原生融合多模态上的突破，让商汤大模型打破Scaling Laws撞墙「魔咒」

国内首个原生融合多模态大模型。

原标题：原生融合多模态上的突破，让商汤大模型打破Scaling Laws撞墙「魔咒」
文章来源：机器之心
内容字数：7805字

AI大模型发展瓶颈与多模态融合的未来

1. **大模型发展瓶颈:** 文章指出，大型语言模型(LLM)的发展似乎遇到了瓶颈。GPT-5的发布延迟以及其他公司类似的困境表明，训练成本高昂(数千万美元)，训练时间漫长(数月)，GPU和电力资源不足，以及可访问数据逐渐枯竭，都成为了阻碍。OpenAI前首席科学家Ilya Sutskever也表示，找到正确的扩展方向至关重要。

2. **多模态大模型的兴起:** 谷歌Gemini 1.5 Pro超越GPT-4o，标志着大模型竞赛的“逆袭”。多模态大模型成为新的发展方向，它能够处理多种类型的信息(文本、图像、语音、视频)，并具备强大的多模态推理和跨模态迁移能力。这被认为是AI未来发展的必由之路，因为只有让机器拥有对物理世界多维度信息的感知，才能发展出类似人类的分析判断能力。

3. **商汤“日日新”融合大模型的突破:** 商汤科技发布的“日日新”融合大模型实现了原生融合模态训练的突破，打破了大语言模型和多模态模型分立的局面。其交互版SenseNova-5o支持实时音视频对话，拥有良好的记忆力，并能处理多种模态的输入和输出，拓展了新的应用场景，例如教育辅助。

4. **“日日新”模型的优势及测试:** 文章通过实际测试，展示了“日日新”模型在理解图片含义、解答数学题、分析图表等方面的能力。它能够识别并理解图片中的幽默和文化背景，并具备强大的逻辑推理能力。此外，SenseNova-5o的响应速度快，交互流畅自然。

5. **“日日新”模型的商业化及成本优势:** 商汤“日日新”融合大模型已开放API调用，SenseNova-5o也面向视觉交互场景开放商用。值得关注的是，与分别训练语言大模型和多模态模型相比，训练“日日新”的成本降低了40%。

6. **AI扩展定律及未来展望:** 文章认为，当前基于互联网数据预训练的方法很快会到达瓶颈，但真实世界的数据量远大于互联网数据。开发结合多模态的AI模型，才能更好地利用这些数据。商汤“日日新”模型的成功，为AI未来的发展带来了前所未有的想象空间，例如空间结构输入、机器人与LLM的结合等。

7. **中国AI发展的机遇:** 文章最后提到，中国在AI领域的快速发展，以及庞大的产业体系和需求，正在成为驱动AI发展的决定性力量。商汤科技在模型算法、算力、行业经验和工程落地能力等方面具备优势，其多模态大模型已落地在多个场景。

联系作者

文章来源：机器之心
作者微信：
作者简介：专业的人工智能媒体和产业服务平台