前途科技前途科技
  • 服务
  • 关于
  • AI
    • AI 大模型
    • 具身智能
    • 算力芯片
  • 科技
    • 智能终端
    • 软件·互联网
    • 汽车·出行
    • 科学前沿
  • 资源中心
    • 深度研究
      • AI 前沿
      • 教程
      • AI 知识库
      • 案例研究
    • 行业报告
      • 白皮书
      • 行业报告
      • 研究报告
      • 技术分享
      • 专题报告
    • 精选案例
      • 金融行业
      • 医疗行业
      • 教育行业
      • 零售行业
      • 制造行业
  • 服务
  • 关于
联系我们
AI 大模型/11.20 · 09:47/7 MIN/编译自 雷锋网/1 阅读

商汤留20%资源做预研,林达华谈空间智能

商汤联合创始人林达华透露,公司至今仍将20%资源投向没有产品出口的预研。他观察到空间智能任务上Scaling Law失效,数据越多模型越错乱,而这正是原理性创新的入口。

商汤留20%资源做预研,林达华谈空间智能

今年初字节 Seedance 2.0 发布时,"电影级"的出片质量让不少从业者感到震撼。但对商汤 Seko 团队来说,那是一段迷茫的日子。

商汤联合创始人、首席科学家林达华回忆,那段时间他去见投资人、参加行业会议,被问到的几乎都是同一个问题:Seko 和 Seedance 有什么区别,做得过它吗?团队里一度出现自我怀疑的声音。

故事并没有走向单挑的结局。Seedance 把 30 秒视频片段渲染到顶级水准,而 Seko 面向的创作者,最终交付的是 100 集短剧——中间隔着剧本、分镜、人物设定和跨剧集的形象一致性,是一整套创作流程。想清楚这件事,Seko 反而活得更好了:林达华透露,今年这款产品用户增长了 7 到 8 倍,平台上产出了播放量过亿的短剧。

对于商汤在大模型市场的声量,林达华有个坦率的评价:"可能不是最大的。"这家公司的路线,也始终没有完全跟着行业最热的方向走。但它有一个坚持多年的习惯:直到今天,仍有 20% 的资源投向没有任何产品出口的预研工作。

某种程度来说,这是一种"播种"。汤晓鸥常挂在嘴边的那句话——life finds a way,"生命自寻出路",或许正是这笔投入的逻辑。

训练成本停不下来,拼手速的中国 AI

行业里曾有一个普遍假设:花巨大代价训出一个好模型,成本就能摊薄到之后的规模化服务里。林达华认为这个假设未必成立——问题不在模型不够好,而是"你不继续训下一个,别人就会超过你"。竞争逼着公司一轮接一轮重训,训练成本因此停不下来,越滚越大。

过去一年的叙事几乎被"更大即更强"占据,但卷参数这条路正在遭到反噬。他提到两个信号。

一是模型体量的选择变得更务实。最近各家厂商纷纷发布 Flash 级别中小模型,GLM 5.3 Flash、DeepSeek 4.1 Flash 都是例子。林达华特别提到 DeepSeek:"4.1 的 Flash,性能水平比 4.0 Pro 还要好。"一个几百 B 量级、调优精良的模型跑赢上一代 Pro,说明中等体量上的优化空间远没有吃完。

二是预训练数据的质量被重新摆上桌面。当几千亿参数的模型在实战中跑赢 2 万亿参数的对手,很多人开始回头检查自己的数据管线。林达华有个形象的解释:"数据里有很多杂质,很多东西相互打架,中间的很多效率就会被抵扣掉。"结果是模型又贵又不理想,参数堆上去了,效果没上去。

"当所有人很盲目地去做参数量的竞争,我觉得并不是一种健康的状态。"在他看来,行业正在回归理性,不再围着单一指标较劲,而是回到最终用户的价值上。

拼手速是另一种内卷形态。美国前沿实验室定义着 SOTA 的天花板,新模型一发布,国内往往在两三个月内涌出一批宣称采用同类方案的产品,抢占生态位。最近大热的 RSI(递归自我改进)同样是一堆公司在同时开建。

"说实话,拼手速这个事其实是蛮累的。"林达华观察到,看好一个方向就全员涌入,很难形成长期价值。同一个生态位有十家公司同时抢占,先到者的红利也会被迅速摊薄。

那长期竞争力靠什么?他的答案是:一条路上走得足够长、扎得足够深。这正是理解商汤那 20% 资源的起点。

20% 资源与空间智能:Scaling Law 在这里失效

这 20% 的资源,明确投向"没有任何产品作为出口"的工作。林达华确认,无论商汤面临怎样的经营压力,这笔钱直到今天仍在持续。

用他的话说,这类工作的起点是追问为什么:当现有方法做不好一个问题时,追回到最原理的地方。他不追求用复杂数学公式解释原理,但要求这个原理"能够有效解决现在其他方法很难解决的一些问题"。

空间智能就是这样被选出来的。选型逻辑分两步:先测当时最强的模型,找出它们做不好的事;再往下问一层,这些短板是不是加点数据就能补上。如果沿着原路加数据就能做好,那它有应用价值,但撑不起原理性创新。只有怎么加数据都做不好的方向,才可能藏着真正的原理问题,而空间智能恰好是后者。

这套标准的来历可以追溯到他的师承。汤晓鸥带学生时几乎从不过问技术细节,只看一件事:能不能用一两句话讲清自己的工作和别人的根本不同。

林达华指出,空间智能的"反常"在于,Scaling Law 在这里失效了。

在空间智能相关任务上,商汤团队观察到的趋势与 Scaling Law 相悖——数据加得越多,模型表现越不稳定。在 perspective-taking(视角转换)任务上,模型表现不尽如人意。人在空间中移动时会自然预判所见变化:走远一些,眼前物体应当变小。但当时的多模态模型不具备这种预判,即便是以原生多模态路线著称的 Google Gemini,同样无法判断物体在不同视角和尺度下会呈现什么形态。

"它能识别出那是一只黑羊,却回答不了换一个角度看,这只黑羊是什么样子。模型记住的是图像与语义之间的海量关联:远看是黑羊,近看仍是黑羊。"

团队继续添加相关数据,模型表现没有变好,反而"越来越错乱":语义联系被不断加强,数据之间却缺乏空间关联,模型越来越依赖语义去解释看到的一切。数据越多,固化越深,错得越稳定。

他此前常举的例子可以说明后果:把一张六个手指的照片交给当时的模型,GPT、Gemini、Grok 给出的答案都是五个手指。模型先识别出"这是一只手掌",再依据训练语料中"手掌通常有五个手指"的先验直接作答。他也提示,这个问题在最近一代模型上大概率已修复,但背后的机制依然成立。

商汤今年年初发布空间智能模型时,这个方向还属于外界眼中的技术储备。大半年之后,行业开始追了上来。GPT-6 发布后被社区广泛讨论的几点——Recurrent Transformer 架构的采用、海量具身数据灌入语言模型后展现出的机器人驱动能力——都指向同一件事:多模态和空间能力正在进入前沿模型的核心地带。

在林达华看来,这对商汤意味着路线得到验证:"GPT-6 其实证明的,是我们做这个道路肯定是有价值的。"商汤的资源与 OpenAI 差了数量级,但他相信,持续一两年的积累,会让商汤长出一些与行业其他团队不一样的东西。

语言与多模态:智能的本质是与世界交互

大模型爆发以来,"语言是不是通向智能的钥匙"一直是争论焦点。

林达华认为,语言把人类最重要的知识结构化地注入了符号体系,是"人类知识和智能非常高水平的代表",智能密度和效率可能是最高的载体。但单靠语言,他认为不完整。

他打了个比方:把一张人像照片交给最好的多模态模型,让它生成上千字的详细描述,再拿这段文字让生图模型画出来,也很难还原出一模一样的照片。

他把这个现象概括为信息频谱上的互补:语言承载经过浓缩的高密度信息,图像捕捉大量未经浓缩、也浓缩不了的信息。写程序、做逻辑推演,语言效率更高;美感的感受、空间结构的快速判断、视觉细节的传递,图像效率更高。至于全模态的输入输出,天花板依然非常高,把它们放在一起还不损失智能,"是需要花出代价和时间的"。

在他看来,智能的本质是人跟世界交互的能力——感知、知识记忆、多步推理、发出指令,多种要素组合的复合结果。

顺着这个定义回看大模型三年多的发展,他的判断是"不平衡":数学、编程以及可书写为文字与程序序列的长程任务,模型已超过普通人水平,甚至逼近顶尖;空间和物理智能还处在早期,机器人发展得比以前快了很多,但依然只会做简单动作。

有闭环才有迭代

回顾商汤把技术判断变成产品和收入的过程,林达华说:商汤的路是走出来的,不是想出来的。

大模型时代,商汤交的第一笔"学费"是名为"商量"的产品。2023 年初推出时,它和其他聊天产品没什么两样。林达华曾把产品拿给太太试用,结果"商量"在推荐附近饭店时直接胡诌了一通。翻车不全因为模型质量——对话产品的根基是点评、地图这样的信息基础设施,而那并非商汤的禀赋所在。

2023 年底,商汤把大模型产品收敛到内容和交互两个方向。前者长成了办公智能体小浣熊,根据今年中期业绩公告,这部分业务增长了六七倍;后者长成了 Seko。

Seko 的打法背后是"创作"和"生成"的差别。生成 30 秒精美片段,和创作 100 集短剧,中间隔着剧本、分镜、人物设定和跨剧集一致性。Seko 把理解生成统一、图文交错思维等技术用在创作流程上,底层渲染则借力 Seedance 等其他模型——单拼生成质量比不过,就把它变成自己工作流里的一环。

支撑这些选择的,是商汤关于闭环的方法论。林达华直白地说:"所有事情,你需要有闭环才能够有效地迭代,否则只有刷榜,没有迭代。"今天能当 Benchmark 冠军,下个月就未必,这种成绩留存不下来。

这个转变他自己也经历过。早期一作的论文里,二三十条公式是常态;2013 年之后,这个数字降到不超过 5 条。判断标准从"数学证明是否漂亮",换成了"使用中有无差异化的价值"。

1+X 结构正是这个思路的落地:新业务从母体长出来,到市场上独立融资、独立求生,相当于把闭环从研发层面推广到组织层面。产品和业务在商汤眼里也如同生命体,不成熟时不强推,以自然增长为信号再决定加大投入。

拼手速之外

长期竞争力的第一块拼图,林达华认为是开源。

早在 2018 年,他就在 MMLab 推动开源了 OpenMMLab,把领域内代表性算法整理成统一基准体系,替研究者省掉复现、对比实验这些脏活累活。这个项目后来成为 AI 1.0 时代影响力最大的开源算法库之一。多年之后,同一套逻辑在大模型时代原样复现。开源的内生动力是影响力:影响力可以募资、可以招人,DeepSeek 的示范让所有人看清了这条通路。客观上,这也把试错成本分摊给了整个社区——模型训练只占研发成本的一成左右,剩下九成是各种实验。

这也解释了为什么中国总投入与美国差着量级,却能追得这么近。林达华说:"最担心的是不知道路在哪里。"路一旦可见,把细节填平是中国工程师的强项。

但开源解决不了跟风的问题。他直言,过去三年中国大模型的主流路径,是在美国开拓的方向上做优化和创新,产业价值很大,"但如果中国要做出更持久的贡献,肯定得走出来一些不一样的东西"。他以 DeepSeek 为正面案例:大范式仍是标准 LLM 路线,但在架构效率上下的功夫非常深。

同时,模型市场本身也容不下通吃者,成本、通用性、专业性构成一个不可能三角。日常场景里甚至普遍出现"智能过剩":一个 8B 或 32B 的开源模型就能办好大部分工作,用户没必要为此付几十美元的 Token 钱。

真正的分水岭,可能出现在后蒸馏时代。林达华判断,存量的思维链题目已经构造完毕,接下来的瓶颈是产生新问题的能力——构造几千、几万乃至几十万个真实工作场景,让模型自己去探索、完成任务。

这件事的瓶颈并非算力。中国恰好握着一手好牌:生活和产业的多样性全世界罕见,工程师储备全世界最厚。低处的果子摘完之后,高处的果子要靠人上树。

但场景和人力拓展的只是智能的"宽度";智能的"深度",取决于智能自身的成长速度。近期备受关注的 RSI 正是着眼于此,但林达华强调,RSI 只是手段之一,瓶颈不在训练的自动化,而在进化的效率:机器获得一个有效观察点仍要跑海量训练,人掌握一项新技能则不需要一场完整训练。这个秘密一旦被破解,"会很大程度上重新塑造 AI 发展和竞争的格局"。

他也不认为现状可以无限外推:粗放的资源消耗迟早撞上轨迹爆炸,现有路径能否走到终点,是个悬而未决的问题。

至于拓展边界,他关心的第一个问题是:语言以外的模态在智能里到底扮演什么角色。他把希望寄托在多模态与空间的融合上——单纯做生成,提升的只是视觉质量;把空间感知能力融入思考过程,会让智能更加完整。

商汤对这个问题的回答,并不都写在模型里。林达华说,他目前最重要的工作,是给年轻人创造环境,守护一个有生命力的组织。这也是那 20% 资源的底层逻辑:积极播种,守护成长。

标签:Scaling Law多模态

想了解 AI 如何助力您的企业?

免费获取企业 AI 成熟度诊断报告,发现转型机会

置顶文章

自己动手做模型:ML Intern 低成本定制小模型实战
置顶

自己动手做模型:ML Intern 低成本定制小模型实战

微软和Meta收紧Claude:被削掉的是入口,不是模型
置顶

微软和Meta收紧Claude:被削掉的是入口,不是模型

前途科技前途科技
服务关于快讯技术商业报告
微信咨询二维码

咨询微信

扫码添加微信咨询

前途科技微信公众号

微信公众号

扫码关注

Copyright © 2026 AccessPath.com, 前途国际科技咨询(北京)有限公司,版权所有。|京ICP备17045010号-1|京公网安备 11010502033860号|隐私政策|服务条款
谷歌Playground的账本:做游戏的人付钱,玩游戏的人免费
置顶

谷歌Playground的账本:做游戏的人付钱,玩游戏的人免费

//

24小时热榜

台积电称正评估美国AI芯片出口新规
TOP1

台积电称正评估美国AI芯片出口新规

Meta 发布 Muse Spark:迈向个人超级智能
TOP2

Meta 发布 Muse Spark:迈向个人超级智能

3

谷歌发布 Gemini Decision 1,正面挑战 Jev

22小时前
谷歌发布 Gemini Decision 1,正面挑战 Jev
4

谷歌发布Gemini 4 Neon,每百万输入3美元

22小时前
谷歌发布Gemini 4 Neon,每百万输入3美元
5

谷歌建“镜像维度”假网络测试AI智能体

3小时前
谷歌建“镜像维度”假网络测试AI智能体
6

Meta 便携 AI 设备 Muse Charm 或定价 300 美元

3小时前
Meta 便携 AI 设备 Muse Charm 或定价 300 美元
7

拆解腾讯开源 LoopForge:跨过单机编码 Agent五道坎的 Harness

6小时前
拆解腾讯开源 LoopForge:跨过单机编码 Agent五道坎的 Harness
8

Anthropic 启动 IPO,每股定价 83 美元

7小时前
Anthropic 启动 IPO,每股定价 83 美元
热门标签
大模型AgentRAG微调私有化部署Prompt EngineeringChatGPTClaudeDeepSeek智能客服知识管理内容生成代码辅助数据分析金融零售制造医疗教育AI 战略数字化转型ROI 分析OpenAIAnthropicGoogle

关注公众号

前途科技微信公众号

扫码关注,获取最新 AI 资讯

免费获取 AI 落地指南

3 步完成企业诊断,获取专属转型建议

已有 200+ 企业完成诊断