AI模型的新一轮革命

《科创板**》记者注意到，从最终形态来看，与单模态相比，多模态大模型同时处理文本、音频等类型信息，更符合人类接收、处理和表达信息的方式，也可以成为人类的智能助手。

目前，谷歌已经推出了多模态大模型Gemini 15 pro；Meta 先后开源了 imagebind 和 anymal 等多模态大模型; OpenAI 近日密集剧透 GPT-5 将重点关注语音输入输入、图像输出和最终输入方向的突破，或将实现真正的多模态。

华孚**研究院计算机团队分析师石晓军2月18日表示，多模态是AI大模型的新一轮革命。 石晓军表示，多模态提高了大模型的泛化能力，实现了多信息环境下的“多专业化、多能力”，在垂直领域具有广泛的应用场景和市场价值。

科创板记者注意到，与文本生成相比，由于数据、算力等原因，大型模型和应用的生成，导致产品数量少。

在网络上，谷歌Gemini和Sora进行对抗训练**，这也会让人发现Sora生成的一些场景被怀疑不符合基本常识，效果似乎并不完美。

总体而言，目前尚不清楚多式联运模式将如何改变该行业。 对于上述上市公司业务的后续发展，《科创板**》记者将持续关注报道。