中國(guó)科學(xué)院自動(dòng)化所研究員王金橋：多模態(tài)大模型邁入主動(dòng)交互新時(shí)代丨2025移動(dòng)通信高質(zhì)量發(fā)展論壇

11月21日，以“非凡‘十四五’ 聚力啟新程”為主題的2025移動(dòng)通信高質(zhì)量發(fā)展論壇在湖北武漢舉辦。中國(guó)科學(xué)院自動(dòng)化研究所副總工程師、武漢人工智能研究院院長(zhǎng)王金橋在論壇上作題為《多模態(tài)大模型：邁入主動(dòng)交互新時(shí)代》的主旨發(fā)言。

王金橋表示，多模態(tài)大模型已成為AI產(chǎn)業(yè)應(yīng)用的主要方向。從感知理解到生成創(chuàng)造，大模型技術(shù)成為通用智能技術(shù)的主流探索方向。當(dāng)前，大模型在“大算力、大數(shù)據(jù)、大參數(shù)”的驅(qū)動(dòng)下持續(xù)升級(jí)。然而，僅靠增大參數(shù)量帶來(lái)的性能提升已日漸平緩。因此，發(fā)展重點(diǎn)正從規(guī)模擴(kuò)張轉(zhuǎn)向智能體、合成數(shù)據(jù)和推理計(jì)算等新方向。這種計(jì)算范式的轉(zhuǎn)變，也導(dǎo)致了模型在推理和“思考”過(guò)程中的算力需求顯著增加。

王金橋介紹，人工智能的發(fā)展路徑是從生成式AI到AI智能體，再到物理交互的AI。在生成式AI階段，數(shù)據(jù)決定智能模型的高度；在AI智能體階段，記憶決定Agentic的應(yīng)用規(guī)模；在物理AI階段，環(huán)境決定模型自演進(jìn)。

對(duì)于中美兩國(guó)在人工智能上的差距，王金橋表示，中美兩國(guó)之間的差距快速縮小，在LMSYS聊天機(jī)器人競(jìng)技場(chǎng)中，2024年1月，美國(guó)頂級(jí)模型的表現(xiàn)比最佳中國(guó)模型高出9.26%；而到2025年2月，這一差距縮小至僅為1.7%。我國(guó)人工智能創(chuàng)新水平已經(jīng)進(jìn)入世界第一梯隊(duì)，2020年，全球AI期刊論文中引用中國(guó)論文的比例達(dá)到20.7%，首次超過(guò)美國(guó)的19.8%。

王金橋表示，目前的差距主要體現(xiàn)在硬件、數(shù)據(jù)、技術(shù)和人才上。在硬件上，高端AI算力資源不足，同時(shí)也缺乏足夠的資金來(lái)支撐智算集群的高昂訓(xùn)練與運(yùn)營(yíng)成本；在數(shù)據(jù)上，中文高質(zhì)量數(shù)據(jù)資源小于英文，差距達(dá)到20-30倍，需要高質(zhì)量數(shù)據(jù)清洗；在技術(shù)上，通用基礎(chǔ)大模型開發(fā)是一個(gè)系統(tǒng)工程，需具備分布式訓(xùn)練、模型優(yōu)化等技術(shù)經(jīng)驗(yàn)與工程化能力；在人員上，把know-how數(shù)據(jù)轉(zhuǎn)化成Q&A的能力，需要大量的工程師。

2024年圖靈獎(jiǎng)得主、“強(qiáng)化學(xué)習(xí)之父”理查德·薩頓說(shuō)過(guò)：“2024年人類數(shù)據(jù)正在迅速逼近極限，智能體將越來(lái)越多地通過(guò)與世界的交互來(lái)進(jìn)行學(xué)習(xí)，潛力將遠(yuǎn)超以往。”

對(duì)此，王金橋表示，新一代人工智能研究體系已經(jīng)形成。AI基礎(chǔ)研究范式正從傳統(tǒng)數(shù)據(jù)智能向大數(shù)據(jù)智能、跨媒體智能、群體智能、混合增強(qiáng)智能、自主智能等人工智能五大形態(tài)轉(zhuǎn)變。新一代人工智能基礎(chǔ)研究框架推動(dòng)人工智能基礎(chǔ)理論創(chuàng)新，知識(shí)引導(dǎo)、視覺(jué)知識(shí)、群智涌現(xiàn)、混合增強(qiáng)智能等多學(xué)科交叉發(fā)展。

王金橋介紹了紫東太初多模態(tài)大模型的發(fā)展和應(yīng)用情況。紫東太初多模態(tài)大模型4.0現(xiàn)已具備多模態(tài)理解、文本數(shù)學(xué)、邏輯思維、視覺(jué)問(wèn)答、GUI智能體、工具調(diào)用六大能力，對(duì)標(biāo)GPT-4.1-nano、GPT-4o等先進(jìn)模型。在服務(wù)科學(xué)研究上，紫東太初多模態(tài)大模型打造了面向科研全流程的科學(xué)智能平臺(tái)，可自主規(guī)劃及調(diào)用超過(guò)300個(gè)科學(xué)計(jì)算工具，實(shí)現(xiàn)工具的協(xié)同編排和便捷調(diào)用，可自動(dòng)識(shí)別科研任務(wù)、智能編排并調(diào)度最優(yōu)工具鏈，提升科研流程效率，支持用戶靈活接入自有智能體與工具，快速搭建專屬科研應(yīng)用。在服務(wù)千行百業(yè)上，基于多模態(tài)大模型構(gòu)建的長(zhǎng)江流域模擬器，可以實(shí)現(xiàn)對(duì)長(zhǎng)江流域綠色發(fā)展水平的評(píng)估，并對(duì)水生態(tài)、防洪、航運(yùn)、供水等進(jìn)行實(shí)時(shí)監(jiān)測(cè)預(yù)警。