在2025年WAIC大会上，商汤科技发布国内首个实现“图文交错思维”的商业级大模型“日日新6.5”，并提出从多模态感知、推理到物理世界交互的完整演进路线图，直指通用人工智能（AGI）目标。商汤联合创始人林达华教授发表万字长文，剖析多模态智能的发展路径与挑战。文章指出，多模态是AI未来核心，原生多模态模型通过融合训练突破语言与视觉边界，并以“四次破壁”框架推动AI能力演进。商汤通过大规模自动化数据构造与严格质量控制解决数据稀缺问题，同时优化模型架构，提升效率超3倍。林达华强调，商汤的技术基因、高效研究组织及技术与商业的正向循环是其创新力源泉，为行业提供重要参考。

【最新发布】智源研究院今日正式推出原生多模态世界模型Emu3。该模型能够实现视频、图像、文本三种模态的统一理解和生成，采用基于下一个token预测的多模态技术范式，极大提升了大规模训练和推理能力。这一创新成果标志着人工智能技术在跨模态理解与生成方面取得重要进展。此次发布由《科创板日报》记者李明明报道，进一步巩固了我国在人工智能领域的领先地位。【21日】

蚂蚁集团在7月5日的世界人工智能大会上宣布，其自主研发的百灵大模型实现了原生多模态能力，能够理解并处理音频、视频、图像和文本等多种数据形式。这一突破使百灵大模型在中文理解和安全评测中表现出色，已应用于支付宝智能助理，并展现出在生活服务、医疗诊断等领域的广阔应用前景。蚂蚁集团展示了新升级的多模态技术在实际场景中的应用，如个性化搭配建议和医疗咨询。此外，他们还发布了“支付宝多模态医疗大模型”和与武汉大学合作的遥感模型SkySense的开源计划，预示着蚂蚁在多模态AI技术上的持续投入和产业发展实践。