创业公司做出媲美GPT-4o的王炸模型

来源：互联网 2026-07-20 06:25:17

AI资讯合集

无界方舟公司推出ArkModel2.0大模型，实现音视频多模态实时互动，延迟低至300毫秒，具备情绪表达和随时打断能力，可驱动虚拟形象与实体硬件，部分能力超越GPT-4o。该模型已对外开放，聚焦教育、智能玩具、车企陪伴等AI陪伴场景。

今年9月的外滩大会上，有一个叫“阿奇”的AI陪伴机器人成了真正的明星。在“未来客厅”展厅里，孩子们围着它里三层外三层，一遍遍喊着它的名字，小手不停地摩挲展台边缘。能让小朋友如此着迷，说到底，还是体验够流畅。

创业公司做出媲美GPT-4o的王炸模型

别看它是个AI机器人，但情商在线、反应灵敏，还能“看见”你。和它聊天，感觉跟真人交流没什么两样，完全没有过去那种生硬、卡顿的机器感。这背后，是它搭载的带有音视频多模态能力的无界方舟大模型——ArkModel 2.0。

创业公司做出媲美GPT-4o的王炸模型

正好对比一下。今年国庆前，GPT-4o的高级语音功能终于上线，市场期待已久。但实际情况是，不仅免费用户没法用，即使开放给付费用户，限制也一大堆：没有视频对话能力、每分钟成本高达7块钱软妹币、不能定制音色、偶尔还会出现语音幻觉。反观无界方舟大模型，已经在体验上实现了GPT-4o那种极低延迟的音视频互动效果。不仅能看到人、有情绪地快速回复，甚至在一些方面还走到了GPT-4o前面——它能驱动3D虚拟形象，还能控制实体机器人的动作。这就不只是聊聊天那么简单了。

那么，藏在背后的研发团队，到底是什么来头？

01 创业仅一年，一出手就是王炸

这支团队来自一家成立仅一年的公司——无界方舟智能技术有限公司，创始人兼CEO曾晓东博士，是NLP自然语言处理领域的资深专家，在这个赛道上有超过15年的积累。他不仅是阿里巴巴第一代机器翻译系统的核心算法科学家，也是蚂蚁技术实验室的联合创始人。这里有个小插曲：2017年，曾晓东博士在蚂蚁集团时就已入选了《麻省理工科技评论》评选的“35岁以下科技创新35人”——也就是MIT TR35。今年，月之暗面的创始人杨植麟也同样是这个榜单的入选者。

创业公司做出媲美GPT-4o的王炸模型

团队其他成员也来自国内外大厂的AI业务一线，80%的技术人员是NLP方向的博士。产品设计负责人更是拿过红点奖、IF奖等国际大奖的资深专家。一帮高手下场，出手自然不凡。

别看公司才一年多，拿的奖已经不少了。今年WAIC期间，无界方舟在全球200多家顶级AI企业中杀入决赛，最终拿到全球第5的成绩。紧接着，还入选了“2024胡润未来之星潜力企业榜”200强。

创业公司做出媲美GPT-4o的王炸模型

那么大模型的产品力到底怎样？答案是，真到了让人眼前一亮的地步。到了ArkModel 2.0版本，它已经实现了一套综合能力：极低延迟、音视频多模态、情绪表达、支持多语言，还能驱动软硬件。就像桌面机器人阿奇演示的那样——给老人读药品说明书、陪孩子聊天，顺畅得不像AI。

02 无界方舟大模型，让AI互动更像真人

GPT-4o掀起的端到端实时多模态热潮，几乎让所有大模型厂商都跟了进来。但实话实说，大部分产品都还处于“半成品”阶段。要同时实现极低延时、随时打断、能看到用户、还能有情绪表达，这些技术难点很多大厂也没完全搞定。甚至很多厂商至今无法提供API或SDK对接服务。

有业内人士说得直白：大厂更愿意摘通用模型里那些“低垂的果实”——ASR语音识别、LLM语言模型、TTS语音合成。但创业公司要想有存在感，就必须在垂直场景里实现通用模型的技术突破。如果说大厂的目标是让木桶没有短板，那么无界方舟要做的是成为一块长板，一块别人用得上的“砖”。

实际体验也印证了这一点。无界方舟大模型真正做到了音视频多模态互动，反馈超低延迟，还能带情绪、带个性地说出来。上手几乎零成本，只要你会说话，就能丝滑沟通。

为了更直观地展示它的能力，我们整理了一张图：

创业公司做出媲美GPT-4o的王炸模型

ArkModel 2.0是一个真正的多模态端到端模型，能够同时处理文本、音频和图像。它通过Audio Encoder和Image Encoder分别编码不同形式的输入，在模型中统一处理，然后实时流式输出文本或语音——整个过程行云流水。

创业公司做出媲美GPT-4o的王炸模型

这个模型最突出的特点是端到端优化，直接从输入到输出全流程学习。其中合成数据是关键——通过从图片或语音生成文字和语音、从语音生成文本等多种数据增强方式，大大提升了模型的泛化能力和任务适应性。

在多项多模态评测中，无界方舟大模型都超越了GPT-4o等业界标杆：

创业公司做出媲美GPT-4o的王炸模型

具体来说，无界方舟大模型有五个明显优势（以下视频均为实拍，无后期处理）：

300毫秒超低延迟反馈，而且是音视频互动状态下的数据。这个成绩在国内市场横向对比，几乎找不到对手。
可实现音视频多模态互动，能“看见”用户、随时打断对话，还有推理能力。
情绪系统相当丰富，互动自然，去AI感做得很好，尤其适合陪伴场景。
支持21种语言，包括葡语、日语、阿拉伯语、粤语等。
可以驱动虚拟形象和实体硬件动作，实现具身智能的效果。

03 瞄准AI陪伴领域，无界方舟大模型已对外开放合作

2013年上映的科幻电影《HER》曾把人类与人工智能相爱的故事搬上大银幕，在当时看起来有些疯狂。但随着大模型的出现，这个想法正在一步步变成现实。今年8月，GPT-4o语音功能第一次亮相，就有不少人惊呼：HER来了。首批试用的用户确实体验到了真人对话般的感觉——极低延迟、随时打断、情绪丰富。但随后市场就陷入了沉寂。一位行业专家坦言：只要类GPT-4o的技术没有达到人人可用的状态，市场离真正意义上的爆发还很遥远。

曾晓东博士在外滩大会上分享过对AI Agent商业化落地的一些思考：那些能深层次理解用户需求的个性化智能体，才是AI真正走进千家万户的关键。在用户眼中，它可以是一个智能音箱、一个会说话的潮玩娃娃、一个能和孩子互动玩具狗，或者是一个车载陪伴机器人。无界方舟想做的，正是覆盖这些丰富场景。目前，其大模型不仅对齐了GPT-4o的交互能力，还开发出了独特的优势——在保持极低延迟音视频交互的同时，可以实时驱动虚拟形象和实体硬件的动作。这意味着，它在具身智能、虚拟数字人、IP形象场景中的应用会更有想象空间。

无界方舟大模型现已对外开放合作，也是目前业内唯一一家对外提供音视频互动大模型的企业。应用场景主要聚焦在教育互动、智能玩偶、车企陪伴、具身智能、文旅展示等方面。针对儿童、银发族、学生白领等不同用户群体，都有对应的解决方案。

以教育陪伴领域来说，AI正在改变传统教育模式。多家教育公司都在探索通过AI模拟线下真实授课，做超拟人1对1的AI老师。这类产品的优势在于，它不只是辅助学习，而是通过互动引导学生更高效地交流和吸收知识。再比如儿童的早教产品，目前大多数还停留在故事机阶段，除了讲故事、读绘本，更需要一种一问一答的流畅互动——而这对音视频互动的要求极高，恰好是无界方舟大模型的强项。

创业公司做出媲美GPT-4o的王炸模型

另一个热门品类是智能玩具。基于上一代AI技术的产品，经常需要按按钮才能对话、反馈延迟严重，难以自然交流，导致用户使用时长短、留存差。在智能玩具市场里，儿童玩具、IP潮玩、明星周边、数字人盒子、虚拟宠物等，和无界方舟大模型都有很好的结合空间。

创业公司做出媲美GPT-4o的王炸模型

此外，车企陪伴、具身智能机器人、文旅/企业展示等场景，也可以通过应用无界方舟大模型，全面革新用户的交互体验，带来业务增长。

创业公司做出媲美GPT-4o的王炸模型

04 AI的尽头是AI Agent？

年初，不少大模型厂商都认为今年是中国AI应用的爆发元年。但实际情况是，受限于模型性能，AI应用进入了瓶颈期，连北美市场的资本也在重新掂量投资AI的性价比。光大证券的一项研究指出，AI Agent才是打破AI应用发展瓶颈的关键，新的Scaling Law、RL+CoT，对于实现能自主规划的AI Agent至关重要。

无界方舟团队是坚定的AI Agent追随者，他们深耕AI Agent技术与产品，走出两条路线：一条是垂直领域（生物制药）的企业级AI Agent，另一条则是陪伴路线的个人AI Agent。

如何真正降低人类使用AI的门槛？通往AGI的核心基础到底是什么？华泰证券的报告认为，GPT-4o已初步具备Agent能力，而AI Agent才是通往AGI的核心基础，能真正革新人机交互方式。事实上，Agent也是大模型边际变化中最大的能力增量。

每个冲进人工智能领域的创业者，大概都有一个用AI改变世界的梦。但所有梦想都必须落地，才能真正被点亮——既要仰望星空，也要脚踏实地。无界方舟特别的地方就在这里。他们因理想从大厂出来，走出舒适区，进入一个竞争激烈但可能性无限的赛道。曾晓东博士有个更远的梦想，想在生命科学、人类事业上有所建树。一位合作伙伴评价：“他想用他擅长的AI，为人类事业做些贡献。所以当这波AI热潮来了，他毅然决然地出来创业。”眼下，大模型赛道的角逐已经进入深水区，只有真正的价值创造者，才能走到终局。

侠游戏发布此文仅为了传递信息，不代表侠游戏网站认同其观点或证实其描述