图：香港理工大学人工智能高等研究院在AI训练技术有新突破，可大幅降本及提升效率。

　　香港理工大学人工智能高等研究院（PAAI）近期在AI训练技术上突破频现，该院执行院长杨红霞教授率团队，提出“协作式生成人工智能”创新模式，将过往的集中式训练转为分散式，开源FP8低比特训练方案、研发InfiFusion模型融合技术，大幅降低成本提升效率。该技术目前已用于医疗靶区规划等领域，正联合多家医院推动临床落地，项目并计划在大湾区推进商业化。\大公报记者 邱梓茵

　　团队主导者杨红霞教授，拥有字节跳动、阿里巴巴等“大厂”15年从业经验，曾负责搭建千问团队、豆包性格团队，是生成式AI领域开拓者。她指出，当前大模型在高精尖领域难有进展，根源在于企业多依赖互联网公开数据训练，无法适应高精尖行业需要，若采用传统的集中式AI训练方法适应行业则耗时长，其团队方案正解决此问题。

　　节省算力 料成AI发展趋势

　　杨红霞教授介绍，团队率先开源“端到端FP8低比特训练全套方案”，全球掌握此核心技术团队寥寥。相较主流的BF16精度标准，FP8训练速度快逾20%，内存占用少逾10%，成本大降，还整合AI训练三步骤，训练效果媲美BF16─即GPT、DeepSeek等主流AI使用的训练模式。团队现正研发更省成本的FP4方法，相关论文已发表，杨红霞教授表示，“低比特一定是AI发展未来大势所趋”。

　　团队研发的“InfiFusion模型融合技术”实现关键突破。仅需数百GPU小时，即可融合出传统方法需100万至200万GPU小时训练的大模型，大幅节省算力与时间成本。

　　杨红霞教授解释，传统生成式AI需集中摄取大量原始数据训练，而“模型融合”采用分布式路径─以四家医院为例，每家医院无需共享数据，仅在本地训练小模型，最终将四个小模型融合，即可生成涵盖所有医院知识与数据的全新基础模型，过程是主动学习而非简单整合。

　　她进一步以武侠小说“吸星大法”比喻“模型融合”：不同模型各有擅长，有的擅长数学解题、有的精通代码编写、有的强于文本理解，透过模型融合可直接吸收各模型最强能力，无需耗费大量算力重新训练，最终实现“各项本领皆优”的AI模型。

　　放射治疗靶区规划省时

　　应用方面，团队聚焦医疗领域。病人放射治疗前的靶区规划，医生以往需30至50分钟，借助其技术可降至10至20分钟，目前正联合复旦大学附属华山医院、中山大学肿瘤防治中心、山东省肿瘤医院及香港伊利沙伯医院推动合作与临床落地。该技术亦能用于研究生、博士学术助手，同时作为多模态专利检索引擎为创新研发提供高效支持。

　　在项目产学研规划上，理大高级副校长（研究及创新）赵汝恒教授表示，理大目前与大湾区城市的合作已进入深度产业发展阶段，该项目正在大湾区规划后续商业化发展。