超越 Vision Banana，商汤开源 SenseNova-Vision：视觉任务大统一，经典视觉并入大模型
商汤开源SenseNova-Vision，实现视觉理解与生成统一，经典视觉任务原生融入大模型，数据反哺与推理协同，跨任务知识互补，降低应用门槛，同时开源5000万样本语料库。
先说一个核心判断：视觉大模型赛道，正在发生一次根本性的范式转移。
今天，商汤科技正式发布并全面开源了日日新 SenseNova-Vision——这是一款视觉理解与生成统一的大模型，也是商汤日日新体系在视觉能力上的一次关键升级。如果只是看到“开源”“发布”这样的字眼，可能觉得不过又是一次常规迭代，但这次不太一样。
以往的“统一视觉”方案，说白了就是把检测、分割、深度预测这些不同领域的专家模型打包在一起，虽然叫“统一”，但本质上还是各干各的，彼此之间没有实质性的协同。而 SenseNova-Vision 的核心变革在于：让视觉能力真正成为通用大模型的原生组成部分，而不是附加上去的插件。所有经典视觉任务——目标检测、图像分割、深度预测、3D 重建等——都在这个框架下实现了原生统一。
这种“原生融入”带来的好处，体现在两个方向上：
• 数据反哺：视觉领域积累了几十年的高质量数据，直接喂给大模型底座，相当于给它装上了一双真正理解世界的眼睛。
• 思维赋能：反过来，大语言模型的推理能力又让视觉任务之间融会贯通，甚至可以用自然语言直接定义全新的视觉任务。这已经不是简单的“1+1=2”了。
数据不会说谎。在视觉 AI 这个战场上，商汤已经连续十年稳居中国市场份额第一，2025 年更是首次拿下全球视频分析赛道市场份额第一，亚太地区同样位列榜首。SenseNova-Vision 的发布，等于把这种持续领先的视觉能力，彻底融入了统一的多模态大模型体系。这不仅仅是技术升级，更是一次能力层级的跃迁：从“执行工具”向“世界理解模型”的本质蜕变。它不再只是识别图像中的物体，而是真正开始理解物理世界的逻辑。
这种“大一统”的设计，带来的变化是碘伏性的：
• 跨任务知识互补，真正实现了 1+1>2。模型通过联合训练，激活了不同任务之间的内在协同。举个例子，深度估计的知识能强化语义分割的空间理解，而分割能力反过来又能辅助检测任务更精准地判断边界。最终得到的，是单任务模型永远无法企及的抽象推理能力——面对从未见过的任务和场景，也能从容应对。
• 从“工具执行者”升级为“通用理解者”。这个统一范式，重新定义了视觉智能的形态。模型不再是只能执行特定指令的工具，而是作为大模型的原生能力，成长为对视觉世界拥有深刻认知的基础多模态底座。
商汤 SenseNova-Vision 的发布和开源，已经验证了“统一多模态生成”这条技术路线的巨大潜力。更重要的是，它显著降低了视觉 AI 的应用门槛。开发者不再需要为不同的任务维护多套模型体系，一个模型就能覆盖绝大多数高频视觉需求。研发周期大幅缩短，部署成本也随之降低，尤其适合复杂图像和开放场景下的视觉应用开发。
与此同时，商汤还同步开源了一个包含 5000 万条高质量样本的视觉指令语料库——SenseNova-Vision Corpus-50M。这个动作，对全球 AI 生态来说，算得上是一剂强劲的催化剂。
按照规划，未来商汤会把 SenseNova-Vision 的核心技术全面融入日日新 U 系列大模型中，持续探索构建更强大的统一多模态基座模型。方向很明确：迈向能够更深刻感知、推理和交互物理世界的通用人工智能与世界模型。
据最新消息，Pico科技公司下一代头显“ProjectSwan”近日曝光，其外观设计融合了苹果VisionPro头带与三星GalaxyXR前脸，外接电池模块类似VisionPro。其控制器支持手势追踪与空间边界绘制功能，PicoOS6系统界面模仿visionOS风格。在硬件方面，采用了MicroOLED面板（4000PPI）以及双芯片架构，主处理器性能超越了
字节跳动Pico下一代VR头显ProjectSwan设计曝光，背面头带类似VisionPro，前部借鉴GalaxyXR，外接模块形似VisionPro电池，配备追踪控制器，支持手绘边界。软件方面，PicoOS6与visionOS高度相似，底层框架SpatialEngine对标RealityKit，搭载micro-OLED面板（4000PPI）。
据悉，负责VisionPro及苹果智能眼镜开发的高管PaulMeade将会离职并加入OpenAI，接替他职位的是FletcherRothkopf。他此前领导视觉产品部门，曾负责iPad和iPhone的硬件开发。此次离职正值苹果高层正在洗牌：JohnTernus即将接任首席执行官，芯片部门主管JohnySrouji转任首席硬件官。
苹果VisionPro副总裁保罗·米德因内部架构调整被降级后离职，加入OpenAI硬件团队。他在苹果主导VisionPro开发及无显示屏智能眼镜项目。OpenAI借此补足硬件制造能力，旨在将ChatGPT全模态能力融入穿戴设备。
兰博基尼为苹果VisionPro推出应用，包含Temerario、Revuelto、UrusSE与UrusSEPerformante四款车型。支持共享空间和完全沉浸两种模式，可1:1真实比例查看外观、内饰、结构及空气动力学细节，通过视线和手部交互，用户可全方位沉浸式探索车辆极致工艺。
兰博基尼在苹果VisionPro推出官方应用，首发四款车型包括Temerario、Revuelto、UrusSE及UrusSEPerformante。提供共享空间与完全沉浸两种模式，支持1：1真实尺寸查看，可深入观察内饰、空气动力学及混动系统，并展示3D流线路径与原始设计草图。
三星显示已决定终止为苹果平价版VisionPro开发玻璃基板Micro‑OLED面板，该面板PPI约1600-1700。苹果研发重心转向智能眼镜，原低价版VisionPro项目取消，取而代之的AppleGlass预计2027年上市。三星显示将继续研发自家MR设备用OLEDoS面板。
苹果更新VisionPro空间配件设计指南，重点在visionOS27支持第三方手柄控制器，明确LED光源技术参数与数据交互规范。此举因纯手势交互在游戏、工业场景效果不佳，此前已支持PSVR2手柄，现正式开放生态，助力游戏、3D建模等场景应用。
利民RoyalPretor130Vision双塔六热管散热器，黑白双色349元起，三年质保。磁吸顶盖配3.95英寸IPSLCD屏，支持自定义。尺寸130×140×165mm，6根6mmAGHP5.0热管，130mm+120mm风扇组合，S-FDBV2轴承。
联想发布ThinkVisionP34WD-40显示器，34英寸21:9IPSBlack面板，WQHD分辨率，120Hz可变刷新率，98%DCI-P3色域，2000:1对比度。接口丰富，USB-C支持140W反向快充，配2.5G网口、HDMI2.1，售价3999元。
火山引擎是字节跳动旗下企业级云与AI服务平台。聚焦大模型核心能力，依托字节自研豆包多模态大模型，凭借火山方舟一站式平台，提供模型精调、推理部署、智能应用搭建等全链路服务，结合高性能AI算力，助力各行业快速落地大模型数字化与智能化应用。
