中國科學院自動化所研究員王金橋：多模態(tài)大模型邁入主動交互新時代丨2025移動通信高質量發(fā)展論壇

11月21日，以“非凡‘十四五’ 聚力啟新程”為主題的2025移動通信高質量發(fā)展論壇在湖北武漢舉辦。中國科學院自動化研究所副總工程師、武漢人工智能研究院院長王金橋在論壇上作題為《多模態(tài)大模型：邁入主動交互新時代》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)應用的主要方向。從感知理解到生成創(chuàng)造，大模型技術成為通用智能技術的主流探索方向。當前，大模型在“大算力、大數(shù)據(jù)、大參數(shù)”的驅動下持續(xù)升級。然而，僅靠增大參數(shù)量帶來的性能提升已日漸平緩。因此，發(fā)展重點正從規(guī)模擴張轉向智能體、合成數(shù)據(jù)和推理計算等新方向。這種計算范式的轉變，也導致了模型在推理和“思考”過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的應用規(guī)模；在物理AI階段，環(huán)境決定模型自演進。

對于中美兩國在人工智能上的差距，王金橋表示，中美兩國之間的差距快速縮小，在LMSYS聊天機器人競技場中，2024年1月，美國頂級模型的表現(xiàn)比最佳中國模型高出9.26%；而到2025年2月，這一差距縮小至僅為1.7%。我國人工智能創(chuàng)新水平已經(jīng)進入世界第一梯隊，2020年，全球AI期刊論文中引用中國論文的比例達到20.7%，首次超過美國的19.8%。

王金橋表示，目前的差距主要體現(xiàn)在硬件、數(shù)據(jù)、技術和人才上。在硬件上，高端AI算力資源不足，同時也缺乏足夠的資金來支撐智算集群的高昂訓練與運營成本；在數(shù)據(jù)上，中文高質量數(shù)據(jù)資源小于英文，差距達到20-30倍，需要高質量數(shù)據(jù)清洗；在技術上，通用基礎大模型開發(fā)是一個系統(tǒng)工程，需具備分布式訓練、模型優(yōu)化等技術經(jīng)驗與工程化能力；在人員上，把know-how數(shù)據(jù)轉化成Q&A的能力，需要大量的工程師。

2024年圖靈獎得主、“強化學習之父”理查德·薩頓說過：“2024年人類數(shù)據(jù)正在迅速逼近極限，智能體將越來越多地通過與世界的交互來進行學習，潛力將遠超以往�！�

對此，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、混合增強智能、自主智能等人工智能五大形態(tài)轉變。新一代人工智能基礎研究框架推動人工智能基礎理論創(chuàng)新，知識引導、視覺知識、群智涌現(xiàn)、混合增強智能等多學科交叉發(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、邏輯思維、視覺問答、GUI智能體、工具調(diào)用六大能力，對標GPT-4.1-nano、GPT-4o等先進模型。在服務科學研究上，紫東太初多模態(tài)大模型打造了面向科研全流程的科學智能平臺，可自主規(guī)劃及調(diào)用超過300個科學計算工具，實現(xiàn)工具的協(xié)同編排和便捷調(diào)用，可自動識別科研任務、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用。在服務千行百業(yè)上，基于多模態(tài)大模型構建的長江流域模擬器，可以實現(xiàn)對長江流域綠色發(fā)展水平的評估，并對水生態(tài)、防洪、航運、供水等進行實時監(jiān)測預警。