商汤科技联合创始人、首席科学家林达华发表长文《商汤的思考，为何我们如此坚定多模态通用智能？》，深度解析了公司在多模态通用智能道路上的一些思考与实践。

开头，林达华指出，AI 是—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。而商汤认为，多模态是从 LLM 到 AGI 的必经之路。

林达华提到，人工智能的核心目标是通过计算来构建智能，而智能是一个复杂的多维度概念。其认为，智能的核心就是与外界（包括世界或者其他人）进行自主交互的能力，同时这也是一种综合能力——可以被归纳为多种能力维度，包括感知、推理、决策、学习等。

同时，林达华也表示，语言只是人类智能演进过程中的一种产物，但不是智能的本源；语言是描述世界的工具，但不是世界本身。「单靠语言模型并不能构建真正意义的 AGI。」

「但之所以大模型浪潮会首先源自于语言模型的突破，是因为在人类数千年的历史中积累了海量的语料，这些语料在信息时代被广泛地数字化，从而成为最容易规模化获取的数据形态。」林达华指出：

大语言模型是朝着 AGI 迈出的重要一步，但不是终局。随着现存的文本语料被快速耗尽，人工智能下一阶段的突破必然要超越语言，回到智能的本源——和世界的交互。

其认为，世界的信息以多元形态存在，人工智能若要具备通用性，必须能像人类通过感官接收信息那样，将这些原始模态转化为可计算的内部表征。「因此，多模态信息感知与处理的能力是 AGI 的核心要求，也是从语言模型迈向 AGI 的必由之路。」