Why This Card Matters
为什么这张卡值得读
AI 的「读」早就超过了 OCR — 它能读一张设计图并理解其中的空间逻辑、读一份财报并比对图表与文字、读一段视频并从画面 + 字幕 + 语音中提取关键事件。这张卡帮你看清：当 AI 能跨模态理解，过去靠人脑做的「信息综合」环节，正在被压缩。
Formal Manuscript
多模态读取：AI 把文字和图像放进同一个理解框架
真正的多模态理解，不是把图片转成文字，而是把不同形态的信息放进同一个问题框架里。
AI的本领之三：读文与识图
AI 的「读」横跨文字和图像，正在成为多模态理解
所谓“读文与识图”，并不是简单地把图片里的文字识别出来，也不是把一份文档压缩成几段摘要。
Reflect
读完先问自己
- 你最近一次需要「综合多种材料」的工作，AI 介入了多少？
- 哪一种格式（PDF / 视频 / 截图）是你常用但 AI 还没用熟的？
- 你能不能把一次跨格式信息综合的工作，完全交给 AI 做初稿？
Tool · 怎么用
多模态应用盘点
你的工作中有哪些任务涉及文字 + 图像同时处理？列出来，看哪些可以让 AI 完整接管。