WAIC 2026论坛：多模态是大语言模型的“外挂”还是下一代智能的“灵魂”？

最新推荐文章于 2026-07-20 08:53:44 发布

转载最新推荐文章于 2026-07-20 08:53:44 发布 · 25 阅读

【多模态AI论坛引关注】

7月18日上午，WAIC 2026最受关注的“基座大模型架构创新与生态合作论坛”，由商汤科技承办，吸引了无数AI研究者、产业专家和投资机构目光，因其直面大模型行业核心焦虑：当Scaling Law逼近物理极限，多模态是破局“解药”，还是新瓶装旧酒的延伸？

【首席科学家圆桌交锋】

由商汤科技首席科学家林达华主持的“首席科学家”圆桌对话，有复旦大学邱锡鹏教授，达摩院首席科学家赵德丽、阶跃星辰首席科学家张祥雨、新加坡南洋理工大学刘子纬教授共同参与，堪称多模态AI迈入“深水区”后，中国AI行业的首次集体审视与深度交锋。

【多模态核心问题探讨】

过去一个多月，GPT - 5.6等国际最新模型亮相。林达华指出，如今先进大模型多把多模态理解能力成“标配”。但问题来了，多模态是大语言模型能力边界延伸，还是下一代智能起点？依靠Next Token Prediction建立的大模型，能理解物理世界吗？五位科学家围绕多模态内生本质、核心瓶颈及5年后终极图景展开辩论。

【“走出洞穴”：多模态是“外挂”还是“灵魂”？】

林达华开场抛出核心问题，业内有两种声音。一种认为大语言模型是未来AI核心，多模态是其能力边界自然延伸；另一种认为AI走向物理空间时，多模态是智能原生组成部分，非语言模型外挂。未来AI应以语言还是世界为中心？邱锡鹏认为智能依赖语言，多模态发展重点是与语言对齐，当前大模型距理解世界远，缺Context，未来多模态发展或需围绕现实环境构建Harness。赵德丽则认为基于多模态的模型是下一代智能范式，他总结通向智能四条路径，都与多模态有关，还举例猎豹捕猎等说明非语言学习智能。他指出物理世界需四维因果关系建模，大语言模型是一维的。张祥雨关注“学习范式”，认为核心是让智能体学会自主学习。语言模型因训练数据静态、信息密度高在“模仿学习”范式占优，视觉信号则不然。但大模型走向智能体时代，智能体缺自我进化能力。刘子纬从哲学层面判断，引用柏拉图洞穴比喻，把语言比作化石燃料，认为多模态数据是未来方向，高价值任务离不开多模态。可见，多模态正从“辅助工具”走向“核心基础设施”，驱动力是AI应用场景向物理空间迁移。

【数据、架构、范式：多模态跃迁缺什么？】

林达华把问题拉回现实：当前主流AI方法，如数据、模型结构、训练范式，能支撑到下一阶段吗？瓶颈在哪？业内观点分野。乐观者认为当前模型架构有潜力，缺高质量多模态数据；审慎者认为问题不止数据量，基于Next Token预测的训练方法不擅学习物理规律等，需新范式。刘子纬判断数据、模型结构、训练范式都需改进。数据层面，语言模型积累条件好，多模态数据记录保存需更好范式；架构层面，整体架构以语言模型为核心，“原生多模态”挑战待解；学习范式是更大问题。张祥雨深挖“持续进化”，认为自主学习路径有分歧，多模态让上下文问题更严重。他抛出问题：仅靠外部记忆，智能体能演化吗？他指出下一代自主学习要解决三大问题，当下在线学习最值得投入。在线学习面临层次化记忆建模和学习算法本身两个核心挑战。林达华追问Memory机制，张祥雨认同这是前沿研究点。赵德丽加入讨论，认为模型架构收敛、大家做应用是误区。AI走向物理世界先面对数据问题，中国在具身方向有优势。他强调训练范式和算法架构重要，Memory创新涉及软硬件协同和数据使用，还举例DeepSeek的Ingram算法。至此，关于“瓶颈是什么”讨论递进，科学家视角交错补充。