对话商汤林达华：多模态是 Coding 之后的下一个战场

7月18日，在2026年WAIC大会上，商汤科技承办的“基座大模型架构创新与生态合作论坛”如期举行。大会之前，在喧嚣的会场之外，《AI科技评论》拜访了商汤科技首席科学家林达华。

当被问到“大语言模型已经发展到如今高度后，下一个决胜负战场在哪”时，林达华没有罗列复杂的Benchmark，他指向办公室内的一盆矮脚绿植说“你能用语言向我描述清楚这盆盆景每一片叶子的精确位置吗？”

接着他说：“这对我来说很困难，大量的感知细节是无法用语言穷尽的。人眼能一瞬看清的感知，语言却往往无法说清楚。”

这记“盆景之问”，恰恰击中了当下大语言模型面对真实物理世界时的那道隐形的边界。

从设计中的高级审美，到城市空间的三维布局，再到自动驾驶、具身智能与现实世界的交互——凡是需要理解物理空间的场景，都离不开真正的“视觉”能力。

人类的大脑本就是语言与视觉的深度融合的产物。从这一第一性原理出发，商汤押注的下一个战场，正是多模态。

过去一年，从 OpenAI 等国际巨头到国内的Kimi、DeepSeek、字节、阿里，重金砸向多模态的玩家不在少数。然而，在视觉领域深耕多年的商汤，选择了一条更难、也更接近本质的“硬核”道路：从底层融合语言和视觉基座。并在今年3月推出原生统一多模态架构 NEO-unify 。

4 月，商汤正式发布并开源了基于原生统一架构的多模态模型SenseNova U1（简称U1），切入设计赛道 。而在大会当天，商汤选择迈入商用的深水区，推出可交付级别的 旗舰模型——SenseNova U1 Pro（简称U1 Pro） 。作为全球首个以“理解、生成、行动”原生统一为内核的多模态工具，它具备内生的“图文交错思维”，能直接输出高达原生 8K 顶级画质成片，在设计领域正面对标全球顶尖的如 GPT-Image-2等模型。

借此契机，我们与林达华进行了一场关于多模态的终极形态 与商汤技术底牌的深度对话。

当前，AI Coding 是头部 AI 厂商疯狂内卷的行业高地，Anthropic等公司也因此实现飞升。外界疑惑的是，商汤为何在此时不急于跟风抢夺红利，反而大谈特谈多模态？

在林达华看来，AI Coding 确实是目前商业化最成熟的赛道，但纯文本语言的天花板也已经清晰显现。

“你用任何一款代码模型写前端网页，一眼就能看出来是 AI 生成的。它和具备‘苹果级’质感的现代产品界面，有着非常明显的差距。” 林达华指出，高级的设计感与空间美学，纯靠代码逻辑根本实现不了，这是纯文本 Coding 天然的盲区。

行业中最敏锐的巨头早已开始悄悄转向。以编程能力见长的 Anthropic，在Opus 4.8 版本中重点强化多模态元素。

这意味着，当后端逻辑代码的能力逐步趋同、价格战愈演愈烈，前端体验、视觉交互自然成了下一阶段的竞争高地。 这也正是商汤切入AI Coding战场的机会，与其在纯文本领域硬卷，不如发挥自身在视觉上的积累和绝对优势。

在业内有一种观点认为：未来的 AI Agent 都会以纯文本命令行（CLI）交互，多模态的价值没有想象中那么高。 林达华并不认同，他认为只要人和 AI 持续共存，在人机交互上，视觉交互就是不可替代的核心载体， “因为CLI是面向机器的，而视觉才是面向人类体验的。 ”

无论是写办公汇报、海报设计，还是游戏开发、影视制作，这些更高频的大众场景，其本质都离不开视觉。

"想要打造能在物理世界中思考、行动的‘全能智能’，就必须打破壁垒，让视觉与语言在底层大脑中融为一体。"林达华强调，这正是商汤自研 NEO-unify 原生统一架构的核心初衷。

但这并非易事。语音和文本属于同构模态，语音可以直接映射为文字，仅多了语气、停顿等少量维度；但视觉与语言是完全异构模态，像素无法简单对应文字词元，攻克异构模态融合，一直是多模态领域长期发展的核心难点 。

长期以来，多模态大模型领域的主流技术路线是**“拼接式架构”** ，即在成熟的语言大模型之外，外挂一个独立的视觉编码器（VE）等模块。这种方式的本质，是先将图像“翻译”成文本，再交由语言模型去处理。

拼接方案的工程门槛低、训练速度快，但其技术上天花板也相对较低。因为这种翻译的过程，会损耗大量精细化空间和感知细节信息，导致视觉与语言的融合效率很低， 并非"真正看见"。

林达华带领的商汤团队很早就看到了拼接架构的局限，并一直在寻找一种原生统一模型架构的可能性。 他们认为，多模态的终极形态应当是让不同的AI模态拥有共同的语言和表征 ，从而能够像人类大脑一样，顺畅无阻地深度沟。

“我们很早就看到了拼接架构的局限性。多模态的终极形态 ，应当是让不同的模态拥有共同的内核语言和统一表征，能够像人类大脑一样，顺畅无阻地深度沟通 。”林达华透露，OpenAI和谷歌同样意识到了这一点并秘而不宣，而商汤选择走得更公开、更彻底。

这是一场坚守长期主义的漫长探索：

2025年中，林达华团队联合南洋理工大学S-Lab，率先在小规模数据上验证了原生融合的设想。同年9月，团队发表论文Towards Native Vision-Language Primitives at Scale，在学术界首次系统阐述了彻底移除视觉编码器、建立深层融合的原生多模态NEO架构。

2026年3月，商汤进一步发布升级框架版——原生统一架构NEO-unify 和论文NEO-unify: Building Native Multimodal Unified Models End to End 系统阐述了打造端到端原生统一模型的宏大设想。

在NEO-unify架构中，商汤彻底移除了主流大模型普遍依赖的视觉编码器和变分自编码器，让模型不再需要"翻译器"，而是直接从像素和文字中学习。

支撑其运转的是一套自研的 Mixture-of-Transformers（MoT） 架构。该架构的独特之处在于，它让语言和视觉信息在模型的每一层计算中完成深度交融。对于多模态领域，这种从架构层面的重构，意义堪比Transformer之于大语言模型。

那这套架构效果好不好呢？其实效率惊人，NEO-unify架构仅需3.9亿图像文本示例（仅为业界同等性能模型约1/10的数据量），就涌现出了顶尖的视觉感知和推理能力 。

开源版本的SenseNova U1正是这套架构的结果，它拥有真正的“图文交错思维链”，可以在同一个上下文里边写字边插图，确保图像和文字在风格与内在逻辑上具备极高的一致性。值得一提的是，在同量级开源模型中，仅以 8B 体量起步的 U1 直接斩获 SOTA 性能，部分表现甚至跨代直逼主流大型闭源模型。

随后，研发团队敏锐地锁定了 “信息图”（infographic）赛道，并且针对这一极具商业价值的场景，该系列正以惊人的速度高频迭代：

• infographic-V1：在底层算力架构上进行了全面重构，让信息图生成的信息密度与排版质感迎来了显著跨越；

• infographic-V2：彻底攻克了行业顽疾，针对以往“字数一多画面就糊、甚至连字错字”的痛点，大幅提升了小字清晰度与排版精度，视觉表现直接向专业设计师看齐。

• infographic-V3：重磅引入“可编辑功能”，让用户可以随时点选、直接修改画面。

图注：U1 Pro设计的关于“背包”的信息图，可以看到图中文字清晰准确，整体设计高级美观

这套持续进化的技术范式，最终在U1 Pro上迎来了全面爆发，宣告了 AI 设计进入“交付级”时代。

在当前的AI热潮中，能画出漂亮图片的AI比比皆是。但当我们把这些AI拉进真实的商业设计场景时，往往会发现它们成了“花架子，一到复杂排版、密集信息、长需求描述的实际任务中就露了怯。

因为“画画”靠的是审美概率，而“设计”靠的是精准的逻辑与控制。

林达华将U1 Pro定位为一款在审美和设计能力上都达到一定高度的产品。这背后不是运气，而是一场漫长且严苛的专业化淬炼。整个模型的训练过程，就像一位“顶尖设计师”的成长史。

“想要让AI具备真正的专业设计能力，就必须用上亿道‘魔鬼级’的设计题去喂养它。”

林达华指出，天然的现实世界中，极少存在自带密集信息和复杂排版的完美数据，这些“养料”必须依靠人工与算法精准创造。为此，商汤构建了一个规模过亿、甚至逼近数十亿级别的超大型“多模态题库”。在这类高阶数据中，仅单张设计图对应的文字描述和需求说明，往往就长达上千字。

这种对数据极端严苛的需求，直接映射在U1 Pro的阶段性训练流中。

在预训练阶段，模型吞吐数十亿级的图文原生交错数据，打下深厚的认知地基；进入持续预训练阶段，高比例的**“合成数据”** 成为绝对主力，团队在数亿量级的数据海中，高强度拉升模型的专业设计能力；到了最终的后训练阶段，团队则百里挑一，精选出千万量级的黄金数据进行精雕细琢，让模型的审美沉淀出成品级的交付质感。

而支撑这套庞大“合成数据”，正是商汤内部一套极其复杂的、由超级Agent驱动的自动化数据合成管线。

“核心技术的突破从来不是一场追逐风口的短跑，而是一场坚守长期主义的马拉松”。在林达华看来，只要团队认准了某个方向具备巨大的长远潜力，即使它在某个阶段并未处于社会舆论的绝对C位，商汤也会摒弃外界的杂音，以坚定的战略定力进行长期主义的饱和投入。“因为我们深知，那些能真正改变行业底层范式的长期价值，远比一时的流量热点更为巨大。”

商汤为多模态战略选择的一个核心赛道是设计方向 ，尤其是信息图 ，这是一个可商业化性极强的场景，尤其是B端，特别是电商、广告、游戏、出海贸易等领域，有大量设计需求。

根据Precedence Research 等的最新报告：2026年全球设计领域的生成式AI市场规模约为 13.3 亿美元。大型企业和企业级客户贡献了超过 47% 的市场份额，是AI设计工具最大的买单方。

然而长期以来，AI 生图要真正走向高端商业化，始终面临着难以逾越的瓶颈：

比如，AI无法准确理解需求，从而图不达意。市面上有不少模板拼接方案，但这种方案又存在无法消除的割裂感，整体版式、色彩、比例无法形成统一审美逻辑，肉眼能直观看出拼凑痕迹。

更麻烦的是，模型无法建立元素间的设计因果，只是简单堆砌图形文字，完全不理解版式排布、元素搭配与品牌表达之间的内在关联。

一旦客户提出局部微调需求，又往往会牵一发而动全身，导致修改成本甚至超越重新原创，这些都是AI设计难以直接走向高端商业化的核心瓶颈。

“学术界生成一张图，100 个字错 1 个，论文里可以打 99 分。但真实商业世界里，一张客户的海报错一个字，这张图就是废纸，只能打 0 分。” 商汤首席科学家林达华直接指出行业痛点。

面对这些挑战，U1 Pro依托原生统一多模态架构，从底层理解到图像生成，系统性解决了上述难题。

在评判模型优劣时，林达华评判模型好坏的标尺只有一个：交付率， 即生成内容无需大幅修改，可直接交付商用，达到付费专业设计师的出品标准。

他公布了 U1 Pro 最新交付率数据稳定在70% 。

这个数字乍一听似乎不高，但放在真实的商业场景，这足以真正改变设计赛道的供需关系。60%是商业可交付基准线，放眼全球，只有两个多模态模型超越这一基准，一个是商汤U1 Pro，另一个是来自OpenAI的GPT-Image-2 ，后者被称为多模态行业御用标尺。

70% 交付率背后是严苛的全维度品控，这意味着，文字错误率控制在千分级，整张图上千文字仅极低概率出现错字；图形元素、空间布局、色彩搭配等细节错误同步控制在千分级。

换句话说，AI 真正具备了人类主观的“高级审美”，能够做出让客户心甘情愿买单的设计。

图注：从U1 Pro设计的泉州主题海报，可以看到丰富的内容和细腻的设计

图注：U1 Pro设计的二十四节气海报，支持8K分辨率及特殊长宽比

U1 Pro 是怎么做到有如此高的交付率？林达华向我们透露，其核心在于商汤设计了一种叫**“视觉拆解思维链”** 的学习模式，将模型训练成了**“会思考的设计师”** 。

在训练过程中，当模型拿到一个高质量海报后，先会自动拆解图像全部视觉组件，再逆向推理设计师版式布局逻辑、色彩搭配思路，生成完整设计思维链进行学习，不只是学形似，而是抓思路，抓神韵。

这种设计思维内化进了模型本身，在生成图片时，U1 Pro 不像传统模型那样“一次性盲盒出图”，而是采用多轮智能体生成闭环 ：

第一步先基于文本需求拆解信息、规划版式，形成完整的设计方案；第二步依靠内生能力完成全图生成；第三步启动全局自检，识别文字错误、布局瑕疵与审美问题，不断反向迭代修改。直到完全符合交付标准才会输出最终成品。

为了打磨"审美的最后一公里"，商汤还组建了一支由200名美院学生和专业设计师组成的"人类审美团" 。这些人每天的工作就是对着U1 Pro生成的的作品疯狂"找茬"和打分。

就像设计公司的新人，被老板和甲方反复“毒打”了千百遍后，自然就知道什么是真正的高级感了。

采访中，林达华透露一个有趣的细节，U1 Pro其实已经具有一些空间推演能力 ，能玩魔方了。这意味着，这款被定位为“设计师”的模型，已经开始隐隐触摸到三维世界的边缘。

在商汤的版图上，世界模型并非是与多模态底座平行的另一条线，而是视觉与语言深度融合基座上的一个自然分支，就像Transformer是底座，上面可以长出各种LLM一样。

而当下大热的具身智能，也可以理解为同一个底座上的又一成熟分支。

以商汤“1+X”战略下孵化的生态企业大晓机器人为例，其最新推出了“开悟”世界模型，它讲的是理解、生成、预测的统一。解构其底层技术会发现，其背后依然是那个视觉与语言结合的多模态底座，只是在具体训练中具身数据占了更高的比例。

看似万流涌动，实则九流归宗。这些分赛道的探索，数据和方法最终都会在下一代模型里合流。

值得一提的是，就在7月13日，商汤还发布了另一个理解与生成统一的视觉大模型SenseNova-Visio****n 。它的核心战略在于让视觉成为通用基础模型的原生能力 ，而这种原生视觉能力已在多个维度上超越了专用视觉模型 。过去目标检测、图像分割、深度预测、3D重建等需要大量定制化的经典视觉任务，现在一个模型就能完成。

有了这些前沿探索的养分注入，商汤多模态的未来图景已呼之欲出。

林达华透露，下一代的U2将真正走向三维 。如果说U1还是在二维平面上的设计，那么U2将融入视频的理解和生成，把感知、理解、生成、行动全部一体化。“也许再下一个版本，你给它一张设计草图，它能把整个建筑造出来。”

而更远处的终极形态，是模态从视觉、语言扩展到几十种传感器信号。“那个时候，才是大家认为的最完整的世界模型。”

然而，通往终极世界模型的道路并非一片坦途，物理规则的复杂性超乎想象。在林达华看来，未来在物理规则之外，还会纳入人类社会学等更多维度。“今天机器人能准确拿起一杯水，明天它可能会区分一杯沸水和一杯温水，并做出不同的动作反应。”

到那时，每新增一个物理属性维度，数据组合的量级就会指数级暴涨，算力和存储会成为无法突破的瓶颈。林达华对此给出了独到的解题思路：或许未来的解法是对世界属性进行解耦，拆分出不同属性的专用子模型，让它们有机组合、协同推理，而不是穷尽所有数据组合。

在这场充满未知与瓶颈的科学马拉松里，我们在林达华眼中看到的不是疲惫，是拓荒者的兴奋。 采访临近尾声，雷峰网(公众号：雷峰网)向林达华发出最后的终极一问：

"你最想带团队攻克的下一个技术山头是什么？"

"物理世界的AGI。" 林达华没有任何犹豫。

或许，在AI与人类之间，那些说不出的东西，恰恰是智能最坚硬的部分。

图注：雷峰网拍到商汤上海办公室，在迎客厅的醒目书架上放的一个碑

雷峰网原创文章，未经授权禁止转载。详情见转载须知。

7月18日，在2026年WAIC大会上，商汤科技承办的“基座大模型架构创新与生态合作论坛”如期举行。大会之前，在喧嚣的会场之外，《AI科技评论》拜访了商汤科技首席科学家林达华。

当被问到“大语言模型已经发展到如今高度后，下一个决胜负战场在哪”时，林达华没有罗列复杂的Benchmark，他指向办公室内的一盆矮脚绿植说“你能用语言向我描述清楚这盆盆景每一片叶子的精确位置吗？”

接着他说：“这对我来说很困难，大量的感知细节是无法用语言穷尽的。人眼能一瞬看清的感知，语言却往往无法说清楚。”

这记“盆景之问”，恰恰击中了当下大语言模型面对真实物理世界时的那道隐形的边界。

从设计中的高级审美，到城市空间的三维布局，再到自动驾驶、具身智能与现实世界的交互——凡是需要理解物理空间的场景，都离不开真正的“视觉”能力。

人类的大脑本就是语言与视觉的深度融合的产物。从这一第一性原理出发，商汤押注的下一个战场，正是多模态。

过去一年，从 OpenAI 等国际巨头到国内的Kimi、DeepSeek、字节、阿里，重金砸向多模态的玩家不在少数。然而，在视觉领域深耕多年的商汤，选择了一条更难、也更接近本质的“硬核”道路：从底层融合语言和视觉基座。并在今年3月推出原生统一多模态架构 NEO-unify 。

4 月，商汤正式发布并开源了基于原生统一架构的多模态模型SenseNova U1（简称U1），切入设计赛道 。而在大会当天，商汤选择迈入商用的深水区，推出可交付级别的 旗舰模型——SenseNova U1 Pro（简称U1 Pro） 。作为全球首个以“理解、生成、行动”原生统一为内核的多模态工具，它具备内生的“图文交错思维”，能直接输出高达原生 8K 顶级画质成片，在设计领域正面对标全球顶尖的如 GPT-Image-2等模型。

借此契机，我们与林达华进行了一场关于多模态的终极形态 与商汤技术底牌的深度对话。

当前，AI Coding 是头部 AI 厂商疯狂内卷的行业高地，Anthropic等公司也因此实现飞升。外界疑惑的是，商汤为何在此时不急于跟风抢夺红利，反而大谈特谈多模态？

在林达华看来，AI Coding 确实是目前商业化最成熟的赛道，但纯文本语言的天花板也已经清晰显现。

“你用任何一款代码模型写前端网页，一眼就能看出来是 AI 生成的。它和具备‘苹果级’质感的现代产品界面，有着非常明显的差距。” 林达华指出，高级的设计感与空间美学，纯靠代码逻辑根本实现不了，这是纯文本 Coding 天然的盲区。

行业中最敏锐的巨头早已开始悄悄转向。以编程能力见长的 Anthropic，在Opus 4.8 版本中重点强化多模态元素。

这意味着，当后端逻辑代码的能力逐步趋同、价格战愈演愈烈，前端体验、视觉交互自然成了下一阶段的竞争高地。 这也正是商汤切入AI Coding战场的机会，与其在纯文本领域硬卷，不如发挥自身在视觉上的积累和绝对优势。

在业内有一种观点认为：未来的 AI Agent 都会以纯文本命令行（CLI）交互，多模态的价值没有想象中那么高。 林达华并不认同，他认为只要人和 AI 持续共存，在人机交互上，视觉交互就是不可替代的核心载体， “因为CLI是面向机器的，而视觉才是面向人类体验的。 ”

无论是写办公汇报、海报设计，还是游戏开发、影视制作，这些更高频的大众场景，其本质都离不开视觉。

"想要打造能在物理世界中思考、行动的‘全能智能’，就必须打破壁垒，让视觉与语言在底层大脑中融为一体。"林达华强调，这正是商汤自研 NEO-unify 原生统一架构的核心初衷。

但这并非易事。语音和文本属于同构模态，语音可以直接映射为文字，仅多了语气、停顿等少量维度；但视觉与语言是完全异构模态，像素无法简单对应文字词元，攻克异构模态融合，一直是多模态领域长期发展的核心难点 。

长期以来，多模态大模型领域的主流技术路线是**“拼接式架构”** ，即在成熟的语言大模型之外，外挂一个独立的视觉编码器（VE）等模块。这种方式的本质，是先将图像“翻译”成文本，再交由语言模型去处理。

拼接方案的工程门槛低、训练速度快，但其技术上天花板也相对较低。因为这种翻译的过程，会损耗大量精细化空间和感知细节信息，导致视觉与语言的融合效率很低， 并非"真正看见"。

林达华带领的商汤团队很早就看到了拼接架构的局限，并一直在寻找一种原生统一模型架构的可能性。 他们认为，多模态的终极形态应当是让不同的AI模态拥有共同的语言和表征 ，从而能够像人类大脑一样，顺畅无阻地深度沟。

“我们很早就看到了拼接架构的局限性。多模态的终极形态 ，应当是让不同的模态拥有共同的内核语言和统一表征，能够像人类大脑一样，顺畅无阻地深度沟通 。”林达华透露，OpenAI和谷歌同样意识到了这一点并秘而不宣，而商汤选择走得更公开、更彻底。

这是一场坚守长期主义的漫长探索：

2025年中，林达华团队联合南洋理工大学S-Lab，率先在小规模数据上验证了原生融合的设想。同年9月，团队发表论文Towards Native Vision-Language Primitives at Scale，在学术界首次系统阐述了彻底移除视觉编码器、建立深层融合的原生多模态NEO架构。

2026年3月，商汤进一步发布升级框架版——原生统一架构NEO-unify 和论文NEO-unify: Building Native Multimodal Unified Models End to End 系统阐述了打造端到端原生统一模型的宏大设想。

在NEO-unify架构中，商汤彻底移除了主流大模型普遍依赖的视觉编码器和变分自编码器，让模型不再需要"翻译器"，而是直接从像素和文字中学习。

支撑其运转的是一套自研的 Mixture-of-Transformers（MoT） 架构。该架构的独特之处在于，它让语言和视觉信息在模型的每一层计算中完成深度交融。对于多模态领域，这种从架构层面的重构，意义堪比Transformer之于大语言模型。

那这套架构效果好不好呢？其实效率惊人，NEO-unify架构仅需3.9亿图像文本示例（仅为业界同等性能模型约1/10的数据量），就涌现出了顶尖的视觉感知和推理能力 。

开源版本的SenseNova U1正是这套架构的结果，它拥有真正的“图文交错思维链”，可以在同一个上下文里边写字边插图，确保图像和文字在风格与内在逻辑上具备极高的一致性。值得一提的是，在同量级开源模型中，仅以 8B 体量起步的 U1 直接斩获 SOTA 性能，部分表现甚至跨代直逼主流大型闭源模型。

随后，研发团队敏锐地锁定了 “信息图”（infographic）赛道，并且针对这一极具商业价值的场景，该系列正以惊人的速度高频迭代：

• infographic-V1：在底层算力架构上进行了全面重构，让信息图生成的信息密度与排版质感迎来了显著跨越；

• infographic-V2：彻底攻克了行业顽疾，针对以往“字数一多画面就糊、甚至连字错字”的痛点，大幅提升了小字清晰度与排版精度，视觉表现直接向专业设计师看齐。

• infographic-V3：重磅引入“可编辑功能”，让用户可以随时点选、直接修改画面。

图注：U1 Pro设计的关于“背包”的信息图，可以看到图中文字清晰准确，整体设计高级美观

这套持续进化的技术范式，最终在U1 Pro上迎来了全面爆发，宣告了 AI 设计进入“交付级”时代。

在当前的AI热潮中，能画出漂亮图片的AI比比皆是。但当我们把这些AI拉进真实的商业设计场景时，往往会发现它们成了“花架子，一到复杂排版、密集信息、长需求描述的实际任务中就露了怯。

因为“画画”靠的是审美概率，而“设计”靠的是精准的逻辑与控制。

林达华将U1 Pro定位为一款在审美和设计能力上都达到一定高度的产品。这背后不是运气，而是一场漫长且严苛的专业化淬炼。整个模型的训练过程，就像一位“顶尖设计师”的成长史。

“想要让AI具备真正的专业设计能力，就必须用上亿道‘魔鬼级’的设计题去喂养它。”

林达华指出，天然的现实世界中，极少存在自带密集信息和复杂排版的完美数据，这些“养料”必须依靠人工与算法精准创造。为此，商汤构建了一个规模过亿、甚至逼近数十亿级别的超大型“多模态题库”。在这类高阶数据中，仅单张设计图对应的文字描述和需求说明，往往就长达上千字。

这种对数据极端严苛的需求，直接映射在U1 Pro的阶段性训练流中。

在预训练阶段，模型吞吐数十亿级的图文原生交错数据，打下深厚的认知地基；进入持续预训练阶段，高比例的**“合成数据”** 成为绝对主力，团队在数亿量级的数据海中，高强度拉升模型的专业设计能力；到了最终的后训练阶段，团队则百里挑一，精选出千万量级的黄金数据进行精雕细琢，让模型的审美沉淀出成品级的交付质感。

而支撑这套庞大“合成数据”，正是商汤内部一套极其复杂的、由超级Agent驱动的自动化数据合成管线。

“核心技术的突破从来不是一场追逐风口的短跑，而是一场坚守长期主义的马拉松”。在林达华看来，只要团队认准了某个方向具备巨大的长远潜力，即使它在某个阶段并未处于社会舆论的绝对C位，商汤也会摒弃外界的杂音，以坚定的战略定力进行长期主义的饱和投入。“因为我们深知，那些能真正改变行业底层范式的长期价值，远比一时的流量热点更为巨大。”

商汤为多模态战略选择的一个核心赛道是设计方向 ，尤其是信息图 ，这是一个可商业化性极强的场景，尤其是B端，特别是电商、广告、游戏、出海贸易等领域，有大量设计需求。

根据Precedence Research 等的最新报告：2026年全球设计领域的生成式AI市场规模约为 13.3 亿美元。大型企业和企业级客户贡献了超过 47% 的市场份额，是AI设计工具最大的买单方。

然而长期以来，AI 生图要真正走向高端商业化，始终面临着难以逾越的瓶颈：

比如，AI无法准确理解需求，从而图不达意。市面上有不少模板拼接方案，但这种方案又存在无法消除的割裂感，整体版式、色彩、比例无法形成统一审美逻辑，肉眼能直观看出拼凑痕迹。

更麻烦的是，模型无法建立元素间的设计因果，只是简单堆砌图形文字，完全不理解版式排布、元素搭配与品牌表达之间的内在关联。

一旦客户提出局部微调需求，又往往会牵一发而动全身，导致修改成本甚至超越重新原创，这些都是AI设计难以直接走向高端商业化的核心瓶颈。

“学术界生成一张图，100 个字错 1 个，论文里可以打 99 分。但真实商业世界里，一张客户的海报错一个字，这张图就是废纸，只能打 0 分。” 商汤首席科学家林达华直接指出行业痛点。

面对这些挑战，U1 Pro依托原生统一多模态架构，从底层理解到图像生成，系统性解决了上述难题。

在评判模型优劣时，林达华评判模型好坏的标尺只有一个：交付率， 即生成内容无需大幅修改，可直接交付商用，达到付费专业设计师的出品标准。

他公布了 U1 Pro 最新交付率数据稳定在70% 。

这个数字乍一听似乎不高，但放在真实的商业场景，这足以真正改变设计赛道的供需关系。60%是商业可交付基准线，放眼全球，只有两个多模态模型超越这一基准，一个是商汤U1 Pro，另一个是来自OpenAI的GPT-Image-2 ，后者被称为多模态行业御用标尺。

70% 交付率背后是严苛的全维度品控，这意味着，文字错误率控制在千分级，整张图上千文字仅极低概率出现错字；图形元素、空间布局、色彩搭配等细节错误同步控制在千分级。

换句话说，AI 真正具备了人类主观的“高级审美”，能够做出让客户心甘情愿买单的设计。

图注：从U1 Pro设计的泉州主题海报，可以看到丰富的内容和细腻的设计

图注：U1 Pro设计的二十四节气海报，支持8K分辨率及特殊长宽比

U1 Pro 是怎么做到有如此高的交付率？林达华向我们透露，其核心在于商汤设计了一种叫**“视觉拆解思维链”** 的学习模式，将模型训练成了**“会思考的设计师”** 。

在训练过程中，当模型拿到一个高质量海报后，先会自动拆解图像全部视觉组件，再逆向推理设计师版式布局逻辑、色彩搭配思路，生成完整设计思维链进行学习，不只是学形似，而是抓思路，抓神韵。

这种设计思维内化进了模型本身，在生成图片时，U1 Pro 不像传统模型那样“一次性盲盒出图”，而是采用多轮智能体生成闭环 ：

第一步先基于文本需求拆解信息、规划版式，形成完整的设计方案；第二步依靠内生能力完成全图生成；第三步启动全局自检，识别文字错误、布局瑕疵与审美问题，不断反向迭代修改。直到完全符合交付标准才会输出最终成品。

为了打磨"审美的最后一公里"，商汤还组建了一支由200名美院学生和专业设计师组成的"人类审美团" 。这些人每天的工作就是对着U1 Pro生成的的作品疯狂"找茬"和打分。

就像设计公司的新人，被老板和甲方反复“毒打”了千百遍后，自然就知道什么是真正的高级感了。

采访中，林达华透露一个有趣的细节，U1 Pro其实已经具有一些空间推演能力 ，能玩魔方了。这意味着，这款被定位为“设计师”的模型，已经开始隐隐触摸到三维世界的边缘。

在商汤的版图上，世界模型并非是与多模态底座平行的另一条线，而是视觉与语言深度融合基座上的一个自然分支，就像Transformer是底座，上面可以长出各种LLM一样。

而当下大热的具身智能，也可以理解为同一个底座上的又一成熟分支。

以商汤“1+X”战略下孵化的生态企业大晓机器人为例，其最新推出了“开悟”世界模型，它讲的是理解、生成、预测的统一。解构其底层技术会发现，其背后依然是那个视觉与语言结合的多模态底座，只是在具体训练中具身数据占了更高的比例。

看似万流涌动，实则九流归宗。这些分赛道的探索，数据和方法最终都会在下一代模型里合流。

值得一提的是，就在7月13日，商汤还发布了另一个理解与生成统一的视觉大模型SenseNova-Visio****n 。它的核心战略在于让视觉成为通用基础模型的原生能力 ，而这种原生视觉能力已在多个维度上超越了专用视觉模型 。过去目标检测、图像分割、深度预测、3D重建等需要大量定制化的经典视觉任务，现在一个模型就能完成。

有了这些前沿探索的养分注入，商汤多模态的未来图景已呼之欲出。

林达华透露，下一代的U2将真正走向三维 。如果说U1还是在二维平面上的设计，那么U2将融入视频的理解和生成，把感知、理解、生成、行动全部一体化。“也许再下一个版本，你给它一张设计草图，它能把整个建筑造出来。”

而更远处的终极形态，是模态从视觉、语言扩展到几十种传感器信号。“那个时候，才是大家认为的最完整的世界模型。”

然而，通往终极世界模型的道路并非一片坦途，物理规则的复杂性超乎想象。在林达华看来，未来在物理规则之外，还会纳入人类社会学等更多维度。“今天机器人能准确拿起一杯水，明天它可能会区分一杯沸水和一杯温水，并做出不同的动作反应。”

到那时，每新增一个物理属性维度，数据组合的量级就会指数级暴涨，算力和存储会成为无法突破的瓶颈。林达华对此给出了独到的解题思路：或许未来的解法是对世界属性进行解耦，拆分出不同属性的专用子模型，让它们有机组合、协同推理，而不是穷尽所有数据组合。

在这场充满未知与瓶颈的科学马拉松里，我们在林达华眼中看到的不是疲惫，是拓荒者的兴奋。 采访临近尾声，雷峰网(公众号：雷峰网)向林达华发出最后的终极一问：

"你最想带团队攻克的下一个技术山头是什么？"

"物理世界的AGI。" 林达华没有任何犹豫。

或许，在AI与人类之间，那些说不出的东西，恰恰是智能最坚硬的部分。

图注：雷峰网拍到商汤上海办公室，在迎客厅的醒目书架上放的一个碑

雷峰网原创文章，未经授权禁止转载。详情见转载须知。