商汤徐立与马云隔空对话 AI要成为老百姓的“日用品”

IT时报记者 孙妍

今年，多模态成为大模型的主要发展趋势。在DeepSeek凭借出色的文本推理能力和性价比出圈后，业界都在寻找多模态推理领域的“下一个DeepSeek”。

4月10日，商汤在2025技术交流日上发布了日日新SenseNova V6（下简称“日日新V6”）大模型体系，多模态推理能力达到国内第一，对标OpenAI o1，数据分析能力大幅领先GPT-4o。从性价比角度来看，其多模态训练和推理成本也击穿了业界最低。

2025年也被认为是大模型的应用之年。同一天，两位大佬隔空对话，都强调AI要成为老百姓的“日用品”。“AI之道，在于百姓之日用。”商汤科技董事长兼首席执行官徐立在发布会上表示。马云在阿里云新财年启动会也说到，高科技绝不仅是征服星辰大海，更应该呵护人间烟火。科技人员的责任，不是让AI取代人类，而是让AI更懂人类、更好地服务人类。

多模态能力问鼎国内

作为拥有超6000亿参数的MoE原生多模态通用大模型，日日新V6主要在长思维链、数理能力、多模态推理能力、全局记忆等方面取得了技术突破。其中，它的数据分析能力大幅领先GPT-4o，其多模态深度推理能力国内第一，对标OpenAI o1。

基于超过200B高质量多模态长思维链数据，商汤通过多智能体协作进行长思维链合成和验证，日日新V6形成了突出的多模态推理能力，可以支持合成最长64K的多模态长思维链，支持模型长时间思考能力。

处理真实世界里的复杂问题时，日日新V6擅长于混合图文理解推理能力，也就是说，用这一个模型，就能完成文本、多模态等各类任务。

小额理赔虽然金额小，但往往耗费时间长，日日新V6可根据商业医疗保险理赔材料，判断提供材料是符合理赔要求，检查是否存在乱开药、乱检查、材料缺失或者材料对不齐等问题。

国内首个打破10分钟视频理解限制

目前，市面上几乎所有大模型只能支持短视频的解析，但是日日新V6打破了这一限制，可支持10分钟视频全帧率解析，对标Gemini 2.5 Turbo达到同类型最强。

输入一段《黑神话：悟空》的游戏录屏，日日新V6就能自动剪辑出游戏高光时刻，同时自定义生成解说文案，一段游戏解说就完成了。

商汤是如何做到如此惊人的记忆理解能力的？它可将画面、语音、音效、字幕、口语、时间轴逻辑进行对齐，形成多模态统一时序表征。在此基础上通过细粒度级联信息压缩和内容敏感的动态过滤，实现长视频的高比例压缩，10分钟视频可以压缩到16K tokens，仍然保留关键语义。

像人一样交互

去年，商汤大模型的实时交互能力在世界人工智能大会上引发讨论。此次，商汤推出全新的轻量级全模态交互模型SenseNova V6 Omni带来了国内最强的多模态交互能力。

当你将手机对准一本高深难懂的英文周刊或论文时，它能实时翻译你手指所指的内容，更符合人类自然直观的指读交互体验。当你忙于工作时，小朋友缠着你讲绘本，你就能把绘本讲解任务交给日日新V6。除此之外，它还能当文旅导游、数学老师，以及扮演各种角色。

而且，SenseNova V6 Omni已经在多行业、多场景落地，成为国内首个商业化的全模态实时交互模型。在现场，《IT时报》记者看到了傅利叶等多品牌的机器人，在搭载商汤大模型后，人形机器人可以具有更自然、更类人的实时交互能力，让人形机器人拥有眼睛、嘴巴、耳朵和大脑。

商汤在此次发布会上还带来了One More Thing，推出搭载日日新V6的商量App，通过一个入口，C端用户就能体验文字、图像、视频等多种模态流式交互体验。不过，商量App还处在内测阶段，目前日日新 V6的能力可在商量网页端体验。

只有更懂人、更像人的AI才能更快走入日常生活，更快成为老百姓的“日用品”。