首先，视觉和语言类的大模型肯定会是自动驾驶和机器人必不可少的，毕竟在人类的世界，人类需要的元素，他们都少不了。语言和文字是人类构建的，所以人类GPT等算法最快将其掌握和破解，那么如何将2D感知转化成3D是重点。