多模態(tài)搶占C位，成為AI企業(yè)的“應(yīng)許之地”？

須知參差多態(tài)，乃是幸福本源。——羅素

人工智能占領(lǐng)世界，多模態(tài)統(tǒng)治人工智能。

從OpenAI發(fā)布GPT-4o、谷歌亮出Project Astra到馬斯克新一代大模型Gork-3，再到智譜AI自主智能體AutoGLM、DeepSeek開(kāi)源模型Janus-Pro，以及智元機(jī)器人的啟元大模型GO-1，這些模型背后，無(wú)論科技巨頭還是科技新星，都瞄準(zhǔn)了同一個(gè)方向：多模態(tài)AI。

谷歌研究報(bào)告顯示，預(yù)計(jì)至2025年，全球多模態(tài)AI市場(chǎng)規(guī)模將飆升至24億美元，而到2037年底，這一數(shù)字更是預(yù)計(jì)將達(dá)到驚人的989億美元。

資本也用真金白銀對(duì)多模態(tài)投下了“信任票”。根據(jù)全球金融追蹤機(jī)構(gòu)PitchBook發(fā)布數(shù)據(jù)顯示，2024年，生成式AI領(lǐng)域的融資活動(dòng)異常火爆，全年融資總額高達(dá)560億美元，同比增長(zhǎng)192%。其中OpenAI融資總額81億美元，Anthropic完成75億美元融資，xAI共募集120億美元資金。這些投資主要聚焦于多模態(tài)生成技術(shù)突破、大語(yǔ)言模型優(yōu)化、計(jì)算效率提升等方向。

為什么全球AI企業(yè)選擇集體押注多模態(tài)？多模態(tài)又將如何塑造未來(lái)十年的AI格局？

多模態(tài)重塑AI進(jìn)行時(shí)

隨著AI越來(lái)越多地與現(xiàn)實(shí)世界發(fā)生交互，增強(qiáng)多模態(tài)能力、提升推理效率、降低訓(xùn)練成本以及加強(qiáng)領(lǐng)域?qū)I(yè)性，正成為大模型新一輪演化的重要方向。

如果把大語(yǔ)言模型（LLM）比作“關(guān)在籠子里的AI”，那么它和世界交互的方式就是通過(guò)“遞文字紙條”。

文字是人類對(duì)世界的表示，存在著信息提煉、損失、冗余、甚至錯(cuò)誤。而多模態(tài)就像是讓AI繞開(kāi)了人類的中間表示，直接接觸世界，從最原始的視覺(jué)、聲音、空間等開(kāi)始理解世界、改變世界。

“模態(tài)”一詞最早是生物學(xué)概念，人類的“五感”——觸覺(jué)、聽(tīng)覺(jué)、視覺(jué)、嗅覺(jué)、味覺(jué)，都是一種模態(tài)。從技術(shù)角度來(lái)說(shuō)，模態(tài)就是感官數(shù)據(jù)，不僅包括最常見(jiàn)的圖像、文本、視頻、音頻數(shù)據(jù)，還包括傳感器等更為豐富的數(shù)據(jù)類型。

大模型經(jīng)歷了從傳統(tǒng)單模態(tài)模型，到通用單模態(tài)，再到通用多模態(tài)的演進(jìn)。

單模態(tài)AI的輝煌已經(jīng)實(shí)現(xiàn)，如語(yǔ)言模型（如GPT）、視覺(jué)模型（如ResNet）以及語(yǔ)音模型（如Wav2Vec）雖取得了耀眼成就，但現(xiàn)實(shí)世界的復(fù)雜性無(wú)法僅靠單一模態(tài)理解。

這是由于單模態(tài)AI只能處理某一種類型的信息，通過(guò)讓AI學(xué)習(xí)互聯(lián)網(wǎng)上的海量文本、圖片等不同模態(tài)的數(shù)據(jù)，尋找其內(nèi)在規(guī)律，但在算力、數(shù)據(jù)資源的限制下，僅依賴互聯(lián)網(wǎng)的數(shù)據(jù)學(xué)習(xí)會(huì)很快達(dá)到瓶頸，難以全面理解和應(yīng)對(duì)現(xiàn)實(shí)世界中多樣化的信息輸入。只有像人類一樣多種感官信息相互補(bǔ)充，才能準(zhǔn)確感知和理解世界。

為了讓AI更接近人類的認(rèn)知和交互水平，多模態(tài)技術(shù)應(yīng)運(yùn)而生。1971年，美國(guó)心理學(xué)家艾伯特·梅拉賓（Albert Mehrabian）在著作《無(wú)聲的信息》一書(shū)中提出，人類交流中僅有7%的信息通過(guò)語(yǔ)言傳遞，其余93%通過(guò)語(yǔ)調(diào)（38%）和面部表情、肢體動(dòng)作（55%）完成。這一發(fā)現(xiàn)被稱為“梅拉賓法則”，又稱7-38-55規(guī)則，成為多模態(tài)理論早期的重要基礎(chǔ)。

隨著OpenAI的DALL-E/GPT-4o/o1/o3、DeepMind的Flamingo等多模態(tài)系統(tǒng)的問(wèn)世，讓AI打破模態(tài)邊界，不僅開(kāi)始理解世界，還能生成跨模態(tài)的內(nèi)容，這些進(jìn)步標(biāo)志著智能系統(tǒng)進(jìn)入了一個(gè)全新維度。

簡(jiǎn)單理解，多模態(tài)AI=多種數(shù)據(jù)類型+多種智能處理算法。

這一系統(tǒng)整合了多種不同模態(tài)的數(shù)據(jù)，通過(guò)復(fù)雜的算法模型進(jìn)行融合處理，從而使AI系統(tǒng)能夠像人類一樣，綜合運(yùn)用多種信息進(jìn)行決策和交互。正是這種跨越不同模態(tài)理解和創(chuàng)建信息的能力，超越此前側(cè)重于集成和處理特定數(shù)據(jù)源的單模態(tài)AI，贏得了各大科技巨頭的青睞。

多模態(tài)AI的核心在于多源數(shù)據(jù)的整合與對(duì)齊。通過(guò)將視覺(jué)、語(yǔ)言和聲音轉(zhuǎn)化為統(tǒng)一的潛在表示，讓模型可以實(shí)現(xiàn)跨模態(tài)學(xué)習(xí)。例如，OpenAI的CLIP模型通過(guò)大規(guī)模圖文對(duì)比學(xué)習(xí)，掌握了語(yǔ)言描述與視覺(jué)特征之間的映射關(guān)系。

在更復(fù)雜的場(chǎng)景中，數(shù)據(jù)融合不只是簡(jiǎn)單疊加，還需解決模態(tài)對(duì)齊的難題。比如，語(yǔ)言中的抽象概念如何匹配圖像中的具象特征？Transformer架構(gòu)的引入為這一挑戰(zhàn)提供了技術(shù)支撐，其自注意力機(jī)制能夠在多模態(tài)間捕捉深層關(guān)聯(lián)，使模型具有更強(qiáng)的泛化能力。

從BERT到Vision Transformer，再到多模態(tài)預(yù)訓(xùn)練模型（如BEiT-3），Transformer重新定義了AI的應(yīng)用范圍。以DeepMind的Perceiver為例，其通用架構(gòu)適配了語(yǔ)言、視覺(jué)和聲音數(shù)據(jù)，展示了強(qiáng)大的模態(tài)遷移能力。

對(duì)比學(xué)習(xí)和遷移學(xué)習(xí)技術(shù)同樣推動(dòng)了多模態(tài)AI的快速發(fā)展。例如，通過(guò)對(duì)比學(xué)習(xí)，模型可以更高效地在模態(tài)間捕捉相關(guān)性，即使在小樣本數(shù)據(jù)下依然保持卓越性能。

而多模態(tài)AI的想象力，遠(yuǎn)不止于此。

激發(fā)真實(shí)世界理解力

從生成式AI、自動(dòng)駕駛、具身智能到智能體，多模態(tài)已經(jīng)成為推動(dòng)AI從“單一感知”邁向“全局理解”的核心。行業(yè)分析指出，多模態(tài)技術(shù)的突破正推動(dòng)AI從工具向生產(chǎn)力轉(zhuǎn)化，并進(jìn)一步拓展商業(yè)邊界。

2022年及之前，大模型處于單模態(tài)預(yù)訓(xùn)練大模型階段，主要探索文本模式的輸入輸出。

2017年，谷歌提出Transformer架構(gòu)，奠定了當(dāng)前大模型的主流算法結(jié)構(gòu)。2018年，基于Transformer架構(gòu)訓(xùn)練的BERT模型問(wèn)世，參數(shù)規(guī)模首次突破3億。2020年6月GPT3.0的發(fā)布，標(biāo)志著AI已經(jīng)能夠高水平地生成文字和代碼。隨后，2022年7月，文生圖領(lǐng)域的標(biāo)志性產(chǎn)品Stable Fusion問(wèn)世。

2023年，是大模型發(fā)展進(jìn)程中一道重要的“分水嶺”，其從文本、圖像等單模態(tài)任務(wù)逐漸發(fā)展為支持多模態(tài)的多任務(wù)，更為符合人類感知世界的方式。大模型公司的比拼重點(diǎn)轉(zhuǎn)移為多模態(tài)信息整合和數(shù)據(jù)挖掘，精細(xì)化捕捉不同模態(tài)信息的關(guān)聯(lián)。

例如，2023年9月，OpenAI推出最新多模態(tài)大模型GPT-4V，增強(qiáng)了視覺(jué)提示功能，在處理任意交錯(cuò)的多模態(tài)方面表現(xiàn)突出。

2024年，OpenAI推出了首個(gè)文本生成視頻模型——Sora。相比Runway、Pika等主流視頻生成工具，Sora不僅能準(zhǔn)確呈現(xiàn)細(xì)節(jié)，還能理解物體在物理世界中的存在，并生成具有豐富情感的角色，同時(shí)根據(jù)提示、靜止圖像甚至填補(bǔ)現(xiàn)有視頻中的缺失幀來(lái)生成視頻，堪稱多模態(tài)AI領(lǐng)域的一大里程碑。它展現(xiàn)了一個(gè)“會(huì)預(yù)測(cè)未來(lái)”的AI系統(tǒng)的雛形，讓人們對(duì)通用人工智能的到來(lái)充滿期待。

在提升對(duì)現(xiàn)實(shí)世界的理解方面，深度學(xué)習(xí)為多模態(tài)技術(shù)提供了強(qiáng)大支持。神經(jīng)網(wǎng)絡(luò)架構(gòu)的不斷創(chuàng)新，如卷積神經(jīng)網(wǎng)絡(luò)（CNN）在圖像識(shí)別中的成功應(yīng)用、循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN）在自然語(yǔ)言處理中的出色表現(xiàn)，為多模態(tài)數(shù)據(jù)的特征提取和處理奠定了基礎(chǔ)。在此基礎(chǔ)上，研究人員進(jìn)一步探索如何將不同模態(tài)的數(shù)據(jù)進(jìn)行融合，開(kāi)發(fā)出了一系列多模態(tài)融合算法。

例如，早期的多模態(tài)融合方法主要是簡(jiǎn)單的特征拼接，即將不同模態(tài)提取的特征向量直接連接在一起，然后輸入到后續(xù)的分類或回歸模型中。這種方法雖然簡(jiǎn)單直觀，但未能充分挖掘不同模態(tài)之間的內(nèi)在關(guān)聯(lián)。

隨著技術(shù)發(fā)展，出現(xiàn)了更復(fù)雜的融合策略，如跨模態(tài)注意力機(jī)制、模態(tài)間交互等。基于注意力機(jī)制的融合，能夠讓模型自動(dòng)關(guān)注不同模態(tài)數(shù)據(jù)中重要的部分，并根據(jù)任務(wù)需求進(jìn)行動(dòng)態(tài)融合，充分提高了多模態(tài)融合的效果。這些方法使得模型能夠更好地利用不同模態(tài)之間的互補(bǔ)信息，從而提高任務(wù)的性能。

隨著深度學(xué)習(xí)的不斷發(fā)展，尤其是預(yù)訓(xùn)練模型的興起，也為多模態(tài)技術(shù)帶來(lái)了新的突破。預(yù)訓(xùn)練模型通過(guò)在大量無(wú)標(biāo)簽數(shù)據(jù)上進(jìn)行預(yù)訓(xùn)練，學(xué)習(xí)到了豐富的知識(shí)表示，使得模型在下游任務(wù)上具備更強(qiáng)的泛化能力。

在這一階段，研究者們提出了多種多模態(tài)預(yù)訓(xùn)練模型，如BERT-Vision、ViLBERT、LXMERT等，這些模型在圖像標(biāo)注、視覺(jué)問(wèn)答等任務(wù)上取得了顯著的性能提升。之后，研究人員開(kāi)始嘗試將預(yù)訓(xùn)練思想應(yīng)用于多模態(tài)領(lǐng)域。

通過(guò)在大規(guī)模多模態(tài)數(shù)據(jù)上進(jìn)行無(wú)監(jiān)督預(yù)訓(xùn)練，模型可以學(xué)習(xí)到不同模態(tài)之間的通用特征表示，然后在具體的下游任務(wù)中進(jìn)行微調(diào)，這種方式顯著提升了多模態(tài)模型的性能和泛化能力。

可以看到，多模態(tài)技術(shù)的發(fā)展是AI技術(shù)不斷演進(jìn)的必然結(jié)果，它在融合多種模態(tài)數(shù)據(jù)方面取得的重要進(jìn)展，為解決復(fù)雜現(xiàn)實(shí)問(wèn)題提供了更有效的途徑，這也是AI企業(yè)紛紛押注多模態(tài)技術(shù)的關(guān)鍵原因。

多模態(tài)到底解鎖了什么？

“跨模態(tài)任務(wù)需求+跨模態(tài)數(shù)據(jù)融合+對(duì)人類認(rèn)知能力的模擬”是AI必然走向多模態(tài)的三大因素，我們正見(jiàn)證著AI從“工具理性”向“認(rèn)知主體”跨越的拐點(diǎn)。

關(guān)于多模態(tài)模型的意義和價(jià)值，一個(gè)言論在業(yè)界廣為流傳：每多一種模態(tài)的解鎖，意味著用戶滲透率的進(jìn)一步提升。

這句話背后的意義是：只有文字的人機(jī)交互是單一的，是被限制的。人機(jī)交互的未來(lái)必然是多模態(tài)的，AI需要多模態(tài)理解真實(shí)世界和真實(shí)的人，人也需要AI提供文字以外的輸出。

最典型的就是語(yǔ)音交互之于ChatBot這個(gè)今天使用最廣泛的AI場(chǎng)景。今天越來(lái)越多ChatBot類的產(chǎn)品都已經(jīng)加入語(yǔ)音交互功能，而在一些特定的使用場(chǎng)景下（比如用豆包等AI應(yīng)用練習(xí)英語(yǔ)），語(yǔ)音交互就能極大地提升用戶的使用體驗(yàn)。

從商業(yè)模式來(lái)看，多模態(tài)AI主要分為兩種方式。

一種是向企業(yè)用戶提供API接口，以模型即服務(wù)（Model-as-a-Service）的形式，企業(yè)可以根據(jù)自身需求調(diào)用相應(yīng)的多模態(tài)AI模型進(jìn)行處理。

另一種是將多模態(tài)AI模型嵌入到自身的產(chǎn)品和服務(wù)中，提供具體的解決方案。這兩種方式都有著巨大的市場(chǎng)潛力，可以應(yīng)用于各個(gè)領(lǐng)域，如機(jī)器人、智能交通、智能制造、智能家居等。

當(dāng)前，人形機(jī)器人作為 AI 技術(shù)與高端制造業(yè)的結(jié)合體，不僅具有高通用性，能適應(yīng)人類社會(huì)基礎(chǔ)設(shè)施，還因其性價(jià)比和廣泛應(yīng)用前景而備受矚目。大模型等技術(shù)進(jìn)步正推動(dòng)人形機(jī)器人的泛化能力和自然語(yǔ)言交互能力快速發(fā)展。

據(jù)高工產(chǎn)業(yè)研究院（GGII）預(yù)測(cè)，2026 年全球人形機(jī)器人在服務(wù)機(jī)器人中的滲透率有望達(dá)到 3.5%，市場(chǎng)規(guī)模超 20 億美元，到 2030 年，全球市場(chǎng)規(guī)模有望突破 200 億美元。

在交通領(lǐng)域，隨著多模態(tài)大模型在多種場(chǎng)景中的適用性日益增強(qiáng)，市場(chǎng)對(duì)統(tǒng)一管理座艙功能的智能體需求日益增長(zhǎng)。2024 年，“蔚小理”、吉利等主機(jī)廠相繼推出了Agent框架，以語(yǔ)音助手為切入點(diǎn)，實(shí)現(xiàn)座艙內(nèi)功能應(yīng)用的統(tǒng)一管理。Agent 服務(wù)框架的推出，不僅統(tǒng)一了座艙功能，還根據(jù)客戶需求和喜好提供了豐富的場(chǎng)景模式，尤其是支持用戶定制化場(chǎng)景，加速了座艙個(gè)性化時(shí)代的到來(lái)。

雖然現(xiàn)階段已上車的Agent大部分還停留在助手、陪伴以及具體場(chǎng)景功能列舉層面，但相比于大模型，Agent擁有更大潛力，具備可激發(fā)的自主性和突出的工具使用能力，更加貼合“主動(dòng)智能”標(biāo)簽，甚至能夠彌補(bǔ)大模型在實(shí)際應(yīng)用中的限制。

智能家居是目前少數(shù)保持高速增長(zhǎng)的產(chǎn)業(yè)之一。根據(jù) Statista 數(shù)據(jù)預(yù)測(cè)，到2028年，全球智能家居市場(chǎng)規(guī)模將有望達(dá)到1544億美元，并且在2024年至2028年期間，該市場(chǎng)還將維持67%的高復(fù)合年增長(zhǎng)率，這一增長(zhǎng)趨勢(shì)得益于多模態(tài)大模型與家居產(chǎn)品的逐步融合和應(yīng)用。

交互型多模態(tài)大模型的嵌入使智能家電具備更高級(jí)的語(yǔ)音交互能力，這能夠更準(zhǔn)確地識(shí)別消費(fèi)者需求，通過(guò)語(yǔ)音、手勢(shì)和面部表情的自然交互，控制智能家居設(shè)備，甚至提供情感陪護(hù)和輔導(dǎo)孩子作業(yè)的功能，使家庭生活更便捷、更富有互動(dòng)性。

未來(lái)，多模態(tài)大模型有望集成于端側(cè)設(shè)備，在手機(jī)端與操作系統(tǒng)和各類App深度融合，可以接收用戶的自然語(yǔ)言指令或根據(jù)用戶所處環(huán)境即時(shí)調(diào)取合適的服務(wù)。例如，駕車時(shí)主動(dòng)開(kāi)啟免提通話并打開(kāi)導(dǎo)航。多模態(tài)大模型甚至可以作為中心樞紐，連接各種生態(tài)服務(wù)，如支付、健康監(jiān)測(cè)、交通導(dǎo)航和在線購(gòu)物，形成一個(gè)完整的智能消費(fèi)生活圈。

當(dāng)與 PC 端結(jié)合后，多模態(tài)大模型有望大幅提升企業(yè)的生產(chǎn)力和創(chuàng)造力，甚至可能創(chuàng)造全新的工作和創(chuàng)作方式。多模態(tài)大模型綜合處理視覺(jué)、聽(tīng)覺(jué)以及文本信息，形成了全方位的認(rèn)知系統(tǒng)，它作為 AI 助手，能夠?qū)崟r(shí)觀察屏幕上顯示的內(nèi)容，無(wú)論是文檔、圖像還是視頻，并且可以迅速捕捉并解析其中的信息。

這種能力使得它能夠和用戶進(jìn)行更為自然和流暢的溝通，不再局限于簡(jiǎn)單的問(wèn)答形式，而是能夠參與到更復(fù)雜的對(duì)話中，理解用戶的意圖，提供更具針對(duì)性的建議，甚至還可以預(yù)測(cè)下一步的需求。

這場(chǎng)技術(shù)進(jìn)化正以不可逆轉(zhuǎn)的趨勢(shì)，將AI推向智能涌現(xiàn)的臨界點(diǎn)。未來(lái)5~10年，結(jié)合復(fù)雜多模態(tài)方案的大模型有望具備更加完備的與世界交互的能力，到那時(shí)，一切都將無(wú)比新鮮和令人驚嘆。這不僅讓未來(lái)的圖景更加清晰且真實(shí)，也預(yù)示著人機(jī)共生時(shí)代正全面到來(lái)。