【广发计算机刘雪峰团队|AI行业深度报告:多模态大模型方向确定,从通用到垂直场景智能化升级的统一和差异】多模态大模型是AI大模型的发展方向。 相较于自然语言类模型,多模态模型在训练阶段融合了文字、图像、三维物体等多维度数据的训练,可交互的信息类型较多,通用性得到了大大增强,可应用的场景有较大拓展。 我们判断,多模态大模型的技术迭代、产品设计和商业模式的探索将成为下一阶段各厂商竞争的关 【广发计算机刘雪峰团队|AI行业深度报告:多模态大模型方向确定,从通用到垂直场景智能化升级的统一和差异】多模态大模型是AI大模型的发展方向。 相较于自然语言类模型,多模态模型在训练阶段融合了文字、图像、三维物体等多维度数据的训练,可交互的信息类型较多,通用性得到了大大增强,可应用的场景有较大拓展。 我们判断,多模态大模型的技术迭代、产品设计和商业模式的探索将成为下一阶段各厂商竞争的关键。 多模态大模型给AI行业带来的变革如下:(1)算法方面:多模态大模型需要对多种类型数据进行编码、配对、拟合,训练过程更加复杂、技术壁垒更高。 (2)数据方面:多模态大模型的训练数据量庞大、数据类型多样,需要大数据产品的支持。 (3)算力方面:多模态大模型需要处理的非结构化数据较多,在训练和推理阶段消耗的成本更大,所需的算力支持更高。多模态大模型的开放推动各垂直应用领域智能化升级加速。 在不同场景中,垂直领域厂商通过调用多模态大模型的API进行二次开发,可实现既有应用的快速智能化升级。 多模态大模型的开放将大大降低各垂直领域厂商开发AI应用的门槛,各场景智能化升级有望呈现出加速和扩散的趋势。在通用行政办公、软件开发、创意设计、金融、医疗等方面已经展现出较好的应用前景。 受限于数据安全、技术壁垒以及监管要求,各行业智能化升级的节奏和实现方式有所区别。 (1)消费服务和通用行政办公等ToC领域由于数据相对容易获取,应用壁垒偏低和行业特征较弱等属性,使得相应领域在接入通用AI大模型后的应用产品化落地较快,普适性较高。 下游应用相应也面临较大的同质化挑战。 (2)而医疗、金融、工业等ToB领域的性能功能壁垒、数据敏感和私密性以及法律合规性上的高要求导致AI功能的开发和应用都呈现私域封闭的特点。 相关领域更多借鉴通用AI大模型的技术原理,结合自身专业数据积累,打造属于企业内部的模型,相应商业化节奏略慢、行业特征较为明显。 投资建议:建议关注(1)AI基础技术类公司:寒武纪、星环科技;(2)AI行业应用受益公司:金山办公、石基信息、同花顺、卫宁健康、金蝶国际、科大讯飞、万兴科技。 风险提示:技术处于发展早期,尚未形成成熟的商业化落地模式;技术开源导致行业竞争加剧的风险;AI生成内容存在有害和敏感信息可能性的风险;AI芯片存在供应链不稳定的风险。