本书系统地介绍了多模态大模型的关键技术、基础模型和典型应用。为了能够让低年级本科生和刚进入人工智能领域的从业者更容易理解书中的技术内容，本书以深入浅出的方式介绍了各个关键技术点，并提供了许多易于理解的直观实例，深入剖析多个经典的多模态大模型的结构和技术。希望通过这本书向读者介绍多模态大模型的技术方法、开源平台和应用场景，以及对如何实现通用人工智能提供清晰的指导，包括因果推理、世界模型、具身智能与多智能体等前沿技术。希望本书能够为学术界和工业界提供一个清晰的视角，以帮助人工智能科研工作者更全面地了解多模态大模型的技术和新一代人工智能的发展方向。全书共 5 章，第 1 章深入探讨最具代表性的大模型结构，第 2 章深度剖析多模态大模型的核心技术，第 3 章介绍多个具有代表性的多模态大模型，第 4 章深入分析视觉问答、 AIGC 和具身智能这 3 个典型应用，第 5 章探讨实现通用人工智能的可行思路。 本书不仅适合高校相关专业高年级本科生和研究生作为教材使用，更是各类 IT 从业者的必备参考之作。在教学课时安排上，本书可以满足 32 ∼ 56 学时的教学安排。第 5 章多模态大模型迈向AGI 是近年人工智能领域的研究热点，涉及模型鲁棒性、可解释性、可信性、因果推理、世界模型、具身智能与多智能体等多个技术领域，需要读者花更多的时间在相关任务的实践中。