5月8日，阶跃星辰首席执行官姜大昕在北京的一场媒体沟通会上表示，在多模态领域，任何短板都会延缓通向通用人工智能（AGI）的进程。过去一年中，他多次强调：多模态是实现AGI的必经之路。

作为六小龙之一，阶跃星辰以低调著称，过去两年未参与应用投流热潮，仅在To C领域进行试水。公司专注于多模态技术探索，已发布22款自研基座模型，其中16款为多模态模型，占比超过70%，被称为行业内的“多模态卷王”。

然而，多模态的发展仍处于早期阶段，与语言模型技术路线相对收敛不同，多模态尚需更多探索。姜大昕指出，Sora虽震撼全球，但其生成能力并未充分结合理解功能，而阶跃所押注的“理解+生成一体”的原生多模方向，可能还处于类似GPT 1.0之前的阶段。

阶跃的技术路线选择了一条高难度路径：确保同一模型既能完成理解任务，又能实现生成目标，且不损失单个模态性能。这一策略旨在解决多模态融合过程中可能出现的降智问题。

2025年，随着GPT-4oimage和DeepSeek等模型的发布，多模态重回全球关注焦点。同时，推理模型的进步为多模态技术提供了重要支持。在此背景下，阶跃也在重点布局Agent领域，与Oppo、吉利汽车集团、千里科技等企业合作，将Agent应用于汽车、手机、具身智能及IoT等关键场景。

当前，大厂凭借存量优势可从容调整方向，而初创企业则面临更为紧迫的选择。部分大模型初创公司或裁撤团队，或将重心重新放回语言模型。对此，姜大昕认为，探索更前沿、未知的领域可能是现阶段更重要的事情。

阶跃内部已组织起多个技术路线团队，追求并发式突破。姜大昕透露，未来公司将持续推动多模态领域的创新，并对当下行业趋势给出关键判断。

首先，多模态任何一个方面的短板都会延缓AGI的实现进程。其次，从技术发展来看，行业正遵循模拟世界—探索世界—归纳世界的进化路线，从单模态到多模态，再到理解生成一体化及强化学习的应用。

多模态对AGI的重要性体现在两方面：一是对标人类智能的多元化特性，二是满足实际应用场景需求，如听、看、说等功能结合，提升用户交互体验。

在具体技术层面，多模态下一步发展趋势包括：一是在预训练基础模型上加入强化学习，激发长思维链推理能力；二是推进多模理解生成一体化，特别是在视觉领域。姜大昕举例说明，生成内容需要理解来控制，而理解则需要生成监督，二者相辅相成。

关于视觉领域的灵魂拷问——能否用一个模型预测下一个画面，目前仍未解决，主要原因在于视觉模态的复杂度远高于语言模态。尽管如此，阶跃相信视觉领域也可以沿袭语言模型的技术路线，最终实现scalable架构下的理解生成一体化。

此外，姜大昕提到DeepSeek的成功经验表明，传统投流逻辑在AI时代可能不再适用，产品增长需重新思考模式。他认为，模型突破往往早于商业化，而多模态理解生成一体化将是迈向人形机器人泛化的重要一步。

展望未来，阶跃将产品名称“跃问”更名为“阶跃 AI”，象征从类ChatGPT产品向Agent能力的转变。公司坚持基础大模型研发，同时深化与行业头部企业的合作，专注于智能终端Agent的应用开发，覆盖手机、汽车及机器人等领域。

免责声明：本文内容由开放的智能模型自动生成，仅供参考。