商汤林达华谈20%资源投向预研:拼手速之外,长期竞争力靠什么
Scaling Law在空间智能这里失效了?

字节今年初推出Seedance 2.0,出片水准被不少人称作“电影级别”,从业者兴奋之余也感到震动,一张新的创作蓝图正朝他们铺开。可对商汤Seko团队而言,那段日子却过得“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提到,当时他去见投资人、跑行业会议,对方抛来的问题翻来覆去就一个:Seko跟Seedance差在哪?能比它做得好吗?
团队里一度出现自我怀疑的声音:这件事还要不要做下去?
事情后来的走向,并不是商汤Seko独自去“对抗”Seedance。Seedance能把30秒的视频片段渲染到顶级水准;Seko服务的创作者,最后交出来的是100集短剧。两者之间横着剧本、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。
把这层关系想明白之后,Seko的日子反倒好过了。林达华在访谈中透露,今年这款产品的用户数涨了7到8倍,平台上还跑出过播放量过亿的短剧。
商汤在大模型市场上的声量有多大,林达华自己评价得很直接:“可能不是最大的”。这家公司选的路,也一直没有完全追着行业最热的方向跑。
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。
换个角度看,这也算一种“播种”——种子埋进土里的时候,本来就不必许诺收成。汤晓鸥常挂在嘴边的那句life finds a way,“生命自寻出路”,大概就是这笔投入的道理所在。
林达华最近做客微博科技 X 卫诗婕联合出品的《科技漫谈》栏目访谈,话题从行业现状起步,经过商业化的验证,收在智能的边界上。可从头到尾牵着走的只有一条线:那20%的资源,以及它背后的判断——有些路为什么值得走得很长、很久,哪怕眼下还看不到出口。

01
训练成本停不下来,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。
林达华在访谈中提出,这个假设未必站得住。症结不在模型本身不够好,而在于“你不继续训下一个,别人就会超过你”。竞争推着公司一轮接一轮重训,训练成本于是降不下来,还越滚越大。
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。
林达华打了个形象的比方:“(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。”最后得到的是一个又贵又不理想的模型——参数加上去了,效果却没跟上。
“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。”在他眼里,这两个信号说明行业正在往理性回:不再盯着单一指标死磕,而是回到最终用户的价值上。
上一轮AI周期里,类似的局面也出现过,商汤自己就经历过。那时候每个项目都得从收数据干起,训练、调优、测试单独做一遍,整个流程重来,很难真正复制。区别只在于,当年的计量单位是项目,如今换成了参数。
拼手速是内卷的另一副面孔。美国的前沿实验室划定了SOTA的天花板,新模型一发,就等于给中国从业者指了条路——国内通常在两三个月内冒出一批声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)也是一堆公司同时开建。
“说实话,拼手速这个事其实是蛮累的。”林达华看到的是,一个方向被看好就全员涌进去,长期价值很难攒下来。同一个生态位十家公司一起抢,先到者能拿到的红利也会很快被摊薄。
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
这笔占两成的资源,去处很明确:那些压根没有产品能当出口的活儿。林达华在访谈里把话说得很清楚,商汤经营上不管承多大压力,钱到今天仍在往里投。“在任何的时间,我们还是保留了一定的资源。”
按他的说法,这类工作从问“为什么”起步:现有办法搞不定一个问题时,就一路追回到最原理的层面。他不指望拿复杂的数学公式去讲原理,但有个要求——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”。
空间智能就是照这个路子挑出来的,它是商汤的研究方向之一。
挑法分两步走。先拿当时最强的模型来测,看它们在哪些事上办不好。再往下追问一层:这些短板,靠加点数据能不能补?如果沿原路加数据就能做好,那它有价值,能落地应用,可撑不起原理层面的创新。只有数据怎么加都办不好的方向,才可能埋着真正的原理问题——空间智能正好属于后一种。
这套判断标准的根子,要追到他的师承。汤晓鸥带学生,技术细节几乎不问,只盯一点:能不能用一两句话,把自己的工作和别人的根本差别讲明白。“世界上没有两片叶子是一模一样的”,技术上细枝末节里总能找出不同,可这种不同的创新价值有限;一句话讲不出来的,多半也不是真创新。
林达华指出,空间智能的“反常”就在于:Scaling Law在这儿不灵了。
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押在这条路上——参数越大、数据越多,能力就越强。在这种氛围里提“反Scaling Law”,起码会让行业重新想一个问题:光堆数据和参数,在智能的某些维度上是不是还有没被留意的盲区。
在空间智能相关任务上,商汤团队看到的情况跟Scaling Law正好相反——数据加得越多,模型表现越不稳。
当时的测试里,模型在perspective-taking(视角转换)任务上表现不佳。人在空间里走动,会自然而然预判眼前所见的变化:走远一点,物体该变小。可当时的多模态模型没有这种预判——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,也判断不出物体在不同视角和尺度下会是什么形态。
换个视角问它这只黑羊长什么样,它就答不上来了;认得出是黑羊,却止步于此。模型装进脑子里的,是图像和语义之间成千上万条对应关系:离得远看是黑羊,凑近了看还是黑羊。
团队接着往里加相关数据,模型表现没见好,反而“越来越错乱”:语义联系被反复强化,可这些数据彼此之间缺了空间上的关联,模型越来越靠语义去解释自己看到的一切。数据越多,固化越深,错得越稳。
林达华以前常举的一个例子,能说明这种固化的后果。拿一张六个手指的照片给当时的模型,GPT、Gemini、Grok答的都是五个手指头。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。
他也提醒,这个问题在最近一代模型上大概率已经修好了,但背后的机制还在——“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,这个方向在外界眼里还只是技术储备。大半年过去,行业开始追上来了。GPT-6发布后被社区讨论得多的那几点——用上Recurrent Transformer架构、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地带。
在林达华看来,这对商汤意味着路线被验证了:“GPT-6其实证明的,是我们做这个道路,肯定是有价值的。”商汤的资源跟OpenAI差着数量级,但他相信,攒上一两年,商汤会长出一些跟行业其他团队不一样的东西。
空间智能的特殊性,多少说明了一件事:一个数据越多、固化越深的方向,反倒可能是原理性创新的入口。顺着“反常”去找原理,是商汤做技术判断的思路之一。沿这套思路再往前迈一步,就绕不开一个问题:智能到底指什么,语言又在其中占什么位置。
· 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”一直有人争。
林达华认为,语言把人类最重要的知识结构化地装进了符号体系,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,跑得最快,产业关注也更多,这是现实情况。
但光靠语言,他觉得不完整。好比身处繁华闹市和寂静山林,人的体验天差地别,却未必能把周边环境用文字细细复述一遍。假设拿一张人像照片,交给最好的多模态模型,让它写出尽可能详细的上千字描述,再拿这段文字让生图模型画出来,也很难得到一张一模一样的照片。
他把这现象归结为信息频谱上的互补:语言装的是浓缩过的高密度信息,图像抓的则是大量没浓缩、也浓缩不了的信息。
语言和图像各有所长。写程序、做逻辑推演,语言更高效;感受美感、快速判断空间结构、传递视觉细节,图像更高效。林达华说,全模态的输入输出,天花板还很高,要把它们放在一起又不损失智能,“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、记忆知识、多步推理、发出指令,多种要素合在一起才构成智能。人类的IQ测试也分成空间、记忆、推理等不同类型,反映的正是智能的不同侧面。
顺着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,以及能写成文字与程序序列的长程任务,模型已经超过普通人,甚至逼近顶尖水平;空间和物理智能还在早期,机器人比以前快了很多,但依然只会做简单动作。
从数字智能走向物理空间,靠的不只是技术判断,还要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。

03
有了闭环才有迭代。
商汤的商业答卷
回顾商汤把AI的技术判断变成产品和收入的过程,林达华是这样说的。
商汤的路是走出来的,不是想出来的。
商汤为大模型交的头一笔“学费”,落在“商量”这款产品上。2023年初刚上线时,它跟市面上的聊天工具看不出多少区别。林达华拿给太太试,让“商量”推荐附近饭店,它张口就编了一通。
翻车不全是因为模型质量。对话产品的根基是点评、地图这样的信息基础设施,而那并非商汤的禀赋所在。
到了2023年底,商汤把大模型产品收拢到内容与交互两条线上,工作内容和娱乐内容各占一头。前者就是今天的办公智能体小浣熊,按今年中期业绩公告,相关业务涨了六七倍;后者长成了Seko。
Seko走的路子,本质上是“创作”与“生成”两回事。生成一段30秒的漂亮画面,和做100集短剧,中间横着剧本、分镜、人物设定,还有跨剧集的连贯性。Seko把理解与生成统一、图文交错思维这些技术塞进创作流程,底层渲染借的是Seedance等外部模型——单比生成质量拼不过,那就让它在自己工作流里当一颗螺丝。林达华透露,已经有创作者拿Seko做出播放量过亿的短剧。
这些产品判断的底子,是商汤那套关于闭环的方法论。林达华说得很直接:“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。”这个月能拿下Benchmark第一,下个月未必还保得住,这种成绩留不下来;能留下来的是在用户那儿产生的价值。他把强化学习里小步快跑胜过一次走很远的思路搬到研发规划上:方向对、迭代快,比单次冲得高更要紧。
这样的转变,林达华自己身上也发生过一回。早年他为一作的论文,二三十条公式是寻常事;2013年之后,这个数掉到了不超过5条。他的尺子换了,从“数学证明漂不漂亮”,变成“用起来有没有差异化的价值”。
今年商汤中期报告里,官方口径写的是“首次盈利”。林达华的看法是,商汤真正盯着的始终是自己有没有变得更健康、更有生命力,而业务的闭环迭代就是生命力的体现之一。
1+X结构就是这套思路的落地:新业务从母体里长出来,再到市场上独立融资、独立求生,等于把“闭环”从研发层面推到了组织层面。市场竞争够狠,但对创始人和业务来说都是成长。
在商汤眼里,产品和业务也像活物,没成熟就不硬推,看到自然增长的信号才决定加码——先让产品进市场的闭环里接受检验,而不是关起门来对着预设指标迭代。
只是,商业闭环某种程度上只回答了“活得下去”这一问。面向未来的竞争,中国AI企业得在后蒸馏时代找准自己的位置和长期竞争力,把智能的边界看清楚。

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。
早在2018年,林达华就在MMLab推动开源了OpenMMLab:把领域里有代表性的算法梳理成统一的基准体系,帮研究者省掉复现、对比实验这类脏活累活。这个项目后来成了AI 1.0时代最有影响力的开源算法库,十几万个star,数百万开发者在用。
多年以后,同样的逻辑在大模型时代又演了一遍。开源的内生动力是影响力:有了影响力,就能募资、能招人,DeepSeek的示范让所有人看清了这条路。客观上,试错成本也被摊给了整个社区——模型训练只占研发成本的一成左右,剩下九成是各种实验;开放权重让每家公司都能更快挑到前沿的技术配方。
这也说明了另一件事:中国总投入跟美国差着量级,追赶的步子却能贴得这么近。林达华说,“最担心的是不知道路在哪里。”路一旦看得见,把细节填平就是中国工程师的强项。
开源挡不住跟风。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,下的功夫非常深的地方在架构效率。
通吃的玩家在模型市场里站不住脚。成本、通用性、专业性,三样东西凑成一个绕不开的死结。真要做到样样都能干、样样都够专业,模型体量一定吓人,价格也一定贵。落到日常使用中,"智能过剩"已经相当常见:8B 或 32B 的开源模型足以应付多数活,用户没理由再为几十美元的 Token 买单。Hugging Face 上 300 多万个模型,说到底各走各的路。
真正的分水岭,可能出现在后蒸馏时代。
在林达华看来,蒸馏这一页已经翻过去了:现成的思维链题目早被构造完,下一步卡住的是能不能提出新问题——造出几千、几万甚至几十万个真实工作场景,让模型自己摸索、自己把任务做完。
卡点其实不在算力。中国手里的牌不错:生活与产业的多样程度全球少见,工程师的储备也是全球最厚。容易摘的果子摘光了,剩下的高枝得有人爬上去。
不过,场景和人力拓展的只是智能的“宽度”;智能的“深度”,则要取决于智能自身的成长速度。
近来被频繁讨论的 RSI(递归自我改进),盯的正是这一点。林达华却提醒,RSI 只是智能成长的路径之一,关键不在训练是否自动化,而在进化的效率:机器要拿到一个有效的观察点,仍得跑大量训练;人学会一项新技能,用不着走完一整轮训练。眼下 AI 在进化上跟人差得还远,这个谜一旦解开,"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,现有路径能否走到终点,是个悬而未决的问题。
边界怎么拓,他先问的是:语言之外的模态,在智能中究竟担什么角色。目前认知尚浅,可答案会左右资源往哪投。他把期待放在多模态与空间的结合上——只做生成,涨的是画面质量;把空间感知塞进思考过程,智能才更完整。
智能想越界,难点在学习和进化的效率,而这正是人拿手、机器还欠火候的地方。商汤给出的答案,有一部分并不长在模型里——一个能不断长出新人来的组织,本身就是生命力最强的智能。
林达华提到,自己眼下最要紧的事,是给年轻人搭好环境,守住一个有生命力的组织。商汤那 20% 资源也是这个道理:先撒种,再护着它长。种子可能是产品、业务,也可能是组织里长起来的人,商汤做的无非是等它发芽,生命自会找到出路。
雷峰网