长期以来，人工智能在处理不同类型信息时一直面临一个核心问题；自2018年以来，以GPT为代表的语言大模型通过“预测下一个词元”的自回归方法实现重大突破，推动生成式人工智能快速发展。但在多模态领域，业界多采用对比学习、扩散模型等不同技术路线，分别处理文本、图像和视频，带来架构复杂、协同成本高等问题。这也促使学术界思考：能否用一种更简单、统一的方法，让人工智能同时高效处理多种形态的信息？北京智源人工智能研究院给出了肯定回答。
从专用模型到通用框架的跨越，不仅表明了技术范式的变化，也反映出我国在人工智能基础研究上的持续投入与长期判断。在全球科技竞争日益聚焦底层创新的背景下，这项发表于顶级期刊的成果表明：破解关键技术瓶颈，离不开对基础原理的长期深耕与原创性探索。未来，随着多模态统一架构深入成熟并进入更多场景，人工智能有望在理解与生成能力上实现更高水平的融合与贯通。