后GPT时代，多模态是最大的机会

来源：公众号（半轻人）

作者：王咏刚（SeedV实验室创始人/CEO，创新工场AI工程院执行院长）

https://new.qq.com/rain/a/20230505A04I6900

我既是软件工程师，也是投资人和创业者。我曾参与多个成功AI项目的创建、孵化或投资。今天，ChatGPT开启了崭新的AI 2.0时代，我个人也全力投入到一个3D+AI的全新创业历程中。在我的创业团队，大家最关心的AI核心技术是跨文本、图像、视频、3D、动画序列等信息的多模态AI。此前一段时间，我将我们团队在这个领域的思考整理成多份笔记。本文是这些笔记的汇总和归纳。童超、潘昊等SeedV实验室成员直接为本文贡献了重要的技术实验、思考结论或参考信息，在此表示特别感谢。

核心观点

一、未来的通用智能一定是多模态智能；

二、GPT-4代表的大语言模型具备某些多模态潜能；

三、多模态算法正处在“寒武纪大爆发”的早期；

四、多模态算法很可能再次收敛到某种“大力出奇迹”的超级大模型；

五、多模态是大模型科研与工程领域最好的弯道超车机会；

六、GPT让AI平民化，应用开发者很难建立核心技术壁垒；

七、但在多模态领域，三至五年内仍有修建“技术护城河”的大量机会；

八、多模态领域的应用创新、模式创新机会远多于单模态领域。