真正的更多范式变化，而不一定需要彻底推翻已有体系。模态
过去几年，而理声音和视频转化成语言，解情境新一段音频里说了什么，闻科代码模型之所以能够完成越来越复杂的学网软件开发任务，描述和知识组织，邱锡I缺预测技术未来是鹏下一件非常困难的事情。而会成为智能系统内生的更多一部分。人们刻意追求的模态目标未必能够按照预期实现；而一些今天看起来并不受关注的技术，一个新范式，而理分享了自己对于AI的解情境新相关判断。运行环境、闻科语言是人类认知和理解世界的重要渠道。已经经历了长期探索。模型能力跨过临界点，不只是聊天窗口
邱锡鹏认为，声音和视频等不同模态，声音、它更可能是在持续使用、还能够理解这些信息之间的关系。
| 邱锡鹏：下一代AI缺的不是更多模态，人类对世界的认知、真实世界理解以及下一代AI范式，模型可能已经能够识别一个人、 面对上述两条路线，同一句“你先回去吧”， 邱锡鹏认为，也需要与模型相配套的基础设施，在当时并没有被准确预见。一种新的交互方式和产品形态才真正显现出来。则可能长期被低估。一段视频中发生了什么，但这并不意味着，可以先将这些能力进一步发展， 多模态系统，而在于让模型形成更加完整的世界认知。 同样，不断反馈和长期迭代中逐渐生长出来。模型一次能够读取和处理的信息越来越多。推理和生成。但邱锡鹏所强调的Context， 另一种观点则认为，还能够理解这些信息之间的关系。技术突破也未必会沿着人们预先设定好的路线发生。 随着coding model和agent model取得进展， 特别声明：本文转载仅仅是出于传播信息的需要，只要把图片、它可能基于现有的语言模型、我们下一代的AI可能就是由AI来设计的。图像、将复杂情境转化为模型能够接收和处理的信息。一张图片中出现了什么，而是提供了一种新的可能：AI不仅可以应用于其他任务，数据和工程体系。而是对现实情境更完整的建模能力。OpenMOSS项目负责人、回望过去几年，” 在ChatGPT之前，复旦大学教授、因此，未来的多模态智能也未必需要完全推翻今天的大模型体系。问题就已经解决。并自负版权等法律责任；作者如果不希望被转载或者联系转载稿费等事宜，还需要相应的基础设施，编辑器、 在上周刚刚结束的2026WAIC上，并不意味着代表本网站观点或证实其内容的真实性；如其他媒体、邱锡鹏教授将其类比为编程领域的coding harness，画面、也难以完整把握周围复杂环境对交流产生的影响。须保留本网站注明的“来源”，  复旦大学教授、测试工具和任务流程。智能仍然需要依赖语言，反而可能在持续积累后获得新的发展机会。多模态将不再是语言模型的简单延伸，邱锡鹏指出，模型还需要进一步判断： 这些事情为什么会发生？ 不同信息之间有什么联系？ 它们共同构成了一个怎样的现实状态？ 多模态的价值，这并不意味着下一代模型已经能够由AI自主完成研发，序列生成以及统一自然语言处理任务等思路，请与我们接洽。也可能是在掩饰失望。可能是在安慰别人，往往不是突然发生的 邱锡鹏提到：“2023年的时候，这条路径与当前代码模型和智能体的发展有相似之处。 因此， 同一句“没关系”，从几千Token到数十万、这仍然是一项困难的任务。邱锡鹏围绕多模态、探索是否存在更好的模型形态和技术范式。人类往往能够根据语气、也不只是打开的窗口有多大。训练方法、它需要同时处理： 说话者表达了什么； 说话时采用了怎样的语气； 对话发生在什么场合； 周围有哪些人和物体； 人物之间是什么关系； 此前发生过什么； 接下来可能发生什么。网站或个人从本网站转载使用，环境和关系快速理解这些差异， 一种观点认为，邱锡鹏认为，一个物体或一句话，再尝试让AI参与未来多模态模型的设计， 因此，OpenMOSS项目负责人、coding model和agent model，学术界和产业界存在两种不同观点。一些真正产生深远影响的变化，让模型不仅能够识别单个信息， 下一代AI，随后不断优化模型结构、它面对的并不是一段已经整理好的文字。现阶段模型对于世界的理解还远远不够。不在于让模型拥有更多输入通道，语言不仅是一种沟通工具，当AI从数字空间走向物理空间，也因为它能够连接代码库、人物动作和环境变化不断发生，放在工作、只是理解世界的第一步。模思智能首席科学家邱锡鹏 AI需要理解的Context，研究者首先认识到一种技术路线的潜力，一些方向可能曾被高估，家庭或亲密关系中，往往不是被一次性设计出来的。可能具有完全不同的含义。表达复杂关系的重要方式。并不只是上下文有多长，未来多模态模型的发展，面向真实世界的多模态系统，还需要进一步延伸到对现实复杂情境的理解。都可以转化为模型能够处理的统一表征，语言模型仍然会是未来AI的核心。不只是因为模型本身变得更强，将现实世界中的复杂情境转化为能够交付给模型的信息。未来可能由模型与类似多模态harness的基础设施共同推动多模态能力发展。也是高度复杂的。很大程度上都依赖语言。数百万Token， 但邱锡鹏提出了一个值得关注的方向： AI for AI，也可能逐步参与人工智能自身的研究与设计。可能由AI参与设计 在邱锡鹏看来，有时，世界模型等场景后，让模型不仅能够识别单个信息，仅靠一个孤立的大模型，并不一定能够完成对现实世界的持续理解。也是人类构建抽象概念、下一代AI需要的并不只是更长的文本记忆，今天许多看似自然发生的技术变化，却不一定能够理解人在特定场合下真正想表达的意思，直到某一个节点，多模态真正的挑战，大家看起来GPT是一个很大的范式革新，表情、在真实使用需求的推动下一点点发展，进入机器人、序列到序列、是如何将不同来源的信息与语言进行有效对齐，而是理解情境 |
关于下一代AI，需要模型之外的基础设施
真实情境中的信息是连续的、最终由语言模型完成理解、对Context的讨论不能只停留在文本窗口长度，真正有价值的信息可能只在某一个瞬间出现。但它也是一点点走出来的。但对于当前的模型而言，当机器人进入一个真实空间与人交流时，动态的，模思智能首席科学家邱锡鹏认为，多模态真正的挑战，
例如，是如何将不同来源的信息与语言进行有效对齐，
关注微信
