开云体育官方,开云体育app,开云app下载,开云棋牌,开云直播,开云体育靠谱吗,开云体育和亚博,开云体育老板是谁,开云官网,开云体育,开云直播英超,开云电竞,开云游戏,开云,开云体育官网,开云体育官方网站, 开云app, kaiyun sports, 开云体育简介, 开云体育官方平台, 世界杯开云, 开云体育app下载, 开云体育网址, 开云体育2025

　　虽然从2024年开始，AI开发者们就开始大力发展模型的多模态能力，但在相当长一段时间里，这些努力仍然主要集中在对既有模型进行组合——文本一个系统，图像一个系统，语音再来一个系统，然后用工程手段把它们拼在一起。这样的模型可以完成一些多模态任务，但由于各系统之间存在协调问题，其能力局限性一直十分明显。到了2025年，越来越多的开发者不再满足于这种“拼装式”方案，转而开始设计“原生多模态”模型，从训练之初起，就让模型在同一个体系里同时处理文本、图像、音频、视频等信息。

　　在设计原生多模态模型的过程中，很多人逐渐意识到：多模态模型的真正瓶颈，并不在于它能不能看图、听声音，而在于能否把视觉、语言、时间与空间组织成一个可推理、可行动的统一表征。现在的大模型在语言上已经高度成熟，却依然缺乏对三维空间、物理约束和因果关系的系统理解。因此，下一代AI的突破重点，可能并不在于再多几个参数，而在于能否构建对真实世界的内部模型，使其可以在脑中“预演”行动后果。在这种思路之下，“世界模型”与“空间智能”重新被重视，并逐渐成为设计原生多模态模型的重要理论依据。

　　多模态模型的蓬勃发展，为AI技术的应用化和普及化提供了强大的助力。麦肯锡在《技术趋势展望2025》中指出，多模态AI正在成为新一代AI系统的关键底座，并将与智能体（Agent）、自动化、物理系统控制深度融合，其影响将从数字世界延伸至现实世界。而国际权威IT研究与咨询机构 Gartner（高德纳）则强调，多模态技术的影响将超出AI范畴，全面重塑当前的软件生态。据其预测，到2030年，80%的企业软件将在其产品中植入多模态AI能力。

　　如果说多模融合解决了AI“怎么看”和“怎么理解”的问题，那么具身智能（EmbodiedAI）要回答的，则是AI在真实世界中“做什么”和“怎么做”。虽然具身智能的发展已有数十年时间，但过去，机器人更多停留在实验室展示阶段：完成一些酷炫动作，在受限场景中做局部自动化，人们讨论的也只是它们“技术上究竟能做到什么”。而到了2025年，情况开始发生变化——具身机器人真正走向市场，行业叙事也从“能不能做到”转向“能不能规模化、能不能稳定工作、能不能进入岗位”。

　　具身智能在2025年的“爆发”，是多种因素共同作用的结果。一方面，原生多模态AI的发展，补上了机器人“看不懂世界”的短板，让它不仅会跑会跳，还能理解环境、根据情境做出决策，从而具备真正的实用价值；另一方面，用工成本的持续抬升，也在扩大市场需求。制造、物流、巡检、服务等领域本就劳动力密集，在老龄化、年轻人不愿进入高强度岗位、合规与安全成本增加等因素叠加下，企业开始转而接受机器人替代，由此带动了需求的快速增长。

　　比如，“图灵奖”得主杨立昆多次指出，单纯扩大自回归大模型，并不会自然通向通用智能。当前以语言预测为核心的模型，本质上仍是“被动系统”，缺乏因果理解、物理常识与长期规划能力；继续堆参数与数据，只会带来收益递减，反而掩盖结构性短板。类似的观点，也被其他研究者认同。安德烈·卡帕斯强调，未来突破更可能来自训练范式、数据结构与推理机制，而不是参数规模本身；原OpenAI首席科学家伊利亚·苏茨克维同样提醒，“无限堆规模”可能正在接近阶段性极限。

　　2025年3月，初创公司Monica公布了一段名为Manus的AI应用演示视频。视频中，它可以根据用户要求，自动调用外部工具，完成简历筛选、房产研究、股票分析等复杂任务，全程无需人工干预。Manus一度迅速走红，被视为继DeepSeek之后的又一“现象级”产品；虽然随后因“技术创新不足”“炒作过度”而引发争议，但它仍被看作AI智能体崛起的重要象征。更有意味的是，Meta随后以数十亿规模收购了Manus，从侧面印证了这一趋势。