深度解析多模态对AGI的意义与DeepSeek技术路线

dotey · x · 2026-08-02

针对“多模态对AGI不重要”的观点，长文进行了反驳。作者认为，人类构建的现实与数字世界（如交通灯、屏幕）高度依赖视觉等特定模态，因此AI必须接受这些“人择”输入才能准确表征世界并执行长程任务。

关于多模态输出，作者指出DeepSeek和Anthropic在AGI路线上均有所取舍。多模态输出更多是涉及扩散模型等垂直工程问题，未来可被通用智能调用。此外，DeepSeek并未放弃视觉，其非开放版本已能处理视觉信号，且不少企业正尝试为其嫁接ViT模块。