2018年以来，GPT采用“预测下一个词元”的自回归路线，实现了语言大模型重大突破，开启了生成式人工智能浪潮。

而多模态模型主要依赖对比学习、扩散模型等专门路线，自回归路线是否可以作为通用路线统一多模态，一直是未解之谜。

智源这项成果表明，只采用自回归路线，就可以统一多模态学习，训练出优秀的原生多模态大模型，对于确立自回归成为生成式人工智能统一路线具有重大意义。

Nature编辑点评这项研究：智源提出的Emu3仅基于预测下一个词元，实现了大规模文本、图像和视频的统一学习，其在生成与感知任务上的性能可与使用专门路线相当，这一成果对构建可扩展、统一的多模态智能系统具有重要意义。

据介绍，智源Emu系列模型自2022年启动研发以来，围绕“原生多模态”这一核心技术主线持续迭代，每一个版本均在关键能力与方法论上实现突破。下一步，智源将继续围绕智能与物理世界的深层关联，推进面向下一代人工智能的科研创新。(完)