人工智能行业专题报告指出，交互型多模态大模型有望带来应用的爆发起点 。这类大模型能跨越单一模态限制，支持多种模态的输入输出并实时做出 “类人” 的理解与反馈，实现与人无缝交流，如具有代表性的 OpenAI 的 GPT - 4 。多模态人机交互是 AI 领域的重点研究方向之一，GPT - 4O 的发布迎合了业内对多模态大模型的期待，它展示出的多模态交互能力，促使多模态综合交互成为生成式 AI 的重点发展方向 。多模态大模型在智能客服、医疗诊断、自动驾驶等诸多领域有广阔应用前景，能更全面理解用户需求、提供更智能化服务，也为人机交互带来革命性变化 。当前，多模态大模型呈现出多模态技术储备与强大算力构成发展基础、商业场景与训练数据质量影响技术竞争力、研发投入显著增加、少数领军企业能实现输出端多模态内容生成但与国际领先水平有差距、意图识别准确率和泛化能力偏低等特点和趋势，不过其商业变现途径日益清晰，将爆发出更大商业价值和市场规模 。
