计算机行业人工智能系列报告(六)：交互型多模态大模型有望带来应用的爆发起点

一、核心概念

交互型多模态大模型是指跨越单一模态限制，支持文本、音频、图像、视频等模态任意组合输入输出的模型，能做出实时、“类人”的理解和反馈。其特点包括：原生多模态、快速响应、情感表达、记忆。

二、成本下降趋势

OpenAI 大模型成本显著下降，GPT-4o mini 推出后，大模型成本在 2 年内下降两个数量级。预计未来两年内，每百万 tokens 的推理成本将降至美分量级。

三、技术进展

• 海外：OpenAI 发布 GPT-4o，谷歌发布 AI 智能体 Project Astra。
• 国内：商汤发布流式多模态交互大模型“日日新5o”，智谱面向 C 端开放“视频通话”功能。

四、应用爆发原因

• 多模态更符合人类感知方式：人类获取信息主要通过视觉，多模态模型更符合人类感知世界的方式。
• 人机交互模式升级：应用发展的核心是人机交互模式的升级，交互型多模态大模型推动人机交互向自然语言交互发展。

五、应用领域

• 数字智能：教育（个性化教学、语言学习）、编程（代码生成与补全）、医疗健康（智能导诊、健康顾问）、办公（会议助手）、游戏（AI NPC）、情感陪伴（虚拟人物）。
• 具身智能：人形机器人（交互效率、情感智能）、智能座舱（多模态交互、个性化体验）、智能家居（语音交互、情感陪护）。

六、未来形态

• 交互先行，端侧 AI 加速发展：交互型多模态大模型将深度集成于手机等端侧设备，并与手机 OS 深度融合，形成智能生活圈。
• 商业模式：聊天助手 APP、基础模型接入各类应用、超级入口。

七、相关标的

• 交互型多模态大模型：商汤-W、云从科技-UW。
• 数字智能应用：金山办公、科大讯飞、虹软科技、美图公司。
• 具身智能应用：海康威视、大华股份。
• 算力：寒武纪、软通动力、海光信息、浪潮信息、中科曙光、神州数码。