精华速览

华为小艺大模型应用实验室首任主任刘睿，2022年从港中文MMLab博士毕业后加入商汤，从事手机厂商算法定制。2022年底Stable Diffusion与ChatGPT相继出现，他判断大模型将颠覆商汤卖算法SDK的商业模式，并在内部推动生成式AI研究。2023年12月汤晓鸥去世后，商汤内部氛围动荡，加之乙方定制化模式缺乏技术主张权与延续性，刘睿于2024年离开商汤加入华为。他在商汤未能立项的对话式修图，2025年被推上华为Mate 80发布会；同年年底小艺大模型应用实验室成立，研究方向覆盖大语言模型、多模态、Agent与具身智能。刘睿提出，AI助手应告别聊天框，从被动响应走向主动服务。

要点透视

  • 刘睿2022年6月从港中文MMLab博士毕业即加入商汤MIG终端方向，主要为“华米OV”等手机厂商研发算法，客户需向高通、联发科、索尼等上游芯片与传感器厂商采购底层硬件。
  • 2022年底，刘睿在商汤MIG内部连做两场技术报告，分别介绍Diffusion图像生成与GPT大语言模型路线，随后从芯片预研独立研究员转为团队负责人，带团队探索生成式AI在端侧落地。
  • 刘睿判断大模型时代商汤卖算法SDK的模式失效：基础模型泛化后可覆盖垂直领域，手机厂商更倾向自研基模或与商汤研究院合作，而非继续向MIG采购定制算法。
  • 2023年12月15日汤晓鸥意外离世，被刘睿称为商汤的“定海神针”离开，公司人心受冲击，成为他2024年离职的导火索之一。
  • 刘睿在商汤与小米合作时产生“对话式修图”想法，因产业方无明确需求未能立项；加入华为后推动该技术上线，2025年下半年由余承东在Mate 80发布会介绍，刘睿称其为终端行业首个落地的对话式修图技术。
  • 2025年年底华为小艺大模型应用实验室成立，刘睿任首任主任，研究方向从图像生成扩展至多模态理解、Agent、世界模型与具身智能。
  • 实验室2025年4月发布Aura流式视频理解模型，支持实时视频交互与主动服务，5月被OpenAI前CTO Mira Murati创办的Thinking Machines Lab引用；6月发布开源图像生成模型Boogu，参数100亿，训练成本为业界十分之一甚至百分之一。
  • 刘睿将小艺定位为“J.A.R.V.I.S.加Samantha”，强调终端“1+8+N”设备体系与鸿蒙系统是差异化优势，同时承认主动服务需把控制权交给用户，隐私与打扰边界仍是待解问题。

文章拆解

刘睿的职业路径折射出AI产业过去三年的结构性转折。他在商汤MIG的工作本质是乙方算法定制：与高通、联发科、索尼等上游芯片厂商做预研，再把算法打包卖给手机终端厂商。这套模式在深度学习时代成立，因为垂域算法研发成本高，手机厂商外采更划算。但大模型具备泛化能力后，一个基础模型可覆盖人脸识别、OCR等多个垂直领域，定制调优的价值被压缩，商汤这类算法供应商的生意根基随之松动。刘睿的离开，既是商业模式的判断，也叠加了汤晓鸥离世带来的组织震荡。

加入华为后，刘睿的角色从乙方转为甲方，直接面向C端产品。对话式修图是一个典型样本：需求在商汤时已萌芽，却因客户没有明确采购意愿而无法立项；到华为后，他借助终端产品体系迅速落地。这说明在大模型时代，技术主张权与产品入口同样重要，算法供应商若不能掌握用户场景，前沿想法容易停留在纸面。

小艺实验室的研究布局也透露出华为的差异化思路。Aura强调流式视频理解与主动服务，Boogu追求低成本开源图像生成，Math Canvas探索图像参与思维链，Omni-Interact试图建立全模态交互评测基准。这些工作共同指向一个判断：下一代助手的竞争点不在聊天框内的问答质量，而在能否持续感知环境、理解用户上下文并主动提供服务。华为的“1+8+N”设备体系和鸿蒙系统提供了多端触达能力，这是纯数字世界助手难以复制的条件。

但主动服务也带来明显变量。刘睿承认，助手何时开口、何时保持安静，主动权应交给用户；长期记忆与短期记忆的划分、个性化上下文的使用，都涉及隐私和商业边界。他提到提示词注入与工具链投毒是智能体安全的主要攻击方式，但具体防护效果尚待确认。另一个风险是基础模型能力扩张过快：今天投入的产品功能，可能被下一代模型直接覆盖。刘睿的应对是以三个月到六个月后的模型能力做产品设计，并保留数据、训练基础设施和技术经验作为沉淀，但这一策略能否持续奏效，取决于模型迭代节奏与组织决策效率。

更宏观地看，刘睿提到的“基础模型吞吃应用边界”正在发生：Character AI的角色扮演价值被GPT演进吸收，固定工作流被模型自主规划替代。对华为而言，小艺既要与盘古模型迭代同步，又要在智能体开放平台上协调第三方应用，避免平台与应用的价值被基模单向挤压。刘睿对个人智能体的最终形态仍持保留态度，认为“帮用户买东西”未必是真实需求，这提示行业在热词之外仍需回答一个朴素问题：模型能做的，和用户真正愿意交出去的，之间还有多大距离。

查看原文