Newshot

商汤20%资源投入背后的逻辑:林达华谈拼手速与长期竞争力

Summary

Scaling Law在空间智能这里失效了? 作者丨周蕾 编辑丨岑峰 今年初字节的Seedance 2.0发布时,“电影级别”的出片质量让不少从业者倍感兴奋和震撼,新的创作蓝图正在他们面前徐徐展开——但对商汤的Seko团队来说,那是一段“迷茫”的日子。 商汤联合创始人、首席科学家林达华在最近一次访谈中回忆,那段时间他去见投资人、参加行业会议,被问到的几乎总是同一个问题:你们的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:这件事还要不要做下去? 后来故事并没有走向商汤Seko单枪匹马“对抗”Seedance的结局。Seedance把30秒的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集的短剧——这中间隔着剧本、分镜、人物设定和跨剧集的形象一致性,是一整套创作流程。 想清楚了这件事,Seko反而活得更好了:据林达华在访谈中透露,今年这款产品的用户增长了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上的声量,林达华自己有个坦率的评价:“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。 但商汤有一个坚持多年的习惯:直到今天,公司依然有20%的资源,投入给没有任何产品出口的预研工作。 某种程度来说,这也是一种“播种”,种子下地时其实无需承诺收成。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。 在最近参加的微博科技 X 卫诗婕联合出品的《科技漫谈》栏目访谈中,林达华从行业的现状聊起,穿过商业化的验证,最后落在智能的边界上。但贯穿始终的线索只有一个:那20%的资源,以及支撑它的判断——为什么有的路值得走得很长、很久,哪怕眼下仍未看见出口。 01 训练成本停不下来,拼手速的中国AI 大模型行业的钱,正在以一种停不下来的方式烧下去。 行业里曾经有一个普遍假设: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。 林达华在访谈中指出,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地重训,训练成本因此停不下来,而且越滚越大。 尽管过去一年的行业叙事,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: 一是模型的体量选择变得更务实。最近各家厂商均发布了F…

Original text(via 雷锋网)
商汤20%资源投入背后的逻辑:林达华谈拼手速与长期竞争力
商汤20%资源投入背后的逻辑:林达华谈拼手速与长期竞争力

今年初字节的Seedance 2.0发布时,“电影级别”的出片质量让不少从业者倍感兴奋和震撼,新的创作蓝图正在他们面前徐徐展开——但对商汤的Seko团队来说,那是一段“迷茫”的日子。

商汤联合创始人、首席科学家林达华在最近一次访谈中回忆,那段时间他去见投资人、参加行业会议,被问到的几乎总是同一个问题:你们的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:这件事还要不要做下去?

后来故事并没有走向商汤Seko单枪匹马“对抗”Seedance的结局。Seedance把30秒的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集的短剧——这中间隔着剧本、分镜、人物设定和跨剧集的形象一致性,是一整套创作流程。

想清楚了这件事,Seko反而活得更好了:据林达华在访谈中透露,今年这款产品的用户增长了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上的声量,林达华自己有个坦率的评价:“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。

但商汤有一个坚持多年的习惯:直到今天,公司依然有20%的资源,投入给没有任何产品出口的预研工作。

某种程度来说,这也是一种“播种”,种子下地时其实无需承诺收成。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。

在最近参加的微博科技 X 卫诗婕联合出品的《科技漫谈》栏目访谈中,林达华从行业的现状聊起,穿过商业化的验证,最后落在智能的边界上。但贯穿始终的线索只有一个:那20%的资源,以及支撑它的判断——为什么有的路值得走得很长、很久,哪怕眼下仍未看见出口。

商汤20%资源投入背后的逻辑:林达华谈拼手速与长期竞争力
商汤20%资源投入背后的逻辑:林达华谈拼手速与长期竞争力

训练成本停不下来,拼手速的中国AI

大模型行业的钱,正在以一种停不下来的方式烧下去。

行业里曾经有一个普遍假设: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。

林达华在访谈中指出,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地重训,训练成本因此停不下来,而且越滚越大。

尽管过去一年的行业叙事,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:

一是模型的体量选择变得更务实。最近各家厂商均发布了Flash级别的中小模型:GLM 5.3 Flash、DeepSeek 4.1 Flash,谷歌和OpenAI也推出了同类规格的产品。

林达华在访谈中特别提到了DeepSeek的表现:“4.1的Flash,它的性能水平是比4.0 Pro是要好的。”一个几百B量级、训练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还远没有吃完。

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了2万亿参数的对手,很多人开始回头检查自己的数据管线。

林达华对此有一个形象的解释:“(数据里)有很多的杂质、很多的东西相互打架,使得中间的很多的效率就会被抵扣掉。”结果就是一个又贵又不理想的模型,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,这两个信号意味着行业正在回归理性:不再围着单一指标较劲,而是回到最终用户的价值上。

上一轮AI周期里,类似情况也出现过,商汤自己就是亲历者。每个项目都要从收集数据开始,专门训练、调优、测试,全流程重做一遍,很难真正复制。只是当年的计量单位是项目,今天换成了参数。

拼手速是另一种内卷的形态。美国的前沿实验室定义着SOTA的天花板,新模型一发布,等于给中国的从业者们指了一条路——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。这个问题,正是理解商汤那20%资源的起点。

商汤20%资源投入背后的逻辑:林达华谈拼手速与长期竞争力
商汤20%资源投入背后的逻辑:林达华谈拼手速与长期竞争力

从反Scaling Law到语言与多模态

· 20%的资源与空间智能

这20%的资源,明确投向“没有任何产品作为出口”的工作。林达华在访谈中确认,无论商汤面临着怎样的经营压力,这笔钱直到今天仍在持续,“在任何的时间,我们还是保留了一定的资源。”

用他的话说,这类工作的起点是追问为什么:当一个问题现有方法做不好时,追回到最原理的地方。他不追求用复杂的数学公式去解释原理,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”。

商汤的研究方向之一,空间智能,就是这样被选出来的。

选型逻辑分两步。第一步,测当时最强的模型,找出它们做不好的事。第二步,往下再问一层,这些短板是不是加点数据就能补上的?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。

这套判断标准的来历,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。“世界上没有两片叶子是一模一样的”,技术上你总能在细枝末节找到不同,但那种不同创新价值有限;一句话说不出来的,多半也不是真的创新。

林达华指出,空间智能的“反常”在于,Scaling Law在这里失效了。

在产业界,公开质疑Scaling Law并不多见。过去几年的行业共识几乎把全部战略都押在这条路线上——参数越大、数据越多、能力越强。在这样的语境里提出“反Scaling Law”,至少促使行业重新审视一个问题:单纯堆数据和参数的做法,是否在智能的某些维度上存在尚未被注意的盲区。

在空间智能的相关任务上,商汤团队观察到的趋势恰好与Scaling Law相悖——数据加得越多,模型的表现越不稳定。

在当时的测试中,模型在perspective-taking(视角转换)任务上表现不尽如人意。人在空间中移动时,会自然预判所见的变化:走远一些,眼前的物体应当变小。但当时的多模态模型不具备这种预判——即便Google Gemini以原生多模态路线著称、已是其中表现最好的一个,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。”

团队继续往里添加相关数据,模型表现没有变好,反而“越来越错乱”:语义联系被不断加强,可这些数据之间缺乏空间上的关联,模型越来越依赖语义去解释它看到的一切。数据越多,固化越深,错得越稳定。

林达华此前常举的一个例子,可以说明这种固化的后果。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头。模型的判断路径是: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经修复,但背后的机制依然成立——“它只依赖于语义的翻译,之后基于这个翻译再去做其他的推理。”

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了验证:“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。

空间智能的特殊性,某种程度上说明:一个数据越多、固化越深的方向,反而可能是原理性创新的入口。顺着“反常”找原理,是商汤做技术判断的思路之一。沿着这套思路再往前走一步,就会碰到一个绕不开的问题:智能到底是什么,语言在其中又处于什么位置。

· 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”一直是争论的焦点。

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。语言模型的工程经验最成熟,进展最快,获得了更高的产业关注,这也是现实的情况。

但单靠语言,他认为不完整。就像是置身繁华闹市和寂静山林,人的体验截然不同,未必能够把周边环境用文字细细复述一遍。假设将一张人像照片,交给最好的多模态模型,让它生成尽可能详细的、上千字的描述,再拿这段文字让生图模型画出来,也很难生成一张一模一样的照片。

他把这个现象概括为信息频谱上的互补:语言承载的是经过浓缩的高密度信息,图像捕捉的则是大量未经浓缩、也浓缩不了的信息。

两种模态各有高效的领地——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。至于全模态的输入和输出,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”。

在林达华看来,智能的本质,是人跟世界交互的能力——感知、知识的记忆、多步推理、发出指令,多种要素组合的复合结果。就像人类的IQ测试题目,也是分成空间、记忆、推理等不同类型,反映的正是智能的不同侧面。

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上,模型已经超过普通人的水平,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。

而从数字智能走向物理空间,不光靠技术判断,更取决于技术能不能在真实的用户场景里跑通闭环,交出经得起市场检验的成绩单。

商汤20%资源投入背后的逻辑:林达华谈拼手速与长期竞争力
商汤20%资源投入背后的逻辑:林达华谈拼手速与长期竞争力

回顾商汤把AI的技术判断,变成产品和收入的过程,林达华是这样说的:

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”,是一个名为“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”在推荐附近饭店这件事上,直接胡诌了一通。

翻车不全是因为模型质量,对话产品的根基是点评、地图这样的信息基础设施,但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,着眼于工作内容和娱乐内容两个方向。前者如今长成了办公智能体小浣熊——根据今年的中期业绩公告,这部分业务增长了六七倍;后者则长成了Seko。

Seko的打法,其实背后是“创作”和“生成”的差别。生成30秒的精美片段,和创作100集的短剧,这中间隔着剧本、分镜、人物设定和跨剧集的一致性。Seko把理解生成统一、图文交错思维这些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。据林达华透露,已有创作者用Seko做出了播放量过亿的短剧。

支撑这些产品选择的,是商汤关于闭环的方法论。林达华直白地指出,“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。”今天能成为Benchmark上的冠军,下个月就未必是了,这种成绩留存不下来;真正留下来的是在用户那里创造的价值。他把强化学习里小步快跑优于一次走很远的道理平移到研发规划上:迭代速度和对的方向,比单次冲得多高更重要。

这个转变,林达华在自己身上就经历过一次。他早期一作的论文里,二三十条公式是常态;但2013年之后,这个数字降到了不超过5条。他的判断标准,从“数学证明是否漂亮”,换成了“使用中有无差异化的价值”。

今年的商汤中期报告,我们看到“首次盈利”的官方口径。然而林达华认为商汤真正关注的,始终是自身是否已经变得更加健康、更加有生命力,而业务的闭环迭代正是生命力的体现之一。

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,相当于将“闭环”从研发层面推广到了组织层面。市场的竞争足够严酷,但对创始人和业务都是成长。

产品和业务在商汤的视角里,也如同生命体一般,不成熟时不强推,以自然增长为信号再决定加大投入——让产品先进入市场的闭环接受检验,而不是在内部对着预设的指标迭代。

不过,商业闭环某种程度上只回答了“活得下去”的问题,而面向未来的竞争,中国AI企业要在后蒸馏时代找到自己的定位和长期竞争力,看清智能的边界在哪里。

商汤20%资源投入背后的逻辑:林达华谈拼手速与长期竞争力
商汤20%资源投入背后的逻辑:林达华谈拼手速与长期竞争力

中国AI的长期竞争力与智能的边界

长期竞争力的第一块拼图,林达华认为是开源。

早在2018年,林达华就在MMLab推动开源了OpenMMLab:把领域内代表性的算法整理成统一的基准体系,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,十几万个star、数百万开发者使用。

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;开放权重让每家公司都能更快挑到前沿的技术配方。

这也解释了为什么中国的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。林达华直言,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:大范式上还是标准的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。一个什么都能做、每件事都做得足够专业的模型,必然巨大且昂贵。日常场景里,甚至普遍出现了“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。Hugging Face上300多万个模型,其实各有各的活法。

真正的分水岭,可能出现在后蒸馏时代。

林达华判断,蒸馏这个话题已经过去了: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、去完成任务。

这件事的瓶颈其实并非算力。中国恰好握着一手好牌:生活和产业的多样性全世界罕见,工程师的储备全世界最厚。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”,则要取决于智能自身的成长速度。

近期备受关注的RSI(递归自我改进)正是着眼于此,但林达华强调,RSI只是智能成长的手段之一,瓶颈不在训练的自动化,而在进化的效率:机器获得一个有效的观察点,仍要跑海量训练;人掌握一项新技能,并不需要一场完整的训练。当前的AI在进化这件事上离人还有非常大的距离,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。这个认知还处在早期,但答案会决定资源该投向哪里。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。

智能要突破边界,瓶颈在学习和进化的效率,而这恰恰是人最擅长、机器还差得很远的事。商汤对这个问题的回答,并不都写在模型里——一个能持续孕育新人的组织,本身就是一种最有生命力的智能。

林达华也说,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。这也是商汤那20%资源的底层逻辑:积极播种,守护成长。这颗种子可以是产品、业务,和组织里成长起来的人,商汤一直在做的,就是静待种子发芽,生命自有出路。

雷峰网(公众号:雷峰网)

雷峰网原创文章,未经授权禁止转载。详情见转载须知。

商汤20%资源投入背后的逻辑:林达华谈拼手速与长期竞争力
商汤20%资源投入背后的逻辑:林达华谈拼手速与长期竞争力
  • 权龙、孙剑、林达华的视觉求索丨CCF-GAIR 2019
  • 商汤2026前三季度营收同比增长30.4%至37.9亿,毛利率 ...
  • SenseNova 6.8 Flash 正式版发布:办公更稳,设计更 ...
  • 商汤开源 SenseNova Loop-9B-Preview:探索以计算深 ...

The text above was extracted automatically from the source page and may miss images, tables or code blocks. The original is authoritative.

Published by 雷锋网
This site only summarises and aggregates; copyright stays with the original author. Headlines and summaries follow the source — where they differ, the original wins.
Read the original ↗