为实现6G网络中通信与多模态感知的智能融合，受人类联觉启发，我们首次提出了“机器联觉（SoM）”的概念。然而，现有SoM系统设计依赖于任务专用的AI小模型，并面临着海量、高质量数据集稀缺和数据泛化性差等挑战。近期，大模型/基座模型作为一种AI新范式在自然语言处理等领域取得了巨大成功，为解决上述挑战提供了新机遇。报告将首先介绍机器联觉的基本概念，并系统介绍大模型/基座模型赋能机器联觉的两种路线，包括通用基座模型LLM（大语言模型）和SoM领域专用基座模型（无线基座模型）。接下来，报告将介绍最新构建的海量、高质量通信与多模态感知智能融合数据集SynthSoM，并重点介绍基于该数据集的基座模型赋能的联觉收发机设计，包括基于大语言模型和基于无线基座模型的设计。针对基于大语言模型的联觉收发机设计，报告将介绍首个基于预训练大语言模型的信道预测方案（LLM4CP）和基于预训练大语言模型的无线物理层多任务方案（LLM4WM）。针对基于无线基座模型的联觉收发机设计，报告将介绍首个面向信道预测的无线基座模型（WiFo）。此外，报告将介绍首个无线基座模型嵌入的视频传输系统硬件Demo。最后，本报告进行总结和展望。