如何評(píng)價(jià)愛康集團(tuán)創(chuàng)始人、 CEO 張黎剛稱「別指望幾百塊錢的體檢能查出所有病」？
智東西作者ZeR0編輯漠影
智東西7月29日?qǐng)?bào)道，在世界人工智能大會(huì)WAIC2025上，商湯科技發(fā)布全新「日日新SenseNovaV6.5」大模型體系、「悟能」具身智能平臺(tái)，商湯旗下核心產(chǎn)品商湯小浣熊也完成智能體升級(jí)。
日日新V6.5重點(diǎn)升級(jí)了強(qiáng)推理、高效率、智能體三大能力，率先突破圖文交錯(cuò)思維鏈技術(shù)，同時(shí)改進(jìn)多模態(tài)模型的融合架構(gòu)，相比V6.0顯著提升性價(jià)比，文本推理能力和多模態(tài)推理能力超越Gemini2.5Pro、Claude-4Sonnet，多模態(tài)交互能力超越Gemini2.5Flash和GPT-4o。
此次發(fā)布的為什么是V6.5，還不是V7？全國工商聯(lián)人工智能委員會(huì)主席團(tuán)首任輪值主席、商湯科技董事長兼CEO徐立解釋說，因?yàn)槎嗄B(tài)思維鏈構(gòu)造數(shù)據(jù)還能做到更大的擴(kuò)充，所以利用商湯原來視覺感知的能力，再加上視覺和文本之間關(guān)系的建立，多模態(tài)思維鏈構(gòu)造能進(jìn)一步助力其基模型核心能力提升。
基于日日新V6.5的多模態(tài)數(shù)據(jù)分析能力，綜合智能助手商湯小浣熊升級(jí)，支持多模態(tài)復(fù)雜輸入、多模態(tài)融合深入分析、多模態(tài)結(jié)果輸出，在數(shù)據(jù)分析和智能體領(lǐng)域的實(shí)測(cè)中達(dá)到國際標(biāo)桿Claude4Opus的水平，大幅領(lǐng)先OpenAIo3等模型。
商湯還推出了面向特定場(chǎng)景的商湯小浣熊教育版和商湯小浣熊金融版。截至目前，“商湯小浣熊家族”產(chǎn)品矩陣已廣泛服務(wù)多行業(yè)企業(yè)，用戶數(shù)量實(shí)現(xiàn)1000萬+。
面向具身智能領(lǐng)域，商湯提供基于其世界模型的「悟能」具身智能平臺(tái)，可為機(jī)器人等各種終端硬件提供感知理解能力，并支持嵌入到端側(cè)芯片，靈活適配不同場(chǎng)景。
一、日日新V6.5：三大升級(jí)，多模態(tài)推理與交互性能大幅提升
商湯「日日新V6.5」多模態(tài)基座大模型帶來三大升級(jí)：
強(qiáng)推理：圖文交錯(cuò)多模態(tài)思維鏈，推理性能比肩Gemini2.5Pro、Claude-4Sonnet；高效率：多模態(tài)架構(gòu)優(yōu)化，性價(jià)比提升3倍以上；智能體：數(shù)據(jù)分析大幅領(lǐng)先，支持端到端的場(chǎng)景落地，實(shí)現(xiàn)價(jià)值閉環(huán)。
通過多模態(tài)思維鏈數(shù)據(jù)進(jìn)階圖文交錯(cuò)思維鏈數(shù)據(jù)合成，商湯「日日新V6.5」多模態(tài)推理與交互性能實(shí)現(xiàn)了大幅提升：文本推理能力和多模態(tài)推理大幅提升，超越Gemini2.5Pro、Claude-4Sonnet；多模態(tài)交互能力超越Gemini2.5Flash和GPT-4o，各方面性能突出。
商湯「日日新V6.5」率先突破圖文交錯(cuò)思維鏈技術(shù)，在大模型中引入形象思維，成為國內(nèi)首個(gè)實(shí)現(xiàn)圖文交錯(cuò)思維的商業(yè)級(jí)大模型。
在人類的思考中，形象思維和邏輯思維同等重要，兩者有機(jī)結(jié)合才能形成全面的思維能力。所謂“一圖勝千言”，一幅圖往往比大段文字更能引發(fā)有效思考。當(dāng)前，主流的多模態(tài)模型雖然已經(jīng)實(shí)現(xiàn)了在輸入端融合多種模態(tài)，但思考推理過程依然主要依賴語言推理，圖形和空間推理仍存在短板。
多模態(tài)思維鏈構(gòu)造的關(guān)鍵在于信息的圖形化表達(dá)，相比純文本思維鏈更具挑戰(zhàn)，不僅要呈現(xiàn)文字思考過程，還需生成作為思考節(jié)點(diǎn)的圖像，難以通過純?nèi)斯し绞酱笠?guī)模實(shí)現(xiàn)。
商湯研發(fā)團(tuán)隊(duì)先基于對(duì)思維過程的理解構(gòu)造種子數(shù)據(jù)，經(jīng)監(jiān)督微調(diào)（SFT）訓(xùn)練讓模型初步具備圖文交錯(cuò)思考能力，再通過多輪強(qiáng)化學(xué)習(xí)顯著提升多模態(tài)推理能力。
同時(shí)，商湯改進(jìn)了多模態(tài)模型的融合架構(gòu)，促進(jìn)跨模態(tài)早期融合。新架構(gòu)采用了顯著變輕的視覺編碼器，以及深而窄的主干模型，使得視覺表征在前饋計(jì)算早期就與語言進(jìn)行對(duì)齊和交融，從而令感知更高效，模態(tài)融合更深。
得益于模型架構(gòu)的改進(jìn)，商湯日日新V6.5在實(shí)現(xiàn)成本優(yōu)化的同時(shí)，預(yù)訓(xùn)練吞吐量提升了20%以上，強(qiáng)化學(xué)習(xí)效率提升了40%，推理吞吐量提升了35%以上，取得性能和成本的平衡：相較日日新V6.0，日日新V6.5將性價(jià)比提升了3倍。
二、綜合智能助手商湯小浣熊升級(jí)，要打造“辦公最強(qiáng)智能體”
大語言模型已成為不少人的工作輔助工具，但僅靠大語言模型，不足以讓AI完成從“工具”向“人”的躍升。
人類的日常任務(wù)活動(dòng)，天然涉及對(duì)文本、圖像、視頻、網(wǎng)頁等多模態(tài)信息的處理。從生產(chǎn)力工具到生產(chǎn)力，關(guān)鍵就在于多模態(tài)信息的輸入、處理與輸出能力。
基于「日日新V6.5」的多模態(tài)數(shù)據(jù)分析能力，商湯小浣熊全面升級(jí)：能夠勝任多模態(tài)復(fù)雜輸入，進(jìn)行多模態(tài)融合深入分析，給出多模態(tài)結(jié)果輸出，實(shí)現(xiàn)專業(yè)的可視化呈現(xiàn)，打造“辦公場(chǎng)景的AI生產(chǎn)力”。
同時(shí)，商湯小浣熊始終保持世界領(lǐng)先的復(fù)雜數(shù)據(jù)分析能力。在客戶場(chǎng)景的綜合測(cè)試中，小浣熊達(dá)到在數(shù)據(jù)分析和智能體領(lǐng)域的國際標(biāo)桿Claude4Opus的水平，大幅領(lǐng)先OpenAIo3等模型，在時(shí)序計(jì)算、數(shù)據(jù)匹配、數(shù)理計(jì)算和異常檢測(cè)等任務(wù)中，準(zhǔn)確率均可接近100%。
現(xiàn)實(shí)辦公場(chǎng)景中，數(shù)據(jù)輸入形式極為復(fù)雜。在數(shù)據(jù)分析場(chǎng)景中，截圖、文檔和PDF等各類文檔樣式屢見不鮮，而其中結(jié)構(gòu)化信息及表格僅占約70%。即便是看似基礎(chǔ)的Excel表格，也常包含合并單元格、缺失值、嵌套子表格及內(nèi)嵌圖表等復(fù)雜元素，大幅提升處理難度。
商湯小浣熊能以多模態(tài)思維實(shí)現(xiàn)全局分析，通過思維鏈構(gòu)造進(jìn)行多步思考與反思，最終輸出結(jié)構(gòu)化的結(jié)果。
一個(gè)表格看著簡單，背后的邏輯因果卻非常復(fù)雜，如今商湯小浣熊可以讓復(fù)雜表格簡單化。
用戶上傳包含合并單元格、缺失值、子表格、內(nèi)嵌圖表及外部圖片的復(fù)雜Excel表格。商湯小浣熊能夠精準(zhǔn)解析表格內(nèi)容，建立子表格間的邏輯關(guān)聯(lián)，最終生成完整的分析報(bào)告。
再比如一個(gè)復(fù)雜輸入的用戶案例，小商戶在抖音等視頻平臺(tái)刷到有用的表格內(nèi)容，截圖后上傳。商湯小浣熊可以通過圖片信息分解任務(wù)并去除干擾，提取表格信息，一鍵導(dǎo)出可編輯的Excel表格供用戶填寫，輸入、分析、輸出全程都有多模態(tài)能力支持順暢進(jìn)行。
傳統(tǒng)AI工具多扮演輔助角色，核心工作仍依賴用戶主導(dǎo)完成；而商湯小浣熊實(shí)現(xiàn)了交互范式的升級(jí)——由AI主動(dòng)承擔(dān)核心任務(wù)，并通過精準(zhǔn)提問和用戶確認(rèn)關(guān)鍵信息，交互邏輯如同同事協(xié)作。
商湯小浣熊任務(wù)規(guī)劃功能的新穎交互模式，更利于用戶理解。
以前段時(shí)間大火的“蘇超”為例，用戶上傳圖像表格，要求分析“蘇超”TOP球員。商湯小浣熊會(huì)自動(dòng)抓取網(wǎng)上信息，并依托專家知識(shí)生成任務(wù)清單（如確定“TOP5”標(biāo)準(zhǔn)，分析青訓(xùn)成績等）進(jìn)行系統(tǒng)性分析，最終生成高質(zhì)量分析文檔，還可導(dǎo)出為Excel、PPT、HTML等可編輯格式。
整體流程如下：
放大來看，AI是這么做任務(wù)拆解與規(guī)劃的：
當(dāng)接收任務(wù)后，小浣熊會(huì)主動(dòng)梳理任務(wù)細(xì)節(jié)，就關(guān)鍵節(jié)點(diǎn)向用戶提出明確問題（如“是否需要按以下1、2、3點(diǎn)推進(jìn)？”），以確保任務(wù)方向準(zhǔn)確，真正實(shí)現(xiàn)“AI主導(dǎo)干活、用戶決策把關(guān)”的高效模式。
接下來就能依據(jù)專家知識(shí)生成任務(wù)清單（如確定“TOP5”標(biāo)準(zhǔn)，分析青訓(xùn)成績等）進(jìn)行系統(tǒng)性分析，下一步該做什么、可以怎么商量著做一目了然。
專業(yè)數(shù)據(jù)+工具調(diào)用，實(shí)現(xiàn)高質(zhì)量內(nèi)容過程：
最終生成高質(zhì)量分析文檔，還可導(dǎo)出為Excel、PPT、HTML等可編輯格式。
憑借復(fù)雜任務(wù)處理能力，商湯小浣熊加速向行業(yè)滲透，此次推出了面向兩大具體場(chǎng)景的特制版本——教育版和金融版。
商湯小浣熊教育版可智能分析學(xué)生學(xué)習(xí)表現(xiàn)、課程效果、學(xué)習(xí)行為模式分析，已覆蓋500+院校、10余種教育場(chǎng)景、25萬+教師和學(xué)生，并已在多所學(xué)校協(xié)助教研團(tuán)隊(duì)，幫助學(xué)生提升學(xué)習(xí)效率15~30%，降低學(xué)業(yè)焦慮發(fā)生率40%，課堂參與度提高2.1倍，資源錯(cuò)配率降低30%，心理健康干預(yù)及時(shí)性提升了50%。
商湯小浣熊金融版可為金融業(yè)提供知識(shí)助手、智能問數(shù)、多模態(tài)智能理賠產(chǎn)品與解決方案，構(gòu)建金融領(lǐng)域的“人機(jī)協(xié)同”智能決策新范式。
三、「悟能」具身智能平臺(tái)：讓機(jī)器人自然講解PPT，可構(gòu)建4D真實(shí)世界
商湯「悟能」具身智能平臺(tái)以商湯具身世界模型為核心引擎，依托商湯大裝置提供端側(cè)和云側(cè)算力支持，能夠?yàn)闄C(jī)器人、智能設(shè)備提供強(qiáng)大的感知、視覺導(dǎo)航及多模態(tài)交互能力，推動(dòng)智能終端向更高層次的自主化與智能化演進(jìn)。
商湯的世界模型叫“開悟”，“悟能”是“開悟智能”的縮寫。
該平臺(tái)可賦能機(jī)器人等各種終端硬件，實(shí)現(xiàn)對(duì)世界萬物的感知理解能力，并支持嵌入到端側(cè)芯片，具有強(qiáng)大的場(chǎng)景適配性。
徐立展示了搭載具身世界引擎的人形機(jī)器人。它能生動(dòng)講解“長安的荔枝”PPT的效果，語言自然，風(fēng)趣幽默，不僅可以自動(dòng)翻頁，還能回答各類問題，并進(jìn)行階段性小結(jié)。
商湯具身世界模型可生成多視角視頻，并確保良好的時(shí)間一致性和空間一致性，讓機(jī)器能夠理解、生成、編輯真實(shí)世界，在空間層面實(shí)現(xiàn)世界交互，讓“在真實(shí)的街道場(chǎng)景中玩‘極品飛車’”成為可能。
該模型還能構(gòu)建面向人、物、場(chǎng)的4D真實(shí)世界。用戶僅需要輸入簡單的提示詞，比如“在廚房區(qū)域的架子上找東西”，“進(jìn)入娛樂室、向右轉(zhuǎn)，然后打開通往院子的門”等等，具身世界模型就能自主進(jìn)行位姿、動(dòng)作骨架和指令的生成。
徐立說，有了這樣的一套模型，有了這樣賦能的一個(gè)基礎(chǔ)，「悟能」具身智能平臺(tái)最終能幫助各種各樣具身智能企業(yè)實(shí)現(xiàn)跟現(xiàn)實(shí)世界交互的夢(mèng)想。
在世界人工智能大會(huì)展區(qū)，商湯科技的展臺(tái)吸引了大量參觀者駐足，一個(gè)會(huì)解說PPT的人形機(jī)器人成為全場(chǎng)焦點(diǎn)。
這臺(tái)機(jī)器人基于商湯最新的日日新V6.5多模態(tài)大模型，擁有強(qiáng)大的音視頻處理和AI交互能力，能像人一樣，邊翻頁講解PPT，邊應(yīng)答觀眾提問，即便在嘈雜的環(huán)境中，也能完成實(shí)時(shí)、流暢的互動(dòng)。
傅利葉、鈦虎、鹿明、鯨魚AI、帕西尼等多家機(jī)器人也亮相商湯展臺(tái)。
在商湯聯(lián)合生態(tài)伙伴“朋友圈”打造的智能生態(tài)硬件展區(qū)，各類基于日日新V6.5多模態(tài)大模型的智能硬件產(chǎn)品琳瑯滿目，有能和人類一樣對(duì)弈下棋的元蘿卜AI下棋機(jī)器人、能給孩子講解各種知識(shí)的靈宇宙隨身學(xué)伴、全球首款寵物喂養(yǎng)AI毛絨玩具、芙崽AI養(yǎng)成潮玩等，展現(xiàn)了AI給生活、學(xué)習(xí)帶來的全新體驗(yàn)。
商湯還全面展示了AI基礎(chǔ)設(shè)施商湯大裝置，“開悟”世界模型，以及商湯商量、辦公小浣熊、代碼小浣熊、咔皮記賬、咔皮action、如影數(shù)字人、Seko短片創(chuàng)作Agent等各類AI原生應(yīng)用，還有面向商業(yè)的金融智腦、AI問客多模態(tài)文旅講解產(chǎn)品、SensePedia企業(yè)級(jí)智能知識(shí)平臺(tái)、面向智慧城市的Monolith新一代感知模型生產(chǎn)平臺(tái)等創(chuàng)新成果。
結(jié)語：錨定多模態(tài)能力，提升生產(chǎn)力和交互體驗(yàn)
1950年，圖靈通過“模仿游戲”將AI定義為“類人能力”，但實(shí)際的AI一直未能擺脫“工具”的范疇，一度陷入發(fā)展低谷。而在大模型時(shí)代，AI憑借多模態(tài)融合能力的突破，逐步觸達(dá)AGI邊界，真正開始向“類人”標(biāo)準(zhǔn)靠近。
從學(xué)習(xí)到陪伴再到服務(wù)，大模型正把“智能”搬進(jìn)現(xiàn)實(shí)生活。商湯科技通過日日新V6.5，用多模態(tài)能力來推動(dòng)生產(chǎn)力和交互體驗(yàn)提升，與行業(yè)共赴下一階段AI進(jìn)化的新征程。
“商湯科技始終探尋人工智能本質(zhì)，以技術(shù)創(chuàng)新激發(fā)最大智能，推動(dòng)AI完成從‘工具’到‘人’的躍遷，成為真正的生產(chǎn)力。”徐立說。
