AI行业重心转向多模态领域 文本模型进入优化阶段 多模态成新爆点

2025年AI行业重心正从纯文本模型转向多模态领域。下半年以来，Sora 2、谷歌Nano Banana等多模态应用相继推出，视觉创作类AI Agent也获得高度关注。

文本模型已进入优化阶段，性能提升趋于平稳，而多模态能力在可用性上取得突破。DeepSeek-OCR通过将文本转化为图像识别，大幅降低了计算成本，展示了文本模型优化方向。

多模态发展以文本模型为基础，理解与生成相互促进。业界认为多模态是通向AGI的必经之路，其突破将推动世界模型、具身智能等发展，并为市场带来更多商业机会。