从DeepSeek时刻到快速崛起，Inclusion AI团队在短短八个月内成功打造了三代先进模型。他们不仅注重模型的性能提升，更重视构建长期的技术能力和开源生态。深入了解这个团队的创新之路，探寻AI未来的无限可能。

最近看了一个对Inclusion AI团队的访谈播客，很多人并不了解这支团队，所以有了这篇文章，简单介绍下。

值得一提的是，这个团队从决定做到真正发布高质量模型，只用了八个月。

这篇文章的内容主要来自播客。

01 实验室成立的初衷：“DeepSeek 时刻”是一条真正的起跑线

Inclusion AI团队把他们的起点，明确指向了一个时间点：2025年2月。

几乎所有团队成员都承认，真正促使中国大模型行业集体加速的事件，是DeepSeek 的出现。

团队负责人用“航海时代”打比方非常生动：

2024 年的全球 AI 世界，就像 14 世纪的欧洲，第一批船队试探着驶入未知的海域。

当 DeepSeek 这艘中国船成功返航时，国内的工程师深刻的意识到，这场航行不再是别人的故事。

Inclusion AI 就是在这个节点上，被蚂蚁集团正式拉到台前。

不是一个项目，而是一个实验室。

不是小范围试水，而是集团 CTO 牵头的重点方向。

不是“看看能不能做”，而是“必须把这件事做好”。

02 Inclusion AI 的定位，不是“做一个模型”，而是“建一个长期能力”

蚂蚁集团的业务横跨支付、保险、医疗、技术服务，未来所有业务都会依赖 AI。

所以 Inclusion AI 做的，不是配合业务的工具模型，而是构建整个集团未来十年的底层能力：

• 自研基础语言模型
• 多模态能力
• 推理与强化学习能力
• 自己的缩放定律（Scaling Law）
• 完整的训练与系统优化能力
• 自主可控的开源生态

换句话说，他们不是在训练一个模型，而是在训练“写模型的能力”。

03 8 个月升级三代模型：不是堆资源，而是体系化生产

访谈把他们的模型体系讲得很清晰。八个月内，他们完成了：

• Ling：基础语言模型（从 1.0 → 1.5 → 2.0）
• Ming：多模态模型
• Ring：强化学习与推理方向
• Diffusion Language Model：探索长序列与低成本生成

这个节奏看起来几乎不可能。但团队负责人表示：他们不是在“赶进度”，而是按计划在“造体系”。

模型不是孤立制作，而是串联的：

Ling → 打基础 Ming → 视觉能力升级 Ring → 推理能力拔高 Diffusion LM → 探索新的训练范式

这和现在很多公司“一窝蜂堆大模型，堆完再想用途”非常不同。

Inclusion AI 是在按“模型家族”建设，而不是用一个模型撑全局。

04 Inclusion AI 实验室的技术成熟度

1. 他们有自己的 scaling law，而不是复刻别人

他们确实参考了 OpenAI、DeepSeek 的 scaling law，但又做了自己的体系：

• 大模型关键超参与 MOE 结构并不强耦合
• 激活比例对模型效果影响极大
• 在不同架构下保持训练稳定性

简单来说，他们不是“用别人提供的配方做饭”，而是“自己已经能写配方”。

2. FP8 训练的问题，他们不是绕过去，而是解决它

他们直接说：

• 直接用别人的 FP8 方案，性能不提高，甚至更慢
• 最大瓶颈是 quantize/dequantize（量化/去量化）
• 于是他们重新改写了 MoE 层，把 gating 和量化操作融合，才真正提速

这是典型的系统工程能力：问题来了不是换路线，而是把问题拆开、测量、解决。

3. 训练不是一次性拉满，而是有“能力节奏”的爬升

从小规模 → 中规模 → 数百亿 → 数千亿参数，按阶梯推进，每一阶段验证：

稳定性、训练流量、系统瓶颈、内部工具链、数据处理方式等。

最后，未来竞争的关键不再是谁模型更大，而是谁能更快训练、更稳迭代、更强工程能力、更清晰方向、更持久投入。

以上，祝你今天开心。