商汤林达华:20%资源投预研,拼手速难形成长期价值
Scaling Law在空间智能这里失效了?

今年初字节的Seedance 2.0上线,出片质量到了“电影级别”,不少从业者看完既兴奋又震动,觉得新的创作蓝图正一点点铺开。可对商汤Seko团队来说,那阵子日子却过得有些“迷茫”。
商汤联合创始人、首席科学家林达华在最近一次访谈里回忆,那段时间他去见投资人、跑行业会议,几乎每次都被同一个问题拦住:Seko和Seedance到底差在哪?你们做得过它吗?
团队内部也冒出过动摇:这事情还值不值得往下做?
后来的走向,并不是Seko单枪匹马去“对抗”Seedance。Seedance能把30秒的视频片段渲染到顶级水准;而Seko服务的创作者,最终要交出来的是100集短剧。中间隔着剧本、分镜、人物设定,还有跨剧集的形象一致性,是一整套创作流程。
把这层想明白之后,Seko反倒活得更好。林达华在访谈中透露,今年这款产品的用户涨了7到8倍,平台上还产出了播放量过亿的短剧。
商汤在大模型市场上的声量,林达华自己评价得挺坦率:“可能不是最大的”。这家公司的路线,也一直没有完全追着行业最热的方向跑。
不过有件事商汤坚持了多年:到今天,公司仍拿出20%的资源,投给没有任何产品出口的预研工作。
某种意义上,这就是“播种”,种子落进土里的时候,并不需要先承诺收成。汤晓鸥常挂在嘴边的那句life finds a way,“生命自寻出路”,大概就是这笔投入背后的逻辑。
在微博科技 X 卫诗婕联合出品的《科技漫谈》栏目最近一期访谈中,林达华从行业现状谈起,经过商业化的验证,最后落到智能的边界。可整场聊下来,贯穿的线索只有一条:那20%的资源,以及撑住它的判断——为什么有些路值得走得很长、很久,哪怕眼下还看不到出口。

01
训练成本停不下来,中国AI在拼手速
大模型行业烧钱的速度,一直没慢下来。
行业里早先有个普遍假设:下大本钱训出一个好模型,成本总能摊薄到后面的规模化服务里去。
林达华在访谈中指出,这个假设未必站得住。问题不在模型不够好,而在于“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重训,训练成本就这么停不下来,而且越滚越大。
过去一年,行业叙事几乎被“更大即更强”占满,但卷参数这条路正在遭到反噬。他提到两个信号:
一是模型体量的选择变得更务实。最近各家厂商都发了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、训练调优做得精的模型跑赢上一代Pro,说明中等体量上的优化空间还远没吃完。
二是预训练数据的质量被重新摆上桌面。几千亿参数的模型在实战中跑赢了2万亿参数的对手,不少人开始回头检查自己的数据管线。
林达华对此有个形象的说法:“(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,这两个信号说明行业正在回归理性: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,类似的情况也出现过,商汤自己就是亲历者。每个项目都得从收集数据开始,专门训练、调优、测试,全流程重做一遍,很难真正复制。只不过当年按项目计数,今天换成了按参数计数。
拼手速是另一种内卷。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指了一条路——国内往往在两三个月内就涌出一批宣称采用同类方案的产品,抢生态位。最近大热的RSI(递归自我改进),同样是一堆公司在同时开建。
林达华提到,盯准一个方向、所有人一拥而上,这种做法其实挺累人,长期价值也很难攒下来。十家公司挤在同一个位置上抢,谁先到也占不了多久便宜,红利很快就被分薄了。
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
智能的本质是什么
从质疑Scaling Law说起,再到语言与多模态
那20%的资源,和空间智能
这笔占20%的投入,指向的是那些“没有任何产品作为出口”的工作。林达华在访谈里确认,商汤无论面对怎样的经营压力,这部分钱到今天都还在持续投,“在任何的时间,我们还是保留了一定的资源。”
他说,这类工作往往从追问“为什么”开始:现有方法做不好的问题,就往最原理的地方追回去。他不要求用复杂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”。
空间智能就是这么被挑出来的,它是商汤的研究方向之一。
选型分两步走。先测当时最强的模型,看它们哪些事做不好。再往下追一层:这些短板,是不是补点数据就能解决?如果沿原路加数据就能做好,那它有应用价值,却撑不起原理性创新。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——空间智能恰好属于后者。
这套判断标准,来自他的师承。汤晓鸥带学生时基本不问技术细节,只盯一件事: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”,技术上总能从细枝末节找出差异,但那种差异的创新价值有限;一句话说不清的,多半也不是真创新。
林达华指出,空间智能的“反常”之处在于,Scaling Law在这里失效了。
产业界公开质疑Scaling Law的并不多。过去几年,行业共识几乎把全部战略都押在这条路上——参数越大、数据越多、能力越强。在这样的语境里提出“反Scaling Law”,至少会促使行业重新审视:单纯堆数据和参数,是不是在智能的某些维度上还存在没被注意到的盲区。
商汤团队在空间智能相关任务上看到的趋势,恰恰与Scaling Law相反——数据加得越多,模型表现越不稳定。
当时的测试中,模型在perspective-taking(视角转换)任务上表现不佳。人在空间里移动,会自然预判所见的变化:走远一点,眼前的物体应当变小。可当时的多模态模型没有这种预判——即便以原生多模态路线著称、已是其中表现最好的Google Gemini,也判断不出物体在不同视角和尺度下会是什么形态。
“它认得出那是只黑羊,可要是换个视角问它这黑羊长什么样,就答不上来了。模型存下来的是图像和语义之间的大量对应关系:远看是黑羊,近看还是黑羊。”
团队继续往里加相关数据,模型表现没变好,反而“越来越错乱”:语义联系被不断强化,可这些数据之间缺少空间上的关联,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,能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:先认出“这是一只手掌”,再按训练语料里“手掌通常有五个手指”的先验直接作答。
他同时提到,最近一代模型上这个问题大概率已经补上了,可机制本身没变——“它只是先靠语义做一次翻译,再拿这个翻译去往下推理。”
商汤今年年初推出空间智能模型那会儿,外界还把这个方向当成技术储备看待。大半年过去,行业已经追上来了。GPT-6发布后社区讨论最多的几点——用上Recurrent Transformer架构、把海量具身数据灌进语言模型后表现出的机器人驱动能力——指向的是同一件事:多模态和空间能力正走进前沿模型的核心区域。
林达华认为,这意味着商汤选的路线被验证了:“GPT-6其实证明的,是我们做这个道路,肯定是有价值的。”商汤手里的资源和OpenAI差着数量级,但他相信,积累上一两年,商汤会攒出一些跟行业里其他团队不一样的东西。
空间智能的特别之处,多少说明了这么一层:一个数据越堆越多、越焊越死的方向,反倒可能成为原理性创新的入口。顺着“反常”去找原理,是商汤做技术判断的路数之一。照这个路数再往前推一步,就躲不开一个问题:智能究竟是什么,语言又在里头占什么位置。
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,获得的产业关注也更高,这是现实情况。
但他认为,单靠语言并不完整。就像置身繁华闹市和寂静山林,人的体验截然不同,却未必能把周边环境用文字细细复述一遍。假设把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、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。
在林达华看来,语言和图像这两种模态各有自己效率更高的地盘。写程序、做逻辑推演,语言更顺手;感受美感、快速判断空间结构、传递视觉细节,图像更占优。全模态的输入输出天花板仍然很高,要把它们放在一起还不损失智能,“是需要花出代价和时间的”。
他对智能的理解是:智能本质上是人跟世界交互的能力,是感知、知识记忆、多步推理、发出指令等多种要素组合出来的复合结果。人类的IQ测试题目也分成空间、记忆、推理等不同类型,反映的正是智能的不同侧面。
按照这个定义回看大模型三年多的发展,他给出的判断是“不平衡”。
数学、编程,以及那些能写成文字与程序序列的长程任务,模型已经超过普通人水平,甚至逼近顶尖;空间和物理智能仍处于早期,机器人比过去发展快了很多,但还只会做简单动作。
从数字智能走向物理空间,光靠技术判断不够,还得看技术能不能在真实用户场景里跑通闭环,拿出经得起市场检验的成绩单。

03
有了闭环,才有迭代。
商汤的商业答卷
说到商汤如何把AI的技术判断变成产品和收入,林达华的原话是:
商汤这条路是走出来的,不是想出来的。
大模型时代,商汤交的第一笔“学费”是一款叫“商量”的产品。2023年初刚推出时,它跟别的聊天产品没多大区别。林达华曾把产品拿给太太试用,结果在推荐附近饭店这件事上,“商量”直接胡诌了一通。
翻车不全是模型质量的问题。对话产品的根基是点评、地图这类信息基础设施,而这并不是商汤的禀赋所在。
商汤在2023年底将大模型产品线收拢为内容和交互两条线,瞄准的是工作内容与娱乐内容两块。前者后来做成了办公智能体小浣熊,今年中期业绩公告显示该业务增长六七倍;后者则做成了Seko。
Seko这套思路,骨子里对应的是“创作”与“生成”之间的区别。要做100集短剧,剧本、分镜、人物设定、跨剧集一致性这些环节一个都绕不开,光生成30秒精美片段远远不够。Seko把理解生成统一、图文交错思维等技术落到创作流程里,底层渲染则调用Seedance等外部模型——单比生成质量拼不过,那就让它成为自身工作流中的一环。林达华透露,已经有创作者用Seko做出播放量过亿的短剧。
这些产品选择背后,是商汤关于闭环的方法论。林达华说得很直白:“所有事情,你需要有闭环才能够有效地迭代,否则只有刷榜,没有迭代。”今天能拿Benchmark冠军,下个月就未必,这种成绩留不下来;真正留下来的是在用户那里创造的价值。他把强化学习里小步快跑优于一次走很远的道理搬到研发规划上:迭代速度和对的方向,比单次冲得多高更重要。
这种转变,林达华自己就经历过一回。他早期一作的论文里,二三十条公式是常态;2013年之后,这个数字降到了不超过5条。他的判断标准,从“数学证明是否漂亮”换成了“使用中有无差异化的价值”。
今年商汤中期报告里,能看到“首次盈利”的官方口径。不过林达华认为,商汤真正关注的始终是自身有没有变得更健康、更有生命力,而业务的闭环迭代正是生命力的体现之一。
1+X结构就是这套思路的落地:新业务从母体长出来,到市场上独立融资、独立求生,等于把“闭环”从研发层面推到了组织层面。市场竞争足够严酷,但对创始人和业务来说都是成长。
在商汤眼里,产品和业务也像生命体,不成熟时不强推,以自然增长为信号再决定加大投入——先让产品进入市场闭环接受检验,而不是在内部对着预设指标迭代。
不过,商业闭环在某种意义上只解决了“活得下去”这一层。往后看竞争,中国AI企业得在后蒸馏时代找准自己的位置和长期优势,想清楚智能的边界究竟在哪。

04
拼手速之外
中国AI的长期竞争力与智能的边界
长期竞争力的第一块拼图,林达华认为是开源。
2018年,林达华在MMLab推动OpenMMLab开源,做法是把领域里有代表性的算法梳理成统一基准体系,让研究者不必再耗在复现、对比实验这类琐碎工作上。这个项目后来成了AI 1.0时代影响最大的开源算法库,收获十几万个star,使用者达数百万开发者。
多年后到了大模型时代,同样的路子又走了一遍。开源真正的驱动力在于影响力:有了影响力,募资、招人都好办,DeepSeek的示范效应让业界都看明白了这条路。客观上看,试错成本也因此被摊到了整个社区头上——研发成本里模型训练只占一成左右,其余九成都是各类实验;权重开放之后,每家公司都能更快找到前沿的技术配方。
中国总投入和美国差着量级,追得却这么近,原因也在这里。林达华说,“最担心的是不知道路在哪里。”路一旦看得见,把细节填平,中国工程师最擅长。
开源解决不了跟风的问题。林达华直言,过去三年中国大模型的主流路径,是在美国开拓的方向上做优化和创新,产业价值很大,“但如果中国要做出更持久的贡献,肯定得走出来一些不一样的东西”。他举DeepSeek为正面案例:大范式上仍是标准的LLM路线,下的功夫却深在架构效率上。
模型市场本身也容不下通吃者。成本、通用性、专业性,三样凑成一个不可能三角。什么都能做、每件事还都做得足够专业的模型,必然巨大且昂贵。日常场景里甚至普遍出现“智能过剩”:8B或32B的开源模型就能办好大部分工作,用户没必要为此付几十美元的Token钱。Hugging Face上300多万个模型,其实各有各的活法。
真正的分水岭,可能出现在后蒸馏时代。
在林达华看来,蒸馏这个话题已经过去了:存量的思维链题目构造完毕,接下来的瓶颈是产生新问题的能力——造出几千、几万乃至几十万个真实工作场景,让模型自己去探索、去完成任务。
真正卡住这件事的,其实不是算力。中国手里的牌很好:论生活和产业的多样性,全世界找不出第二个;论工程师储备,也是全世界最厚的。低处的果子已经摘完,高处的果子只能靠人爬上去摘。
不过,场景和人力拓展的只是智能的“宽度”;智能的“深度”,要看智能自身的成长速度。
最近被频繁讨论的RSI(递归自我改进),盯的正是这件事。林达华强调,RSI只是智能成长的路径之一,卡点不在训练能不能自动化,而在进化的效率:机器拿到一个有效的观察点,照样得跑海量训练;人学会一项新技能,却不用走完一整轮训练。眼下AI在进化上和人的差距还非常大,这个秘密一旦被解开,“会很大程度上重新塑造AI发展和竞争的格局”。
他也不认为现状可以无限外推:粗放的资源消耗迟早撞上轨迹爆炸,现有路径能不能走到终点,是个悬而未决的问题。
说到拓展边界,他最先关心的是另一个问题:语言之外的模态,在智能里究竟起什么作用。这方面的认知还很早,可答案会决定资源往哪投。他把期待放在多模态与空间的结合上——只做生成,改善的无非是视觉质量;把空间感知放进思考过程,智能才会更完整。
智能想突破边界,卡点在学习和进化的效率上,而这恰好是人最拿手、机器差得最远的地方。商汤给出的回答,并非都写进模型里——一个能不断长出新人来的组织,本身就是一种生命力最强的智能。
林达华还说,他眼下最重要的事,是给年轻人搭环境,守住一个有生命力的组织。商汤那20%资源的用意也在这里:积极播种,守护成长。这颗种子可能是产品、业务,也可能是在组织里长起来的人,商汤一直做的,就是等种子发芽,生命自会找到出路。
雷峰网