在这封全员信发出后，报道称，商汤重点保留了日日新大模型和大装置相关的两个业务，报道还提到，查询商汤科技财报获悉，2024 上半年商汤实现收入 17.4 亿元，同比增长 21%；净亏损从去年同期的 31.23 亿元，减少至 24.57 亿元。

　　其中，

　　 各位商汤同学： 大家好！商汤在本月迎来了它的十周岁生日。与此同时，人工智能界也迎来了一个重大里程碑：诺贝尔物理学奖表彰了“用物理学推动人工智能”的工作，而诺贝尔化学奖则表彰了“用人工智能推动蛋白质结构预测”的成就。这标志着人工智能与科学之间的相互作用，互为研究目的也是研究工具，预示着一系列学科领域的新范式即将开启。新版五十英镑钞票上阿兰・图灵的肖像下印着一句话：“这不过是将来之事的前奏，也是将来之事的缩影”，- “Thisisonlyaforetasteofwhatistocome，andonlytheshadowof what is going tobe．” - 这或许是对我们这个时代最佳注释。 我们相信并期待通用人工智能时代的到来。务实来讲，我们已迈出了两步：即常说的传统 AI 1.0 和生成式大模型 AI 2.0。通常，AI 1.0 被看作是专用智能，专注于单任务和信息处理；而 AI 2.0 被视为通用智能，强调多任务和内容生成。但这样的描述虽然简单易懂，却并非完全准确，因为通用与专用之间并无明确界限，而且 AI 的落地应用终究要场景化，比如生成式大模型在垂直领域的应用。在我们看来，AI 1.0 和 AI 2.0 的一个重要区别在于 AI 成本结构的变化。 在传统的 AI 1.0 时代，模型生产的主要成本在于研发人员的投入。而在生成式大模型 AI 2.0 时代，模型生产的成本主要在于算力资源的投入。随着尺度定律在大语言模型、多模态模型、生成模型以及慢思考推理过程中得到验证，生产和使用大模型的成本可以直接等价于算力资源的消耗。简言之，生成式大模型 AI 的普及和商业化，需致力于降低大模型的生产和使用成本，这势必要结合大模型来迭代和优化算力，同时也需根据算力资源的特点来迭代大模型设计和应用。 因此，在生成式大模型 AI 领域，商汤的核心战略是实现算力大装置、大模型和应用的无缝集成，以应用驱动模型，以模型带动算力的优化。我们确立了“大装置-大模型-应用”的三位一体战略，旨在通过数量级级别的优化，提升算力资源的使用效率，服务好我们的客户。我们致力于成为最懂算力的大模型服务商，和最懂大模型的算力服务商。 在传统 AI 领域，我们将充分利用我们的