陳宏儒

作者｜周一笑郵箱｜zhouyixiao@pingwest.com

在今年世界人工智能大會上，一個頗為引人注目的場景，主角是一個人形機器人。它獨自站在臺上，自主講解著一份關(guān)于唐代荔枝運輸史的PPT。

根據(jù)商湯科技董事長兼CEO徐立在“大愛無疆·模塑未來”大模型論壇上的介紹，這個機器人不僅語言風(fēng)趣，能自行控制PPT翻頁，甚至可以在回答完臺下觀眾的提問后，無縫銜接回自己原來的講稿。這種流暢度，已經(jīng)超出了簡單程序控制的范疇，更像一個具備了初步理解和記憶能力的講解員。

這看似輕松的演示，背后恰恰是當(dāng)前AI領(lǐng)域的核心難題，如何讓視覺理解、語言生成、情境記憶、人機交互等多種能力無縫協(xié)作。正是這種對綜合能力的更高要求，促使行業(yè)開始重新審視過去幾年的主流發(fā)展路徑。

過去幾年，行業(yè)一度信奉“大力出奇跡”的路徑。但在2025年的今天，這條路正面臨清晰的邊界。正如行業(yè)普遍觀察到的，互聯(lián)網(wǎng)高質(zhì)量文本數(shù)據(jù)將在未來幾年內(nèi)耗盡，其增速已遠(yuǎn)落后于算力增長；同時，真實環(huán)境下的主動交互數(shù)據(jù)采集成本極高，成為了具身智能發(fā)展的核心瓶頸。單純“堆料”的模式，顯然已不足以支撐AI的持續(xù)進(jìn)化。

這正是商湯這家公司的特殊之處，作為一家在計算機視覺領(lǐng)域深耕了十年的公司，商湯的基因決定了它對世界的理解始于圖像和視頻。在生成式AI時代，商湯并未將自己局限在純語言模型的競賽中，而是選擇了一條更契合自身歷史基因的道路。根據(jù)其領(lǐng)導(dǎo)層在多個場合的闡述，商湯當(dāng)下的核心戰(zhàn)略，是利用其深厚的視覺理解能力，將公司定位在多模態(tài)基礎(chǔ)模型及其在具身智能等領(lǐng)域的應(yīng)用之上。

1

多模態(tài)的新故事：當(dāng)行業(yè)覺得“卷不動”時

多模態(tài)這個概念在行業(yè)里已被討論多年，各家都在布局，以至于很多人覺得這已是一個重要但缺乏新突破的領(lǐng)域。然而，商湯提出了一個更具挑戰(zhàn)性的想法：要實現(xiàn)更高階的智能，AI的多模態(tài)能力需要再往前走一步，從信息的“融合理解”深入到“動態(tài)思考”的核心。

在與我們的交流中，商湯科技聯(lián)合創(chuàng)始人、執(zhí)行董事、首席科學(xué)家林達(dá)華闡述了這意味著什么。他認(rèn)為，AI的思考過程不應(yīng)是純文本的，而是應(yīng)該能不斷生成新的圖像進(jìn)行推演，這便是“圖文交錯的思維鏈”。

要走通這條窄門，挑戰(zhàn)巨大。首先是數(shù)據(jù)，能體現(xiàn)人類思考過程的數(shù)據(jù)天然是稀缺的。商湯的解法之一，是以少量專家數(shù)據(jù)為種子，用AI為AI造出大量包含推理過程的合成數(shù)據(jù)，以提升訓(xùn)練數(shù)據(jù)的“思維密度”。

其次是成本。為了在控制成本的同時實現(xiàn)復(fù)雜推理，商湯在這次發(fā)布的日日新6.5多模態(tài)大模型上，對架構(gòu)進(jìn)行了創(chuàng)新。其模型體系采用了超過6000億參數(shù)的混合專家（MoE）架構(gòu)。林達(dá)華在采訪中提到，他們采用了一種“更扁平的視覺編碼器搭配更縱深的語言模型中樞”的新設(shè)計，讓模型“視覺上敏捷，思考上有深度”。根據(jù)公布的數(shù)據(jù)，新架構(gòu)使得性價比提升了三倍，推理成本只有原來的30%。一個150億參數(shù)的輕量模型，性能已能在多數(shù)維度上達(dá)到過去6000億參數(shù)模型的95%。

1

寬路：從Agent到物理伙伴

一個更強大、更高效的模型，最終要通過Agent來體現(xiàn)價值。商湯的Agent家族小浣熊，其核心應(yīng)用之一便是處理復(fù)雜的數(shù)據(jù)分析任務(wù)。

現(xiàn)實世界中的Excel表格，往往充滿了合并單元格、多個子表和混雜的圖文，是典型的多模態(tài)難題。在一個頭部客戶的實際測試中，面對這類任務(wù)，小浣熊的表現(xiàn)比當(dāng)時更新的DeepSeek模型，依然有十分左右的優(yōu)勢。這種在關(guān)鍵應(yīng)用上的性能差異，直接體現(xiàn)了其底層模型在強推理能力上的不同。

小浣熊領(lǐng)先的復(fù)雜數(shù)據(jù)分析能力

商湯對Agent的構(gòu)想，并不局限于小浣熊這樣的數(shù)字Agent形態(tài)。在今年的WAIC展區(qū)，商湯展示了一個由眾多硬件伙伴構(gòu)成的應(yīng)用生態(tài)，包括元蘿卜下棋機器人、小米AI眼鏡，以及來自鈦虎、傅利葉等公司的人形機器人。

當(dāng)然，打造一個開放的硬件生態(tài)也并非易事。相比蘋果或特斯拉那種軟硬一體、高度垂直整合的模式，平臺賦能的路線需要解決生態(tài)伙伴技術(shù)水平參差不齊、最終用戶體驗難以完全統(tǒng)一等問題。

商湯在其中扮演的是核心技術(shù)提供者的角色。林達(dá)華在采訪中解釋了硬件廠商選擇合作的原因：大部分硬件廠商，特別是智能玩具等消費電子公司，對成本高度敏感，因此并不具備自研頂尖交互模型的能力。商湯提供了一個它們亟需的、開箱即用的智能大腦。至此，商湯的Agent戰(zhàn)略版圖變得清晰：以小浣熊這樣的數(shù)字Agent深入企業(yè)的生產(chǎn)流程，再以賦能硬件的物理形態(tài)進(jìn)入人們的日常生活。

1

一場需要“沿途下蛋”的馬拉松

從Agent到機器人，再到讓它們與物理世界交互，商湯的布局也自然地延展到了具身智能這一前沿領(lǐng)域。這次WAIC上，商湯正式發(fā)布了“悟能”具身智能平臺。該平臺以商湯的具身世界模型為核心，旨在為機器人等終端提供強大的感知、導(dǎo)航和交互能力。徐立展示的“在真實世界開極品飛車”的Demo，就展示了其“開悟”世界模型在生成高保真、可交互場景方面的能力。

對未來的想象和布局上，也讓我們看到了AI巨頭們理解上的差異。谷歌DeepMind的領(lǐng)導(dǎo)者德米斯·哈薩比斯在近期一次廣為流傳的播客訪談中構(gòu)想，AGI的終極體現(xiàn)是破解聚變能源、模擬完整細(xì)胞，解決人類最根本的科學(xué)挑戰(zhàn)。

在林達(dá)華看來，真正意義上的Intelligence——智能的定義，就是一個智能體或者“人”它跟這個世界自主交互的能力。而這里面包括很多不同的維度，比如感知、推理、決策等等。商湯的路徑，是先讓AI成為能讀懂財報、看懂圖紙、幫你規(guī)劃旅行的得力助手。一個看似仰望星空，一個似乎腳踏實地。但后者的路徑，恰恰是離當(dāng)前企業(yè)和用戶的真實痛點最近，也是最快能創(chuàng)造商業(yè)價值的領(lǐng)域。

在中長期戰(zhàn)略上，商湯的思考傾向于在把基礎(chǔ)模型做好的同時，打造很多個能深入場景變革生產(chǎn)力、重塑工作范式的專業(yè)Agent，互相形成組合，最終實現(xiàn)可持續(xù)的商業(yè)閉環(huán)，而非一個什么都能干的“超級智能體”。因為后者的成本在真實商業(yè)場景中可能難以承受。另一個，就是與合作伙伴一起推動像具身智能的發(fā)展。

這種選擇的背后，是商湯對AGI發(fā)展路徑的核心判斷，它不是一場百米沖刺，而是需要付出很長時間和努力的長跑。

在這場艱苦的競賽中，一時的技術(shù)突破固然重要，但能否跑到最后，更在于能否建立一個可持續(xù)的商業(yè)閉環(huán)。商湯的策略，被林達(dá)華在采訪中概括為“沿途下蛋”。即在追求AGI這個遠(yuǎn)大目標(biāo)的過程中，必須在沿途不斷創(chuàng)造出能自我造血的商業(yè)價值。無論是小浣熊，還是硬件生態(tài)，都是商湯在長跑路上“生下的蛋”。它們不僅能為研發(fā)提供資金反哺，更能讓技術(shù)在真實應(yīng)用中獲得最寶貴的反饋。

這種務(wù)實的哲學(xué)，并非憑空而來，而是源于商湯過去十年在AI浪潮起伏中的經(jīng)驗沉淀。一家經(jīng)歷過技術(shù)hype與現(xiàn)實挑戰(zhàn)的公司，對什么是真正有價值的東西，會形成自己的判斷。林達(dá)華在采訪結(jié)尾的一句話，或許能作為注腳：“AI行業(yè)之所以曾出現(xiàn)過冬天，就是因為技術(shù)無法落地，人們用不上，它就失去了價值”。

從WAIC上那個會講PPT的機器人開始，我們所看到的，是一個多層戰(zhàn)略的物理體現(xiàn)，一條對多模態(tài)認(rèn)知的技術(shù)窄路，一個軟硬一體的商業(yè)寬路，以及一個為跑贏AGI馬拉松而設(shè)計的、可持續(xù)的發(fā)展哲學(xué)。

點個愛心，再走吧

天生艷骨女玄術(shù)師,葉思媚誓要反轉(zhuǎn)權(quán)貴囚籠命運

小說:天生艷骨被算命稱金絲雀,女玄術(shù)師葉思媚逆襲權(quán)貴之路

天生艷骨女玄術(shù)師,葉思媚誓破宿命,以術(shù)證道,改寫權(quán)貴籠中鳥的命運