情感陪伴聊天机器人Glow为代表的数字人向数智人转变

单模态以情感陪伴聊天机器人Glow为 代表的“数字人”为例，其已经可以实现与真人的个性化、拟人化、智能化的聊天互动，但交互 方式仍局限在文本、语音。未来，随着多模态模型的发展，虚拟人或机器人的交互方式，有望拓 展至图片、音乐乃至视频，并以更贴近真人的逻辑、理解、表达能力进行交流和反馈，从而提升 虚拟人在电商、直播、教育、客服、社交、文旅导览等领域的互动体验。

AI模型与应用向多模态升级迭代。Vision Transformer模型、扩散模型、BEiT模型等技术的迭代 ，实现了传统单模态大模型中自然语言处理能力与计算机视觉能力的结合，以及大规模自监督预 训练，由此使得大模型具备了理解、处理和生成图片、音视频等多模态的能力，催生了Open AI GPT-4、谷歌PaLM-E、百度文心一言等多模态大模型。多模态模型也带动了多模态应用的诞生， 涉及代码生成、文本生成、图像生成、音视频、游戏、虚拟人等领域。