Coding Agent 卷到红海，下一个被 AI 打穿的是设计师

WAIC 2026 上，商汤联合创始人林达华说了一句话，让很多做 Coding Agent 的人睡不着：

「多模态是 Coding 之后的下一个战场。」

商汤同时发布了 SenseNova U1 Pro——一个定位「交付级」的原生多模态 Agent，第一站直插设计行业，正面对标 GPT-Image-2。

但这次不一样的地方不是模型又大了一圈，是商汤第一次把一个数字摆到了台面上：60%。

100 个字错 1 个，在交付场景就是 0 分

「交付级」这个词，过去在生成模型圈里基本是营销话术。商汤这次给了一个具体可测的标准：

组织 200 位美院学生和设计师，面对每张模型生成的图，只回答一个问题——「你愿不愿意把这张图交给客户？」获得肯定回答的比例超过 60%，才算过线。

按这个标准回测：今年上半年之前的所有主流生图模型，交付率全部是个位数。近期发布的商业化模型，包括一些你天天在用的热门产品，也低于 50%。

目前过线的只有两个：U1 Pro 和 GPT-Image-2。

林达华举的例子值得反复看：「一张海报上有 100 个字，错了 1 个字。传统评测里模型得 99 分，但对交付来说，就是 0 分。」

这就是行业的认知裂缝。评测体系按维度打分，「细节逼真度」拿 9 分、「构图合理性」拿 8 分，综合算 85 分，看着挺美。商业场景里，一张图有一个硬伤，客户直接打回来，不跟你谈「平均分还行」。

别再盯着 benchmark 了。真正值钱的是那句话：交付率。

不是「生成模型」，是「创作模型」

U1 Pro 凭什么能过 60% 这条线？

林达华的回答很直白：「这是一个创作模型，不是一个生成模型。」

传统生图的逻辑——给一个 prompt，出一张图。不满意？换 prompt 再来一次。这就是所谓的「抽卡」。你永远不知道自己在用工具还是在赌博。

U1 Pro 的工作流完全不同。它像真实设计师一样干活：接到需求 → 理解意图 → 思考版式 → 画草图 → 退一步审视是否跑偏 → 调整结构 → 逐区填入内容 → 整体调色精修 → 输出。

整个过程是一个 Agentic Generation Loop——多步迭代、自我反思、自我修正。你看到的是最终成品，背后模型已经跑了数十轮。

这条范式和 Coding Agent 完全一致。Coding Agent 写软件也不是一步出代码，是需求分析、架构设计、逐模块实现、测试修正。现在这套「理解-生成-反馈-迭代」的方法论，被平移到了视觉领域。

「AI 在数字空间里当设计师」——这不是比喻，是同一套架构。

技术层面，U1 Pro 做了一件更激进的事：理解、生成、行动在一个模型内部统一完成。不是多模型拼接协作，是一个模型在不断调用自己的不同能力，省掉了模块间「翻译」信息的损耗。它原生支持 8K 输出（GPT-Image-2 只能到 4K），在中文渲染和东方美学上做了定向强化学习。

CLI 是面向机器的，视觉才是面向人类的

Coding Agent 的军备竞赛已经打到白热化，模型公司迭代周期被压到以月为单位，大家都在拼 benchmark、拼速度、拼 IDE 生态。

但林达华给了一记清醒的：「CLI 是面向机器的，视觉才是面向人类体验的。」

后端逻辑趋同之后，前端视觉体验就是下一阶段的竞争高地。这不是商汤一家的判断——以编程能力见长的 Anthropic，在 Opus 4.8 中也悄悄重点强化了多模态元素。

行业里一直有种声音：未来 Agent 都会以 CLI 交互，多模态价值没那么大。林达华不这么看。人和 AI 持续共存，视觉就是人机交互不可替代的载体。

办公汇报、海报设计、游戏开发、影视制作——这些高频场景的本质都离不开视觉。纯文本 Coding 能解决逻辑，但解决不了审美与空间美学。你用任何代码模型写前端网页，一眼就能看出来是 AI 生成的——这就是纯文本 Coding 的天然盲区。

范式已经在迁移

商汤的产品矩阵已经把这套打法摆出来了：U1（开源）建社区生态，U1 Pro（闭源）打专业交付，U1 Fast 切成本敏感场景。三层架构，C 端走量拿反馈，B 端商业化闭环，开源养长期生态。林达华管这叫「沿途下蛋」——不指着一口吃成胖子，先打穿能打穿的行业，让收入支撑自己继续迭代。

Coding 已经验证过一件事：当一个赛道越过交付临界点，市场结构会发生剧烈变化。设计赛道正在逼近同一条线。

接下来 12 个月，比拼的不是谁的模型又刷了几个分，是谁的交付率先稳定过 60%。一旦过了这条线，从 Token 计费转向 Task 计费的窗口就会打开——卖算力是基础设施生意，卷的是成本；卖任务是应用层生意，定价锚点是用户的商业价值。

Coding Agent 的故事不是讲完了，是刚讲完上半场。下半场讲的是：AI 的交付能力，能不能从代码外溢到每一个需要审美的角落。