阿里巴巴集团副总裁、智能信息事业群首席科学家许主洪在2025上海世界移动通信大会演讲称，多模态大模型是实现通用人工智能（AGI）的必经之路，因为它能让AI像人类一样，通过整合文本、图像、音频、视频等多种信息，更全面地理解世界，并带来前所未有的自然交互和丰富的应用场景。

许主洪指出，多模态Agent AI时代才刚刚开始。他认为，要真正迈向通用人工智能（AGI），还需攻克诸多技术难题，涵盖多模态大模型的基础能力提升、Agent智能体核心功能模块的完善、数据世界的连接与操作，以及物理世界的交互与控制等。尽管挑战巨大，但这些未解的难题恰恰构成了未来多模态大模型行业发展的核心机遇。