您的位置首页 >人工智能 >

商汤林达华20% 资源投入无产品预研,商汤差异化押注大模型竞争

商汤首席科学家林达华对外明确,商汤会固定拿出 20% 资源投入没有直接产品出口的前瞻预研,这套打法核心原因是现在大模型行业大家都在跟风刷榜、拼手速,单纯复刻别人验证过的路线很难建立长期技术壁垒,别人几个月就能追上;商汤的落地步骤就是把剩下 80% 资源用来做能形成商业闭环、可以快速迭代的模型产品,20% 资源自由探索没人验证过的新方向,不强制要求短期产出和商业化,最终目标是不靠堆算力、堆参数硬卷,靠底层原创架构和新范式,在模型长跑竞争里拿到差异化优势。

一、行业现状:模型内卷的核心痛点

  • 现在大模型赛道跟风复刻成本很低,一条路线跑通之后,国内团队两三个月就能跟进复刻,拼手速只能拿到短期优势,很难沉淀复利壁垒。
  • 超大参数模型不一定效果更好,很多万亿参数模型因为数据杂质问题,出现 “又贵又不好用” 的情况,行业已经开始转向几百 B 轻量化优质模型路线。
  • 商汤自身定位:林达华直言商汤在大模型市场声量不算最大,算力资源没法和头部巨头正面硬拼,不能走纯烧钱堆规模的路线。

二、商汤资源分配策略

资源占比用途考核规则代表方向
80%闭环产品型研发需要对接业务、用户反馈,持续迭代,有商业化目标日日新 SenseNova 系列、Seko 短剧生成、办公智能体、空间智能模型
20%无产品预研研究不绑定短期产品交付,允许长期试错,允许失败原生多模态新架构、物理世界模型、全新训练范式、基础理论探索

三、商汤押注模型竞争的三条核心路径

  1. 优先走原生统一多模态路线,不扎堆纯文本大模型内卷。理解、推理、生成放在同一套表征空间,减少模态转换开销,重点发力空间智能、物理世界 AI、机器人相关世界模型,这也是商汤传统视觉优势的延伸方向。
  2. 拒绝盲目冲击超大参数模型,优先优化架构、数据质量。商汤有能力训练万亿参数大模型,但权衡机会成本后选择轻量化优质模型路线,加快迭代速度,适配国产芯片,追求算力效率,而不是单纯刷榜单分数。
  3. 用 “产品闭环 + 前沿播种” 双线并行。80% 业务模型靠真实用户反馈持续迭代,保证现金流和工程能力;20% 预研相当于播种,当下不一定变现,未来有可能诞生下一代模型底层范式,形成别人抄不走的先发优势。

四、林达华对模型竞争的关键判断

  • 刷 SOTA 榜单只是入场券,不等于长期竞争力,脱离真实用户闭环的刷榜风险很高,榜单成绩很容易被快速反超。
  • 真正稀缺的能力不是快速复刻成熟方案,而是敢于在无人验证方向持续投入,扛住短期没有产出的压力。
  • 模型竞争下半场,比拼重点会从参数规模、跑分,转向架构创新、多模态融合、物理世界理解、智能体落地能力。

【相关 FAQ】

问题 1:商汤林达华提到的 20% 资源做没有产品的研究,会不会浪费研发投入?

回答 1:商汤林达华认为这部分 20% 资源不是无效浪费,是长期技术播种。当下 AI 行业跟风复刻速度太快,只做能变现的产品研发,很容易陷入拼手速内卷,很难形成底层创新壁垒;这类无产品预研探索新范式、新架构,一旦跑通,就可以给后续模型和产品带来代差优势,只是要接受它没有短期产品回报。

问题 2:商汤靠着 20% 资源预研的策略,打算怎么和其他大模型厂商竞争?

回答 2:商汤不会和巨头比拼算力规模、超大参数堆料,依托 20% 预研探索底层原创路线,80% 资源落地多模态、空间智能、智能体等差异化产品,避开纯文本赛道红海竞争,靠原生统一多模态架构、物理世界模型等方向建立独特优势,走效率优先路线。

问题 3:商汤林达华所说没有产品出口的预研,一般都研究哪些模型方向?

回答 3:这类预研不会绑定现成产品,主要探索原生多模态新架构、物理世界递归自优化 AI、全新预训练范式、空间智能底层理论等方向,很多研究成果短期没法直接包装成商用大模型,属于为下一代模型竞争储备底层技术。

【参考资料】

[2026-11-20](商汤 20% 资源投入背后的逻辑:林达华谈拼手速与长期竞争力)新浪财经

[2026-11-20](不止于追赶 SOTA,商汤想寻找 AI 的下一种可能)节点财经

[2026-11-20](模型迭代加快,商汤林达华谈 AI 公司的价值与复利)IT 之家

[2026-11-19](模型迭代加快,商汤林达华谈 AI 公司的价值与复利)腾讯新闻

[2026-11-18](卫诗婕 SJ_Jelyne 微博:模型时代访谈内容)微博

【免责声明】

本文内容仅基于公开访谈与行业资讯整理,仅作信息参考,不构成投资建议、商业决策建议;文中观点均为林达华公开采访表述,不代表平台立场;相关研发投入比例、模型路线为商汤现阶段策略,后续存在调整可能。