單模態(tài)以情感陪伴聊天機器人Glow為 代表的“數字人”為例，其已經可以實現與真人的個性化、擬人化、智能化的聊天互動，但交互 方式仍局限在文本、語音。未來，隨著多模態(tài)模型的發(fā)展，虛擬人或機器人的交互方式，有望拓 展至圖片、音樂乃至視頻，并以更貼近真人的邏輯、理解、表達能力進行交流和反饋，從而提升 虛擬人在電商、直播、教育、客服、社交、文旅導覽等L域的互動體驗。

AI模型與應用向多模態(tài)升J迭代。Vision Transformer模型、擴散模型、BEiT模型等技術的迭代 ，實現了傳統(tǒng)單模態(tài)大模型中自然語言處理能力與計算機視覺能力的結合，以及大規(guī)模自監(jiān)督預 訓練，由此使得大模型具備了理解、處理和生成圖片、音視頻等多模態(tài)的能力，催生了Open AI GPT-4、谷歌PaLM-E、百度文心一言等多模態(tài)大模型。多模態(tài)模型也帶動了多模態(tài)應用的誕生， 涉及代碼生成、文本生成、圖像生成、音視頻、游戲、虛擬人等L域。