给未来AI的时间胶囊｜缪宇航：未来，多模态的融合是一个重要趋势

【前言】不知不觉，世界人工智能大会已经来到了第8年。

这8年，我们和读者一起，见证了AI的飞速发展。我们曾感慨“小灵通”漫游的世界来了，可放到今天，这些“科幻”，已经是AI世界里，最基本的操作了。

我们曾遨游元宇宙，也曾疑惑大模型究竟是什么……不管怎样，我们的生活的的确确，因为AI改变着。

再过两年，世界人工智能大会将来到“十周年”的关键节点。2027年，被AI“接管”的世界会是什么模样？AI自身又将走向何方？

在2025世界人工智能大会开幕之际，本报邀请了9家AI领域头部企业的高级管理人、首席科学家、核心研发者，畅谈他们眼中未来两年AI的发展。两年后，我们也会“重启”这份“时间胶囊”，看看大家的预测是大胆的，准确的；还是像曾经我们对AI的想象那样，略显保守。

对于MiniMax来说，世界人工智能大会是一次与全球开发者、创作者们共同学习交流的机会。我们在沉浸式展厅中为观众带来MiniMax Chat、MiniMax Agent等多款旗下AI原生产品，还有AI智能硬件产品及生态应用，还有MiniMax M1等最新自研推理模型的技术亮点，对话互动体验，观众也能看到海螺AI、MiniMax Audio生成的精彩音视频内容。

在模型和产品研发的过程中，我们不断试错，积累了很多经验，也有了一些新的思考。MiniMax M1模型开源发布后，国内外技术社区有许多讨论，对M1的混合注意力机制尤为感兴趣。我们举办了一场面向全球的技术探讨会，和全球学者切磋交流。大家在讨论中提到，随着对大规模部署和低延迟需求的增长，人们会越来越关心推理效率和模型的推理能力，而混合架构也将成为模型设计的主流。

M1系列在长上下文理解任务中，全面超越所有开源权重模型。不难发现，在面向生产力的复杂场景中，长上下文能力尤为重要，在Agent工作流中更有巨大潜力。从Text-01到M1，我们的自研模型的超长上下文能力，解锁了许多全新的企业级应用场景。而随着企业级应用需求不断增加，长上下文模型的部署会越来越广泛。

不久前，相信大家一定看过由Hailuo 02引爆的“动物跳水”视频，这也得益于MiniMax在视频模型上的不断积累和创新。我们坚持深耕多模态技术，视频和语音模型在国际榜单上也取得了前两名的成绩。未来，多模态的融合是一个重要趋势，模型需要更好地理解多种模态之间的复杂关联和语义映射，来实现更全面、准确的信息理解和表达，这是AI产业征程的必经之路。

最近，我们的通用智能体上新了全栈开发功能，是目前最“靠谱”、交付最稳定的通用智能体。业界也在思考，通用智能体要如何演进，下一代智能体应该是什么样的？我们认为，多模态融合、长上下文窗口、自主规划调用多模型能力、高任务复杂度、多智能体协作是下一代智能体自主进化的路径。

如果说Chat是此前大模型的标准User Interface（人机交互界面），那么Agent已成为大模型新的User Interface。此外，算法、工程、产品的边界会变得更加模糊，一体化创新加速到来。Agent本身，将成为工业级任务的自动化核心。

迄今，MiniMax的自研多模态模型和AI原生应用，已受到超过200个国家及地区的用户的欢迎。我们始终相信，坚持自主创新，开放共享，以开放的态度与生态伙伴携手促进行业发展，才能一起推动人工智能成为普惠全球的技术。

作者：MiniMax研发工程师 缪宇航

原标题：《给未来AI的时间胶囊｜缪宇航：未来，多模态的融合是一个重要趋势》

栏目编辑：郜阳 文字编辑：郜阳 图片来源：新民晚报 制图

来源：作者：缪宇航