商湯大模型的進化邏輯：認知領(lǐng)先與能力領(lǐng)先帶來的復利效應

1

進化的商湯大模型

筆者在長期的商業(yè)研究過程中發(fā)現(xiàn)，企業(yè)競爭不是比拼誰起步更早，而是比拼誰能走得更久、更遠。

而要想走得久遠，最核心的根源便是企業(yè)的進化能力，包括戰(zhàn)略、組織、品牌與產(chǎn)品等各個領(lǐng)域的進化。其中，產(chǎn)品進化最為關(guān)鍵，尤其在一些產(chǎn)業(yè)變化迅速的新興領(lǐng)域。

大模型便是這樣的一個典型領(lǐng)域。

隨著ChatGPT走紅帶來的大模型熱潮，短短數(shù)個月內(nèi)，國內(nèi)便有近百家冠以“大模型”之名的企業(yè)出現(xiàn)。好的影響是，這股強大的力量將大大利于中國大模型產(chǎn)業(yè)的加速發(fā)展，但不好的影響是，這些企業(yè)中的大多數(shù)最終都無法逃脫被淘汰出局的宿命。接下來，產(chǎn)業(yè)內(nèi)將面臨一場空前激烈的競爭，誰的產(chǎn)品進化更快，擁有更好的用戶體驗，誰才有可能“剩者為王”。

從目前來看，兼具實力與靈活性的商湯科技表現(xiàn)出了最強的進化能力。就在前不久的2023世界人工智能大會（WAIC）上，商湯科技召開了“大愛無疆·日日新”人工智能論壇，在論壇上重磅推出了“商湯日日新SenseNova”大模型體系的全面升級，以及該體系下的一系列產(chǎn)品更新和落地成果。

例如，商湯商量SenseChat 2.0版本是商湯大模型體系中最為引人矚目的千億級參數(shù)自然語言處理模型，其突破了大語言模型輸入長度的限制，并推出了不同參數(shù)量級的模型版本，在知識信息準確性、邏輯判斷能力、上下文理解能力、創(chuàng)作性等方面均有大幅提升，可完美適配移動端、云端等不同終端及場景的應用需求，部署成本也大大降低。目前，商湯商量SenseChat 2.0版本已落地服務于醫(yī)療、金融、移動終端、代碼開發(fā)等領(lǐng)域。

商湯秒畫SenseMirage 3.0是商湯的自研生成式大模型，參數(shù)從今年4月首次發(fā)布以來的10億大幅提升至70億量級，能夠?qū)崿F(xiàn)專業(yè)攝影級的圖片細節(jié)刻畫，有進階需求的創(chuàng)作者，還可通過簡單拖拽的方式快速完成模型微調(diào)，打造個人專屬的生成式AI模型。

商湯如影SenseAvatar 2.0數(shù)字人生成平臺相較1.0版本的語音和口型流暢度提升30%以上，能夠?qū)崿F(xiàn)4K高清視頻效果，并帶來AIGC生成形象及數(shù)字人歌唱功能。

商湯瓊宇SenseSpace 2.0的空間重建效率提升20%，渲染性能提升50%，每100平方公里場景的建圖時間僅需38小時即可完成（1200 TFLOPS/秒算力支持），可更高效地應用于城市級數(shù)字孿生場景。

商湯格物SenseThings 2.0對小物體的紋理及材質(zhì)還原達到毫米級精細度，并突破對高反光和鏡面物體的采集難題，這個突破讓“格物”能夠精確還原物品的外觀和特征，小到珠寶首飾、服飾、鞋包，大到家居裝飾、文物展覽、藝術(shù)展覽等，都能提供精細化的復刻效果。

從上述變化來看，商湯日日新（SenseNova）大模型體系的此次進化絕非簡單升級，而是在多維度實現(xiàn)了重大突破。

另外，值得一提的是，此次升級進化，距離“日日新”大模型4月10日的發(fā)布日期僅有3個月的時間，這與“日日新”寓意“模型迭代速度和處理問題的能力可以日日更新”高度匹配。

那么，商湯是如何在短短3個月時間，便實現(xiàn)了如此大的進化呢？

2

商湯憑什么？

筆者在對商湯科技這家企業(yè)進行詳細研究后發(fā)現(xiàn)，其在大模型領(lǐng)域所取得的成績絕非偶然，也非一蹴而就。而是受益其在人工智能領(lǐng)域長期深耕而實現(xiàn)的能力領(lǐng)先與認知領(lǐng)先。

眾所周知，算力、算法與數(shù)據(jù)是人工智能領(lǐng)域的三個核心要素。商湯科技則憑借長期投入，在這三個領(lǐng)域都實現(xiàn)了深厚積累。公開數(shù)據(jù)顯示，截至2022年末，商湯研發(fā)隊伍高達3466人，占員工總數(shù)近70%，全年研發(fā)支出接近40億元。

首先在算法方面，商湯從2016年便開始在計算機視覺領(lǐng)域深耕，2017年發(fā)力決策智能，2019年涉足NLP語言類項目，在這個過程中積累了人工智能各個細分領(lǐng)域的算法，為大模型的研發(fā)打下了很好的算法基礎。并且在2019年還發(fā)布了10億參數(shù)的視覺大模型，到2022年參數(shù)升級到320億，為全球之最。

在算力方面，從2020年開始，商湯便在上海臨港建設了人工智能的算力中心AIDC。這個面積足足有20個足球場大的智算中心，擁有5000個服務器機柜和27000張GPU，規(guī)模遠超業(yè)界廣為流傳的“萬張GPU的大模型入場券”。

算力的優(yōu)勢除了體現(xiàn)在GPU卡的數(shù)量，還體現(xiàn)在多卡并行下的真實有效利用率。由于在大模型訓練時需要大量的GPU卡，當越來越多的卡連在一起，卡和卡之間的通信、網(wǎng)絡消耗就會越多，相應能夠真正發(fā)揮的有效算力就越少。

例如，行業(yè)公認1000塊連在一起的卡往往只能發(fā)揮60%的算力，剩余的40%在鏈接過程中就被損耗掉了。但商湯卻可以把千卡能效做到90%，耗損控制在10%，這也創(chuàng)造了行業(yè)天花板。

在數(shù)據(jù)方面，除了通用數(shù)據(jù)與專用數(shù)據(jù)的積累，商湯科技在整合、處理與使用數(shù)據(jù)等領(lǐng)域也具有豐富的經(jīng)驗。

在算力、數(shù)據(jù)與算法三個核心要素上的積累，讓商湯科技具備了在大模型領(lǐng)域持續(xù)進化的基礎能力。而在這些基礎能力之外，商湯科技還擁有另外一個更為重要，但較易被行業(yè)忽略的軟實力，就是對AI產(chǎn)業(yè)的深刻理解與前瞻判斷。

熟悉人工智能領(lǐng)域的產(chǎn)業(yè)人士，多熟知商湯人工智能算力中心5000P的強大算力，但較為忽視它背后的認知價值。從某種意義上講，5000P的總算力并非獨一無二，國內(nèi)具備5000P規(guī)模的智算中心也還有數(shù)家，但它們大部分都是化整為零、分散布置，由一個個200P、300P的節(jié)點組成。

在傳統(tǒng)的互聯(lián)網(wǎng)應用中，這種分散布置并無大礙。但在AI大模型訓練時，這些算力就必須集中在一個物理點，否則網(wǎng)絡就沒法支撐它去做同一個任務。商湯之所以在兩三年前，便將5000P算力放在一起，與長期深耕人工智能產(chǎn)業(yè)所形成的差異化認知密不可分。目前，商湯的AI大裝置已能夠以最大4000卡規(guī)模集群進行單任務訓練，并可做到七天以上不間斷地穩(wěn)定訓練。

另外，在2021年中推出“AI大裝置SenseCore”時，為了解決AI的長尾問題，商湯果斷選擇了用“超大算力+大參數(shù)模型”來實現(xiàn)AI具備更多通用能力的思路，這在當時是極為前瞻的思路。2022年底，ChatGPT的火爆，最終印證了商湯這種思路的前瞻性。

再以千卡集群90%的利用率為例，其主要得益于商湯科技超前預判市場需求，提前找到一批做高性能計算優(yōu)化以及網(wǎng)絡調(diào)試的細分人才，然后投入大量的時間與資源、一遍遍地調(diào)試，一點點積蓄優(yōu)勢，最終提升了整體利用率。

事實上，不管是大規(guī)模布局算力還是在細微處提升多卡利用率，這些事情并不復雜，誰堅持到最后就能形成難以復制的高核心能力。但關(guān)鍵難點在于，是否能在關(guān)鍵時點確定正確方向。

商湯科技的這種認知優(yōu)勢一方面得益于創(chuàng)始團隊行業(yè)領(lǐng)先的專業(yè)基因，另外一方面則是源于長期實踐過程中的積累。在這個過程中，其一直處在中國人工智能產(chǎn)業(yè)的最前沿，深入芯片、服務器、基礎軟件、工具軟件、算法生產(chǎn)到應用各環(huán)節(jié)，形成了對整個AI全流程的理解力，并沉淀了大量的專業(yè)認知與工具。

前期正確預判往往要比后期行動更有價值。正是在上述認知領(lǐng)域的領(lǐng)先，最終帶來了商湯科技在能力上的領(lǐng)先，進而帶來在大模型產(chǎn)品上的更優(yōu)體驗與更快進化。

3

產(chǎn)業(yè)是大模型的最終歸宿

熟悉大模型領(lǐng)域的讀者會敏銳地注意到，最近一段時間中國的大模型產(chǎn)業(yè)正在發(fā)生著一個重要變化，就是越來越多的企業(yè)開始在大模型前面冠上“產(chǎn)業(yè)”二字。

在此背后，源于公眾對大模型的研究越來越多，也越來越意識到通用大模型所采用的通用信息存在一些錯誤、謠言與偏見，且專業(yè)知識與行業(yè)數(shù)據(jù)積累不足，導致該類模型的數(shù)據(jù)“噪音”過大，行業(yè)針對性與精準度不足，無法創(chuàng)造出深層次的價值。

在產(chǎn)業(yè)場景中，專業(yè)服務要求高、容錯性低，需要能夠在實際場景中真正解決具體的問題。因此，企業(yè)使用的大模型必須可信、可用、可控，而且最好是經(jīng)過反復與充分測試。

而商湯科技由于之前在人工智能領(lǐng)域產(chǎn)業(yè)的探索，其深知產(chǎn)業(yè)才是大模型的最終歸宿，“寫寫詩，聊聊天”并不能解決實際問題。所以在大模型領(lǐng)域，商湯一開始便建立了根深蒂固的產(chǎn)業(yè)思維。

在2023世界人工智能大會論壇現(xiàn)場，商湯科技CEO徐立便通過簡單地鼠標拖動，將商湯大模型在產(chǎn)業(yè)場景中的應用進行了直觀展現(xiàn)，引得觀眾一片贊嘆。在徐立的現(xiàn)場“炫技”背后，是商湯領(lǐng)先的行業(yè)理解力與場景落地能力。如今，這些能力正通過商湯大模型融合滲透到金融、醫(yī)療、電商、移動終端與產(chǎn)業(yè)園區(qū)等各個產(chǎn)業(yè)賽道。

例如，在金融領(lǐng)域，商湯如影數(shù)字人可以助力金融機構(gòu)智能客服、智慧營銷等工作，并通過大語言模型能力實現(xiàn)投研分析、撰寫等新功能。

在數(shù)字內(nèi)容領(lǐng)域，商湯數(shù)字人與多個短視頻、直播頭部平臺達成戰(zhàn)略合作，共建“云+AIGC+短視頻直播”生態(tài)。商湯科技數(shù)字文娛事業(yè)部總經(jīng)理欒青直言，AIGC讓數(shù)字人進入了一個“真正可用的階段”。

目前，商湯的AI數(shù)字人已支持構(gòu)建數(shù)字人講解員、數(shù)字人主播、數(shù)字人醫(yī)生、數(shù)字人老師等，廣泛部署于購物中心、展館、旅游景區(qū)、銀行等行業(yè)。

在醫(yī)療場景，商湯打造的中文醫(yī)療語言大模型“大醫(yī)”，可提供導診、問診、健康咨詢、輔助決策等多場景會話服務，未來將支持醫(yī)學圖像、文本、結(jié)構(gòu)化數(shù)據(jù)等多模態(tài)分析，并提升醫(yī)療語言理解和推理能力。

而在智能汽車領(lǐng)域，商湯大模型的加持更是全方位的：它們正按照由內(nèi)到外、由淺到深的邏輯展開。例如，在座艙內(nèi)，商湯通過視聽多模態(tài)融合，全方位感知、標記用戶偏好，提供更好的個。擬人化交互的“車艙大腦”還能為用戶帶來集安全、娛樂、教育及效率于一體的智能座艙體驗。

在車艙外，商湯與聯(lián)合實驗室首個提出了感知決策一體化的自動駕駛通用大模型UniAD，開創(chuàng)了以全局任務為目標的自動駕駛大模型架構(gòu)，為自動駕駛技術(shù)與產(chǎn)業(yè)發(fā)展提出了新方向。同時，這個大模型也斬獲了行業(yè)最佳論文獎。

而在更外圍的智能交通領(lǐng)域，借助路側(cè)視覺感知大模型，瓊宇2.0以及格物2.0構(gòu)建智能交通孿生與仿真，并利用商量2.0的感知推理和人機交互能力，商湯還打造出車路云協(xié)同的交通體系。

在商湯看來，自動駕駛?cè)斯ぶ悄芟到y(tǒng)的核心是決策與判斷，而大模型經(jīng)過反復訓練學習可以無限接近正確決策。而在決策之外，語言大模型還可以輸出中間的邏輯推理過程，這讓未來自動駕駛系統(tǒng)有了可修復性。

上述各個產(chǎn)業(yè)的具體應用案例，充分展示了商湯大模型的技術(shù)領(lǐng)先性。不過大模型的對外賦能，除了技術(shù)領(lǐng)先帶來的用戶體驗，還很重要的是要能夠做到對外服務的成本領(lǐng)先。如果不能以較具競爭力的價格提供服務，也很難獲得客戶的信賴。

商湯科技聯(lián)合創(chuàng)始人，大裝置事業(yè)部負責人楊帆預測，未來國內(nèi)平臺型AI公司或只能存活3-5家，成本控制能力是決勝的關(guān)鍵要素之一。而商湯科技前瞻布局的AI基礎設施“商湯AI大裝置SenseCore”，實現(xiàn)了算法、算力與平臺的打通，以及軟硬件一體化協(xié)同的AI系統(tǒng)工程能力，這為商湯科技低成本，高質(zhì)量的行業(yè)賦能提供了保障，有望讓商湯科技成為大模型領(lǐng)域最具競爭力的角逐者之一。

4

結(jié)語

在2023世界人工智能大會上，徐立表示，商湯科技將“通過‘大模型+大裝置’持續(xù)推動AI基礎設施能力的躍進提升，不僅打造通用能力更加強大的基礎模型，也進一步高效融合不同垂直領(lǐng)域的專業(yè)知識，構(gòu)建更懂行業(yè)、更具專長的專業(yè)大模型，從根本上降低大模型的下游應用成本和門檻，讓大模型的產(chǎn)業(yè)價值在千行百業(yè)中綻放。”

簡言之，“更懂行業(yè)的大模型、更低的成本與門檻、更廣泛的產(chǎn)業(yè)賦能”，是徐立為商湯大模型中短期制定的務實方向。隨著產(chǎn)業(yè)的變遷，推動AGI（通用人工智能）時代的到來則是長期遠景。

一方面是長期深耕AI產(chǎn)業(yè)形成的認知領(lǐng)先，另一方面是在算力、算法與數(shù)據(jù)等領(lǐng)域長期積累形成的能力領(lǐng)先，二者將支撐商湯科技未來在大模型領(lǐng)域的持續(xù)進化。而一個能夠持續(xù)進化的大模型，將是助力商湯科技實現(xiàn)中短期戰(zhàn)略方向的最大底氣，也是支撐其實現(xiàn)未來AGI時代長期遠景的重要前提。