近年AI發展呈階段性躍升：由生成式 AI（GenAI）帶動內容創作與知識普及，進一步演化為代理式 AI（Agentic AI），能在工作流中自我學習並協作完成複雜任務；同時亦走向具身智能（Embodied AI），讓智能體透過「身體」與物理世界交互，推動在工業、服務及家庭等場景實施。此趨勢顯示 AI 正由虛擬走向現實，從工具轉型為能持續進化的產業基礎設施。

商湯科技董事長兼 CEO 徐立博士指出，過去 10 年是人工智能（AI）認知變化最快的時期，AI 正由感知走向生成，再邁向具身智能與世界模型，重塑各行各業的工作方式。

多模態大模型的突破

商湯科技聯合創始人兼首席科學家林達華教授直言，AI產業化雖加速，但仍面臨可靠性、專業數據、空間理解及成本等挑戰。他認為，缺乏深厚視覺技術積累的公司，即使擁有海量數據，其數據處理和訓練價值也遠低於具備數據提煉能力的公司。

林教授形容，一般通用基礎模型僅能達到 70 至 80 分的水平，不足以應對高可靠性要求的商業應用。要將模型能力從 80 分提升至商業實際應用所需的 99 分，必須在特定行業場景中，結合專家反饋進行強化學習（Reinforcement Learning，RL），這是一個關鍵挑戰。

▲商湯科技聯合創始人兼首席科學家林達華教授透露新一代原生多模態架構 NEO 預計在明年春季成熟並推出，旨在解決現有淺層拼接模型的能力上限問題。

「我們不只是堆砌數量，而是像煉油般提煉高純度知識，能將原始數據轉化為高價值訓練數據。同時早在 2018 年已建立亞洲最大運算中心之一，能整合大量 GPU 發揮最大效能。」林教授續透露，為應對晶片供應風險，商湯已提前佈局，其模型不僅能在 NVIDIA 晶片上運行，也能在一至兩周內快速適配到多種國產晶片。

深層次的多模態能力，是處理未來複雜任務（如結合病歷、影像、對話進行醫療分析）的關鍵，也是商湯建立技術護城河的核心。

下一代原生多模態架構 NEO

AI 的未來發展方向是自我進化（Self Evolution）與多 AI 代理（Multiple Agent）協作，模擬團隊合作以處理更複雜的任務。多模態技術的競爭正從「能否辨識」轉向「能否理解與推理」，簡單拼接視覺與語言模型的淺層架構，將難以滿足市場需求。

不過目前多數模型僅為淺層拼接，能力存在天花板。缺乏底層多模態架構研發能力的企業，將喪失長期競爭優勢。

林教授指出，商湯的策略是將技術應用打穿「工業紅線」，即達到可商業化實施的實用水平，專注於為行業帶來實際價值，而非僅追求基準測試分數（benchmark）。

「公司策略是『兩條腿走路』：一方面基於現有模型能力深入行業場景，另一方面利用獲取的回饋來迭代未來的模型。為此我們推出了 NEO 底層架構，每一個模塊本身就是原生多模態，能同時處理視覺與語言，並透過 Cross-View Prediction 提升空間智能，突破了現有拼接式模型的瓶頸。」

為解決現有架構瓶頸，商湯正開發名為 NEO 的原生多模態架構，預計明年春季推出新一代模型，能力預期將顯著超越現有的日日新 6.0/6.5 版本。

具身智能與「開悟」3.0

大曉機器人（ACE ROBOTICS）月初時公佈，由商湯科技聯合創始人兼執行董事王曉剛博士出任董事長，並將於 12 月 18 日重磅發佈多項具身智能機器人產品技術，同時推出開源的「開悟」世界模型 3.0（Kairos 3.0）。

到底甚麼是具身智能（Embodied AI）？

所謂具身智能（Embodied AI 或 Embodied Intelligence），是指智能系統通過物理身體與環境進行互動，從而產生認知和學習的能力。此概念強調身體與環境在智能形成過程中的重要作用。

有別傳統 AI 聚焦符號處理和運算，具身智能認為智能不僅存在於「大腦」（運算系統），身體的感知和行動能力也是智能的組成部分；智能是在與真實環境的持續互動中產生的，並且通過感知與行動的循環，令系統能更好地理解和適應世界。最典型例子包括：人形機械人、自動駕駛汽車和機械狗。

▲商湯科技聯合創始人兼執行董事王曉剛博士新近上任大曉機器人（ACE ROBOTICS）董事長。

「大曉機器人是商湯孵化的獨立企業，專注於軟硬一體的具身機器人。即將開源發佈的『開悟 3.0』世界模型能理解重力、摩擦等物理規律，並具備多模態理解、合成編輯及長期預測能力。」王博士續指，開源策略有助吸引開發者及推動國產晶片適配，建立「模型、硬件、場景」一體化生態。

他又透露，首發產品為機械狗，未來將拓展至人形機械人。王博士稱，有別市場現有的機械狗，新產品配備了「導航盒子」與機械人大腦，賦予機械狗空間自主能力，可在百度或高德地圖上選點並自主導航。

瓶頸、挑戰與機遇

而在商業化路徑方面，王博士表示公司的機械狗已開始變現，目標是明年出貨量達 1000 台，將首先尋找重點客戶試點，利用現有超過 3000家 智慧城市與文旅客戶基礎，作為推廣移動機器人平台的重要渠道，成功後再快速擴大產量。他預計，中期（1-2 年）會先聚焦工業搬運與零售服務，遠期（約 5 年）目標是進入家庭場景，但後者對安全與任務複雜度的要求極高。

「機器人（機械人）若要進入家庭場景，需要額外的傳感器來感知溫度或新鮮度等信息以確保安全，且對產品質量要求極高。現有機器人在通用性、可靠性及觸覺感知方面存在顯著差距；機器人本體的硬體（硬件）質量如關節、結構，是商業化落地（部署）的一大挑戰，尤其是在需要高可靠性的工業或家庭場景。」王博士指出，市場上現有機械人的硬件在特定應用場景中存在不足，需要與軟件「大腦」結合進行重新設計與提升，才能滿足客戶實際需求。

他強調，機械人的安全性不僅是技術問題，更是決定其能否被社會和家庭接受的信任問題。若無法確保 100%的可靠性，將難以進入市場。

商湯預測，未來 AI 大模型將成為驅動社會進步的基礎設施，既提升效率，亦催生新業態。林達華教授強調，未來 AI 將透過用戶反饋自我演進，實現愈用愈強的代理智能；而王曉剛博士則指出，具身智能將在工業、服務及家庭場景逐步實施，並以開源世界模型推動生態繁榮。