AI服务与2000年建站热潮相似，但有三点关键差异：成本结构（按次计费vs固定）、价值交付（执行vs展示）、数据效应（双向飞轮vs单向）。AI服务需具备场景穿透力、成本收敛曲线和数据飞轮转速三个必要条件，否则将被淘汰。活下来的服务商将深耕垂直场景，而非自称AI公司。

多模态大模型能同时处理多种形式数据输入输出，学习不同模态之间的关联和映射关系，发现隐藏在数据中的复杂跨模态模式。目前在图片理解方面效果较好，但在视频和音频理解方面仍有待改进。多模态大模型整体处于发展阶段，但在垂直场景下已能做出一些之前做不到或做不好的应用。