多模态AI进入新阶段：从“抽卡”到“交付”

多模态AI的进化，终于走到了一个关键转折点——从“抽卡”式的随机生成，转向真正能交付作品的系统级能力。

图片来源：商汤科技

7月18日，2026世界人工智能大会（WAIC）上，商汤科技正式发布了旗下大模型家族的新旗舰——SenseNova U1 Pro（以下简称U1 Pro）。

作为“日日新 SenseNova U”系列的顶配版本，U1 Pro的定位很明确：面向长程任务的交付级原生多模态智能体基座。它把理解、生成和行动真正捏合在一起。

在原生统一架构的基础上，视觉创作领域做了深度迭代。复杂图片创作能力直接对标全球顶尖模型的“交付级”水准。

多模态进化三阶段：商汤的比喻

商汤给出一个判断：U1 Pro的发布，意味着多模态AI进入“长程演进”的新阶段。行业正在告别过去那种单点式内容生成（Generation），全面转向能够闭环完成复杂、长程任务的系统级内容交付（Delivery）。

商汤科技联合创始人、首席科学家林达华打了个比方——代码产品已经走通的路径，多模态产品正在重走一遍：

• 从Copilot工具辅助
• 到Vibe Coding意图驱动
• 再到Agentic Coding系统级任务交付

多模态的进化也类似：

• 第一阶段：解决“真实感生成”的问题；
• 第二阶段：能够用自然语言交互并持续修改，实现多模态创作进阶；
• 第三阶段：在真实场景中直接完成“交付级”创作，设计美感和内容精准兼顾，彻底告别反复抽卡的困境。

U1 Pro四大核心交付能力

但问题在于：能交互，不等于能交付。旗舰版U1 Pro给出了四大核心交付能力：

• 巅峰设计美感，彻底甩掉“AI味”；
• 原生8K超清输出；
• 极致的图文与细节控制；
• 长程Agentic闭环思维——说白了，就是让AI不再只是“画个图给你看”，而是能按要求把活儿干完、干好。

底层架构：NEO-unify打通理解与生成

之所以能突破“生成”边界、走向“稳定交付”，底层核心在于NEO-unify内核架构。这个架构在原生多模态体系中实现了语言和视觉的统一表征，打破了理解与生成之间长期存在的割裂壁垒。

商汤今年4月开源了基础模型SenseNova U1。开源两个多月以来，在真实高强度工作流中表现不错。

今年6月，U1的用户人均日生图量相比5月提升了近3倍——说明模型已经深度切入真实应用工作流。截至7月中旬，U1以及集成了U1能力的SenseNova-Skills代码库在GitHub上的总Star数突破8000。

同时，商汤还开源了SenseNova-Vision统一视觉大模型。基于原生统一架构，实例分割、目标检测等经典视觉任务直接成为通用大模型的原生能力，告别了传统“多专家模型拼凑”的局限。

高难度场景：美学叙事、逻辑控制、数据推理

在考验系统级交付实力的高难度场景中，U1 Pro主攻三个方向：美学叙事、逻辑控制，以及硬核数据推理。

比如在复杂视频创作任务中，模型不再靠随机抽卡拼凑镜头。它先自主规划并生成整体视觉蓝图——包括剧情世界观、主角与敌人人设、服装武器、沙漠环境色调——然后一次性输出多达22个逻辑一致的连续分镜。

在此基础上，配合商汤的视频工具，实现了人物、剧情和视觉语言的高度可控交付。

《沙影之刃》世界观设定 & 22镜分镜总览

商业化落地与发布计划

在可落地的商业化场景上，作为通用多模态基座，U1 Pro正在重塑办公、电商、教育等生产单元。目前已经在商汤旗下的产业级AI“小浣熊”和视频创作工具“Seko”中得到验证。

数以千万计的个人用户，接近一万家企业用户，以及大批AI原生组织，正在把自身经验、兴趣和创意转化为可规模化复用的真实交付成果。

U1 Pro的预览版本目前已经开启邀请测试，后续会随着推理服务资源扩大逐步放开。正式版本将在今年8月上线，对公众开放服务，届时会同步推出定价和API服务。

《夸克》非常好用的免费AI浏览器

下载APP查看