地平线快报2025年08月14日 06:56消息，商汤科技林达华认为，AI下一阶段突破将超越语言，回归世界交互。

　　 8月13日消息，商汤科技联合创始人、执行董事、首席科学家林达华于8月12日发表了一篇深度文章《迈向多模态通用智能：商汤的思考》，系统阐述了多模态智能发展的底层逻辑、技术路径、实际应用以及未来发展方向。文章不仅展示了商汤在该领域的深入思考，也反映了当前人工智能技术演进的重要趋势。 从行业角度看，多模态智能已成为推动通用人工智能发展的重要方向。通过融合视觉、语音、文本等多种信息形式，系统能够更接近人类的认知方式，提升智能化水平。商汤在这一领域的探索，体现了其在技术积累与战略布局上的前瞻性。随着应用场景的不断拓展，多模态技术有望在医疗、教育、交通等多个领域带来实质性变革。

　　 林达华提到，AI的核心目标是借助计算技术来实现智能，而智能作为一种复杂的多维度概念，其本质在于与外界环境（如世界或他人）进行自主交互的能力，这种能力可以被归纳为感知、推理、决策、学习等多个方面。 在我看来，人工智能的发展正逐步逼近这一核心目标。随着技术的不断进步，AI在感知和学习方面已取得显著成果，但在复杂情境下的自主决策和深度推理仍面临挑战。未来，如何在多维能力之间实现更好的协同，将是推动AI真正走向成熟的关键。

　　 同时他表示，语言是人类智能发展过程中形成的一种产物，并非智能的根源；它是一种描述世界的工具，但并不等同于世界本身。他同时指出：“仅依靠语言模型无法实现真正意义上的通用人工智能（AGI）。” 从当前人工智能的发展趋势来看，语言模型虽然在理解和生成文本方面取得了显著进展，但它仍然局限于对语言结构和模式的学习，缺乏对现实世界的深度理解与自主推理能力。要实现真正具备类人智能的AGI，还需要在感知、认知、决策等多个层面进行突破。单纯依赖语言模型，难以构建出具备广泛适应性和自主学习能力的智能系统。

　　 林达华指出，大语言模型是通向AGI（通用人工智能）的重要一步。然而，随着现有文本语料终将被AI吸收完毕，AI在下一阶段的突破势必需要超越语言本身，回归到智能的本质——与现实世界的互动和交流。 我认为，这一观点揭示了当前AI发展的关键瓶颈。尽管大语言模型在理解和生成语言方面取得了显著进展，但它们仍然依赖于已有的数据，缺乏对现实世界的直接感知和反馈能力。未来的发展方向，或许应更加注重让AI具备与物理世界或复杂环境进行交互的能力，从而真正实现更接近人类的智能形态。

　　 他认为，如果人工智能想要实现通用性，就必须像人类一样通过感官获取信息，并将原始的感知信息转化为可计算的内部表示。他指出：“多模态信息的感知与处理能力是实现AGI的关键要素，也是从语言模型向AGI发展所必须跨越的阶段。”