2025年4月23日，商汤科技在北京举办年度技术发布会，正式推出其自研多模态大模型“日日新U1 Pro”。该模型被定位为面向图像生成与理解领域的旗舰产品，商汤方面明确表示，其综合性能已全面对标OpenAI于2024年底发布的GPT-Image 2，标志着中国企业在多模态AI赛道上的又一次重要突破。

核心能力：从理解到生成的一步跨越

日日新U1 Pro并非简单的版本迭代。据商汤科技副总裁、大模型事业部负责人孙宇介绍，该模型在图像理解、精细编辑、风格迁移以及文本到图像生成等四大维度实现了显著跃升。“过去我们的模型侧重于‘看懂’图像，而U1 Pro真正做到了‘看懂并创造’——它能够理解用户复杂的语义指令，生成符合逻辑、细节丰富的作品，甚至对已有图像进行像素级修改。”

在发布会现场演示中，U1 Pro展现了多项令人印象深刻的能力：输入“一张星空下的咖啡馆，桌上的咖啡杯里倒映出梵高《星月夜》的漩涡纹理”，模型在3秒内生成了一幅光影协调、艺术风格统一的图像；而对一张真实照片中的人物眼镜添加“午夜蓝渐变反光”的编辑指令，模型同样精准响应，保留了原作的光影关系与人物表情。

技术架构：混合专家模型与语义理解双轮驱动

商汤技术团队透露，U1 Pro背后采用了升级后的“混元·多模态”架构，融合了大规模扩散模型（Diffusion Model）与自研的语义解析网络。与GPT-Image 2依赖纯文本-图像对齐不同，U1 Pro特别强化了“空间关系理解”模块：当用户描述“一只猫在桌子下面，桌上有两本书和一杯茶”这类复杂场景时，模型能正确区分前后遮挡关系，避免出现常见的“物体穿透”或“逻辑矛盾”错误。

此外，U1 Pro在中文语义理解上具有天然优势。商汤团队对超过10亿条中文语料进行深度清洗与标注，使模型能够准确处理汉语中的成语、俗语以及多义词。例如，输入“画一个‘绿肥红瘦’的意境”，模型不仅给出了红花绿叶的画面，还通过色彩饱和度与光影处理传递出李清照原词中的凋零感——这种文化语境的理解能力，是通用英文模型难以企及的。

对标GPT-Image 2：差异化竞争与市场补位

与OpenAI的GPT-Image 2相比，日日新U1 Pro在多项公开评测指标上表现接近，并在部分领域实现反超。根据商汤公布的第三方评测数据显示，在中文图像创作流畅度（基于1000人盲测）、复杂指令准确率（如“生成一张包含3个不同年代风格钟表的桌面”）以及图像编辑一致性（同一物体在不同角度下的形变控制）等维度，U1 Pro的胜率分别高出GPT-Image 2约6%、9%和4%。

“GPT-Image 2在全球范围内树立了标杆，但它对中文用户并不友好。无论是俚语理解还是汉字艺术字生成，都存在明显短板。”知名AI分析师、智库“智变未来”创始人陈致远在接受采访时表示，“商汤的U1 Pro正好补充了这一空白。更重要的是，它采用了完全自主研发的底层算法，不受任何外部技术管制，这对于国内企业和政府用户的合规部署至关重要。”

不过他也指出，在图像真实感（尤其是人脸细节）和视频生成能力方面，U1 Pro与GPT-Image 2仍有差距。商汤方面坦言，未来将通过“日日新”系列的持续迭代缩小差距，并计划在下一版本中整合视频生成功能。

产业落地：降低创作门槛，赋能千行百业

发布会上，商汤同时宣布了U1 Pro的商用计划。该模型将以API接口形式开放给开发者，并预装于商汤自研的“AI创作工坊”应用。首批合作方包括小红书、得到APP、以及多家国内头部广告代理公司。商汤科技CEO徐立表示：“我们的目标不是取代人类创作者，而是让每个人都拥有‘视觉表达能力’——无论是设计师、自媒体人还是普通用户，都能通过自然语言描述，将脑海中的画面变成现实。”

在医疗影像辅助诊断、建筑设计概念生成、电商商品描述配图等垂直领域，U1 Pro也已展开试点。例如，在建筑设计领域，输入“现代风格别墅，南立面大量运用玻璃幕墙，北立面采用粗糙石材，朝东有一个悬挑露台”，模型即可输出符合建筑规范的多角度透视图，帮助设计师快速迭代方案。

行业展望：多模态大模型进入“实用主义时代”

日日新U1 Pro的发布，恰逢全球AI大模型从“炫参数”向“拼应用”转型的关键节点。继百度文心·一格、阿里巴巴通义万相之后，商汤此举进一步巩固了中国在多模态生成领域的集体优势。但竞争同样激烈：字节跳动、腾讯、华为等巨头也在紧密跟进。

“2025年将是多模态大模型落地见效的一年。”陈致远预测，“谁能更早地解决中文场景下的语义偏差、文化理解以及成本控制问题，谁就能在To B和To C两个市场同时占据主动。”商汤方面透露，U1 Pro的API调用价格将比同类竞品低30%左右，意在通过“技术+价格”双优势迅速铺开市场。

随着日日新U1 Pro的正式商用，中国多模态AI的实用化进程再次提速。对于普通用户而言，或许不久后，我们就能像今天使用搜索引擎一样，用一句话让AI帮我们画出心中所想——那扇通往视觉想象力的大门，正被商汤们缓缓推开。