圖：香港理工大學人工智能高等研究院在AI訓練技術有新突破，可大幅降本及提升效率。

　　香港理工大學人工智能高等研究院（PAAI）近期在AI訓練技術上突破頻現，該院執行院長楊紅霞教授率團隊，提出「協作式生成人工智能」創新模式，將過往的集中式訓練轉為分散式，開源FP8低比特訓練方案、研發InfiFusion模型融合技術，大幅降低成本提升效率。該技術目前已用於醫療靶區規劃等領域，正聯合多家醫院推動臨床落地，項目並計劃在大灣區推進商業化。\大公報記者 邱梓茵

　　團隊主導者楊紅霞教授，擁有字節跳動、阿里巴巴等「大廠」15年從業經驗，曾負責搭建千問團隊、豆包性格團隊，是生成式AI領域開拓者。她指出，當前大模型在高精尖領域難有進展，根源在於企業多依賴互聯網公開數據訓練，無法適應高精尖行業需要，若採用傳統的集中式AI訓練方法適應行業則耗時長，其團隊方案正解決此問題。

　　節省算力 料成AI發展趨勢

　　楊紅霞教授介紹，團隊率先開源「端到端FP8低比特訓練全套方案」，全球掌握此核心技術團隊寥寥。相較主流的BF16精度標準，FP8訓練速度快逾20%，內存佔用少逾10%，成本大降，還整合AI訓練三步驟，訓練效果媲美BF16─即GPT、DeepSeek等主流AI使用的訓練模式。團隊現正研發更省成本的FP4方法，相關論文已發表，楊紅霞教授表示，「低比特一定是AI發展未來大勢所趨」。

　　團隊研發的「InfiFusion模型融合技術」實現關鍵突破。僅需數百GPU小時，即可融合出傳統方法需100萬至200萬GPU小時訓練的大模型，大幅節省算力與時間成本。

　　楊紅霞教授解釋，傳統生成式AI需集中攝取大量原始數據訓練，而「模型融合」採用分布式路徑─以四家醫院為例，每家醫院無需共享數據，僅在本地訓練小模型，最終將四個小模型融合，即可生成涵蓋所有醫院知識與數據的全新基礎模型，過程是主動學習而非簡單整合。

　　她進一步以武俠小說「吸星大法」比喻「模型融合」：不同模型各有擅長，有的擅長數學解題、有的精通代碼編寫、有的強於文本理解，透過模型融合可直接吸收各模型最強能力，無需耗費大量算力重新訓練，最終實現「各項本領皆優」的AI模型。

　　放射治療靶區規劃省時

　　應用方面，團隊聚焦醫療領域。病人放射治療前的靶區規劃，醫生以往需30至50分鐘，借助其技術可降至10至20分鐘，目前正聯合復旦大學附屬華山醫院、中山大學腫瘤防治中心、山東省腫瘤醫院及香港伊利沙伯醫院推動合作與臨床落地。該技術亦能用於研究生、博士學術助手，同時作為多模態專利檢索引擎為創新研發提供高效支持。

　　在項目產學研規劃上，理大高級副校長（研究及創新）趙汝恆教授表示，理大目前與大灣區城市的合作已進入深度產業發展階段，該項目正在大灣區規劃後續商業化發展。