8 月 13 日消息，商湯科技聯合創始人、執行董事、首席科學家林達華在 8 月 12 日發布了深度文章《邁向多模態通用智能：商湯的思考》，闡釋了發展多模態智能的底層邏輯、技術路徑、實踐探索與未來方向。

林達華提到，AI 的核心目標是通過計算來構建智能，而智能是一個復雜的多維度概念，其核心就是與外界（包括世界或者其他人）進行自主交互的能力，可以被歸納為包括感知、推理、決策、學習等多種能力維度。

同時他表示，語言只是人類智能演進過程中的一種產物，不是智能的本源；語言是描述世界的工具，但不是世界本身。他還表示：“單靠語言模型并不能構建真正意義的 AGI”。

林達華還指出，大語言模型是朝著 AGI （注：通用人工智能）邁出的重要一步，但隨著現存的文本語料終有一天會被 AI 吸收殆盡，AI 下一階段的突破必然要超越語言，回到智能的本源 —— 和世界的交互。

他認為，AI 若要具備通用性則必須能像人類一樣用感官接收信息，將原始模態轉化為可計算的內部表征。他寫道：“多模態信息感知與處理的能力是 AGI 的核心要求，也是從語言模型邁向 AGI 的必由之路”。