過去一段時間，AI大模型技術(shù)的積累和突破讓大眾對其認知顯著提升，AI應(yīng)用的發(fā)展如今已接近“臨門一腳”。從實際功能和應(yīng)用落地的角度來看，未來大模型的眾多應(yīng)用場景天然具備豐富的模態(tài)信息需求。
例如自動駕駛、視頻交互、辦公教育、金融、醫(yī)療、園區(qū)管理、工業(yè)制造等領(lǐng)域，這些場景要求大模型能夠高效處理和識別圖像、視頻、語音、文本甚至醫(yī)療CT/MR信息等多源異構(gòu)信息，滿足用戶復(fù)雜多樣的需求。從商業(yè)視角出發(fā)，多模態(tài)模型技術(shù)的突破使得融合多種模態(tài)的模型能帶來各個維度的性能提升，也能打破多模態(tài)模型割裂的現(xiàn)狀，實現(xiàn)“一模多用”的高效架構(gòu)。
此外，實現(xiàn)多模態(tài)模型和交互創(chuàng)新的融合、走向真正意義的模型一統(tǒng)，是走向世界模型的必經(jīng)之路。商湯科技在這一領(lǐng)域深耕多年。我們基于全新的技術(shù)路徑，致力于一方面提升不同場景下的跨模態(tài)交互體驗，同時將高可靠性、高精準性的深度推理能力和多模態(tài)信息處理能力推向更廣泛的產(chǎn)業(yè)場景，賦能新質(zhì)生產(chǎn)力發(fā)展，助力拓展經(jīng)濟高質(zhì)量發(fā)展的新空間。
