短短十年，AI的进化仿佛按下快进键——从AlexNet在ImageNet石破天惊的一战，到ChatGPT以‘万亿参数’掀起对话革命；从卷积网络笨拙地识别手写数字，到多模态大模型从容解读世界。算力狂飙下，代码有了‘想象力’，数据炼成了‘通才’，曾经科幻的边界被一寸寸烧穿。我们站在算力与算法的风暴眼，目睹智能的边界以月为单位崩塌重建；在感叹技术革新的同时，偶尔也在思考之前的经典-CNN在当前任务中的作

短短十年，AI的进化仿佛按下快进键——从AlexNet在ImageNet石破天惊的一战，到ChatGPT以‘万亿参数’掀起对话革命；从卷积网络笨拙地识别手写数字，到多模态大模型从容解读世界。算力狂飙下，代码有了‘想象力’，数据炼成了‘通才’，曾经科幻的边界被一寸寸烧穿。我们站在算力与算法的风暴眼，目睹智能的边界以月为单位崩塌重建；在感叹技术革新的同时，偶尔也在思考之前的经典-CNN在当前任务中的作

图 2：典型的多模态语⾔模型架构⽰意图。本文系统综述了多模态大型语言模型（MLLM）的发展背景、核心架构、技术特点及扩展应用，阐明其通过融合大型语言模型（LLM）与大型视觉模型（LVM）的优势，突破传统单模态模型的局限性，实现多模态信息的理解与生成，并探讨其在多领域应用的潜力与未来研究方向。本部分详细解析了多模态大型语言模型（MLLM）的核心架构设计，包括模态编码器、语言模型（LLM）和模态接口三

短短十年，AI的进化仿佛按下快进键——从AlexNet在ImageNet石破天惊的一战，到ChatGPT以‘万亿参数’掀起对话革命；从卷积网络笨拙地识别手写数字，到多模态大模型从容解读世界。算力狂飙下，代码有了‘想象力’，数据炼成了‘通才’，曾经科幻的边界被一寸寸烧穿。我们站在算力与算法的风暴眼，目睹智能的边界以月为单位崩塌重建；在感叹技术革新的同时，偶尔也在思考之前的经典-CNN在当前任务中的作

短短十年，AI的进化仿佛按下快进键——从AlexNet在ImageNet石破天惊的一战，到ChatGPT以‘万亿参数’掀起对话革命；从卷积网络笨拙地识别手写数字，到多模态大模型从容解读世界。算力狂飙下，代码有了‘想象力’，数据炼成了‘通才’，曾经科幻的边界被一寸寸烧穿。我们站在算力与算法的风暴眼，目睹智能的边界以月为单位崩塌重建；在感叹技术革新的同时，偶尔也在思考之前的经典-CNN在当前任务中的作