外观
新闻X今天
商汤林达华：具身AI加速取决于数据智能密度与原生多模态
本文由 AI 根据公开内容整理，可能有误，请以原文为准：𝗕𝗲𝘆𝗼𝗻𝗱 𝗕𝗶𝗴𝗴𝗲𝗿 𝗠𝗼𝗱𝗲𝗹𝘀: 𝗪𝗵𝗮𝘁 𝗗𝗿𝗶𝘃𝗲𝘀 𝗔𝗜 𝗣𝗿𝗼𝗴𝗿𝗲𝘀𝘀（X：商汤 SenseTime (@SenseTime_AI)（via AIHOT））
核心内容
商汤联合创始人兼首席科学家林达华在中信证券第33届投资者论坛上提出，AI技术演进不能仅依赖模型参数规模扩张，更需关注构建方式的智能化转型。他明确预判具身AI将在未来一到两年内进入加速发展阶段，这一时间窗口判断为产业研发节奏与资本投入提供了关键参考坐标，标志着行业重心正从通用大模型向垂直具身场景迁移。
在技术路径上，林达华强调数据的“智能密度”是决定模型学习效果的核心变量，这要求具身数据采集需从海量堆砌转向高价值信息提取。同时，他主张多模态能力不应作为后期插件，而必须原生内建于模型架构与训练全流程中。这种原生多模态与高密度数据策略，旨在解决具身智能在复杂物理交互中的泛化瓶颈，提升端到端控制系统的鲁棒性。
关键看点
- 发展窗口：明确预判具身AI将在未来1至2年内迎来加速期，为算法迭代与硬件落地提供关键时间节点参考
- 数据指标：提出“智能密度”概念，强调数据质量与信息含量比单纯规模更能决定具身模型的学习上限
- 架构范式：主张多模态能力需原生内建于模型架构与训练中，而非后期拼接，以提升物理世界交互性能
工程与产业观察
该观点修正了具身智能研发中“唯规模论”的倾向，提示工程师应优先优化数据集的智能密度与清洗策略，而非盲目扩充算力。原生多模态架构的要求意味着感知与控制模块需在预训练阶段深度融合，这对当前分离式技术栈提出重构挑战，也为高质量具身数据资产确立了新的估值逻辑。
线索来源：AIHOT
来源
本页事实对应的公开页面，以原文为准。