东吴证券-多模态技术加速，AI商业宏图正启-2023.12.18-40页_1mb

多模态技术加速，AI商业宏图正启

核心观点：

• 多模态是实现通用人工智能的必经之路，并将成为AI商业发展的起点，能够为企业降本增效，并促进C端内容创作实现成本与质量的平衡。
• 多模态模型处理两种及以上数据类型（如文本、图像、音频、视频、3D等），相比单模态模型，其输入输出能力更强，能更好地模拟真实世界。

多模态大模型技术脉络与前进方向：

1. 视觉模型:
   • 2D图像生成是当前最容易实现技术突破和产生爆款应用的领域，扩散模型是主流算法，已有成熟应用（如Midjourney、DALL·E、Stable Diffusion）。生成成本仍有优化空间，通用类应用已具备较好的盈利模式。
   • 视频生成和3D资产生成是未来重要方向，受到算法（如扩散模型、Transformer结合）、算力和高质量数据集的限制，发展相对较新，仍有较大技术突破空间，预计2024年有望有更大发展。挑战在于数据获取困难、算法复杂度高、计算需求大。
   • 视觉模型发展快于听觉和具身智能。
   • 音频/听觉模型（音乐生成、语音生成/转换）已有初步突破，但数据集规模相对较小（尤其音乐、低资源语音数据），高质量训练数据仍有缺口。
   • 具身智能（AI+机器人）最复杂，需要多模态感知、推理和物理交互能力，目前仍处于早期阶段。

海外与国内进展:

• 海外领先机构（OpenAI、Google、Meta、Stability AI、Midjourney、Runway等）具备技术优势和丰富的生态布局，在多模态领域展现强大实力。
• 国内虽在数据、算法、算力上存在劣势，但海外开源成果（尤其视觉算法）提供了追赶契机。中国科技公司在产品运营和生态整合方面有优势，国产大厂（百度、阿里、字节、腾讯、昆仑万维、商汤等）和AI视觉应用公司（万兴科技、美图）正积极布局，并有望实现技术与应用的同步发展。海外开源模型（如Stable Diffusion）正带动国内开发者生态的繁荣。

投资建议：

• 推荐关注已在多模态方向布局或具备能力的公司： 昆仑万维、万兴科技、美图。
• 看好受益于多模态技术进步的AI应用领域（电商、游戏、教育、营销）： 推荐焦点科技、中文在线、盛天网络、蓝色光标、凤凰传媒、世纪天鸿；建议关注掌趣科技。
• 关注AI视频相关多模态技术公司（如虹软、当虹）、算力龙头（如中际旭创）。

主要风险提示：

• 多模态技术发展不及预期。
• 伦理与隐私问题。
• 商业化拓展不及预期。
• 算力基础设施发展不及预期。