青岛推出国内首个全模态实时交互大模型 VisualGPT，带来“所见即所得”AI新体验

在青岛虚拟智能体产业大会上，官方发布了国内首个支持全模态、实时互动的视觉语言大模型 VisualGPT，并同步开放智能体训练平台，面向全国开发者提供多模态数据与算力资源，宣告AI交互从“文字聊天”迈入“视觉界面即时互动”的新阶段。

模型亮点  

– 全模态实时交互：用户把图片或视频上传后，可直接在画面中圈选、标注或用语音提问，模型能在秒级给出结构化答案、可运行代码或3D场景，无需切换到文字输入。  

– 所见即所得：通过将视觉编码器与流式解码器深度耦合，VisualGPT实现端到端小于300ms的延迟，支持1080p60fps的实时画面分析与多轮对话。  

– 多域应用：官方已面向教育、医疗、金融三大场景开放SDK；老师可在课件上圈出公式即时生成动画讲解，医生可在阅片过程中询问病灶指标，金融分析师能对K线图直接提问并获得策略回测。

平台配套  

青岛智能体训练平台提供1000张A100/H100混合算力与10PB多模态数据，面向企业、高校及个人开发者免费开放申请；计划于2026年扩容至5000张H100，打造北方最大AI训练集群。大会同时发布“百企百景”对接清单，首批征集超过200个视觉交互需求，预计到2025年底完成100个标杆案例落地。

产业意义  

VisualGPT的发布让青岛在虚拟智能体赛道率先布局。市工信局表示，未来三年将依托该模型建设“青岛AI创新谷”，吸引上下游企业超过300家，形成千亿级的全模态交互产业链。