预训练模型引发AIGC 质变，多模态技术实现多样性。ChatGPT 的持续升温使人们关注到了AIGC 的突破性进展，其中预训练模型和多模态技术功不可没。预训练模型，又称为大模型、基础模型（foundation model），即基于大量数据（通常使用大规模自我监督学习）训练的、拥有巨量参数的模型，可以适用广泛的下游任务。多模态技术推动了AIGC 的内容多样性，让AIGC 具有了更通用的能力，多模态即图像、声音、语言等融合的机器学习。在多模态技术的支持下，目前预训练模型已经从早期单一的NLP 或CV 模型，发展到现在语言文字、图形图像、音视频等多模态、跨模态模型。在此基础上，大型预训练模型的发展重点开始向横跨文本、图像、语音、视频的全模态通用模型发展。通过计算策略、数据调用策略、深度学习框架等方法提升模型效果成为目前研究的进展关键，其中的代表包括：开启了跨模态预训练模型的Open AI DALL·E 及CLI、NVDIA GauGAN2、微软及北大NÜWA女娲、NVIDIA POE GAN、DeepMind 的Gato 等。