聚焦多模态：ChatGPT时刻未到，2025大模型“变慢”了吗

以ChatGPT为代表的语言类大模型重塑内容生成方式时，多模态模型还在等待它的"iPhone时刻"。近日召开的2025智源大会上，智源研究院（以下简称"智 源"）正式发布了包括原生多模态世界模型Emu3等"悟界"大模型系列，Emu3实现了文本、图像、视频的任何组合理解与生成，通过单一模型就可以捕捉世 界的规律。 AI发展之快，每年都有新话题，2024年，价格战是大模型的关键词，2025感到风向变了，大模型应用百花齐放，反而有种大模型发展"变慢"了的体感。 事实上，市场上新旧产品同台竞技，呈现出立体、多维度的思考，多模态大模型更是如此。按照当前技术成熟度评估，视频生成等核心能力仍处于GPT-2到 GPT-3的过渡阶段，与产业预期存在显著差距。多模态模型将经历更长的技术沉淀期，这也意味着更大的想象力空间。 技术路线未收敛 大模型爆发至今，很多时候无外乎是选对了方向，又懂得流量密码，一个现象级产品就横空出世了。事实上，这种选择需要前期足够多的思考、实践和勇 气。 严格来说，Emu3是智源2024年10月发布的多模态模型，目前智源已在训练下一个版本。基于Emu3，智源还官宣了全球首个脑科学多模态通用基础模型见微 Br ...