“I”:视频输入。GPT-4V对视频的理解还相当原始，因为它将视频视为一系列离散图像。减少信息冗余的最聪明方法是什么?学习目标应该是什么?下一帧预测与下一个单词预测有着明显的类比关系，但它是否是最佳的?如何与语言交错?如何引导机器人和人工智能的视频学习?业界尚未达成共识。
多模态模型将更多地用于文档处理（但首先需要降低成本/延迟）。
苹果可能进入AI市场，推出经过优化且实用的产品或服务。
正如我们在文章《1万个达人顶得上1个疯狂小杨哥吗?有品牌靠KOC月销超千万》中所说，靠着强大的达人组织能力、媒介执行能力、利润把控能力，以及素材管理能力，一批品牌靠着海量KOC的规模效应实现了业绩增长。
**本文概要:**