多模态产业应用持续落地

　　消息面上，继ChatGPT上线一周年之后，近日，谷歌的多模态Gemini忽然上线，被业界视为“谷歌最强反击战开启”。

　　据媒体报道，当地时间12月6日， 谷歌公司宣布推出其规模最大、功能最强大的新大型语言模型Gemini。投资机构针对Gemini的讨论“炸开了锅”。业内人士认为，Gemini在视觉识别和推理推断方面有显著优化，落到商业场景上，实时交互场景或成为多模态人工智能模型应用的焦点。

　　多模态大模型的核心变化在于扩充了信息输入的模态，因此图像与语音模态占比越高的场景应用多模态模型的潜力越高。

　　中信证券研报表示，多模态Gemini模型的正式发布，一方面可以拓宽应用场景，另一方面能够带来算力需求的持续升级。持续看好后续AI产业的前景，认为后续GPT-5等模型的发布亦将带来更多的催化。

　　太平洋证券研报指出，谷歌Gemini 1.0发布标志着多模态领域取得里程碑式进展，产业趋势确定性进一步明确。在商业化方面，过往由于AI应用主要集中于B端，商业化发展受到限制。随着多模态新产品和新技术的持续迭代，Pika在多模态领域取得突破，AIGC有望在文娱行业拓展应用，进一步打开C端市场，提升商业化价值。

　　A股公司争相披露多模态进展

　　A股市场上，近期多家公司透露多模态业务布局情况。

　　声迅股份是脑与认知智能北京市实验室的共建单位，实验室在多源多模态算法和模型上有多年积累。公司正在针对安防、安检、智慧城市、智能医疗等领域的市场和客户，研究基于多模态以及SAM大模型的创新应用。

　　拓尔思研发的拓天大模型拥有内容生成、多轮对话、语义理解、多模态交互(语音交互/以文生图等)、知识型搜索、逻辑推理、安全合规、数学计算、编程能力和插件扩展十大基础能力。

　　尚品宅配利用海量数据，在平面布局、三维搭建、效果呈现三个不同方向展开多模态大模型的研究，最后统一在“模型即服务”(Model-as-a-Service, MaaS)一个3D的通用AIGC模型上。

　　当虹科技拥有自研的AIGC工具集，可以实现不同模态之间相互切换公司的AIGC多模态内容生成相关技术，能实现面向AIGC多模态工具链，为多模态大模型的训练提升精度、节省算力。

　　因赛集团自研的InsightGPT目前属于营销行业的多模态垂直模型，现有的核心功能主要包括文本生成、图像生成、视频生成等。