人工智能行情再次活跃，CPO概念、光通信模块、人工智能芯片、人工智能图像处理、储存芯片等多个细分领域纷纷上涨，直接的原因是近日谷歌发布的多模态AI模型Gemini1.0和美国AI初创公司Pika labsAI发布的AI文生视频软件Pika1.0，热度席卷全网。
据报道，Gemini是一个多模态的大型模型，可以同时识别和理解文本、图像、音频、视频和代码等五种信息，并且对这些信息的理解非常准确。Gemini有三个版本：Ultra、Pro和Nano。Nano版本可以在移动设备上离线运行，Pro版本可以实现更高级的推理和规划，而功能最强大的Ultra版本将在明年初向外界开放。
而Pika1.0具备生成和编辑3D动画、动漫、卡通和电影的能力，且制作视频的门槛较低，用户只需输入简单的一句话，即可生成各种风格的视频，并通过简单的描述来改变视频中的形象和风格。Pika1.0的功能包括：根据文本生成视频、根据图像生成视频、视频风格转换以及对视频内容进行编辑。
目前，多模态已成为生成式人工智能重点发展方向。许多券商认为以Pika1.0和Gemini为代表的多模态人工智能模型不断突破，或推动大型模型在工具、教育、办公、电商、营销等领域的应用加快落地并打开商业化空间。
人工智能的大型模型正在持续进行迭代和升级，而多模态技术是其中的主要趋势！
ChatGPT是一个在2022年11月末推出的AI大模型，它引起了广泛的关注并风靡全球。不仅国内外的厂商纷纷推出自己的AI大模型，而且模型的算力和参数量也在不断升级。在2023年3月15日左右，OpenAI推出了一款名为GPT-4的多模态大模型，它可以接受图像和文本输入，并以文本形式输出。这标志着多模态大模型的时代的开启。
目前，国内外各家厂商也开始研发多模态大模型，以与GPT-4竞争。与单模态相比，多模态AI可以处理文本、语音、图像、视频等多种数据类型，实现综合处理应用，完成跨模态领域任务。多模态模型的核心在于处理和整合不同类型的数据源，能够捕获跨模态的复杂关系，使机器能够更全面地理解和分析信息，从而在各种任务中表现更出色。因此，多模态技术将成为主要的发展趋势。
根据浙商证券研报，人工智能模型朝着多模态发展的必然性有三个因素：跨模态任务需求、跨模态数据融合以及对人类认知能力的模拟。据悉，它以模态融合为核心技术环节，围绕着“表征-翻译-对齐-融合-联合学习”这五个技术环节，解决实际场景中复杂问题的多模态解决方案。
图片来源：浙商证券研究所
目前，大语言模型的竞争非常激烈，OpenAI在技术方向上处于领先地位，GPT已成为主流的语言模型技术路径。
然而，在多模态技术领域，并没有一家公司处于绝对领先地位，技术路径仍然有待探索。然而，谷歌于12月6日推出的多模态模型声称已经超越了OpenAI的GPT-4。谷歌官方表示，Gemini经过了当前大型语言模型(LLM)领域中广泛使用的32个基准测试，在大部分基准测试中表现出了最先进的性能。它不仅击败了OpenAI的GPT-4，甚至在大规模多任务语言理解(MMLU)基准测试中，成为第一个超越人类专家的模型。
从技术突破的角度来看，东方证券发布研报也认为，下一阶段的关键突破方向必然会是多模态技术。只有真正有效地处理和应用多模态AI能力，才能成功消除物理世界和数字世界之间的障碍，通过最基本的感知能力直接生成操作，实现与物理世界最自然的互动。
多模态人工智能应用具有广阔的想象空间，相关概念股备受关注！
文生视频模型Pika走红和谷歌Gemini的发布，显示了AI应用领域的巨大潜力，在多模态发展趋势明确，以及大模型能力持续改进下，中国AI产业的发展空间可能会加速扩大。
图片来源：2023年中国人工智能技术变革企业服务白皮书
随着人工智能大型模型进一步朝着多模态方向发展，人工智能多模态技术有望推动游戏、社交、教育、医药等领域的应用实现，商业化潜力将不断扩大。其中，人工智能应用软件的市场空间将持续增长，根据市场研究机构IDC最新的报告显示，到2022年，全球人工智能应用软件市场规模将达到640亿美元，预计到2027年将增长至2790亿美元，复合年增长率(CAGR)为31.4%。
根据Choice数据、券商研报、上市公司公告等，我筛选出了多模态AI应用核心A股概念股，供大家参考。
风险声明：本文所涉及的内容不能保证数据的完整性和准确性，分析结论仅供参考，所涉及的品种不构成实际投资操作建议。股市存在风险，投资需谨慎。本文所涉的观点仅代表作者个人观点，不代表本平台的任何立场，不构成任何投资建议。
版权声明：未经许可，任何个人或机构不得以任何方式修改本作品或将其用于商业用途。转载、引用、翻译、二次创作（包括但不限于以影音等其他形式展现作品内容）或以任何商业目的使用本作品的，必须获得我们的许可并注明作品来源为私募排排网，同时标明内容的域名来源。
