Newsora
雷峯網11/20 09:47 · 53m ago

商湯20%資源投入背後的邏輯:林達華談拼手速與長期競爭力

Scaling Law在空間智能這裏失效了? 作者丨周蕾 編輯丨岑峯 今年初字節的Seedance 2.0發佈時,“電影級別”的出片質量讓不少從業者倍感興奮和震撼,新的創作藍圖正在他們面前徐徐展開——但對商湯的Seko團隊來說,那是一段“迷茫”的日子。商湯聯合創始人、首席科學家林達華在最近一次訪談中回憶,那段時間他去見投資人、參加行業會議,被問到的幾乎總是同一個問題:你們的Seko和Seedance有什麼區別?做得過它嗎?團隊裏一度出現自我懷疑的聲音:這件事還要不要做下去?後來故事並沒有走向商湯Seko單槍匹馬“對抗”Seedance的結局。Seedance把30秒的視頻片段渲染到頂級水準;而Seko面向的創作者,最終交付的是100集的短劇——這中間隔着劇本、分鏡、人物設定和跨劇集的形象一致性,是一整套創作流程。想清楚了這件事,Seko反而活得更好了:據林達華在訪談中透露,今年這款產品的用戶增長了7到8倍,平臺上產出了播放量過億的短劇。對於商湯在大模型市場上的聲量,林達華自己有個坦率的評價:“可能不是最大的”。這家公司的路線,也始終沒有完全跟着行業最熱的方向走。但商湯有一個堅持多年的習慣:直到今天,公司依然有20%的資源,投入給沒有任何產品出口的預研工作。某種程度來說,這也是一種“播種”,種子下地時其實無需承諾收成。湯曉鷗常掛在嘴邊的那句話——life finds a way,“生命自尋出路”,或許正是這筆投入的邏輯。在最近參加的微博科技 X 衛詩婕聯合出品的《科技漫談》欄目訪談中,林達華從行業的現狀聊起,穿過商業化的驗證,最後落在智能的邊界上。但貫穿始終的線索只有一個:那20%的資源,以及支撐它的判斷——爲什麼有的路值得走得很長、很久,哪怕眼下仍未看見出口。01訓練成本停不下來,拼手速的中國AI大模型行業的錢,正在以一種停不下來的方式燒下去。行業裏曾經有一個普遍假設:花巨大代價訓出一個好模型,成本就能攤薄到之後的規模化服務裏。林達華在訪談中指出,這個假設未必成立——問題不在模型不夠好,而是“你不繼續訓下一個,別人就會超過你”。競爭逼着公司一輪接一輪地重訓,訓練成本因此停不下來,而且越滾越大。儘管過去一年的行業敘事,幾乎被“更大即更強”佔據,但卷參數這條路正在遭到反噬。他提到兩個信號:一是模型的體量選擇變得更務實。最近各家廠商均發佈了Flash級別的中小模型:GLM 5.3 Flash、DeepSeek 4.1 Flash,谷歌和OpenAI也推出了同類規格的產品。林達華在訪談中特別提到了DeepSeek的表現:“4.1的Flash,它的性能水平是比4.0 Pro是要好的。”一個幾百B量級、訓練調優精良的模型跑贏上一代Pro,說明中等體量上的優化空間還遠沒有喫完。二是預訓練數據的質量被重新擺上桌面。當幾千億參數的模型在實戰中跑贏了2萬億參數的對手,很多人開始回頭檢查自己的數據管線。林達華對此有一個形象的解釋:“(數據裏)有很多的雜質、很多的東西相互打架,使得中間的很多的效率就會被抵扣掉。”結果就是一個又貴又不理想的模型,參數堆上去了,效果沒上去。“當所有人很盲目地去做參數量的競爭,我覺得並不是一種健康的狀態。”在他看來,這兩個信號意味着行業正在迴歸理性:不再圍着單一指標較勁,而是回到最終用戶的價值上。上一輪AI週期裏,類似情況也出現過,商湯自己就是親歷者。每個項目都要從收集數據開始,專門訓練、調優、測試,全流程重做一遍,很難真正複製。只是當年的計量單位是項目,今天換成了參數。拼手速是另一種內捲的形態。美國的前沿實驗室定義着SOTA的天花板,新模型一發布,等於給中國的從業者們指了一條路——國內往往在兩三個月內湧出一批宣稱採用同類方案的產品,搶佔生態位,最近大熱的RSI(遞歸自我改進)同樣是一堆公司在同時開建。“說實話,拼手速這個事其實是蠻累的。”林達華觀察到,看好一個方向就全員湧入,很難形成長期價值。同一個生態位有十家公司同時搶佔,先到者的紅利也會被迅速攤薄。那長期競爭力靠什麼?他的答案是:一條路上走得足夠長、扎得足夠深。這個問題,正是理解商湯那20%資源的起點。02智能的本質:從反Scaling Law到語言與多模態· 20%的資源與空間智能這20%的資源,明確投向“沒有任何產品作爲出口”的工作。林達華在訪談中確認,無論商湯麪臨着怎樣的經營壓力,這筆錢直到今天仍在持續,“在任何的時間,我們還是保留了一定的資源。”用他的話說,這類工作的起點是追問爲什麼:當一個問題現有方法做不好時,追回到最原理的地方。他不追求用複雜的數學公式去解釋原理,但要求這個原理“能夠有效解決現在其他方法很難解決的一些問題”。商湯的研究方向之一,空間智能,就是這樣被選出來的。選型邏輯分兩步。第一步,測當時最強的模型,找出它們做不好的事。第二步,往下再問一層,這些短板是不是加點數據就能補上的?如果沿着原路加數據就能做好,那它有應用價值,但撐不起原理性創新。只有怎麼加數據都做不好的方向,纔可能藏着真正的原理問題——而空間智能恰好是後者。這套判斷標準的來歷,可以追溯到他的師承。湯曉鷗帶學生時幾乎從不過問技術細節,只看一件事:能不能用一兩句話講清自己的工作和別人的根本不同。“世界上沒有兩片葉子是一模一樣的”,技術上你總能在細枝末節找到不同,但那種不同創新價值有限;一句話說不出來的,多半也不是真的創新。林達華指出,空間智能的“反常”在於,Scaling Law在這裏失效了。在產業界,公開質疑Scaling Law並不多見。過去幾年的行業共識幾乎把全部戰略都押在這條路線上——參數越大、數據越多、能力越強。在這樣的語境裏提出“反Scaling Law”,至少促使行業重新審視一個問題:單純堆數據和參數的做法,是否在智能的某些維度上存在尚未被注意的盲區。在空間智能的相關任務上,商湯糰隊觀察到的趨勢恰好與Scaling Law相悖——數據加得越多,模型的表現越不穩定。在當時的測試中,模型在perspective-taking(視角轉換)任務上表現不盡如人意。人在空間中移動時,會自然預判所見的變化:走遠一些,眼前的物體應當變小。但當時的多模態模型不具備這種預判——即便Google Gemini以原生多模態路線著稱、已是其中表現最好的一個,同樣無法判斷物體在不同視角和尺度下會呈現什麼形態。“它能識別出那是一隻黑羊,卻回答不了換一個角度看、這隻黑羊是什麼樣子。模型記住的是圖像與語義之間的海量關聯:遠看是黑羊,近看仍是黑羊。”團隊繼續往裏添加相關數據,模型表現沒有變好,反而“越來越錯亂”:語義聯繫被不斷加強,可這些數據之間缺乏空間上的關聯,模型越來越依賴語義去解釋它看到的一切。數據越多,固化越深,錯得越穩定。林達華此前常舉的一個例子,可以說明這種固化的後果。把一張六個手指的照片交給當時的模型,GPT、Gemini、Grok給出的答案都是五個手指頭。模型的判斷路徑是:先識別出“這是一隻手掌”,再依據訓練語料中“手掌通常有五個手指”的先驗直接作答。他也提示,這個問題在最近一代模型上大概率已經修復,但背後的機制依然成立——“它只依賴於語義的翻譯,之後基於這個翻譯再去做其他的推理。”商湯今年年初發布空間智能模型時,這個方向還屬於外界眼中的技術儲備。大半年之後,行業開始追了上來。GPT-6發佈後被社區廣泛討論的幾點——Recurrent Transformer架構的採用、海量具身數據灌入語言模型後展現出的機器人驅動能力——都指向同一件事:多模態和空間能力正在進入前沿模型的核心地帶。在林達華看來,這對商湯意味着路線得到了驗證:“GPT-6其實證明的,是我們做這個道路,肯定是有價值的。”商湯的資源與OpenAI差了數量級,但他相信,持續一兩年的積累,會讓商湯長出一些與行業其他團隊不一樣的東西。空間智能的特殊性,某種程度上說明:一個數據越多、固化越深的方向,反而可能是原理性創新的入口。順着“反常”找原理,是商湯做技術判斷的思路之一。沿着這套思路再往前走一步,就會碰到一個繞不開的問題:智能到底是什麼,語言在其中又處於什麼位置。· 語言與多模態:智能的本質是與世界交互大模型爆發以來,“語言是不是通向智能的鑰匙”一直是爭論的焦點。林達華認爲,語言把人類最重要的知識結構化地注入了符號體系,是“人類知識和智能非常高水平的代表”,智能密度和效率可能是最高的載體。語言模型的工程經驗最成熟,進展最快,獲得了更高的產業關注,這也是現實的情況。但單靠語言,他認爲不完整。就像是置身繁華鬧市和寂靜山林,人的體驗截然不同,未必能夠把周邊環境用文字細細複述一遍。假設將一張人像照片,交給最好的多模態模型,讓它生成儘可能詳細的、上千字的描述,再拿這段文字讓生圖模型畫出來,也很難生成一張一模一樣的照片。他把這個現象概括爲信息頻譜上的互補:語言承載的是經過濃縮的高密度信息,圖像捕捉的則是大量未經濃縮、也濃縮不了的信息。兩種模態各有高效的領地——寫程序、做邏輯推演,語言效率更高;美感的感受、空間結構的快速判斷、視覺細節的傳遞,圖像效率更高。至於全模態的輸入和輸出,天花板依然非常高,把它們放在一起還不損失智能,“是需要花出代價和時間的”。在林達華看來,智能的本質,是人跟世界交互的能力——感知、知識的記憶、多步推理、發出指令,多種要素組合的複合結果。就像人類的IQ測試題目,也是分成空間、記憶、推理等不同類型,反映的正是智能的不同側面。順着這個定義回看大模型三年多的發展,他的判斷是“不平衡”:數學、編程,以及可書寫爲文字與程序序列的長程任務上,模型已經超過普通人的水平,甚至逼近頂尖;空間和物理智能還處在早期,機器人發展得比以前快了很多,但依然只會做簡單動作。而從數字智能走向物理空間,不光靠技術判斷,更取決於技術能不能在真實的用戶場景裏跑通閉環,交出經得起市場檢驗的成績單。03 有閉環纔有迭代:商湯的商業答卷回顧商湯把AI的技術判斷,變成產品和收入的過程,林達華是這樣說的:商湯的路是走出來的,不是想出來的。大模型時代,商湯交的第一筆“學費”,是一個名爲“商量”的產品。2023年初推出時,它和其他聊天產品沒什麼兩樣。林達華曾把產品拿給太太試用,結果“商量”在推薦附近飯店這件事上,直接胡謅了一通。翻車不全是因爲模型質量,對話產品的根基是點評、地圖這樣的信息基礎設施,但那並非商湯的稟賦所在。2023年底,商湯把大模型產品收斂到內容和交互,着眼於工作內容和娛樂內容兩個方向。前者如今長成了辦公智能體小浣熊——根據今年的中期業績公告,這部分業務增長了六七倍;後者則長成了Seko。Seko的打法,其實背後是“創作”和“生成”的差別。生成30秒的精美片段,和創作100集的短劇,這中間隔着劇本、分鏡、人物設定和跨劇集的一致性。Seko把理解生成統一、圖文交錯思維這些技術用在創作流程上,底層渲染則借力Seedance等其他模型——單拼生成質量比不過,就把它變成自己工作流裏的一環。據林達華透露,已有創作者用Seko做出了播放量過億的短劇。支撐這些產品選擇的,是商湯關於閉環的方法論。林達華直白地指出,“所有事情,你需要有閉環纔能夠有效地迭代,否則只有刷榜,沒有迭代。”今天能成爲Benchmark上的冠軍,下個月就未必是了,這種成績留存不下來;真正留下來的是在用戶那裏創造的價值。他把強化學習裏小步快跑優於一次走很遠的道理平移到研發規劃上:迭代速度和對的方向,比單次衝得多高更重要。這個轉變,林達華在自己身上就經歷過一次。他早期一作的論文裏,二三十條公式是常態;但2013年之後,這個數字降到了不超過5條。他的判斷標準,從“數學證明是否漂亮”,換成了“使用中有無差異化的價值”。今年的商湯中期報告,我們看到“首次盈利”的官方口徑。然而林達華認爲商湯真正關注的,始終是自身是否已經變得更加健康、更加有生命力,而業務的閉環迭代正是生命力的體現之一。1+X結構正是這個思路的落地:新業務從母體長出來,到市場上獨立融資、獨立求生,相當於將“閉環”從研發層面推廣到了組織層面。市場的競爭足夠嚴酷,但對創始人和業務都是成長。產品和業務在商湯的視角里,也如同生命體一般,不成熟時不強推,以自然增長爲信號再決定加大投入——讓產品先進入市場的閉環接受檢驗,而不是在內部對着預設的指標迭代。不過,商業閉環某種程度上只回答了“活得下去”的問題,而面向未來的競爭,中國AI企業要在後蒸餾時代找到自己的定位和長期競爭力,看清智能的邊界在哪裏。04拼手速之外:中國AI的長期競爭力與智能的邊界長期競爭力的第一塊拼圖,林達華認爲是開源。早在2018年,林達華就在MMLab推動開源了OpenMMLab:把領域內代表性的算法整理成統一的基準體系,替研究者省掉復現、對比實驗這些髒活累活。這個項目後來成爲AI 1.0時代影響力最大的開源算法庫,十幾萬個star、數百萬開發者使用。多年之後,同一套邏輯在大模型時代原樣復現。開源的內生動力是影響力:影響力可以募資、可以招人,DeepSeek的示範讓所有人看清了這條通路。客觀上,這也把試錯成本分攤給了整個社區——模型訓練只佔研發成本的一成左右,剩下九成是各種實驗;開放權重讓每家公司都能更快挑到前沿的技術配方。這也解釋了爲什麼中國的總投入與美國差着量級,卻能追得這麼近。林達華說,“最擔心的是不知道路在哪裏。”路一旦可見,把細節填平是中國工程師的強項。但開源解決不了跟風的問題。林達華直言,過去三年中國大模型的主流路徑,是在美國開拓的方向上做優化和創新,產業價值很大,“但如果中國要做出更持久的貢獻,肯定得走出來一些不一樣的東西”。他以DeepSeek爲正面案例:大範式上還是標準的LLM路線,但在架構效率上下的功夫非常深。同時,模型市場本身也容不下通喫者,成本、通用性、專業性構成一個不可能三角。一個什麼都能做、每件事都做得足夠專業的模型,必然巨大且昂貴。日常場景裏,甚至普遍出現了“智能過剩”:一個8B或32B的開源模型就能辦好大部分工作,用戶沒必要爲此付幾十美元的Token錢。Hugging Face上300多萬個模型,其實各有各的活法。真正的分水嶺,可能出現在後蒸餾時代。林達華判斷,蒸餾這個話題已經過去了:存量的思維鏈題目已經構造完畢,接下來的瓶頸是產生新問題的能力——構造幾千、幾萬乃至幾十萬個真實工作場景,讓模型自己去探索、去完成任務。這件事的瓶頸其實並非算力。中國恰好握着一手好牌:生活和產業的多樣性全世界罕見,工程師的儲備全世界最厚。低處的果子摘完之後,高處的果子要靠人上樹。但場景和人力,拓展的只是智能的“寬度”;智能的“深度”,則要取決於智能自身的成長速度。近期備受關注的RSI(遞歸自我改進)正是着眼於此,但林達華強調,RSI只是智能成長的手段之一,瓶頸不在訓練的自動化,而在進化的效率:機器獲得一個有效的觀察點,仍要跑海量訓練;人掌握一項新技能,並不需要一場完整的訓練。當前的AI在進化這件事上離人還有非常大的距離,這個祕密一旦被破解,“會很大程度上重新塑造AI發展和競爭的格局”。他也不認爲現狀可以無限外推:粗放的資源消耗遲早撞上軌跡爆炸,現有路徑能否走到終點,是個懸而未決的問題。至於拓展邊界,他關心的第一個問題是:語言以外的模態在智能裏到底扮演什麼角色。這個認知還處在早期,但答案會決定資源該投向哪裏。他把希望寄託在多模態與空間的融合上——單純做生成,提升的只是視覺質量;把空間感知能力融入思考過程,會讓智能更加完整。智能要突破邊界,瓶頸在學習和進化的效率,而這恰恰是人最擅長、機器還差得很遠的事。商湯對這個問題的回答,並不都寫在模型裏——一個能持續孕育新人的組織,本身就是一種最有生命力的智能。林達華也說,他目前最重要的工作,是給年輕人創造環境,守護一個有生命力的組織。這也是商湯那20%資源的底層邏輯:積極播種,守護成長。這顆種子可以是產品、業務,和組織里成長起來的人,商湯一直在做的,就是靜待種子發芽,生命自有出路。雷峯網

Aggregator site: only the publisher's summary is shown here. Read the full story at the source.
Read full story →