AI news

西班牙,夺冠!押中世界杯黑马的中国AI,在WAIC甩出杀器

By 新智元1 viewsSource: 新智元
西班牙,夺冠!押中世界杯黑马的中国AI,在WAIC甩出杀器

北京时间今天凌晨,时隔16年,西班牙人重新举起大力神杯!

The full text has not been translated yet. The Chinese original is shown below.

北京时间今天凌晨,时隔16年,西班牙人重新举起大力神杯!

文章配图

而在为这一刻欢呼的同时我们发现,今年的美加墨世界杯,除了踢球的、看球的,还有一群「数字选手」也格外忙碌——

那些顶着几十亿参数,一路疯狂推演、预测的AI大模型。

小组赛阶段,当商汤小浣熊押「佛得角」能挺进32强时,没人当真。可它偏偏正中靶心,而12个大模型演算104场比赛,敢押佛得角这匹黑马的,只有4个。

文章配图

到了西班牙对阵阿根廷的决赛,小浣熊玩得更大。

它把两队的晋级路径、球员对位、历史交锋和海量关键数据揉碎重组,再交由商汤日日新旗舰级SenseNova U1 Pro执笔排布,干脆利落地甩出一张巨幅尺寸、直接铺满整个论坛大屏的超清战报图。

文章配图

这张长卷里,小浣熊预测阿根廷将以2比1战胜西班牙夺冠。虽然这次针对比分的「终极预言」与现实擦肩而过,但它向行业展示的,却是从「给出一个猜测」到「交付一件完整的商业成品」的蜕变。

商汤这次在WAIC舞台上真正想讲的故事,便藏在这张图里。

敢押佛得角的底气,藏在基座里

看到这你可能要问了,既能押中黑马,又能完成巨幅战报图,靠得是什么能力?

答案就藏在它背后的商汤日日新SenseNova大模型体系和集成其能力的的Skills。其中交付最终成品图的是全新的SenseNova U1 Pro。

简单来说,U1 Pro是一款面向长程任务的交付级原生多模态智能体基座,内核是理解、生成、行动的原生统一。

这两年,OpenAI和Anthropic都不约而同地都把重心压在了代码、办公、设计这几个场景上。原因就在于,这些场景背后是同一件事:解决长程任务,跑通智能体的Loop(闭环)。

AI Coding就是现成的样本。

最早是Copilot,帮专业开发者补全代码,全球也就2000万程序员用得上;接着是Vibe Coding,用自然语言表达需求,人群一下子就拓宽了。

再往后,Coding Agent开始拆解任务、调用工具、测试修复,代码彻底藏到了任务背后。普通人拿到手的,直接就是结果。

可以看到,一旦真正到系统级交付阶段,复杂的专业门槛按被悄然抹平,任何人都能轻松上手。模型的商业价值也由此真正显现。

而多模态技术,正在重走AI Coding走过的路。如今,它已经站在了走向系统级内容交付的节点——Agentic Generation(智能体生成)。

原因在于,可控,不等于可交付。

在过去,用户让AI改个局部,往往导致全局崩盘。这种不可控的生成,让看似充满灵感的创作,实则变成了纯凭运气的「盲盒抽卡」。

U1 Pro跨越的,就是这一步。而其中的关键,就在「理解、生成、行动的原生统一」这几个字上。

正因为模型不仅能生成,还看得懂自己生成出来的东西,它才能不停地反思。

围绕一个目标,持续地理解、规划、执行、检查、修正,一跑就是数十轮——这就是智能体生成循环(Agentic Generation Loop)。

文章配图

用徐立的话说:不需要你有更多的编辑、理解和生成能力,只要把意图充分表达,AI就可以给到你可交付的内容。

回头看这届世界杯,其实就是这套循环的一次公开路演。

持续咀嚼赛事数据是理解,压中佛得角是推理,而那张惊艳全场的巨幅战报图,则是最后一环的交付。整个过程在同一个系统里完美闭环,不需要人类中途接力。

那这套系统交出来的东西,到底长什么样?

这里有一个极其严苛的任务。设计一张原创电影海报,要求高完成度、可以直接上映宣传使用。

来看结果:雨夜港口、蒙尘的电话亭、窗上的水痕,光影完整;左上角手写体片名《雾港来信》,配文「寄信的人,七年前已经消失在了海上」;底部还有一整行监制、导演、编剧、摄影的演职员小字。

文章配图

放大看,字字清晰。整体效果,就是那种可以直接送进影院灯箱的感觉。

而且,除了海报之外,无论是漫画、广告还是杂志封面,U1 Pro都能实现直接交付结果。

文章配图

文章配图

文章配图

文章配图

文章配图

从数字世界,走进物理世界

如果你以为理解、生成、行动的统一,就只能用来生图和做设计,那就小看它了。

实际上,WAIC开幕前几天,商汤还基于同样的架构体系,开源了统一视觉大模型——SenseNova-Vision,把检测、分割、深度估计这些过去彼此割裂的经典视觉任务,生生并进了同一个模型。

这无异于给AI换上了一双「物理之眼」,让它开始读出数字图像背后更底层的物理三维现实。

举个例子。

面对密密麻麻挤在一起的鱼群、货架上东倒西歪的商品——它能把每一个个体剥离出来、清点清楚。

工业计数、智慧仓储这些老大难场景,一下子有了新解法。

文章配图

文章配图

用徐立的话说:在人类眼中甚至可能产生幻觉的信息,在AI的眼中,其实可以正确推断出背后的结构化信息。

从此,视觉AI从只会执行指令的「工具」,变成了看得懂物理世界的「世界理解模型」。

多模态智能能解决的问题,也就从数字世界的设计稿,一路延伸到了物理世界的真实场景。

超级个体的那些事

行业的事说完了。那对我们普通人来说,这套系统能用来做什么?

在WAIC上,围绕着商汤的多模态智能体系统,我们还看到了一个个超级个体(OPC)的故事正在发生。

李博在景观审图一线摸爬滚打了二十年,毒辣眼光全藏在岁月的褶皱里。他不认识任何编程语言,却借助小浣熊捏出一套「总工之眼」,让二十年的隐秘经验,破天荒变成可复制、可结构化的数字资产。

文章配图

崔城是一位历史发烧友。他将五百位历史人物的荣辱、羁绊与迁徙揉进一张动态故事地图,王安石的诗词与足迹在像素间复活。

文章配图

曹文伟的世界虽然没有光,但他却把小浣熊用作「第二双眼睛」,通过全程的语音交流,为中国上千万视障人士量身打磨出了一套更懂盲人的教材。

此时此刻,无障碍第一次从「工具无障碍」,走到了「能力无障碍」。

文章配图

像他们这样的人还有很多——我们缺的只是把它锻造成实物的产能。

过去,这种产能被包装成团队、项目组或昂贵的工作室;而今天,这种战斗力,可以轻松被压缩进了轻量级的软件里了。

Token之后,Task上桌

产能之后,接下来发生变化的,就是拿起它的人。徐立把这个现象,称作「使用者的迁移」。

前面那条代码的路早就证明,能力每往前走一步,用的人就换一批、多一圈。如今多模态被U1 Pro拽进第三段,人群一旦重构,两块基石随之动摇。

从Tool到Agent,从Token到Task,从Programmer到OPC。

首先是计价刻度的转向。行业习惯了按Token计费,也就是按燃烧的算力收钱。但当聚光灯打在超级个体身上时,徐立认为,价值的核心必须转向Task,按任务的圆满交付来结账。

其次是组织形态裂变。小浣熊带动超两千万用户运转,周活三百万,八千家企业客户接入,并已裂变出教育、政数、金融等行业版本。

把这一路串起来看,正是同一个理解、生成、行动原生统一的基座,靠着越拉越长的Loop,向上长出数字世界的设计交付,向外走进物理世界的工业现场,向下把产业级的生产力,递到每一个普通人的手里。

什么是好的AI产品?徐立的答案是:不做替代,做能力的拓界;不做依赖,做个人的成长。具体到这届WAIC,就是把工作室级别的长程生产力,双手献给每一个人。

AI虽然未能完美预测出绿茵场上的终极比分,但这恰恰证明了现实世界的不可预知与巨大魅力。

球场上的冠军属于胜者,但当工作室级别的长程生产力被双手奉上时,每一个普通的「超级个体」,都已经在AI的赋能下,拿到了属于自己人生的「全场MVP」。

One More Thing

对了,文章写到这里,还有一个反转没讲。

整个赛程里,小浣熊一直坚定押注阿根廷。但就在决赛开打的前一天,它悄悄把答案改成了——西班牙。

最新的数据进来,共识变了,它就跟着修正了自己。

还记得徐立那句话吗?AI预测的从来不是未来,而是当下的信息共识。

这么看,理解、检查、修正的那个Loop,一直都跑在每一次判断里。

文章来自于"新智元",作者 "新智元"。

Related topics

After reading

Join the AINRK community

Read how to join the community and connect with people working in AI.

Community information (opens in a new tab)