本報(bào)訊 （記者李喬宇）近期，商湯集團(tuán)股份有限公司（以下簡稱“商湯”）正式發(fā)布并開源了與南洋理工大學(xué)S-Lab合作研發(fā)的全新多模態(tài)模型架構(gòu)——NEO，為日日新SenseNova多模態(tài)模型奠定了新一代架構(gòu)的基石。

    作為行業(yè)首個(gè)可用的、實(shí)現(xiàn)深層次融合的原生多模態(tài)架構(gòu)（NativeVLM），NEO從底層原理出發(fā)，打破了傳統(tǒng)“模塊化”范式的桎梏，以“專為多模態(tài)而生”的創(chuàng)新設(shè)計(jì)，通過核心架構(gòu)層面的多模態(tài)深層融合，實(shí)現(xiàn)了性能、效率和通用性的整體突破，重新定義了多模態(tài)模型的效能邊界，標(biāo)志著人工智能多模態(tài)技術(shù)正式邁入“原生架構(gòu)”的新時(shí)代。

    當(dāng)前，業(yè)內(nèi)主流的多模態(tài)模型大多遵循“視覺編碼器+投影器+語言模型”的模塊化范式。這種基于大語言模型（LLM）的擴(kuò)展方式，雖然實(shí)現(xiàn)了圖像輸入的兼容，但本質(zhì)上仍以語言為中心，圖像與語言的融合僅停留在數(shù)據(jù)層面。這種“拼湊”式的設(shè)計(jì)不僅學(xué)習(xí)效率低下，更限制了模型在復(fù)雜多模態(tài)場景下（比如涉及圖像細(xì)節(jié)捕捉或復(fù)雜空間結(jié)構(gòu)理解）的處理能力。

    商湯NEO架構(gòu)正是為了解決這一痛點(diǎn)而生。早在2024年下半年，商湯便在國內(nèi)率先突破多模態(tài)原生融合訓(xùn)練技術(shù)，以單一模型在SuperCLUE語言評(píng)測和OpenCompass多模態(tài)評(píng)測中奪冠，并基于這一核心技術(shù)打造了日日新SenseNova 6.0，實(shí)現(xiàn)多模態(tài)推理能力領(lǐng)先。之后，公司在2025年7月份發(fā)布日日新SenseNova 6.5，通過實(shí)現(xiàn)編碼器層面的早期融合，把多模態(tài)模型性價(jià)比提升3倍，并在國內(nèi)率先推出商用級(jí)別的圖文交錯(cuò)推理。商湯此次更進(jìn)一步，徹底摒棄了傳統(tǒng)的模塊化結(jié)構(gòu)，從底層原理出發(fā)，推出了從零設(shè)計(jì)的NEO原生架構(gòu)。

    目前，商湯已正式開源基于NEO架構(gòu)的2B與9B兩種規(guī)格模型，以推動(dòng)開源社區(qū)在原生多模態(tài)架構(gòu)上的創(chuàng)新與應(yīng)用。商湯表示，致力于通過開源協(xié)作與場景落地雙輪驅(qū)動(dòng)，將NEO打造為可擴(kuò)展、可復(fù)用的下一代AI基礎(chǔ)設(shè)施，推動(dòng)原生多模態(tài)技術(shù)從實(shí)驗(yàn)室走向廣泛的產(chǎn)業(yè)化應(yīng)用，加速構(gòu)建下一代產(chǎn)業(yè)級(jí)原生多模態(tài)技術(shù)標(biāo)準(zhǔn)。

（編輯 張偉）