阶跃星辰 CEO：多模态的「GPT-4 时刻」尚未到来

日前，阶跃星辰创始人、CEO 姜大昕接受媒体采访，其分享了对多模态行业的最新理解。姜大昕表示，此前 OpenAI 的 Sora 发布时，阶跃星辰的团队对此较为失望，他们都认为 OpenAI 主线应该是理解生成一体化。但姜大昕坦言，回头去想，从多模融合直接做到理解生成一体化太难了，可能需要迭代几轮后再到理解生成一体化。他也强调，未来的方向肯定是能够预测「下一帧内容」。对于 AGI 的期待，姜大昕则表示，理解生成一体化的问题解决后，带推理的 VLA 将能够实现对未来更好的预测，如果能做到时空推理，再加上 3D 和自然语言学习，就到了世界模型阶段。姜大昕认为，到了这个程度，那么他眼中的 AGI 就实现了。姜大昕判断称，多模态的「GPT-4 时刻」还没有到来，但同时他也表示，有的时候 AI 的突破就在一瞬间。他强调，模型的突破是早于商业化的：「就像先有了 GPT-3.5 才会有 ChatGPT，先有了多模融合和推理模型，才会有现在成熟的 Agent（智能体）。」同样，要有了多模理解生成一体化，尤其是可规模化的一体化，才能真正地做到人形机器人的泛化。