风险,并提出应对策略”);

2. 生成式协调中枢(基于轻量化但高意图理解能力的引擎)自动拆解任务,识别涉及领域(财务、物流、地缘政治、电池技术等);

3. 调度对应垂直世界模型(金融模型评估现金流压力,物流模型模拟港口拥堵影响,技术模型判断固态电池量产进度);

4. 多模型协同推理,生成结构化报告,并标注各结论的置信区间与依据来源;

5. 最终输出可执行、可审计、可回溯的智能建议。

“这不是AI的‘降级’,而是‘升维’。”范式智能强调,“人类文明的进步从来不是靠一个全才,而是靠无数专家在各自领域的深耕与协作。Phanthy 正是在数字世界复现这一智慧机制。”

开放共建:打造AGI时代的“智能基础设施”

即日起,Phanthy 平台向金融、能源、制造、交通、医疗等关键行业开放合作。范式智能将提供:垂直世界模型开发框架;领域知识注入工具链;安全可控的模型协同协议;以及首批开源的金融与工业基础模型。

“我们不追求成为唯一的AI供应商,而是希望成为AGI生态的‘水电煤’。”公司表示,“每一个高质量垂直模型的加入,都是对通用智能边界的拓展。”

结语:当世界需要真智能,幻觉终将退场

在大模型军备竞赛渐入疲态的今天,Phanthy 的出现,犹如一记警钟:AI的价值不在能聊多少话题,而在能解决多少难题。

它不靠参数规模取胜,而靠专业深度立身;它不追求表面流畅,而坚守逻辑严谨;它不幻想一统天下,而致力于协同共生。

这或许正是通往AGI最被忽视、却最坚实的道路,不是造一个无所不能的神,而是建一座群星闪耀的万神殿。

Disclaimer: Investing carries risk. This is not financial advice. The above content should not be regarded as an offer, recommendation, or solicitation on acquiring or disposing of any financial products, any associated discussions, comments, or posts by author or other users should not be considered as such either. It is solely for general information purpose only, which does not consider your own investment objectives, financial situations or needs. TTM assumes no responsibility or warranty for the accuracy and completeness of the information, investors should do their own research and may seek professional advice before investing.

Most Discussed

  1. 1
     
     
     
     
  2. 2
     
     
     
     
  3. 3
     
     
     
     
  4. 4
     
     
     
     
  5. 5
     
     
     
     
  6. 6
     
     
     
     
  7. 7
     
     
     
     
  8. 8
     
     
     
     
  9. 9
     
     
     
     
  10. 10