人工智能行业深度报告：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，也是 AI 厂商竞争的关键领域。

多模态大模型是 AI 大模型的发展方向，也是 AI 厂商竞争的关键领域。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。

多模态大模型融合了多种类型的数据，技术壁垒高、消耗算力大。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。消费服务和通用行政办公等 To C 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。而医疗、金融、工业等 To B 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。