大模型從最初的“不計(jì)成本”探索，到如今的“可持續(xù)”商業(yè)化落地，經(jīng)歷了從技術(shù)突破到工程優(yōu)化，再到產(chǎn)業(yè)融合的深度演進(jìn)。在這一過程中，虹軟始終走在創(chuàng)新前沿，依托深厚的視覺AI技術(shù)積累，以ArcMuse計(jì)算技術(shù)引擎為核心，不斷推動視覺大模型的技術(shù)進(jìn)步與行業(yè)落地，加速AI在各領(lǐng)域的深度應(yīng)用。

自2023年推出以來，ArcMuse計(jì)算技術(shù)引擎憑借持續(xù)的 算法創(chuàng)新與工程優(yōu)化 ，構(gòu)建起多層次架構(gòu)、跨模型協(xié)同優(yōu)化、高效能計(jì)算引擎等核心能力，不斷突破通用大模型在計(jì)算成本、適配效率、推理速度等方面的局限。如今，經(jīng)過對算法、數(shù)據(jù)、工程及大模型生態(tài)的全面優(yōu)化，ArcMuse迎來了全新升級 —— ArcMuse 2025 V1.1版本。新一代ArcMuse在生成質(zhì)量、計(jì)算效率、端側(cè)適配性等方面取得了顯著突破 ， 進(jìn)一步 增強(qiáng)了視覺大模型的泛化能力與實(shí)用性 。其先進(jìn)的視覺AI能力全面支持智能手機(jī)、智能汽車、AI眼鏡、機(jī)器人、服裝智造以及智能商拍的創(chuàng)新發(fā)展。

ArcMuse 2025 總體架構(gòu)與核心愿景：視覺AI核心基座引擎，不止大模型

ArcMuse是一個 兼顧效果和性能的緊湊AI綜合體 ，它以大底模和強(qiáng)化的垂直大模型為基礎(chǔ)，用以生成遠(yuǎn)觀悅目的基礎(chǔ)效果，并利用一系列復(fù)雜或簡單細(xì)分小模型、淺層模型、用于約束的CV&CG引擎包對基礎(chǔ)效果進(jìn)行控制，以達(dá)到近看自然、結(jié)構(gòu)信息正確、細(xì)節(jié)豐富合理的最終圖像和視頻效果。

ArcMuse 2025核心思想與架構(gòu)：

ArcMuse是一套深度耦合底模、細(xì)分大模型、控制淺層復(fù)雜模型和視覺庫、約束細(xì)節(jié)的淺層小模型和視覺庫，數(shù)據(jù)預(yù)處理引擎包、CV&CG處理引擎包、定制化文本生成模型的緊湊穩(wěn)定AI平臺庫。

CPG(Control Packages) : 利用五大類小模型和引擎包對期望的結(jié)果進(jìn)行約束與控制。

人 物： 手、臉、腳、四肢、體

深度: 各類攝像頭、模組、模式的輸入，都能得到高質(zhì)量的深度

分割： 基于對象、區(qū)域、語義等

分類： 景、物、影調(diào)、情感等

邊緣： 強(qiáng)、弱、結(jié)構(gòu)、遮擋、懸空等

KDE(Keep Details Engines) ：利用一些淺層模型保留弱紋理和細(xì)節(jié)，利用光照模型分析、去除、重光照處理和維持影調(diào)(Shading)。

高效計(jì)算優(yōu)化： 采用FP8混合精度計(jì)算，對核心計(jì)算復(fù)雜度高的OPs進(jìn)行匯編級優(yōu)化。

訓(xùn)練和推理時的減冗余并行處理引擎包 ：這點(diǎn)得益于公司定位實(shí)際應(yīng)用落地有回報(bào)的降本壓力，進(jìn)而研發(fā)出高效的基礎(chǔ)引擎和策略。

平臺無關(guān)化的各種處理 ：依托虹軟 20 余年的視覺AI技術(shù)積累，使 ArcMuse 具備跨平臺適配能力，可靈活部署于云端、高性能計(jì)算平臺、移動端及嵌入式設(shè)備。

從實(shí)用落地的角度來看，真正可行的 AI 大模型方案必須實(shí)現(xiàn) 多層次協(xié)同與功能模塊互補(bǔ) ，降低計(jì)算成本，以推動大模型應(yīng)用平權(quán)化，使其更廣泛地賦能終端設(shè)備與各行業(yè)。ArcMuse 2025 正是基于這一理念讓視覺 AI 在真實(shí)應(yīng)用場景中 實(shí)現(xiàn)性能、效果與成本的三重突破 。

從 DeepSeek 到 ArcMuse 2025：構(gòu)建大模型新范式

AI 計(jì)算的高效降本是大模型商業(yè)可行化落地的關(guān)鍵，其核心在于 降低計(jì)算資源消耗 、 減少存儲需求與數(shù)據(jù)依賴 ，以更低的成本提供可接受甚至卓越的AI性能，使先進(jìn)AI技術(shù)(包括大模型)能夠更廣泛地惠及各行業(yè)與終端設(shè)備。要實(shí)現(xiàn)這一目標(biāo)，僅依賴單一大模型或傳統(tǒng)Transformer架構(gòu)的頂級云計(jì)算平臺遠(yuǎn)遠(yuǎn)不夠，而必須借助 多AI范式的深度耦合 ，并具備 動態(tài)多層次的自適應(yīng)能力的AI計(jì)算架構(gòu) ，以應(yīng)對不同計(jì)算環(huán)境的需求。

在這點(diǎn)上， DeepSeek 在文本和規(guī)則性較強(qiáng)的AI任務(wù)(如數(shù)學(xué)、代碼等) 上的策略，提供了一個典型的成功案例。其通過 DS-MOE(動態(tài)路由稀疏專家網(wǎng)絡(luò))、MLA(KV矩陣緩存壓縮)、MTP(多Token預(yù)測)、FP8(混合精度量化訓(xùn)練)、GRPO (強(qiáng)化學(xué)習(xí)采用群組相對策略優(yōu)化)、DualPipe(調(diào)度算法) 等優(yōu)化策略，極大提升了大模型的計(jì)算效率，并降低了硬件成本，為大模型高效降本提供了新的思路。然而，DeepSeek 在推理計(jì)算與存儲占用上仍然存在一定的優(yōu)化空間，特別是對于圖像、視頻等視覺任務(wù)而言，如何借鑒這些優(yōu)化思想，并結(jié)合視覺AI的獨(dú)特需求，是一個關(guān)鍵課題。

在這一背景下， 虹軟對 DeepSeek 的優(yōu)化策略進(jìn)行了深入分析 ，并結(jié)合自身在視覺 AI領(lǐng)域的多年研發(fā)經(jīng)驗(yàn)，取長補(bǔ)短、深度融合，同時針對視覺 AI 的特性進(jìn)行了 定制化優(yōu)化 。實(shí)踐證明，這一耦合總體上帶來了 顯著的增益 ，不僅全面提升了ArcMuse的性能，尤其在 多模態(tài)數(shù)據(jù)理解、圖像與視頻推理增強(qiáng)方面效果突出 ;同時， 計(jì)算成本大幅降低 ，例如，在提示詞工程推理方面， 顯卡租賃成本減少了一半以上 ，使大模型的 AI計(jì)算更高效且可控 。

為直觀展現(xiàn) ArcMuse 2025 在視覺生成、影像修復(fù)及視頻生成方面的能力，我們以非剛體拓?fù)潆y以保持的柔性衣物為背景，呈現(xiàn)其在復(fù)雜視覺任務(wù)中的卓越表現(xiàn)。

生成圖像示例1：

弱紋理、細(xì)節(jié)提升

生成圖像示例2：

細(xì)節(jié)、影調(diào)的提升

困難場景(Hard Case)示例:半透物(薄紗)、柔性物(裙裝)、復(fù)雜版型(塞腰、束腕)、弱紋理細(xì)節(jié)(紋理花紋、花邊領(lǐng)、暗條紋)

生成圖像示例4 :

AI模特圖大角度、模特表現(xiàn)力更新

生成圖像示例5 :

AI生成圖的光影效果、模特表現(xiàn)力更新

生成視頻示例6:

AI模特復(fù)雜動作的穩(wěn)定性、表現(xiàn)力更新

生成圖像示例7：半透裝、碎花裙

生成視頻示例8：

讓示例7生成圖像再動起來

ArcMuse 2025 為垂直行業(yè)提供定制化解決方案

ArcMuse 2025 的架構(gòu)是一種系統(tǒng)性優(yōu)化方案，通過整合多個 AI 引擎，實(shí)現(xiàn)高效協(xié)同，即使在有限資源下仍能發(fā)揮最大效能，并為各類垂直行業(yè)提供定制化解決方案。這一架構(gòu)理念使 ArcMuse 成為 虹軟視覺 AI 賦能引擎 ，可廣泛應(yīng)用于移動智能終端 AI 影像處理、智能汽車、AI 眼鏡、XR 3D 空間計(jì)算頭顯、服裝智造和智能商拍以及智能機(jī)器人等垂直場景，推動行業(yè)創(chuàng)新升級。

在AI影像處理方面，ArcMuse 2025對AI影像模型進(jìn)行了優(yōu)化，特別是在圖像增強(qiáng)與影像細(xì)節(jié)恢復(fù)過程中，顯著減少了生成不真實(shí)效果的風(fēng)險(xiǎn)。升級后的模型在處理復(fù)雜紋理和高對比度場景時，展現(xiàn)出較為穩(wěn)定的增強(qiáng)效果，降低了圖像生成中的不確定性。另外，在語義分割與識別方面，ArcMuse 2025進(jìn)一步增強(qiáng)了ArcMuse 2024對圖像內(nèi)容的理解精度，尤其是在文字紋理處理上，表現(xiàn)出比以往更強(qiáng)的模型細(xì)節(jié)還原能力。

在智能汽車方向，ArcMuse 2025的推理能力和場景理解能力得到提升，尤其在低能見度和復(fù)雜路況環(huán)境下，其優(yōu)化后的推理方法能夠結(jié)合不同的駕駛環(huán)境進(jìn)行分析，為駕駛員提供更為合理的安全輔助建議。例如，在大霧天氣和濕滑路況下，系統(tǒng)能夠根據(jù)前方車輛的燈光信號、車速以及路面狀態(tài)，提出合理的駕駛策略與建議，減少潛在的駕駛或行車風(fēng)險(xiǎn)。

在 AI 眼鏡與 XR 3D 空間計(jì)算頭顯方向，ArcMuse 2025明顯提升了對復(fù)雜環(huán)境下物體識別的精度，尤其是在圖像語義分割和物體關(guān)系的理解上。在應(yīng)用中，ArcMuse 2025能夠更加精確地區(qū)分復(fù)雜環(huán)境中的物體和背景，減少誤識別的情況。例如，在對圖像中的窗戶與畫作進(jìn)行區(qū)分時，ArcMuse 2025 通過優(yōu)化圖像分析流程，有效避免了誤識別，提高了識別的準(zhǔn)確度。

在智能商拍方向，ArcMuse 2025利用內(nèi)部新迭代的蒸餾框架優(yōu)化了文本與圖像生成的控制精度，使得在提示詞響應(yīng)的準(zhǔn)確性和圖像生成的可靠性方面有更高的提升。升級后的ArcMuse有更強(qiáng)的文本與圖像的匹配能力，能夠更好地生成符合商業(yè)需求的圖像。

在智能機(jī)器人方向，ArcMuse 2025通過優(yōu)化多模態(tài)數(shù)據(jù)處理、實(shí)時目標(biāo)識別、復(fù)雜場景理解等可顯著提升機(jī)器人在動態(tài)環(huán)境中的適應(yīng)性和自主性。同時，針對端側(cè)部署深度優(yōu)化，可使其在有限算力下依然高效運(yùn)行 AI 任務(wù)，助力其在工業(yè)自動化、智能服務(wù)、家庭陪護(hù)、教育娛樂等應(yīng)用落地。

視覺大模型實(shí)用化：多AI協(xié)同，驅(qū)動創(chuàng)新落地

虹軟的視覺AI技術(shù)研發(fā)經(jīng)歷了20多年的歷練，絕大多數(shù)技術(shù)都實(shí)現(xiàn)了產(chǎn)品化應(yīng)用和實(shí)際落地，達(dá)到了100億級端側(cè)設(shè)備的實(shí)際應(yīng)用。虹軟的AI研發(fā)經(jīng)歷了從CV&CG到淺層學(xué)習(xí)，從端側(cè)深度學(xué)習(xí)到復(fù)雜模型，從底座模型強(qiáng)化到領(lǐng)域大模型;效果和性能、功耗3指標(biāo)并舉的多階段扎實(shí)迭代向前演進(jìn)。

在當(dāng)下的AI技術(shù)快速發(fā)展浪潮中，大模型成為行業(yè)關(guān)注的焦點(diǎn)，近來DeepSeek又帶來一波強(qiáng)化劑。虹軟認(rèn)為真正高效的智能計(jì)算體系不是單一的通識大模型，每個AI引擎有各自的效果和性能優(yōu)缺點(diǎn)，須深度耦合、效果性能權(quán)衡，這樣才能幫助視覺大模型真正快速落地實(shí)用化。

另外，一個非常有意義的目標(biāo)是：“大模型普及與可商業(yè)化”。其核心是算力要求要盡可能低，存儲資源要盡可能少，數(shù)據(jù)要求要盡可能少，成本盡可能省，但效果盡可能好。這樣的話，多AI范式的高度耦合，且是動態(tài)多層次的AI計(jì)算架構(gòu)，才是邏輯合理的選擇，僅靠目前單一的視覺大模型還不夠、走不通，這就是ArcMuse的架構(gòu)思路和定位。