第24章 多模态预训练大模型成为人工智能基础设施。（1/2）

多模态预训练大模型成为人工智能基础设施。

人工智能正在从文本、语音、视觉等单模态智能，向着多种模态融合的通用人工智能方向发展。多模态统一建模，目的是增强模型的跨模态语义对齐能力，打通各个模态之间的关系，使得模型逐步标准化。目前，技术上的突出进展来自于 CLIP （匹配图像和文本）和 BEiT-3

（通用多模态基础模型）。基于多领域知识，构建统一的、跨场景、多任务的多模态基础模型已成为人工智能的重点发展方向。未来大模型作为基础设施，将实现图像、文本、音频统一知识表示，并朝着能推理、能回答问题、能总结、做创作的认知智能方向演进。

基于深度学习的多模态预训练是认知智能快速发展的重要推动力。构建多场景、多任务的预训练大模型将加速模型标准化进程，为人工智能模型成为基础设施创造条件。深度学习模型

的不断完善、互联网海量真实数据的积累和生成式预训练的广泛应用，使得人工智能模型在自然语言理解、语音处理、计算机视觉等领域地交叉应用取得显着进展。

2022 年，技术上的突出进展来自于 BEiT-3 多模态基础模型，该模型在视觉 - 语言任务处理上具备出色表现，包括视觉问答、图片描述生成和跨模态检索等。 BEiT-3 通过统一的模型框架和骨干网络（ backbone ）建模，能够更加轻松地完成多模态编码和处理不同的下

有任务。另一方面， CLIP （ ContrastiveLanguage-Image Pre-training ）的 广 泛应用也促进了多模态模型的技术发展。CLIP 作为基于对比学习的预训练模型，负责从文本特征映射到图像特征，能够指导 GAN 或扩散模型（ DiffusionModel ）生 成 图 像。 在 文 生 图 领 域，Stable Diffusion 也使用了 CLIP ，它能够通过文本提示调整模型，并借助扩散模型改善图像质量。与此同时，开源极大的促进了多模态的融合和预训练模型的发展。通过开源来降低模型使用门槛，将大模型从一种新兴的 AI 技术转变为稳健的基础设施，已成为许多大模型开发者的共识。