回复4楼:已经可以了。chatGPT和谷歌的那个模型都可以做到，所谓多模式输入，文字、语音、图片，等等等等，这其实就是未来真正的类人机器人的大脑，只不过需要未来极其强悍的硬件芯片把现在几万台服务器构成的AI云缩减到人脑大小，塞进机器人的脑袋里。这听起来很难做到，但是要知道电脑刚开始也是占地数万平方米，需要一个水电站专门供电的“设施”，而现在一个手机的运算能力就比它高几个数量级。。。很快，20年后可能遍地都是真正的智能机器人，你很难区分“他/她”到底是人还是机器人那种。

:
只要能设计图纸，加上各种数码机器，就算不用机器人也能走很远，最后过渡到机器人吧