关于ZAKER Skills GEO服务 合作
雷锋网 1小时前

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

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 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。

02

智能的本质:

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。

03

有闭环才有迭代:

商汤的商业答卷

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。

04

拼手速之外:

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

雷峰网

雷峰网

读懂智能&未来

订阅

觉得文章不错,微信扫描分享好友

扫码分享

企业资讯

查看更多内容