在过去三年里，人工智能的突破性发展几乎完全围绕文本展开。我们输入一个指令，得到回复，然后继续处理下一项任务。这种直观的交互方式虽然一夜之间就让聊天机器人成为了家家户户的常用工具，却仅仅触及了我们这个时代最先进技术实际能力的皮毛。
这种脱节在消费者使用人工智能的方式上造成了巨大的鸿沟。尽管底层模型正迅速向多模态发展，它能够实时处理语音、图像和视频，但大多数消费者仍将其当作搜索引擎来使用。展望2026年，科技区角认为下一波人工智能普及浪潮将不仅仅关乎实用性，而是要突破静态文本的局限，迈向动态、沉浸式的交互体验。这才是真正的人工智能 2.0，它不仅能更快地检索信息，还能让人们通过声音、图像、动态画面和实时场景来体验智能。
人工智能的普及已经达到了一个临界点。2025年，ChatGPT的周活跃用户量从2月的约4亿翻倍增长到了年底的8亿，而豆包甚至日活已经突破一亿大关，像 Gemini和Anthropic这样的竞品也实现了类似的增长，但大多数用户仍然主要通过文本聊天机器人与大语言模型互动。事实上，德勤的《互联消费者调查报告》显示，尽管超过半数（53%）的消费者体验过生成式人工智能，但大多数人仍将其局限于写作、总结和调研等行政类任务。
然而，观察消费者在人工智能之外的数字行为就会发现，他们显然渴望更加深入的体验。部分研究报告显示，43%的Z世代更喜欢抖音、B 站或者是小红书、微信等用户生成内容平台，而非传统电视或付费流媒体服务。他们在社交视频平台上花费的时间比普通消费者多54%，为了互动性更强的社交平台而放弃了传统媒体。
这就形成了一种根本性的错位：消费者生活在一个多感官的世界里，而他们使用的人工智能工具却仍局限于提供纯文本内容。尽管行业已经意识到这一差距并在投入资源缩小它，但我预测，人们使用和创造人工智能的方式将发生根本性转变。在人工智能 2.0 时代，用户将不再仅仅是消费人工智能生成的内容，而是会利用多模态人工智能将语音、图像和文本融合在一起，从而能够实时塑造和主导自己的创作。
多模态人工智能开启沉浸式叙事新时代
如果说人工智能 1.0 的核心是提升效率，那么人工智能 2.0 的关键则在于增强互动性。基于文本的人工智能在深度吸引受众方面存在局限性，而多模态人工智能能让用户成为积极的参与者。你不必再只是阅读一个故事，而是可以与主角互动，将剧情引向全新方向，或是构建一个由你主导、叙事和角色随你一同成长的专属世界。
价值2500亿美元的游戏产业，为我们展现了多模态人工智能的巨大潜力。电子游戏融合了视觉、音频、叙事和实时交互能力，创造出传统娱乐形式无法复制的沉浸式体验。像罗布乐思（Roblox）和我的世界（Minecraft）这样的平台，让玩家能够 “置身” 于内容之中。仅罗布乐思一家，每日活跃用户就超过 1 亿，他们每年在这些虚拟世界中累计花费的时间高达数百亿小时，这种互动吸引力是纯文本内容永远无法企及的。
随着多模态人工智能的兴起，全球用户都将能够创造出这些他们在游戏中热衷参与的体验形式。通过消除技术壁垒，多模态技术让每个人都能构建出既贴合现实世界真实感、又能让用户深度参与的体验内容。传统媒体也在积极顺应这一趋势。迪士尼近期宣布向 OpenAI 投资10亿美元，并达成授权协议，允许用户通过Sora 平台创作包含漫威、皮克斯和星球大战角色的短视频。
为何多模态人工智能对青少年用户更安全
随着人工智能融入日常生活，安全问题尤其是针对青少年用户的安全已成为行业面临的最关键挑战之一。
从开放式聊天转向结构化的多模态虚拟世界，让我们能够在游戏场景中设计安全防护机制。这类环境不再依赖无间断的开放式指令输入，而是围绕角色、图像、语音和设定好的故事世界构建而成，互动过程由体验场景本身引导。这种结构化设计，彻底改变了安全机制在系统中的设计思路和嵌入方式。
教育领域的人工智能正是这种模式的绝佳体现。这类平台融合了视觉、音频和结构化指令来引导学习，这些人工智能并非试图做到无限全能，而是专注于把一项任务做到极致。随着多模态人工智能的发展，它最具价值的机遇之一，或许就在于这种在创作自由与合理约束之间取得平衡的能力。人工智能 2.0 带来的设计理念转变，有望为开发者、教育工作者和家庭教育提供全新方式，为下一代打造更安全、更具目的性的数字空间。
到2026年，消费者与人工智能的交互将不再局限于输入指令，而是会升级为更具沉浸感的互动体验。这一点让笔者倍感振奋，因为用户将不再被动接收输出结果，而是能主动塑造体验，并实时影响人工智能的演进方向。未来，我们或许会看到用户重新创作喜爱电视剧的大结局，或是学生不再通过阅读课本学习历史，而是通过与高度还原历史的人工智能模拟场景进行辩论来掌握知识。
对于创业者和创作者而言，下一步要做的，是跳出仅为提升效率而开发工具的思维定式，转而打造用于沉浸体验和探索的场景环境。下一轮竞争中的胜出者，将不再是拥有最智能模型的玩家，而是那些能让人工智能不再仅仅是一个实用工具，而更像一个汇聚丰富互动体验的 “目的地” 的创造者。
