商汤世界模型秘诀，「日日新」实现AI大一统！原生融合模型破纪录双冠王

原标题：商汤世界模型秘诀，「日日新」实现AI大一统！原生融合模型破纪录双冠王
文章来源：新智元
内容字数：9062字

商汤“日日新”：原生融合大模型引领AI 2.0新纪元

本文总结了新智元报道中关于商汤科技“日日新”原生融合大模型的要点，该模型在多模态领域取得突破性进展，引领AI迈向“大一统”时代。

1. 原生融合多模态：AI 2.0的必由之路

   文章指出，大模型发展瓶颈在于单一模态处理能力的局限性。商汤“日日新”通过原生融合多模态技术，实现了单一模型同时处理文本、图像、视频等多种信息，突破了传统多模态模型分立的现状，让AI具备“看”和“想”的能力，从而解决更复杂的问题。

2. “日日新”的惊艳表现：多场景应用

   文章列举了“日日新”在多个场景的实际应用，例如：识别各种手写体诗歌并翻译；批改作业，精准指出错误并举一反三；分析绘画作品特点并提出改进建议；识别图像中的历史人物和典故；分析游戏截图并推断电脑配置；理解表情包含义等。这些例子展示了“日日新”强大的跨模态理解和分析能力。

3. 技术突破：融合模态数据合成与融合任务增强训练

   商汤“日日新”的成功，得益于两项关键技术：融合模态数据合成和融合任务增强训练。面对数据匮乏的挑战，商汤通过逆渲染、基于混合语义的图像生成等方法合成大量融合模态数据，构建了图文模态之间的交互桥梁。此外，通过构建一系列跨模态任务（涵盖交互、多模态文档分析、场景理解等），进行增强训练，提升了模型对多模态信息整合理解分析的能力，并形成了对业务场景有效的响应能力。

4. 成本优势与未来展望

   文章强调，商汤“日日新”的原生融合多模态技术路线，在训练成本方面具有显著优势，仅比同量级LLM增加约20%。这得益于多阶段训练的策略，将语言模型和多模态模型的训练合并在了一起。未来，商汤将继续探索融合模态技术，拓展其在办公、金融、自动驾驶、城市治理等领域的应用，并进一步探索世界模型的可能性。

5. 双料冠军：实力认证

   文章最后指出，“日日新”融合大模型在SuperCLUE 2024年度榜单中，以68.3高分与DeepSeek V3并列国内榜首，并在OpenCompass多模态评测中力压GPT-4o，获得双料冠军，展现了其在语言和多模态领域的领先地位。

总而言之，商汤“日日新”原生融合大模型的成功，标志着AI 2.0时代多模态融合技术取得重大突破，为未来AI发展提供了新的方向和可能性。

联系作者

文章来源：新智元
作者微信：
作者简介：智能+中国主平台，致力于推动中国从互联网+迈向智能+新纪元。重点关注人工智能、机器人等前沿领域发展，关注人机融合、人工智能和机器人对人类社会与文明进化的影响，领航中国新智能时代。