北斗專訪｜商湯楊帆：AI在物理世界還有很長的路要走

【編者按】

“星漢燦爛，若出其里。”人工智能邁入閃耀時刻。

4月29日，習近平總書記來到位于徐匯區的上海“模速空間”大模型創新生態社區調研。他指出，人工智能技術加速迭代，正迎來爆發式發展，上海要總結好以大模型產業生態體系孵化人工智能產業等成功經驗，加大探索力度，力爭在人工智能發展和治理各方面走在前列，產生示范效應。

如今，徐匯區已形成“北斗列陣”+“群星閃耀”的AI生態布局。其中，“北斗七星”由稀宇科技、商湯科技、階躍星辰、無問芯穹、星紀魅族、特贊科技和斑馬智行7家標桿企業構成。

這些企業何以成為“北斗”？它們在人工智能領域有哪些探索和前瞻性的思考？澎湃新聞推出“北斗專訪”系列報道，通過深度對話，解碼標桿企業的AI星辰版圖。

近日，商湯又一次引起外界關注。在2025年世界人工智能大會（WAIC）上，商湯不僅發布了新模型，還開辟了新賽道——具身智能，成為其在AI前沿領域的最新布局。

商湯科技聯合創始人、執行董事、大裝置事業群總裁楊帆在接受澎湃新聞專訪時表示，無論是商湯2025年完成的“1+X”組織架構調整，還是最近在具身智能、穩定幣等賽道的布局，背后的邏輯來源于對AI產業兩個發展趨勢的觀察和回應：

其一，AI正朝著更大規模、更強泛化能力的方向演進，遵循尺度定律（Scaling Law），模型能力持續增強，這是技術層面的長期主線。

其二，AI正加速向細分行業滲透、打穿，實現端到端的深度整合與應用落地。AI作為一個通用工具，用戶長期來看還是為價值買單的，AI真正要創造價值，必須跟下游場景形成閉環和產品。

祝碧晨 設計

楊帆說，中國人工智能取得了很大進步，但仍面臨商業邏輯、性價比邏輯上的挑戰，AI企業需要持續性的盈利能力。他認為，一方面要追求在AI核心技術上的持續突破，另一方面也要尋求在不同細分領域的落地，兩者的關系如同大樹的樹干和樹枝。

這兩年，雖然AI大模型迭代速度快，但和人們此前想象的并不一樣。“GPT4剛出來時，很多人為之驚嘆，覺得AGI（通用人工智能）很快要實現了。但實際情況不是這樣。”楊帆說，人們看到的，是多模態大模型、AI Agent（智能體）、具身智能以及世界模型等相繼面世。

“80后”的楊帆，本碩畢業于清華大學電子工程系，主導建設了商湯超大型人工智能計算中心（AIDC）。在他辦公室的書柜上，擺放著家人的照片、孩子的手辦和玩偶。在同事眼里，他是一位性格親和、非常健談的人。他善于讓對談者放松，也會不動聲色地拋出尖銳的觀點。

“我覺得人形機器人一定會進入千家萬戶，但它現在仍面臨在真實世界收集數據的難題。”楊帆說，雖然AI在數字世界已取得很大突破，但在物理世界還有很長的路要走。感知、導航和交互，是具身智能的三個核心能力，人形機器人的演進最終要讓“身體”和“大腦”實現閉環。

楊帆相信，人工智能基礎設施化是必然趨勢。過去三次工業革命，使蒸汽機、鐵路、電網、互聯網等成為基礎設施。現如今在AI時代，數據、算力等將會成為新一代基礎設施的重要組成。任何技術進步帶來的風險都始終存在，但與其擔心風險，他認為不如思考能做什么，比如為AI定義規則、文化和價值觀。

商湯科技大樓，位于上海徐匯區。

【對話楊帆】

澎湃新聞：如今各行各業都談論AI大模型，感嘆其發展速度何其迅猛。作為行內人，你怎么判斷當前AI產業的趨勢？

楊帆：這幾年AI的發展有兩個顯著趨勢，一方面是模型能力持續增強，具備更強的泛化與通用智能，AI在技術上會持續追求規模化，這是一個大趨勢。另一方面，AI正加速向細分行業滲透，實現端到端的深度整合與應用落地，包括AI Agent（智能體）也在加快興起。這背后的邏輯是，AI作為一個通用工具，長期來看用戶還是為價值買單的，AI真正要創造價值，就要能跟下游場景形成閉環、形成產品。

這兩年AI大模型發展非常快，但有一點需要注意，它的快和兩年前人們想象的快是不一樣的。GPT4剛出來時，很多人為之驚嘆，覺得馬上AGI（通用人工智能）很快要實現了。但實際情況卻不是這樣，我們看到的是多模態大模型、具身智能、AI Agent以及世界模型等，這些出來了。

澎湃新聞：從大語言模型，到多模態大模型、具身智能，再到一些細分領域的垂類模型，大模型的概念似乎越來越寬泛了？

楊帆：事實上，國內語言體系和海外略有不同。2022年OpenAI的GPT3.5出來，它本質上是LLM（Large Language Model），即大語言模型。今天我們說的多模態大模型，智能體，或者世界模型，大家都叫大模型的方向，但其實和LLM是不同的體系。都叫大模型也不能說錯，因為這是大模型迭代發展的長期趨勢。另外，多模態信息感知和處理的能力，是AGI的核心要求，也是從語言模型走向AGI的必由之路。從多模態感知、推理，再到交互，當前多模態智能的演進，正在進一步驅動AI發展。

澎湃新聞：商湯是做視覺起家，在計算機視覺領域積累深厚，這會讓你們投身多模態大模型領域有不一樣的視角嗎？今年世界人工智能大會上，商湯在大模型中引入形象思維，成為國內首個采用圖文交錯思維的商業級大模型，背后有什么技術考慮？

楊帆：語言和視覺是典型的兩種模態。語言、文字是對自然信息高度壓縮過的一種編碼，它的好處是傳輸效率高，有效信息量大，但同時也會造成原始信息損失。而視頻則是另一種模式，它對物理世界有更豐富和完整的呈現，但缺點在于信息的信噪比低，有效信息量小。

人類的日常活動，天然涉及對文本、圖像、視頻、網頁等多模態信息的處理。現在很多人做多模態模型，是把圖像、視頻、語音等其他模態信息翻譯成文本，再灌入模型去思考、處理，然后再將推理后的信息翻譯生成出來，轉為圖像、視頻和語音，原因是大語言模型已經成熟，這么做是最簡單的。

但在人類的思考中，形象思維和邏輯思維同等重要。所以我們從第一天做多模態模型，就不希望把信息都翻譯成文本再推理，我們把信息抽象成一個中間表達，用這個中間態去做推理。要知道信息的圖形化表達比純文本思維鏈更難，雖然難，但這是我們在做的事。

澎湃新聞：最近商湯新開了一個賽道——具身智能。這兩年人形機器人很火熱，大廠、AI企業紛紛下場，但具身智能“大腦”的研發似乎仍是關鍵。能否談談對具身智能賽道的想法？你覺得未來人形機器人會進入千家萬戶嗎？

楊帆：我們做具身智能，是基于在視覺感知、大裝置、大模型等多種技術的長期積累，背后的核心引擎是世界模型，它能為機器人、智能設備賦予感知、視覺導航及多模態交互能力。感知、導航和交互，是具身智能的三大核心能力。

普通人可能對具身智能還不太了解。舉個例子，多年前AlphaGo已經戰勝了人類圍棋冠軍，現在大語言模型也能寫出漂亮的文章。但是，洗碗疊被、拿件東西這類對人很簡單的事情，機器人卻做不好。為什么？因為機器人可以在數字世界做很多事情，但在物理世界它的能力仍然有限。具身智能要讓機器人的多模態數據同步，感知、意圖和行動一致，讓身體和大腦實現閉環。這是很難的，你讓機器人回辦公室取回遺忘的物品，它不僅要識別、拿取物品，還要應對復雜的外界環境，比如與陌生人交流、防范意外等。

我覺得未來人形機器人一定會進入千家萬戶。為什么打造人形機器人？因為過去幾千年來，人類已經按照自己的體型、交互方式等，打造了一個物理世界，包括樓梯、電梯、桌椅、鍋碗瓢盆等所有東西。

一個機器人如果只干特定任務，比如做飯或送貨，它不需要一定是人形的，比如酒店的機器人已經很普及，并不是人形的。但是當這個機器人越來越通用時，具備了通用功能，那么人形機器人就是最經濟、最方便的形態，這讓它能更好地融入物理世界。

澎湃新聞：智能汽車常被視為初代版的機器人，那人形機器人的進步也會像輔助駕駛那么快嗎？

楊帆：人形機器人面臨的一個挑戰，是很難在真實世界收集數據，而它又需要海量數據反饋和訓練。對智能汽車來說，輔助駕駛技術進步很快，因為你可以安排幾百輛汽車每天上路測試，通過攝像頭、感應器收集真實世界的數據，持續訓練和完善它的智能。但你很難安排幾百個機器人上街收集數據。即使沒有AI，汽車照樣在路上跑，但沒有AI，人形機器人就不會上街。人形機器人是一個原生的智能設備，目前它還需要更多真實世界的訓練和反饋才能持續進步。這也是我們現在非常重視世界模型的原因，對現實世界環境進行仿真訓練。

商湯科技大樓內景。

澎湃新聞：在我們的采訪中，輔助駕駛、AI眼鏡、智能座艙等企業都很重視AI在端側的部署，端側部署為什么很重要？

楊帆：AI在端側的部署，對很多具體場景下的應用是很重要的。在端側部署AI，打通端到端的能力，意味著數據采集、感知、推理、決策、反饋都能在終端設備上完成，它能夠激活一些大場景，來形成對自身商業化的反哺。你會發現有很多場景確實對網絡的延遲很敏感。

同時，它也有利于用戶隱私安全和數據保護。隨著數據的資產化，個人數據可能成為個人的重要資產。并且在AI時代，數據會成為核心生產資料，重要性如同工業時代的能源、農業時代的耕地。因此，在本地保護用戶數據很重要。

澎湃新聞：你說過，隨著產業格局的演變，人工智能基礎設施化是必然趨勢。能否解釋一下？

楊帆：AI作為一個先進生產力，一定會滲透進各行業，這是工業革命的內在邏輯。過去三次工業革命，電力、信息技術等都已滲透到了社會各個領域。當一個技術能夠規模化地、廣泛地改變產業結構乃至社會結構的時候，降低這個技術的門檻和成本也會成為必然，它會具有規模效應。

第一次工業革命，讓蒸汽機、鐵路成為基礎設施。第二次工業革命，讓發電廠、電網成為基礎設施。第三次工業革命，讓信息技術、互聯網成為基礎設施。如今，AI時代也會有新的基礎設施，包括算力、數據等等，這個趨勢很清晰。

澎湃新聞：近期外界關注商湯組織架構的Re-cofound（二次聯合創業），您也提到“1+X”戰略，能不能介紹一下最新進展？

楊帆：“1+X”中的“1”是指從包括AI Infra（基礎設施）到大模型的迭代，再到圍繞多模態大模型技術的兩個應用方向，一個是生產力的工具，另外一個就是下一代的多模態交互。“1”就像大樹的主干，它本身也會形成比較大的商業機會，但更多還是持續推動整個AI技術的迭代和進步。

同時，人工智能還要進入到具體的行業，去解決具體問題，在某個行業或者跨行業的場景，并在每個分支形成獨立的商業模式，這就是“X”。我們希望讓“1”和“X”更好地結合，在商業化探索中有更靈活、更開放、更快速響應的能力。

基于這個戰略，我們有幾個不同方式：第一是把一些業務分拆，比如醫療、零售等都有典型的垂域，分拆后商湯占一定股份比例，給他們提供技術能力和價值。第二類是孵化，比如最近在搞的具身智能。第三類是對產業上下游和新行業的投資。

澎湃新聞：你會擔心AI取代人類嗎？如何看待AI的風險？

楊帆：不擔心。任何技術進步帶來的風險都始終存在，與其擔心，不如從現實出發，判斷我們能做什么有意義的事情。比如在AI安全倫理上我們要做很多事情，要和國際社會、國際組織開展更多合作。隨著越來越多的機器人出現，可以想象它們與物理世界、其他機器人和人之間產生交互，在交互過程中也在不斷發展自己的智能。我們需要幫助它定義規則，除了物理規則，還有文化、價值觀和道德準則等，最終產生人類所需要的智能。