量子位
·
商汤林达华万字长文回答AGI：4层破壁，3大挑战
内容提要
商汤科技在WAIC 2025上发布了“日日新6.5”大模型，强调多模态智能是实现通用人工智能（AGI）的关键。林达华教授探讨了多模态模型的构建、数据挑战及技术路径，提出通过“原生多模态”实现更高效的智能推理与交互，展示了商汤在人工智能领域的创新与实践。
关键要点
-
商汤科技在WAIC 2025上发布了“日日新6.5”大模型，强调多模态智能是实现通用人工智能（AGI）的关键。
-
林达华教授探讨了多模态模型的构建、数据挑战及技术路径，提出通过“原生多模态”实现更高效的智能推理与交互。
-
多模态是AI的未来，AI必须能够处理和理解图像、声音、视频等多种模态的信息。
-
实现多模态模型主要有适应训练和原生训练两种技术路径，商汤选择了原生训练。
-
商汤的多模态智能演进路径包括四次破壁，分别是Transformer的引入、语言与视觉的会合、多模态推理的突破和与物理空间的交互。
-
商汤通过构建强关联的图文对数据、严格的数据质量把控和高阶专业数据的获取来应对数据挑战。
-
商汤强调模型架构设计的核心是效率，推动视觉编码器轻量化和MLLM主干网络的深度优化。
-
商汤的持续创新力源于技术基因的传承、高效的研究组织和技术理想与商业价值的正向循环。
-
林达华的长文系统性回答了当前AI发展核心问题，为行业提供了有价值的参考范本。
延伸解读
多模态智能的必要性
林达华教授强调，多模态智能是实现通用人工智能（AGI）的关键。人类通过多种感官接收信息，AI若仅依赖文本数据，无法全面理解世界。因此，构建能够处理图像、声音和视频等多模态信息的模型，是未来AI发展的必然趋势。
原生多模态与适应训练的对比
商汤选择了原生训练路径，认为适应训练的局限性在于模型未能深入理解不同模态之间的内在关联。通过原生多模态训练，模型从一开始就能在统一架构中学习，提升了对多模态信息的理解能力，这一选择为商汤的技术创新奠定了基础。
数据质量的重要性
商汤在多模态模型的成功中，数据质量至关重要。通过严格的“续训验证”机制，确保每批新数据在投入训练前都能带来性能提升。这种以模型效果为标准的检验方法，有助于持续提升数据质量，从而增强模型的能力。
模型架构的效率优先
商汤在“日日新6.5”中强调模型架构设计的核心是效率，而非单纯追求规模。通过优化视觉编码器和语言模型的结构，商汤实现了在性能相当的情况下，效率提升超过3倍。这一策略反映了未来AI模型发展的务实方向。
延伸问答
商汤科技的“日日新6.5”大模型有什么特点？
“日日新6.5”大模型强调多模态智能，能够实现图文交错思维，是国内首个商业级多模态模型。
林达华教授在文章中提到的多模态模型构建路径有哪些？
林达华提到的多模态模型构建路径包括适应训练和原生训练，商汤选择了原生训练。
商汤如何应对多模态模型的数据挑战？
商汤通过构建强关联的图文对数据、严格的数据质量把控和高阶专业数据的获取来应对数据挑战。
商汤的多模态智能演进路径包含哪些关键突破？
商汤的多模态智能演进路径包含四次破壁：Transformer的引入、语言与视觉的会合、多模态推理的突破和与物理空间的交互。
商汤在模型架构设计上有什么核心理念？
商汤在模型架构设计上强调效率，认为一个好的架构应以更低的成本实现从数据到能力的转化。
林达华的长文对当前AI发展有哪些核心问题的回答？
林达华的长文系统性回答了关于路径选择、数据工程、模型架构和组织能力等AI发展核心问题。
