已收录文章摘要，完整内容可前往原文阅读。
当大模型不再只会说话，而是能看图说话、听音识物、甚至在虚拟或真实环境中动手操作，真正的多模态智能时代已经到来。就在前两天，智源发布的新一代多模态大模型登上Nature，再次印证：多模态不仅是趋势，更是