本文经AI新媒体量子位（公众号ID:QbitAI）授权转载，转载请联系出处。
大模型赛道又有融资新动态：
语言大模型玩家澜舟科技，刚刚完成了Pre-A+轮融资。
本轮融资由北京中关村科学城公司领投，斯道资本和创新工场跟投。这是澜舟科技1年内收获的第2轮融资，2轮累计总额数亿元。
不止于此。和融资消息一同公布的还有澜舟科技推出的语言生成模型，孟子MChat可控大模型。
它有类ChatGPT的能力，加上原来澜舟科技孟子大模型N个项目功能引擎，最终呈现出来的MChat，既有对话能力，又具备翻译、生成、信息搜索等能力。
关于MChat，澜舟科技创始人兼CEO周明还作了如下介绍：
- 将陆续推出10B和100B参数级的大模型；
- 具备聊天、问答、翻译、文本生成、信息抽取等多种能力；
- 可融合搜索结果、领域数据和知识图谱；
- 对功能、风格、人类认知等方面具可控性。
孟子MChat可控大模型
本次融资是创新工场对澜舟科技的“继续跟投”。
创新工场董事长兼CEO李开复在3月14日的趋势分享会上谈到，AI已经来到从1.0迈入2.0的拐点。
顺着这个思路，MChat可以视为澜舟科技尝试从平台和基础设施两个层面迈入AI 2.0时代的具体动作：
首先，发布迭代而来的孟子MChat可控大模型，视其为通用底座，提供语言预训练模型、多模态预训练模型、垂直领域预训练模型等能力。
其次，再在其上架构能力平台，提供知识图谱、辅助写作、机器翻译等模块化能力。
据周明介绍，团队走访了100多家公司，发现市场需求迥异。这种情况下，澜舟科技认为在更垂类的赛道做定向优化显得尤为重要。
也因此延伸出孟子大模型技术体系的特点之一，更多样化。
具体而言，就是孟子支持BERT（分析类）、GPT（生成类）和T5（翻译类）等架构，能够覆盖阅读理解、文本生成、机器翻译、对话等不同场景。
值得注意的是，MChat虽然具有ChatGPT同样的对话能力，但两者有所不同。
ChatGPT尽可能将多模态数据纳入训练库，数据量越大越好，不甄别数据好坏；
而MChat强调“可控性”。
一是功能可控，即根据具体需求加减可调用的具体功能；二是结果可控，保证输出内容的健康、良性。
“未来我们是想继续探索从AI 1.0到2.0到AGI，”周明说，“不过AGI有点太远，但下一步已经确定，就是从单语言扩展到更多的语言。”
选择在这个时间点进军AI 2.0时代，澜舟科技似乎地利不足，放眼大模型创业领域，千帆竞赛；但好处是已有诸多铺垫，且孟子轻量化模型的能力已经经过验证。
MChat背后依托的孟子大模型，是澜舟科技自研技术研发的大规模预训练语言模型，于2021年7月推出。
可处理多语言、多模态数据，同时支持多种文本理解和文本生成任务，快速满足不同领域、不同应用场景的需求。
与追求打造AGI不同，基于Transformer架构的孟子，行进路线是轻量化——仅包含10亿参数。
靠这10亿参数，孟子大模型在中文语言理解领域最具权威性的测评基准CLUE上屡次刷榜第一，四两拨千斤，击败其他公司百亿甚至千亿的模型。
到具体的应用层面，同花顺、华夏基金为代表的金融领域，以及中文在线代表的文案写作领域，澜舟科技都以孟子大模型为底座提供了能力支撑。
NLP大牛周明
澜舟科技是以NLP技术为基础的认知智能公司，由AI大牛周明创办的公司，成立于2021年6月。
周明，当今NLP领域成就最高的华人之一，他不仅是中国第一个中英翻译系统的研制者，还在2019年成为AI语言领域最高级顶会ACL（国际计算语言协会）主席。
1991年在NLP重镇哈工大拿到博士学位后，周明进入清华任教；1999年被微软亚洲研究院创始院长李开复挖走，后来不久成为NLP研究组负责人。
2020年离开MSRA加盟创新工场担任首席科学家时，周明已担任MSRA副院长多年。
从工作21.5年的MSRA出走的原因，周明有些戏谑地解释：
“2020年年底，我隐隐约约感知到未来大模型要兴起，所以毅然决然离开微软，成立澜舟科技，专门从事大模型研究。”
据介绍，除了孟子大模型外，目前澜舟科技已经开源了近20个大模型。
如果真如李开复所说，AI来到了从1.0过渡到2.0的拐点，这对NLP意味着什么？
周明一边提到，AI 2.0反映在NLP，能看到GPT这样的通用模型，一套模型解决很多问题，效率大幅提升；一边又提出了两个现象：
一是AI 2.0时代的NLP能力足够强，在处理新任务时只需用一个提示词来代替它的能力；
二是模型大到一定程度时，会涌现新的能力，尤其是会迸发出一些从未见到过的能力。
他个人表示出对新能力涌现的格外关注，因为涌现这件事目前还是未解之谜，“唯一能启迪你的是在能力范围之内，尽量把模型做的比较大”。
ChatGPT身上的逻辑和思维能力，就是由GPT系列模型的大力出奇迹出品。既然如此，澜舟科技会不会也在模型参数上加码？
周明直截了当地回答，澜舟不会去追从千亿、万亿大模型。
我们会尊重大模型，把模型做到相当大，但同时快速考虑它的落地。
