0次浏览 发布时间：2025-04-11 18:16:00
4月10日，商汤科技举办2025技术交流日活动，推出新升级的“日日新SenseNova V6”（日日新V6）大模型体系，通过多模态长思维链训练、全局记忆、强化学习的技术突破，形成领先的多模态推理能力，并突破成本边界。
会上，商汤科技董事长兼CEO 徐立发表演讲，他提到，大语言模型发展至今，已经消耗了互联网大部分的文本数据，有人预测说到2028年，互联网上所有的文本数据将会被消耗完，“那是不是整个知识就消耗完了？不是的，因为有很多知识都蕴藏在大量的图像、视频，甚至3D等等其他模态中”。
徐立说，多模态是补充人类智能的核心要素。以自动驾驶为例，从现实场景中收集数据已经不够了，商汤自己的开悟平台用可控的生成数据，能够提升端到端自动驾驶的决策，这就是一个跨模态提升技能的例子。
不过，从文本切换到图片、切换到视频，很显然输入要变大很多。例如，单图的字幕到视频能力，即使是以每秒一帧的速度来采样，也是翻了整整400倍。如果更密的采样，甚至更加复杂的编码，会使得数据量暴增，现在，通过长图像、视频的上下文性能的优化等等一系列工作，从而使大模型能用一个完整的表达来完成和人之间的交互。
此次发布的商汤“日日新 V6”，具有“长思维链”优势，能解决复杂问题，还有全局记忆，使得交互更加自然，比如能处理更长的视频段，更好的交互，比如视频交互中它有更好的前期记忆，使得流畅度提升，并且能对视频有整体的理解和深度推理。
徐立谈到，随着模型的通用性越来越强，很多场景在于百姓之日用。每天的使用，真正意义上辅助了人工智能的通用模型的大规模发展。
他重点提到一个网购的例子。双11、618期间，各个平台上的价格不一样，买哪一个更划算？然而，不同平台的图片有非常大的差异，打折的位置都不一样，有些写在黄色地方，有些写在蓝色地方，有些是在字后面。打折、价格都不一样，而且包装量大小也不一样，这就是一个天然多模态的问题。
如今，商汤大模型给出的建议，可以优化到每一张纸多少钱，给出平均价钱，从而给出最优方案的建议。徐立说，这是一个很琐碎的场景，也是大家会用到的场景，但这个小场景也会带来很多的客户闭环价值。
除了线上店，还有线下商铺，会得到大量线下反馈，甚至客服加了顾客微信，会有线上反馈等等。不少商家希望，能综合这些不同来源的意见，及时提升产品的质量和服务。
徐立举例说，一家咖啡店有微信朋友圈的吐槽，又有手写的反馈，还有网上点评等等，商家会定期整理一张表单，思考这些图表面潜藏的情绪。商汤大模型自动输出一个Excel，有近200条分析，这成为商家决策依据。
“商家分析所有数据之后，可以寻找到新的机会点。做推广活动后也能及时发现，线上推广活动效果是不错还是无效，那接下来就要思考怎么搞好推广活动。”徐立说。
在整理超过100万条用户反馈时，商汤注意到，有超过50%的用户上传的文件不只一个，30%的用户是非标准的数据文件格式，甚至有20%的用户是完全非结构化的，包括各种图片、手写等等，商家对多模态分析已经是一个明显的刚性需求。
推而广之，不只是店铺经营需求，其它如老师教学、销售报告、日志分析，甚至学生做数学建模的大作业都可以用大模型来分析。徐立对此表示，到了今天通用人工智能的时代，大模型加速走进更多的老百姓家里，变成老百姓的日用品，在很多的细分场景中带来价值闭环。
当天，商汤科技还宣布将发放“1亿代金券”，该计划聚焦具身智能、AIGC等多个前沿领域，通过多维度的精准扶持，为企业提供从专家咨询到模型训练、推理验证的全流程AI服务支持，打造“高效率、低成本、端到端”的一站式赋能方案。
南方+记者 郜小平
【作者】 郜小平
【来源】 南方报业传媒集团南方+客户端
