青岛虚拟智能代理产业大会正式发布了中国首个支持全模态实时交互的视觉语言大型模型VisualGPT，同时推出了智能代理培训平台。它为全国开发者提供多模态数据和计算资源，标志着人工智能交互从“基于文本的对话”迈向“视觉界面即时交互”的新阶段。
车型亮点
– 全模态实时交互：用户上传图片/视频后，可以通过屏幕上的语音直接选择、注释或提问。模型可在几秒钟内返回结构化答案、可执行代码或三维场景，而无需切换到文本输入。
– 所见即所获：VisualGPT将视觉编码器与流式解码器结合，实现端到端延迟低于300毫秒，支持1080p60fps视频和多回合对话的实时分析。
– 多域应用：官方已在教育、医疗和金融三大场景下开放了SDK。教师可以在演示文稿中圈出公式，即时生成动画解说，医生在查看图像时可以询问病变指标，金融分析师则可以直接提问股票图表问题，以获得策略回测结果。
平台支持
青岛智能代理培训平台提供1000个A100/H100混合计算能力和10PB多模态数据，免费为企业、高校和个人开发者提供访问。计划到2026年扩展至5000块H100 GPU，打造华北最大的AI训练集群。大会还发布了“100个企业和100个场景”连接名单，首轮收集了200多项视觉交互需求，预计到2025年底完成100个基准案例。
工业意义
VisualGPT的推出使青岛在虚拟智能代理领域取得了早期优势。据市工业信息局称，未来三年内，将依靠该模式建设“青岛人工智能创新谷”，吸引300多家上下游企业，形成万亿元全模态互动产业链。
