📰 研报摘要
查看全文 ➔本报告深入分析了多模态智能的技术演进，将其分为外挂式/组合式、原生多模态和全模态 Omni 三个阶段，指出其核心逻辑是对齐位置不断前移以降低转换损耗。报告探讨了当前 Omni 路线在理解与生成表征冲突、离散与连续模态统一以及推理过程非多模态化等方面的瓶颈，并对比分析了纯自回归、自回归+扩散混合及解耦再统一三条技术路线。结论认为，多模态将收敛于统一的 Transformer 架构，未来的竞争焦点将转向多模态原生推理，特别是视觉证据利用、时空记忆和预测-行动闭环。此外，报告认为物理 AI 将成为增量更大的方向，而智能驾驶是目前最先跑通闭环的代表场景。