商汤科技开启多模态大模型时代新征程
发布时间：2025-05-09 15:34:00 | 责任编辑：吴昊 | 浏览量：42 次
在过去的两年里，人工智能领域的关注点逐渐转向了大模型的技术发展，而商汤科技作为一家成立不到十年的公司，凭借其在计算机视觉领域的技术积累，正迅速转型，迎接这一浪潮。尽管在2023年之前，商汤主要聚焦于视觉模型，但随着 DeepSeek R1的发布，市场的重心开始向自然语言处理和大规模参数模型倾斜，商汤的策略也随之调整。
商汤于4月10日推出的全新6000亿参数多模态大模型 “日日新 Sense Nova V6”，展现了强大的综合能力，与国际领先的 GPT-4.5和 Gemini2.0Pro 不相上下。商汤不仅成功弥补了文本模型的差距，更在多模态领域厚积薄发，标志着其在国内大模型市场中越来越重要的地位。
值得注意的是，商汤在构建其多模态模型的过程中，采用了独特的思维链构建方法。通过将文本、图像、语音和视频数据融合，商汤的日日新 V6能在同一上下文中进行有效的推理，达到1+1>2的效果。这一创新不仅提升了模型的理解与生成能力，也使得多模态之间的协同作用更加显著。
当前，尽管市场上出现了众多多模态模型，能够同时处理多种数据模态的产品依然屈指可数。商汤的日日新 V6凭借其在多模态数据融合方面的成功，逐渐显示出其在未来人工智能竞争中的强大潜力。
商汤科技在多模态大模型领域的发展已经取得了显著成就，其迈向多模态大模型的新纪元可以从以下几个方面来看：
技术突破
-
融合模态创新：2025年1月，商汤科技推出“日日新”融合大模型，实现了语言、图像、视频的原生多模态训练，标志着中国大模型从“单一模态追赶”进入“融合模态创新”阶段。这一突破让模型更贴近真实世界的复杂性需求。
-
多模态推理能力领先：2025年4月发布的“日日新SenseNova 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，形成了领先的多模态推理能力。其多模态深度推理能力在国内排名第一，对标OpenAI的o1模型。
-
长思维链与全局记忆：该模型拥有超过200B高质量多模态长思维链数据，最长思维链可达64K。同时，它率先在国内突破长视频理解，支持10分钟的视频理解及深度推理。
-
高效能与低成本结合：商汤的多模态训练整体效率对齐语言训练，实现了业内最低的推理成本。
产品与应用
-
流式多模态交互：2024年7月，商汤发布了国内首个具备流式原生多模态交互能力的大模型“日日新SenseNova 5.5”，其交互效果和多项核心指标实现了对标GPT-4o。这种交互模式能够整合跨模态信息，基于声音、文本、图像和视频等多种形式，带来实时的流式多模态AI交互体验。
-
车端部署：商汤绝影在2024年7月宣布率先实现原生多模态大模型的车端部署，并展示了在不同算力平台上运行2.1B或8B端侧多模态大模型的适配能力。这为智能汽车交互体验带来了更流畅和自然的解决方案。
-
办公教育应用：商汤推出的“办公小浣熊”能够高效处理各种富模态文档，为用户提供便捷服务，使得繁琐的任务变得简洁高效。
商业化进展
-
收入增长：2024年，商汤实现总收入37.7亿元，同比增长10.8%。其中，生成式AI收入连续两年保持三位数增速，同比增长103.1%，突破24亿元，占集团收入比例进一步提升至63.7%。
-
算力与算法耦合：商汤的“大装置+大模型”战略，通过算力与算法的深度耦合，形成了覆盖全国的智能算力网。这种布局不仅优化了资本使用效率，还使商汤能够灵活应对市场和供应链的快速变化。
行业影响
-
引领行业标准：商汤的多模态大模型在多个权威评测中获得优异成绩，如在SuperCLUE和OpenCompass两大权威评测中获得“双冠王”。这不仅证明了其技术实力，也为行业树立了新的标杆。
-
推动多模态应用普及：商汤的多模态大模型在自动驾驶、金融、办公教育等领域的应用，为这些行业带来了更高效、更智能的解决方案。
综上所述，商汤科技在多模态大模型领域的技术突破、产品创新和商业化应用，使其在人工智能领域迈向了一个新的纪元，为未来的发展奠定了坚实的基础。
本网站(https://aigc.izzi.cn)刊载的所有内容，包括文字、图片、音频、视频等均在网上搜集。
访问者可将本网站提供的内容或服务用于个人学习、研究或欣赏，以及其他非商业性或非盈利性用途，但同时应遵守著作权法及其他相关法律的规定，不得侵犯本网站及相关权利人的合法权利。除此以外，将本网站任何内容或服务用于其他用途时，须征得本网站及相关权利人的书面许可，并支付报酬。
本网站内容原作者如不愿意在本网站刊登内容，请及时通知本站，予以删除。
