ChatGPT 自2022年推出以来，其发展历程标志着人机互动的重大转变。从最初的新奇实验，迅速成长为很多人日常生活中不可或缺的数字工具。根据统计，ChatGPT 在推出后的短短五天内便吸引了超过一百万用户，而到2023年11月，每周活跃用户数更是达到了1亿，2024年8月这一数字已突破2亿，月访问量达到约31亿次。如此惊人的用户基础，体现了 ChatGPT 在日常生活中的广泛应用。随着技术的不断进步，ChatGPT 在2024年5月推出了 GPT-4o 版本，实现了多模态交互。这一升级使得 AI 能够处理和生成文本、图

​科大讯飞公司近日宣布，其最新研发的讯飞星火多模态交互大模型正式投入运营。这一技术突破标志着科大讯飞从单一的语音交互技术拓展到音视频流实时多模态交互的新阶段。新模型集成了语音、视觉和数字人交互功能，用户可通过一键调用，实现三者的无缝结合。

9月26日，智能机器人公司"蔚蓝科技"发布了全新四足机器人BabyAlpha A2，以其多模态交互能力和亲民价格，在国内智能家居市场掀起一阵旋风。BabyAlpha A2不仅是一款外形讨喜的智能伙伴，更是家庭智能化的先锋。作为国内首款具备多模态交互能力的AI四足机器人，它以不到1万元的售价，向普通家庭敞开了智能生活的大门。这款机器人集成了多项先进功能，包括个性化定制、绘本互动、远程音视频通话等，完美契合现代家庭的多样化需求。最引人注目的是BabyAlpha A2的语言能力。内置的大语言模

在2024年世界人工智能大会上，商汤科技发布了国内首个所见即所得模型“日日新5o”，这一模型的交互体验与GPT-4o相当，实现了实时的流式多模态交互。该模型通过整合声音、文本、图像和视频等跨模态信息，能够进行实时的理解和响应。例如，它能够识别工作人员佩戴的胸卡并判断出会场位置，描述小狗玩偶的外观和穿戴，以及对工作人员随手画的图画进行即时评价。