【编者按】

“星汉灿烂，若出其里。”人工智能迈入闪耀时刻。

4月29日，习近平总书记来到位于徐汇区的上海“模速空间”大模型创新生态社区调研。他指出，人工智能技术加速迭代，正迎来爆发式发展，上海要总结好以大模型产业生态体系孵化人工智能产业等成功经验，加大探索力度，力争在人工智能发展和治理各方面走在前列，产生示范效应。

如今，徐汇区已形成“北斗列阵”+“群星闪耀”的AI生态布局。其中，“北斗七星”由稀宇科技、商汤科技、阶跃星辰、无问芯穹、星纪魅族、特赞科技和斑马智行7家标杆企业构成。

这些企业何以成为“北斗”？它们在人工智能领域有哪些探索和前瞻性的思考？推出“北斗专访”系列报道，通过深度对话，解码标杆企业的AI星辰版图。

近日，商汤又一次引起外界关注。在2025年世界人工智能大会（WAIC）上，商汤不仅发布了新模型，还开辟了新赛道——具身智能，成为其在AI前沿领域的最新布局。

商汤科技联合创始人、执行董事、大装置事业群总裁杨帆在接受专访时表示，无论是商汤2025年完成的“1+X”组织架构调整，还是最近在具身智能、稳定币等赛道的布局，背后的逻辑来源于对AI产业两个发展趋势的观察和回应：

其一，AI正朝着更大规模、更强泛化能力的方向演进，遵循尺度定律（Scaling Law），模型能力持续增强，这是技术层面的长期主线。

其二，AI正加速向细分行业渗透、打穿，实现端到端的深度整合与应用落地。AI作为一个通用工具，用户长期来看还是为价值买单的，AI真正要创造价值，必须跟下游场景形成闭环和产品。

祝碧晨 设计

杨帆说，中国人工智能取得了很大进步，但仍面临商业逻辑、性价比逻辑上的挑战，AI企业需要持续性的盈利能力。他认为，一方面要追求在AI核心技术上的持续突破，另一方面也要寻求在不同细分领域的落地，两者的关系如同大树的树干和树枝。

这两年，虽然AI大模型迭代速度快，但和人们此前想象的并不一样。“GPT4刚出来时，很多人为之惊叹，觉得AGI（通用人工智能）很快要实现了。但实际情况不是这样。”杨帆说，人们看到的，是多模态大模型、AI Agent（智能体）、具身智能以及世界模型等相继面世。

“80后”的杨帆，本硕毕业于清华大学电子工程系，主导建设了商汤超大型人工智能计算中心（AIDC）。在他办公室的书柜上，摆放着家人的照片、孩子的手办和玩偶。在同事眼里，他是一位性格亲和、非常健谈的人。他善于让对谈者放松，也会不动声色地抛出尖锐的观点。

“我觉得人形机器人一定会进入千家万户，但它现在仍面临在真实世界收集数据的难题。”杨帆说，虽然AI在数字世界已取得很大突破，但在物理世界还有很长的路要走。感知、导航和交互，是具身智能的三个核心能力，人形机器人的演进最终要让“身体”和“大脑”实现闭环。

杨帆相信，人工智能基础设施化是必然趋势。过去三次工业革命，使蒸汽机、铁路、电网、互联网等成为基础设施。现如今在AI时代，数据、算力等将会成为新一代基础设施的重要组成。任何技术进步带来的风险都始终存在，但与其担心风险，他认为不如思考能做什么，比如为AI定义规则、文化和价值观。

商汤科技大楼，位于上海徐汇区。

【对话杨帆】

：如今各行各业都谈论AI大模型，感叹其发展速度何其迅猛。作为行内人，你怎么判断当前AI产业的趋势？

杨帆：这几年AI的发展有两个显著趋势，一方面是模型能力持续增强，具备更强的泛化与通用智能，AI在技术上会持续追求规模化，这是一个大趋势。另一方面，AI正加速向细分行业渗透，实现端到端的深度整合与应用落地，包括AI Agent（智能体）也在加快兴起。这背后的逻辑是，AI作为一个通用工具，长期来看用户还是为价值买单的，AI真正要创造价值，就要能跟下游场景形成闭环、形成产品。

这两年AI大模型发展非常快，但有一点需要注意，它的快和两年前人们想象的快是不一样的。GPT4刚出来时，很多人为之惊叹，觉得马上AGI（通用人工智能）很快要实现了。但实际情况却不是这样，我们看到的是多模态大模型、具身智能、AI Agent以及世界模型等，这些出来了。

：从大语言模型，到多模态大模型、具身智能，再到一些细分领域的垂类模型，大模型的概念似乎越来越宽泛了？

杨帆：事实上，国内语言体系和海外略有不同。2022年OpenAI的GPT3.5出来，它本质上是LLM（Large Language Model），即大语言模型。今天我们说的多模态大模型，智能体，或者世界模型，大家都叫大模型的方向，但其实和LLM是不同的体系。都叫大模型也不能说错，因为这是大模型迭代发展的长期趋势。另外，多模态信息感知和处理的能力，是AGI的核心要求，也是从语言模型走向AGI的必由之路。从多模态感知、推理，再到交互，当前多模态智能的演进，正在进一步驱动AI发展。

：商汤是做视觉起家，在计算机视觉领域积累深厚，这会让你们投身多模态大模型领域有不一样的视角吗？今年世界人工智能大会上，商汤在大模型中引入形象思维，成为国内首个采用图文交错思维的商业级大模型，背后有什么技术考虑？

杨帆：语言和视觉是典型的两种模态。语言、文字是对自然信息高度压缩过的一种编码，它的好处是传输效率高，有效信息量大，但同时也会造成原始信息损失。而视频则是另一种模式，它对物理世界有更丰富和完整的呈现，但缺点在于信息的信噪比低，有效信息量小。

人类的日常活动，天然涉及对文本、图像、视频、网页等多模态信息的处理。现在很多人做多模态模型，是把图像、视频、语音等其他模态信息翻译成文本，再灌入模型去思考、处理，然后再将推理后的信息翻译生成出来，转为图像、视频和语音，原因是大语言模型已经成熟，这么做是最简单的。

但在人类的思考中，形象思维和逻辑思维同等重要。所以我们从第一天做多模态模型，就不希望把信息都翻译成文本再推理，我们把信息抽象成一个中间表达，用这个中间态去做推理。要知道信息的图形化表达比纯文本思维链更难，虽然难，但这是我们在做的事。

：最近商汤新开了一个赛道——具身智能。这两年人形机器人很火热，大厂、AI企业纷纷下场，但具身智能“大脑”的研发似乎仍是关键。能否谈谈对具身智能赛道的想法？你觉得未来人形机器人会进入千家万户吗？

杨帆：我们做具身智能，是基于在视觉感知、大装置、大模型等多种技术的长期积累，背后的核心引擎是世界模型，它能为机器人、智能设备赋予感知、视觉导航及多模态交互能力。感知、导航和交互，是具身智能的三大核心能力。

普通人可能对具身智能还不太了解。举个例子，多年前AlphaGo已经战胜了人类围棋冠军，现在大语言模型也能写出漂亮的文章。但是，洗碗叠被、拿件东西这类对人很简单的事情，机器人却做不好。为什么？因为机器人可以在数字世界做很多事情，但在物理世界它的能力仍然有限。具身智能要让机器人的多模态数据同步，感知、意图和行动一致，让身体和大脑实现闭环。这是很难的，你让机器人回办公室取回遗忘的物品，它不仅要识别、拿取物品，还要应对复杂的外界环境，比如与陌生人交流、防范意外等。

我觉得未来人形机器人一定会进入千家万户。为什么打造人形机器人？因为过去几千年来，人类已经按照自己的体型、交互方式等，打造了一个物理世界，包括楼梯、电梯、桌椅、锅碗瓢盆等所有东西。

一个机器人如果只干特定任务，比如做饭或送货，它不需要一定是人形的，比如酒店的机器人已经很普及，并不是人形的。但是当这个机器人越来越通用时，具备了通用功能，那么人形机器人就是最经济、最方便的形态，这让它能更好地融入物理世界。

：智能汽车常被视为初代版的机器人，那人形机器人的进步也会像辅助驾驶那么快吗？

杨帆：人形机器人面临的一个挑战，是很难在真实世界收集数据，而它又需要海量数据反馈和训练。对智能汽车来说，辅助驾驶技术进步很快，因为你可以安排几百辆汽车每天上路测试，通过摄像头、感应器收集真实世界的数据，持续训练和完善它的智能。但你很难安排几百个机器人上街收集数据。即使没有AI，汽车照样在路上跑，但没有AI，人形机器人就不会上街。人形机器人是一个原生的智能设备，目前它还需要更多真实世界的训练和反馈才能持续进步。这也是我们现在非常重视世界模型的原因，对现实世界环境进行仿真训练。

商汤科技大楼内景。

：在我们的采访中，辅助驾驶、AI眼镜、智能座舱等企业都很重视AI在端侧的部署，端侧部署为什么很重要？

杨帆：AI在端侧的部署，对很多具体场景下的应用是很重要的。在端侧部署AI，打通端到端的能力，意味着数据采集、感知、推理、决策、反馈都能在终端设备上完成，它能够激活一些大场景，来形成对自身商业化的反哺。你会发现有很多场景确实对网络的延迟很敏感。

同时，它也有利于用户隐私安全和数据保护。随着数据的资产化，个人数据可能成为个人的重要资产。并且在AI时代，数据会成为核心生产资料，重要性如同工业时代的能源、农业时代的耕地。因此，在本地保护用户数据很重要。

：你说过，随着产业格局的演变，人工智能基础设施化是必然趋势。能否解释一下？

杨帆：AI作为一个先进生产力，一定会渗透进各行业，这是工业革命的内在逻辑。过去三次工业革命，电力、信息技术等都已渗透到了社会各个领域。当一个技术能够规模化地、广泛地改变产业结构乃至社会结构的时候，降低这个技术的门槛和成本也会成为必然，它会具有规模效应。

第一次工业革命，让蒸汽机、铁路成为基础设施。第二次工业革命，让发电厂、电网成为基础设施。第三次工业革命，让信息技术、互联网成为基础设施。如今，AI时代也会有新的基础设施，包括算力、数据等等，这个趋势很清晰。

：近期外界关注商汤组织架构的Re-cofound（二次联合创业），您也提到“1+X”战略，能不能介绍一下最新进展？

杨帆：“1+X”中的“1”是指从包括AI Infra（基础设施）到大模型的迭代，再到围绕多模态大模型技术的两个应用方向，一个是生产力的工具，另外一个就是下一代的多模态交互。“1”就像大树的主干，它本身也会形成比较大的商业机会，但更多还是持续推动整个AI技术的迭代和进步。

同时，人工智能还要进入到具体的行业，去解决具体问题，在某个行业或者跨行业的场景，并在每个分支形成独立的商业模式，这就是“X”。我们希望让“1”和“X”更好地结合，在商业化探索中有更灵活、更开放、更快速响应的能力。

基于这个战略，我们有几个不同方式：第一是把一些业务分拆，比如医疗、零售等都有典型的垂域，分拆后商汤占一定股份比例，给他们提供技术能力和价值。第二类是孵化，比如最近在搞的具身智能。第三类是对产业上下游和新行业的投资。

：你会担心AI取代人类吗？如何看待AI的风险？

杨帆：不担心。任何技术进步带来的风险都始终存在，与其担心，不如从现实出发，判断我们能做什么有意义的事情。比如在AI安全伦理上我们要做很多事情，要和国际社会、国际组织开展更多合作。随着越来越多的机器人出现，可以想象它们与物理世界、其他机器人和人之间产生交互，在交互过程中也在不断发展自己的智能。我们需要帮助它定义规则，除了物理规则，还有文化、价值观和道德准则等，最终产生人类所需要的智能。