本文信息：作者为科技联合创始人、执行董事、首席科学家林达华，题目为《迈向多通用智能：商汤的思考》。以下为正文：
AI 是一场长跑。从大语言模型（LLM）的兴起到真正意义的通用人工智能（AGI），还有很多开放性的问题有待解决。我们认为，多模态是从 LLM 到 AGI 的必经之路。
围绕多模态，从智能演进、学习范式、数据和模型架构都面临诸多挑战，也有很大的创新空间；在组织和战略层面也有很多值得思考的问题。在本文中，我先整体回顾一下商汤的多模态之路，然后就其中的关键问题谈一下我们的思考。
1、商汤多模态之路概览
商汤是从计算机视觉技术出发，在人工智能变革浪潮中发展起来的企业。在发展之初，商汤基于深度学习在视觉领域的运用，在人脸识别、画质处理、智能驾驶等多个应用方向突破了工业红线，推动了 AI 技术在行业的落地应用。
早在2019年，商汤就基于自身的技术判断，开始在视觉模型上进行尺度定律的探索，在业内率先推出百亿参数的视觉大模型，在视觉识别上突破了多项性能纪录。这一前瞻性的技术观察，也是推动商汤较早就进行大规模 AI 算力投入的重要原因。
2022年底，OpenAI 推出 ChatGPT，掀起了全球范围的大模型浪潮，AI 进入了2.0时代。对于商汤来说，这是一次重要的机遇。我们当时开始思考，当视觉模型和语言模型在尺度定律上相会，会给我们带来什么？
在2023年3月，商汤和上海人工智能实验室合作研发，推出了我国首个多模态通用大模型“书生2.5” 并开源。这个30亿参数的大模型刷新了包括 ImageNet 和 COCO 在内的多个视觉任务的纪录，并且初步展示了通用图文问答能力。在6个月之后，Open
