没等到GPT-4o，商汤先把《Her》给发布出来了!
就在刚刚，商汤直接在现场来了个炸裂的Live Show，话不多说，直接看效果:
不仅声音非常拟人（观众直呼好磁性），而且还是实时、随时可以打断的那种!
它宛如被安上了一对儿眼睛，可以做到精准无误的所见即所得。
就连手绘的粗糙的简笔画，AI也能俏皮地跟人类做互动:
一波Live Show秀下来，引得观众掌声连连、“哇”声一片。
这就是商汤发布的国内首个流式原生多模态交互模型——6000亿参数日日新5.5系列中的5o所达到的效果。
据了解，这是一种全新的AI交互模式，把文本、声音、图像还有视频等模态全都囊括到了一起，可以让AI跟人们交流的时候变得更加生动丰富。
可以说是真·电影走进现实了。
而且商汤CEO徐立现场表示，很快就可以用上了!
但新的AI交互模型，也还仅仅是商汤在这次发布中的一隅。
纵观整场活动，商汤可以说是围绕着日日新5.5，把多模态这事给玩儿得66的。
各位看官，咱们继续往下瞧。
计算机巨佬们“活”了起来
你没看错，商汤用新AI搞的另一个花活儿，就是“复活”了图灵、冯诺依曼等计算机巨佬们。
并且还致敬了已故的人工智能科学家，商汤科技创始人汤晓鸥老师，徐立表示:
请看VCR:
这个新AI，名叫Vimi，是基于日日新5.5能力打造的首个可控人物视频生成大模型。
而且是只需要一张任意风格照片就能搞定、普通用户都可以用、长达1分钟的那种哦~
要知道，“人物可控”这事一直是用大模型搞生成的一道难题，就连Sora在内大模型也面临无法精准控制动作、连续性不稳定（突然变脸）等问题。
但Vimi就不一样了，它不仅能够精确地控制人物的面部表情，还能在半身像的范围内调节人物的自然姿态。
并且也能够自动生成与人物相匹配的头发、服装以及背景的变化;时长方面更是达到了分钟级别。
由此，以后要是想打造一个自己的大片儿，例如冰雪女王，那就是一张照片的事儿了:
以下视频来源于Vimi相机
以为这就完了?No，No，No。
你的表情包又要变丰富了。
总而言之，Vimi的出现可以说是利好视频创作者，让他们有了另一个高质量AI工具的选择。
值得一提的是，Vimi还被这次世界人工智能大会（WAIC）官方授予了最高荣誉——镇馆之宝。
怎么做到的?
对于能取得上述效果背后的杀手锏技术，商汤在现场也做出了大揭秘。
一方面是架构。
日日新5.5采用的是混合端边云协同专家架构，可以最大限度发挥云边端协同，降低推理成本。
另一方面是数据。
日日新5.5在模型训练上基于超过10TB tokens高质量训练数据，包括大量合成的思维链数据，其语言理解和交互能力全面升级。
因此，日日新5.5在数学、推理、编程等多个维度较上个版本具有较大的提升，尤其是在数学推理（↑31.5%）英文理解(↑53.8%)、指令跟随(↑26.8%)等核心指标方面。
那么这一点又该如何体现呢?权威评测榜单，便是一个很好的印证。
例如根据OpenCompass的评测，日日新5.5的平均分数已经与GPT-4o持平，并且多想细分维度的分数是超越了GPT-4o的。
不要999，不要99，只要9.9元全年
除了多模态之外，端侧，也是此次商汤着重的发力点之一。
现在的日日新端侧模型5.5Lite同样也在性能指标的各维度上做到了全面升级。
基于手机旗舰平台，5.5Lite首次安装包的耗时仅为0.19秒，相较于之前的版本减少了40%。
它的推理速度提高了15%，达到每秒90.2个汉字的处理速度。
此外，商汤还推出了端侧模型矩阵，其中包括商量Mini写作助手、总结助手和百科助手等专门定制的模型。
这些专项模型在相应的场景下具有更优异的性能，能够满足客户复杂业务场景的需求，同时也能够提供不同的专项模型供客户选择或定制。
而且基于日日新5.5的端侧大模型还做到了“多快好”，还做到了“省”——每台使用成本最低可达每年9.9元。
在企业方面，与商汤达成合作的企业用户已经超过3000家，覆盖领域包括互联网、医疗、金融和编程等等。
而说到价格，说到普惠，就不得不提商汤此次提出的“0元Go”计划了:
那么看完商汤此次的整场发布，我们还需要回答一个问题:
对于这个问题，商汤CEO徐立给出了他的解读:
因此，应用，或许就成为了决定这个时代是不是人工智能超级时刻的一个关键。
这也就是为什么商汤要推出流式原生多模态交互模型的原因了，只有做到了更丰富更精准的多模态，以及更低延时更可控，方可让应用这件事更上一层楼。
总而言之，思路已然清晰，技术不断进步，属于AI2.0的超级时刻或许正在加速向我们逼近。