对话Meta韩俊霖：解锁原生多模态AI预训练的最佳实践
但在现有实践中，面对一些关键决策，如模态之间在训练时如何互相影响、数据配比和不同模态数据的引入顺序、架构设计等，行业大多依靠经验和直觉，摸索着前行。
多模态预训练，才是大模型的下一条路？Yann LeCun、谢赛宁参与
论文标题:Beyond Language Modeling: An Exploration of Multimodal Pretraining。
多模态预训练，才是大模型的下一条路？Yann LeCun、谢赛宁参与
来源：市场资讯（来源：机器之心）机器之心编辑部基础模型时代，大模型能力的爆发，很大程度上源于在海量文本上的预训练。然而问题在于，文本本质上只是人类对现实世界的一种抽象表达，是对真实世界信息的有损压缩。
美团盯上原生多模态！路子还很野：把图像语音都当成Token来预测
从谷歌、OpenAI到国内的字节、MiniMax，大家在实践中逐渐形成共识——不走原生多模态，已经不够、不行了。
AI算力为什么“吃铜”
一、论文核心信号（杨立昆，2026.3）论文《Beyond Language Modeling》释放关键判断： AI正从语言模型走向世界模型（理解视觉、空间、物理、动作）未来算力需求将是今天的10–100倍算力百倍增长 → 电力与铜需求同步百倍级扩张二、AI为何“吃铜”？
AI巨头杨立昆新论文：未来百倍级增长的，不只是算力，还有铜需求
几天前，arXiv 上挂出一篇论文，题目叫 Beyond Language Modeling: An Exploration of Multimodal Pretraining。
美团盯上原生多模态！路子还很野：把图像语音都当成Token来预测
来源：市场资讯（来源：量子位）Token，这下真成了智能世界的基本单位。不是被定义出来的“词元”，而是被一套全新的统一Token架构，直接压进了现实建模的最底层。过去一年，几乎所有头部大模型玩家，都在忙着重写多模态的底层架构。
“AI教母”李飞飞：AI的下一场革命，根本不在大语言模型！
在祖国77周年华诞前，芯片巨头 AMD 宣布以 82 亿美元（全股票交易方式，华尔街又叫“paper money”）正式收购“AI教母”李飞飞创立的人工智能初创公司 World Labs。
超越概率拟合：一种面向外部结构化记忆的语言建模架
超越概率拟合：一种面向外部结构化记忆的语言建模架构Beyond Probabilistic Fitting: A Language Modeling Architecture with External Structured Memory作者：刘阳，宗璇日期：2026-1
Meta携手NYU突破多模态训练边界：AI模型实现文本和视觉的统一
当我们谈到人工智能的未来时，大多数人首先想到的可能是那些能够对话的大语言模型。但是，如果我们把目光投向更远的未来，会发现真正智能的系统需要像人类一样，既能理解文字，又能看懂图像和视频。