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-20231218-东吴证券-40页_2mb

多模态技术发展与投资机会分析

核心观点

• 多模态技术为AI向通用人工智能发展提供关键路径，同时开启商业价值新篇章。

技术趋势

图文生成已成熟

• 扩散模型主导图像生成市场，Midjourney年营收超1亿美元
• 生成成本持续下降，文生图模型训练成本较GPT-3降低95%

视频生成进入爆发期

• 技术参照2021年图片生成拐点，可类比发展
• 2024年预期实现扩散模型+Transformer创新融合

其他模态进展

• 听觉模型：音乐生成领域StableAudio实现90秒连贯音频生成
• 具身智能：尚处早期阶段，主打机器人领域

国内外对比

海外技术领先

• OpenAI实现文本-图像-视频多模态整合，GPT-4V在医疗影像分析领域应用
• Google Gemini Ultra模态理解能力突破GPT-4V水平
• 元宇宙企业在3D生成领域引领

国内追赶态势

• 海外开源技术促进国内算法进步，华为/阿里在中文语料建设上有质的提升
• 国内产品强调生态整合，商业化落地较快

投资建议

重点推荐

• 昆仑万维：多模态技术研发领先
• 焦点科技、中文在线：电商/游戏AI应用
• 万兴科技、美图：视觉应用生态优势
• 盛天网络，蓝色光标：营销/教育场景应用

次要关注

• 算力基础设施龙头，如中际旭创
• AI+视频内容解决方案商，如虹软科技

风险提示

• 技术迭代速度不及预期
• 生成内容潜在伦理及安全风险监管
• 商业模式成熟期主导尚不明确
• 算力基础设施制约落地节奏

报告要点：

• 当前布局多模态技术的企业将获先发优势
• 重点关注文本/图像/视频模态整合带来的生产力跃迁
• 解决方案建议聚焦垂直应用场景而非基础技术竞争