8 月 13 日消息，商汤科技联合创始人、执行董事兼首席科学家林达华于 8 月 12 日发布深度长文《迈向多模态通用智能：商汤的思考》，系统阐述了通向多模态通用智能的底层逻辑、技术路线、实践探索以及未来愿景。
林达华指出，人工智能的核心在于通过计算实现智能行为，而智能本身是一个高度复杂且多维度的概念。其本质体现为个体与外部环境（包括物理世界或其他智能体）进行自主交互的能力，涵盖感知、推理、决策、学习等多个关键维度。
他强调，语言仅仅是人类智能发展过程中的产物，并非智能的根源；语言是描述现实的工具，但并不等同于现实本身。他也明确表示：“仅依赖语言模型无法实现真正意义上的 AGI”。
林达华认为，尽管大语言模型在通向 AGI（通用人工智能）的道路上迈出了关键一步，但随着现有文本数据终将被模型充分吸收，AI 的下一次飞跃必须突破语言的局限，回归智能的本质——即与真实世界的互动。
他提出，要实现真正的通用智能，AI 必须具备类似人类的多感官信息接收能力，能够将来自视觉、听觉等原始模态的数据转化为可计算的内部表示。他强调：“对多模态信息的感知与处理能力，是构建 AGI 的核心前提，也是从语言模型进化至通用智能的必然路径”。
