大厂的烧钱游戏，商汤的另一种活法

21世纪经济报道记者雷晨

2014年，汤晓鸥创办了商汤。此后十余年，这家公司曾是全球估值最高的AI独角兽，也经历过多轮收缩和重组。一个成立了近十二年的AI公司，经历过高光，也走过低谷，今天的它到底在做什么，意欲走向哪里？

在所有变动背后，商汤的技术路线没有改变。

2026年7月，上海世界人工智能大会。商汤董事长徐立带来一款名为U1 Pro的多模态模型，号称能生成“交付级”设计图像。商汤联合创始人、首席科学家林达华回复21世纪经济报道记者采访，“商汤不去追短期热点，而是把设计行业作为近期一个关键突破口。”

林达华在采访中提到一个词——“深信不疑”。指向的是：视觉和语言必须在同一个模型里统一，才能通向真正的智能。

这个判断是一群计算机视觉研究者持续了十二年的直觉。这条技术路线学术界已经讨论了一两年，商汤真正下决心投入是在去年年中，正好是公司完成战略重组、必须做取舍的时候。

但信念归信念，一家要养活几千人的商业公司，光靠信仰撑不起任何东西。

林达华也承认，最大的不确定就是这条路什么时候能赚钱。“我们唯一不确定的，就是能不能很快看到它的商业化前景。”

而让这个方向变得具体的，是两个信号。

第一个来自今年上半年的编程类AI产品。那类产品跨越了工业化门槛，从“辅助工具”变成了真正被大规模采用的生产力工具。林达华从中看到了一条规律：一项技术只要能过了“能用”那条线，市场就会自动打开。

第二个信号来自团队自己的实验。训练过程中，模型表现出一种“连续创作”的能力——从草图到细节，一步步成型。这让团队第一次觉得，AI有可能真正介入设计师的工作流程，而不只是生成一张好看的图。

“我们看到了这个苗头，就决定投入去做。”林达华说。从U1到U1 Pro，两个月三次迭代。背后是两百名设计背景的人参与打分和反馈，帮模型一点一点磨出来的。

商汤内部给U1 Pro定的标准叫“交付率”。

两百名设计背景的人参与评测，对生成图像逐张打分，标准只有一个：设计师愿不愿意把这张图直接交给客户？60%以上的图能通过，才算具备商业价值。

林达华表示，多数同类模型到不了这个门槛。核心原因是原生统一架构的效率——理解和生成共用同一套表征空间，省去了模态转换的成本，用更少的数据就能达到同样的效果。这在商业上意味着更少的算力消耗和更快的迭代。

今年世界人工智能大会期间，商汤展示了一幅U1 Pro生成的WAIC九周年水墨长卷。四年前中央美术学院邱志杰教授为WAIC五周年创作过《智会世图》，当时是由人类艺术家完成的。这一次，模型独立完成了更复杂的任务。

林达华坦言：“我们今天是个中等体量的公司。”

他承认，商汤很难在资源上和字节、OpenAI、谷歌正面竞争。这种资源差距体现在很多方面——算力采购规模、人才招募预算、市场推广投入，都不是一个量级。

因此，在这种处境下，商汤选择了一条不太一样的路：不跟巨头比谁烧的钱多，而是靠架构创新争取效率优势，用更少的资源做同样的事。

林达华在采访中详细解释了这种效率优势的来源。他举了一个例子：此前团队用十分之一的数据量就达到了顶尖模型的效果。

“因为理解和生成共用同一套表征空间，省去了模态之间的转换成本。”他说的“转换成本”指的是传统拼接式模型的先天缺陷——把理解、生成、行动拆成不同模块，跨模块沟通成本高，计算特性各异，训练和推理都更复杂。

而U1 Pro采用的原生统一架构，让所有能力在同一个模型里完成，用同一套计算流程、同一个表征空间。

“这就相当于一个外国人和一个中国人说话，如果总是需要翻译，沟通效率就很低。但如果他们都说同一种语言，就能很深层次地交融在一起。”林达华说，这种交融带来的直接结果是学习效率的大幅提升。

这种效率优势也体现在算力层。商汤科技联合创始人、大装置事业群总裁杨帆披露了一组数据：依托异构混合推理技术，商汤大装置实现主流国产芯片MFU提升85%—152%，整体推理性价比达到NVIDIA H系列的1.25倍。相比国产同构推理方案，同成本下Token产出规模扩大2.5倍。

“优化后的混推集群可远超行业此前对国产算力‘微利持平’的预期，实现从可用到可盈利的转变。”杨帆说。

这意味着，在同等算力投入下，商汤能产出更多的Token服务量——平台日均Token服务量已达2.42万亿，预计2026年第四季度达到日均10万亿。

回到U1 Pro的商业路径，商汤的策略分三层：开源模型养社区，Pro版打专业市场，Fast版服务普通用户。

林达华还提到一个细节：商汤的C端产品“小浣熊”上线短短一个月，周活跃用户超过300万，服务客户超万家。这是一种从C端渗透到B端的打法，降低了向企业推广时的教育成本。目前已有设计、游戏行业的客户开始在内部试用U1 Pro。

林达华将其描述为“沿途下蛋”。通往终极目标的路上，先在具体行业里把商业闭环打通，让每一步都站得住脚。

那终极目标是什么？林达华说，大模型一定会从数字空间走向物理空间。真正的AGI离不开视觉，视觉和语言必须在同一个模型里深度融合，机器才可能像人一样理解世界。

这个目标还很远，需要更好的架构、更多的数据、更强的基础设施。但商汤的选择是：先在设计这个行业里证明这条路走得通。“每个行业先打穿了，可能会有阶段性的热度。但终极路径不会有太大变化。”

十二年前那批计算机视觉的研究者，仍活跃在通往AGI的路上，路上多了很多必须面对的现实问题，但背包里也多了些“蛋”。