GPT-5.6已经把多模态变成标配衢州海绵胶，但五位席科学却在WAIC吵翻了：多模态到底是大模型的“外挂”，还是通向物理世界的“唯灵魂”？
这场由商汤承办的圆桌对话，直面了行业核心的焦虑——当Scaling Law逼近物理限，多模态究竟是破局解药，还是新瓶装旧酒？
场路线之争：语言中心 vs 世界中心
论坛主持人林达华直接抛出了分歧：未来AI到底该以语言为中心，还是以世界为中心？
复旦大学邱锡鹏教授认为智能仍然依赖语言，多模态的是与语言真正对齐。但达摩院赵德丽提出了不同的视角：猎豹捕猎、蚂蚁寻路都不是靠语言，而是靠与环境交互、模仿、反馈。他从原理出发，指出物理世界需要的是四维因果关系建模（空间、属、因果、动作），而大语言模型只是维的，“论从智能生发的原理还是法逻辑，基于多模态的模型都是下代智能的范式”。
阶跃星辰张祥雨补充了个关键观察：语言天生信息密度，在静态数据模仿学习范式下占优；但视觉信号稀疏、维，这套范式工作不好。新加坡南洋理工刘子纬则引用了柏拉图的洞穴比喻——语言是真实世界的低维投影，我们终归需要走出洞穴。
核心分歧清晰可见：把多模态视为语言能力的自然延伸，另认为它是智能的原生基础。
核心瓶颈：AI没有“海马体”
当讨论从路线转向技术瓶颈时，科学们给出了连串犀利诊断。刘子纬直接表示：“数据、模型结构、训练范式，都不足以向下个阶段。”
张祥雨把矛头指向了记忆机制。他指出，当前Transformer的上下文本质上是种工作记忆——损但有长度有限。而人类拥有分层的记忆系统：瞬时感知记忆、短期工作记忆、长期情境记忆和语义记忆。当视觉信号输入后，AI的Context永远保留法压缩，而人类会主动选择、压缩、清除。
“仅通过外部记忆，真的能让智能体本身产生演化吗？”他了个比：“就像个学生很会记笔记，pvc管道管件胶但如果他的海马体法再记忆新东西，仅靠外部笔记，能取得长远进步吗？不可以的。”
赵德丽则从产业角度补充：物理世界的数据其稀少——去年谁有10万小时机器人数据就很牛了，今年才大几十万小时，远不足以支撑GPT-3.5水平的训练。但他也给出了个积判断：在工业、服务业、电场景的多样远欧美，在具身智能数据获取上具有优势。
瓶颈维度
当前问题
理想状态
数据
静态、稀疏，长程任务难以记录
四维因果、在线交互数据
架构
以语言为核心，多模态桥接进入
原生多模态（输入+输出侧）
记忆
工作记忆（Context）替代了长期记忆
层次化记忆：感知→工作→情境→语义
学习范式
模仿学习，自我进化
在线学习+强化学习+世界模型
未来5年：估了自主化，低估了社会重构
林达华让每位科学预测5年后的图景。邱锡鹏强调“AI for AI”——让Agentic Model先走到致，再去设计下代多模态模型。赵德丽的判断则为具体：被估的可能是Agent在具体商业场景的自主化能力，被低估的则是AI对社会运作式的改变。
他举了个具体例子：支付。未来不仅人与智能体交互，智能体之间也需要支付。整个支付体系围绕人构建，如果智能体要自己做支付，背后是整个社会运作式的重构。
总结四位科学的共识：多模态正在从辅助工具走向核心基础设施。法架构创新远未停止——从Memory机制的重新设计到强化学习的度融，从世界模型构建到在线学习范式突破，这些都是通向物理世界智能须跨越的门槛。
如果5年后你发现AI真的改变了某个社会的底层规则，你希望是哪个场景？比如：智能体自动完成水电煤缴费？工厂里机器人自主维修报错？还是个人AI助理替你谈同并直接支付？评论区说说你的预测。
相关词条:设备保温 塑料挤出机厂家 预应力钢绞线 玻璃丝棉 万能胶厂家
奥力斯 万能胶厂家 联系人：王经理 手机：18231788377（微信同号） 地址：河北省任丘市北辛庄乡南代河工业区
1.本网站以及本平台支持关于《新广告法》实施的“极限词“用语属“违词”的规定衢州海绵胶，并在网站的各个栏目、产品主图、详情页等描述中规避“违禁词”。
2.本店欢迎所有用户指出有“违禁词”“广告法”出现的地方，并积极配合修改。
3.凡用户访问本网页，均表示默认详情页的描述，不支持任何以极限化“违禁词”“广告法”为借口理由投诉违反《新广告法》，以此来变相勒索商家索要赔偿的违法恶意行为。
