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。