跨国深谈← 返回←多模态 (multimodal)

集里怎么说它

• 《Claude Code 实战技巧：从提问到并行》(25:06起):本集说 Claude Code 是完全多模态的，从一开始就是这样，可以拖放图片、给文件路径或复制粘贴图片进去
• 《Chip Huyen：别追 AI 新闻了，真正提升 AI 产品的是这些事》(61:32起):本集说未来有很大提升空间,尤其是音频和视频;但语音应用面临延迟和自然打断检测等巨大的工程挑战,不只是基础模型问题
• 《OpenAI 内部怎么用 AI 写代码：从巫师比喻到一人独角兽的二阶效应》(52:15起):本集说未来 12 到 18 个月多模态模型会有改进，尤其是语音对语音的原生多模态模型，音频在企业场景中被严重低估
• 《从量化交易员到物理 AI 数据层：Anchored 创始人的过山车十年》(09:01起):本集说他们的核心论点是 AI 系统天然会是多模态的——「人是多模态的,做出最佳决策的最好方式就是尽可能多地接收感官输入」,公司从视觉起步再扩展到多模态。
• 《从算盘到 AI 原生软件:Pipecat 创始人的八十年计算史漫游》(12:32起):本集说 Web 最被低估的颠覆性在于它从一开始就是多模态的,打破了文本、音频、视频和数据必须在不同程序里处理的旧规矩
• 《给医疗理赔智能体套上 X12 护栏》(04:42起):本集说理赔推理涉及图像等多模态上下文——X 光片本身就是证据文件、桌面按钮只有多模态处理才可见；多模态让 50 步流程更贵更慢且每步都是引入错误的机会。

① 提到它的金句

2 条

因为人是多模态的,你做出最佳决策的最好方式,就是尽可能多地接收各种感官输入
Because humans are multimodal, the best way that you make the best decisions is to take as many sensory inputs as you can accept.
—— Eric Landau · [09:08]

指向原始笔记的链接

事后诸葛亮来看，我现在认为 Web 最重要的一点是，它从一开始就是多模态的。
With the benefit of hindsight, I now think that the single most important thing about the web was that it was multimodal from the very beginning.
—— Kwindla Kramer · [12:32]

指向原始笔记的链接

② 出现在这些集

6 集

• 《Claude Code 实战技巧：从提问到并行》 — 作为概念(提及)
• 《Chip Huyen：别追 AI 新闻了，真正提升 AI 产品的是这些事》 — 作为概念
• 《OpenAI 内部怎么用 AI 写代码：从巫师比喻到一人独角兽的二阶效应》 — 作为概念(提及)
• 《从量化交易员到物理 AI 数据层：Anchored 创始人的过山车十年》 — 作为概念
• 《从算盘到 AI 原生软件:Pipecat 创始人的八十年计算史漫游》 — 作为概念
• 《给医疗理赔智能体套上 X12 护栏》 — 作为概念

③ 关联

点进去有真内容 —— 本页主要出口

智能体 · ChatGPT · Anthropic · Lenny · Codex · Claude Code · vibe coding · 护栏 · CI-CD · Cursor