12月7日，京東集團副總裁段楠表示，目前，AI的多模態技術方向，處在方興未艾的階段，涉及到端到端的場景，隨着多模態對於視覺、語言的理解，推理和生成的結果越來越佳，併產生顛覆性影響。例如在推薦系統上，更加千人千面，教育將變得更為因材施教，娛樂則更開放有趣。

　　不過，段楠也認為，當下的多模態綜合研究還存在一些挑戰。首先，語言文字仍是當下的載體和核心，基於語言的學習速度快。但在視覺智能方向，還處於爬坡山上坎的階段，視覺要理解世界以及背後的常識和規律，還需要進一步地對齊。因此現如今世界模型很火，如果哪個企業可以做到，就是小小的「上帝」。

　　此外，現在的大語言模型像一個「閉着眼睛的智者」，想讓其睜開眼睛的時刻，會有蹺蹺板效應，語言輸出會出現部分「降智」，因此加強其邏輯推理能力，是未來多模態的重要研究方向。

　　最後，未來人工智能將從數字世界走向物理世界，一定要基於輔助硬件和真實的環境產生交互，如何持續不斷提供輔助，完成危險和重複的任務，解放人類，這也是目前研究的關鍵。

　　12月7日，由聯辦集團、和訊共同主辦、財經中國會承辦，主題為「尋找中國經濟破局之路」的和訊財經中國2025年會暨第23屆財經風雲榜在北京舉行。段楠在大會演講中表達了上述觀點。