NEO架构：商汤突破多模态模型的数据融合与原生架构设计
商汤科技正式发布并开源了与南洋理工大学 S-Lab合作研发的全新多模态模型架构 ——NEO，为日日新SenseNova多模态模型奠定了新一代架构的基石。
作为行业首个可用的、实现深层次融合的原生多模态架构（Native VLM），NEO 从底层原理出发，打破了传统“模块化”范式的桎梏，以“专为多模态而生”的创新设计，通过核心架构层面的多模态深层融合，实现了性能、效率和通用性的整体突破，重新定义了多模态模型的效能边界，标志着人工智能多模态技术正式迈入“原生架构”的新时代。
论文网址：https://arxiv.org/abs/2510.14979
打破瓶颈：告别“拼凑”，拥抱“原生”
当前，业内主流的多模态模型大多遵循“视觉编码器+投影器+语言模型”的模块化范式。这种基于大语言模型（LLM）的扩展方式，虽然实现了图像输入的兼容，但本质上仍以语言为中心，图像与语言的融合仅停留在数据层面。这种“拼凑”式的设计不仅学习效率低下，更限制了模型在复杂多模态场景下（比如涉及图像细节捕捉或复杂空间结构理解）的处理能力。
商汤 NEO 架构正是为了解决这一痛点而生。早在2024 年下半年，商汤便在国内率先突破多模态原生融合训练技术，以单一模型在SuperCLUE语言评测 和OpenCompass多模态评测中夺冠，并基于这一核心技术打造了日日新SenseNova6.0，实现多模态推理能力领先。之后，在2025 年 7 月发布日日新SenseNova6.5 通过实现编码器层面的早期融合，把多模态模型性价比提升 3 倍，并在国内率先推出商用级别的图文交错推理。商汤此次更进一步，彻底摒弃了传统的模块化结构，从底层原理出发，推出了从零设计的 NEO 原生架构。
三大内核创新：实现视觉和语言的深层统一
NEO 架构以极致效率和深度融合为核心理念，通过在注意力机制、位置编码和语义映射三个关键维度的底层创新，让模型天生具备了统一处理视觉与语言的能力：
●原生图块嵌入(Native PatchEmbedding)：摒弃了离散的图像tokenizer，通过独创的Patch Embedding Layer (PEL)自底向上构建从像素到词元的连续映射。这种设计能更精细地捕捉图像细节，从根本上突破了主流模型的图像建模瓶颈。
●原生三维旋转位置编码 (Native-RoPE)：创新性地解耦了三维时空频率分配，视觉维度采用高频、文本维度采用低频，完美适配两种模态的自然结构。这使得 NEO 不仅能精准捕获图像的空间结构，更具备向视频处理、跨帧建模等复杂场景无缝扩展的潜力。
●原生多头注意力(Native Multi-Head Attention)：针对不同模态特点，NEO在统一框架下实现了文本token的自回归注意力和视觉token的双向注意力并存。这种设计极大地提升了模型对空间结构关联的利用率，从而更好地支撑复杂的图文混合理解与推理。
此外，配合创新的 Pre-Buffer & Post-LLM 双阶段融合训练策略，NEO 能够在吸收原始 LLM 完整语言推理能力的同时，从零构建强大的视觉感知能力，彻底解决了传统跨模态训练中语言能力受损的难题。
实测表现：十分之一的数据，追平旗舰级性能
在架构创新的驱动下，NEO 展现出了惊人的数据效率与性能优势：
极高数据效率：仅需业界同等性能模型 1/10 的数据量（3.9亿图像文本示例），NEO 便能开发出顶尖的视觉感知能力。无需依赖海量数据及额外视觉编码器，其简洁的架构便能在多项视觉理解任务中追平 Qwen2-VL、InternVL3 等顶级模块化旗舰模型。
性能卓越且均衡：在 MMMU、MMB、MMStar、SEED-I、POPE 等多项公开权威评测中，NEO 架构均斩获高分，展现出优于其他原生 VLM 的综合性能，真正实现了原生架构的“精度无损”。
极致推理性价比：特别是在 0.6B-8B 的参数区间内，NEO 在边缘部署方面优势显著。它不仅实现了精度与效率的双重跃迁，更大幅降低了推理成本，将多模态视觉感知的“性价比”推向了极致。
开源共建：构建下一代 AI 基础设施
架构是模型的“骨架”，只有骨架扎实，才能支撑起多模态技术的未来。NEO 架构的早期融合设计支持任意分辨率与长图像输入，能够无缝扩展至视频、具身智能等前沿领域，实现了从底层到顶层、端到端的真正融合。从应用角度，端到端的“原生一体化”设计，为机器人具身交互、智能终端多模态响应、视频理解、3D交互及具身智能等多元化场景的应用，提供了坚实的技术支撑。
目前，商汤已正式开源基于 NEO 架构的2B 与 9B两种规格模型，以推动开源社区在原生多模态架构上的创新与应用。商汤科技表示，致力于通过开源协作与场景落地双轮驱动，将 NEO 打造为可扩展、可复用的下一代 AI 基础设施，推动原生多模态技术从实验室走向广泛的产业化应用，加速构建下一代产业级原生多模态技术标准。
Github开源网址：https://github.com/EvolvingLMMs-Lab/NEO
相关攻略
商汤科技杨帆指出，AI正从算力时代迈向智能时代，核心拐点是人机协作转向AI主动协作。算力市场结构反转，推理负载超越训练，竞争进入Token性价比分层时代。商汤大装置正向“智能精炼厂”进化，通过端到端体系将原始算力转化为高价值Token，助力企业高效拥抱智能变革。
当GPT-4o等模型再次成为焦点，业界的关注点也在悄然转变：仅仅“画得好”已经不够了，大家更渴望的是“速度快、效率高、成本低”。 过去很长一段时间里，视觉理解与图像生成，通常被视为两套独立的系统：一个负责“看懂”世界，另一个负责“画出”世界，两者之间需要通过复杂的模块进行衔接。这种底层逻辑上的割裂，
上海人工智能实验室联合多家机构发起国产软硬件适配验证计划，致力于打造覆盖AI全流程的验证平台与自主生态社区。该平台旨在解决国产算力与应用协同难题，构建从芯片到应用的全链路验证体系，支持多种软硬件适配，推动国产AI技术向“好用、易用”发展。商汤科技依托AI大装置深度参与，已。
商汤大装置、大晓机器人与广西产业技术研究院达成战略合作，共同构建“算力—数据—模型—场景”四位一体的产业闭环。三方将依托“广西—东盟具身智能中试训练场”，在算力调度、数据集建设及机器人应用规模化落地等方面协同发力，旨在推动广西具身智能产业升级，并将影响力辐射至东盟区域。
商汤大装置SenseCore平台获工信部软件供应链安全能力最高等级认证，成为全国首批达标企业。该评估依据国家标准，旨在应对软件供应链安全风险。作为新一代AI基础设施，商汤大装置构建了从算力到服务的端到端能力，其上海临港智算中心算力规模领先。此次认证标志其安全可信的算力底座达到。
热门专题
热门推荐
洞察市场先机：SOL合约持仓量深度解析与实战应用 在瞬息万变的加密货币衍生品市场，SOL合约持仓量如同一张实时绘制的“资金热力图”。它不仅揭示了多空双方投入的真实资本规模，更映射出市场情绪的微妙变化与潜在的趋势转折点。对于精明的交易者而言，掌握解读这张“地图”的能力，意味着能在市场博弈中抢占信息高地
《像素秘境·唤灵师》可通过九游APP或官网下载。在九游APP搜索游戏名即可预约并获取最新版，官网专区也提供高速与普通下载选项。两种方式均能便捷安装，专区还附有游戏攻略供参考。
车市价格战正处微妙临界点。二季度起，一股与以往降价潮不同的涨价暗流开始酝酿。截至五月中旬，至少15家主流新能源品牌已释放调价信号，或直接涨价，或收紧优惠，涉及比亚迪、特斯拉、蔚来等传统及新势力车企。
说起《上古卷轴5：重制版》的主线旅程，奥杜因克星任务绝对是一座绕不开的高峰。它不仅是叙事的关键转折点，更是一场对玩家策略、操作与耐心的综合试炼。想要征服这条恶龙，光有勇气可不够，一份清晰的行动路线图至关重要。接下来，我们就一起梳理一下这场终极对决的核心脉络与实用技巧。 一、剑指目标：前往奥杜因克星的
SOL合约限价单的最小价格单位是0 001美元。该单位是交易时报价的最小变动值，直接影响订单的精确性与灵活性。了解此规则对合约交易者有效设置订单和管理策略至关重要。