ChatGPT 強大的語言理解和文字生成能力讓其成為2023年第一個火爆的風口，後來推出的ChatGPT4.0更在原有的文字層面交互上，新增了圖像輸入/輸出、音樂、影片回答的功能，從而開啟人機交互新時代，這背後涉及到“多模態AI”的概念更是成為人工智慧行業近年來的研究熱點。