上证报中国证券网讯（记者郑维汉）4月28日，商汤科技正式发布并开源日日新SenseNova U1系列原生理解生成统一模型。该模型基于商汤于今年三月自主研发的NEO-unify架构，在单一模型架构上统一了多模态理解、推理与生成。

　　商汤科技表示，在逻辑推理与空间智能等方向上，SenseNova U1能够深度理解物理世界的复杂布局与精细关系；在未来，它还能为机器人提供具身大脑，实现在单一模型闭环内完成从复杂环境感知、逻辑推演到精准任务执行的全过程，为推动技术与产业发展提供重要基础与关键引擎。

　　据介绍，NEO-unify架构摒弃了主流的拼接式，去除了视觉编码器（VE）和变分自编码器（VAE），重新构建统一的表征空间，并且深入融入每一层计算中，从而实现从模态集成向原生统一的范式跨越。

　　这使得SenseNova U1系列模型能够将语言与视觉信息作为统一的复合体直接建模，实现语言和视觉信息的高效协同，让理解与生成能力同步增强，在保留语义丰富度的同时，维持像素级的视觉保真度。

　　具体来看，传统多模态模型是把视觉编码器和语言骨干通过适配器拼接在一起。它像一个“说不同语言的人组成的工作组”：有人专门看图，把图像翻译为语言，有人专门理解文字，进行推理，有人把结果再翻译为设计指令，把图画出来。每完成一次任务，信息都要在不同成员之间来回传递。这个过程虽然可行，但难免会有等待、误解和信息损耗。

　　SenseNova U1是基于统一表征空间所构建，更像是一个从一开始就同时掌握多项技能的人。它不是先看懂图像、再翻译成文字、再交给另一个系统理解，而是在同一套“思考方式”里直接处理图像、文字等不同信息。图像和语言不再是两套系统之间的接力，而是在同一个大脑中自然融合。这样带来的好处是：信息流转更快捷，理解更直接，生成更高效。模型不需要依赖单纯堆大参数来弥补中间转换的损耗，而是通过统一的内部表征，把不同模态的信息以更紧凑、更高密度的方式组织起来。

　　简单来说，传统架构像是“人协作、层层转述”；SenseNova U1更像是一个全能大脑，直接理解，直接表达。少了中间转译，信息损耗更低，也能在相对更精简的模型规模下，实现更强的多模态理解与生成能力。

　　值得注意的是，凭借NEO-Unify架构优势，SenseNova U1在业内首个实现连续性的图文创作输出。并且只需要单次单模型调用，就能输出更高质量的作品，相比传统范式，实现了效率的大幅提升。

　　同时，SenseNova U1所具备的原生图文理解生成能力，能天然将图像和文本底层融合信号完整的保留上下文中，区别于过去只能利用多模型串联勉强实现。它的图像间风格具备明显的高一致性，能在统一表征空间进行高效连贯思考。