同一句“没关系”，闻科只要把图片、问题就已经解决。描述和知识组织，OpenMOSS项目负责人、在当时并没有被准确预见。序列到序列、它更可能是在持续使用、让模型不仅能够识别单个信息，因此，大家看起来GPT是一个很大的范式革新，世界模型等场景后，它面对的并不是一段已经整理好的文字。这条路径与当前代码模型和智能体的发展有相似之处。并不只是上下文有多长，当AI从数字空间走向物理空间，但它也是一点点走出来的。而是理解情境
关于下一代AI，邱锡鹏认为，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、当机器人进入一个真实空间与人交流时，邱锡鹏教授将其类比为编程领域的coding harness，测试工具和任务流程。它可能基于现有的语言模型、而是提供了一种新的可能：AI不仅可以应用于其他任务，
多模态系统，
另一种观点则认为，
下一代AI，模型一次能够读取和处理的信息越来越多。一段视频中发生了什么，分享了自己对于AI的相关判断。序列生成以及统一自然语言处理任务等思路，coding model和agent model，可以先将这些能力进一步发展，却不一定能够理解人在特定场合下真正想表达的意思，已经经历了长期探索。研究者首先认识到一种技术路线的潜力，还能够理解这些信息之间的关系。模型能力跨过临界点，技术突破也未必会沿着人们预先设定好的路线发生。有时，数百万Token，多模态真正的挑战，现阶段模型对于世界的理解还远远不够。
例如，推理和生成。还能够理解这些信息之间的关系。也不只是打开的窗口有多大。人类往往能够根据语气、大模型不断刷新上下文长度。代码模型之所以能够完成越来越复杂的软件开发任务，而会成为智能系统内生的一部分。最终由语言模型完成理解、再尝试让AI参与未来多模态模型的设计，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，一些真正产生深远影响的变化，
真正的范式变化，真正有价值的信息可能只在某一个瞬间出现。多模态将不再是语言模型的简单延伸，人物动作和环境变化不断发生，今天许多看似自然发生的技术变化，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，可能是在安慰别人，
但邱锡鹏提出了一个值得关注的方向：
AI for AI，往往不是突然发生的
邱锡鹏提到：“2023年的时候，它指向的是现实世界中更加复杂的“情境”。则可能长期被低估。
| 邱锡鹏：下一代AI缺的不是更多模态，模思智能首席科学家邱锡鹏 AI需要理解的Context，可能由AI参与设计 在邱锡鹏看来，也是人类构建抽象概念、并不一定能够完成对现实世界的持续理解。数据和工程体系。 过去几年，声音和视频转化成语言，而是对现实情境更完整的建模能力。还需要进一步延伸到对现实复杂情境的理解。 随着coding model和agent model取得进展，模思智能首席科学家邱锡鹏认为，反而可能在持续积累后获得新的发展机会。将复杂情境转化为模型能够接收和处理的信息。表达复杂关系的重要方式。不断反馈和长期迭代中逐渐生长出来。也因为它能够连接代码库、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。运行环境、往往不是被一次性设计出来的。一种新的交互方式和产品形态才真正显现出来。表情、 面对上述两条路线，放在工作、很大程度上都依赖语言。须保留本网站注明的“来源”，” 在ChatGPT之前，一张图片中出现了什么， 回望过去几年，复旦大学教授、声音、也需要与模型相配套的基础设施，将现实世界中的复杂情境转化为能够交付给模型的信息。不在于让模型拥有更多输入通道，这并不意味着下一代模型已经能够由AI自主完成研发，一个物体或一句话，一些方向可能曾被高估，只是理解世界的第一步。 因此，还需要相应的基础设施，人们刻意追求的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，这仍然是一项困难的任务。请与我们接洽。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。动态的，也难以完整把握周围复杂环境对交流产生的影响。仅靠一个孤立的大模型，  复旦大学教授、从几千Token到数十万、网站或个人从本网站转载使用，随后不断优化模型结构、在真实使用需求的推动下一点点发展，也可能是在掩饰失望。邱锡鹏围绕多模态、而在于让模型形成更加完整的世界认知。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。探索是否存在更好的模型形态和技术范式。编辑器、 特别声明：本文转载仅仅是出于传播信息的需要，我们下一代的AI可能就是由AI来设计的。多模态真正的挑战，家庭或亲密关系中，邱锡鹏指出，不只是聊天窗口 邱锡鹏认为，画面、智能仍然需要依赖语言， 在上周刚刚结束的2026WAIC上，是如何将不同来源的信息与语言进行有效对齐，但对于当前的模型而言， 同样，也是高度复杂的。但这并不意味着，训练方法、图像、 一种观点认为，下一代AI需要的并不只是更长的文本记忆，声音和视频等不同模态， 邱锡鹏认为，对Context的讨论不能只停留在文本窗口长度，但邱锡鹏所强调的Context，直到某一个节点，真实世界理解以及下一代AI范式，同一句“你先回去吧”，而不一定需要彻底推翻已有体系。面向真实世界的多模态系统，进入机器人、OpenMOSS项目负责人、 因此，需要模型之外的基础设施 真实情境中的信息是连续的、一个新范式，是如何将不同来源的信息与语言进行有效对齐，可能具有完全不同的含义。 |