9月14日，上海人工智能实验室开源 ATRIA Dawn Preview 模型。同日，凭借自研高性能通用 GPU 与 MXMACA 软件栈一体化协同的产品优势，沐曦股份率先完成对 ATRIA Dawn Preview 模型的 Day 0 适配，实现“上线即适配”。

自2025年12月以来，沐曦股份已完成37个主流旗舰模型的 Day 0适配。范围涵盖智谱、阿里千问、MiniMax、DeepSeek、阶跃星辰、腾讯混元等头部模型厂商，适配速度、数量、生态广度均位居行业前列。

聚焦人机分工，模型能力比肩前沿模型智能体

随着模型、智能体的快速发展，按照人类的提示词要求，AI能够完成越来越多的任务。递归式自我改进（Recursive Self-Improvement，RSI），即“ AI 能否自我升级”，成为当下行业热议的话题。

针对 RSI 这一AI 未来进化方向， ATRIA Dawn Preview 模型着眼于现阶段人机协作中的“分工”问题——当 AI 承担越来越多的研发工作时，人类劳动究竟发生了怎样的变化？哪些工作被 AI 替代，哪些仍由人类负责，自动化又是否带来了新的人工负担？通过逐步厘清人机协作的边界，探索一条通向可靠的 RSI 路径。

为此，上海人工智能实验室团队以一次模型后训练为案例，围绕数据、训练与评估三个环节，分析其中的人机分工，以及人类介入的具体位置与原因。

按照评测结果显示，通过此次人机协作的后训练， Atria Dawn Preview 模型，在基准测试上，已具有比肩前沿模型的智能体水平。

除了基准评测，团队还设计了气象预测、软件编程与网络安全攻防演练等具体任务，检验了 ATRIA Dawn Preview 模型在模型训练、工程构建与网络安全修复上的核心能力。

以气象预测任务为例。 ATRIA Dawn Preview 模型在禁用网络搜索的环境中，基于超过 100 GB 的全球气象数据，设计了参数量超过 0.4B 的 ViT 骨干网络，并完成 45k steps 的训练，学习 69 个气象变量随时间的演化规律。最终构建的系统能够在1分钟内预测未来一周的全球天气，在使用更少训练数据的情况下，部分预测指标优于经典预报模型 FourCastNet。

从 RSI 的视角看，这一实际任务案例展示了 AI 参与模型设计与训练的能力，为进一步承担自身后训练中的研发工作提供了能力基础。

上海人工智能实验室团队希望，以 Atria Dawn Preview 为起点，在持续的实践与验证中，逐步厘清人机协作的边界，探索通向可靠的 AI 自我升级路径。

软硬件协同，国产算力底座赋能AI创新

此次成功完成模型的Day 0适配，也充分验证了沐曦股份软硬件一体化协同的优势。

作为 “自主 GPGPU 硬件 + 全栈软件体系” 的核心枢纽，沐曦自研 MXMACA 软件栈承担着连接底层算力硬件与上层 AI 应用生态的关键纽带作用。它不仅全链路覆盖底层驱动、用户态接口、MXCC 编译器、算子深度适配、主流训练/推理框架对接及行业场景专项优化。目前，MXMACA 软件栈已实现对主流 AI 生态的广泛覆盖：兼容支持40余种 AI 框架、1000 多款模型，适配超 6000 个开源项目测试，全量支持 PyTorch 2.8的 2410 个GPU算子。

未来，沐曦股份将长期致力推动国产算力从“可用”走向“好用”“易用”，持续深化与国内顶尖AI团队的技术协同，构建自主可控、创新繁荣的国产 AI 生态。

官网地址: https://atria-asi.ai/

体验地址: https://api.atria-asi.ai/