互联网传媒行业深度报告-多模态技术加速-AI商业宏图正启-东吴证券_40页_2mb

多模态技术加速发展，AI商业应用前景广阔
2023年12月18日证券研究报告指出，多模态技术是实现通用人工智能（AGI）的关键路径，同时也是AI商业落地的重要起点。通过整合文本、图像、声音等多模态数据，模型能力提升与用户体验优化显著，尤其在数据、算法和算力需求方面更具优势。随着自然语言大模型技术积累，多模态领域有望快速突破，推动各行业效率提升和创新应用。

技术发展路径与挑战

1. 视觉模型：2D图像生成已形成成熟生态，StableDiffusion等开源模型助力开发者快速迭代，Midjourney等闭源应用通过数据飞轮效应持续优化。3D资产生成和视频生成因数据集不足、算法复杂度较高仍处早期，但受扩散模型进展影响，预计2024年将加速发展。
2. 听觉模型：音乐生成面临高质量数据稀缺问题，2023年开源模型如MusicGen、StableAudio通过标注数据合作和算法优化取得进展，可为内容创作提供高性价比解决方案。
3. 具身智能：聚焦AI与物理交互的机器人领域，需融合视觉、触觉等多模态能力，当前技术仍处于整合阶段，未来或成为AI落地的重要场景。

国内外技术差异

• 海外领先：OpenAI和谷歌在通用多模态模型（如GPT-4V、Gemini）及垂直领域（如Midjourney、StableDiffusion）均具备显著优势，技术储备与生态布局更成熟。
• 国内追赶：依赖海外开源技术（如Meta的CLIP模型），同时通过自主研发推动应用落地。如百度文心一格、阿里通义万相等模型已在电商、教育等领域实现商业化，万兴科技、美图等企业凭借技术迭代和生态适配受益。

投资建议
重点推荐深度布局多模态技术的企业，包括昆仑万维（模型研发领先）、万兴科技（AI视频工具）、美图（MiracleVision4.0落地）。建议关注焦点科技（AI+电商）、中文在线（AI短剧）、盛天网络（AI游戏）、蓝色光标（AI营销）及凤凰传媒、世纪天鸿等教育领域标的。算力赛道推荐中际旭创等硬件龙头，受益于多模态模型训练需求激增。需留意AI视频生成、3D资产创造等细分领域的技术突破机会。

风险提示
技术发展速度不及预期、伦理与隐私监管压力、商业化模式探索受阻、算力基础设施不足等潜在风险可能影响行业进展。需关注内容安全性和技术成熟度之间的平衡，以及国内外技术生态竞争格局变化。