科技行業深度研究：多模態大模型和應用奇點將至.pdf

科技行業深度研究：多模態大模型和應用奇點將至。我們認為，多模態大模型和應用發展的奇點將至。判斷依據包括：1）技術 進步方面：原生多模態模型架構得到業界認可，OpenAI 和 Google 的原生 多模態模型已經在性能、延時、部署上展現出了優勢。2）商業化進展方面： 全球維度看，除了最頭部的 OpenAI 和 Anthropic 依靠模型“智能”實現商 業化，相當一部分 AI 應用公司的商業化產品依賴多模態能力。國內維度看， 國內公司在視頻生成賽道已經實現了較成熟的全球化和商業化之路。與市場 不同的觀點在于，1）更早認識到原生多模態架構將成為主流；2）AI 商業 化不能僅聚焦在二級公司，更要關注全球維度一級公司的進展。

多模態是大語言模型（LLM）發展的必然趨勢

借助 Scaling Law 和強化學習，LLM 已經在很多領域獲得了超過普通人類的 智能，但是其處理的核心信息僅是文本。為了拓展更廣泛的使用場景，研究 者將其他模態的能力“加入”到 LLM 中，多模態大型語言模型（MLLM）問 世。架構上看，MLLM 可以分為模塊化架構和原生架構，前者通常分別訓練 不同模態然后實現模塊“拼接”，而后者則直接在全部模態數據上從頭開始 同步訓練的模型。效果上看，原生 MLLM 在性能、延時、部署上均有優勢， 但是對算力和 Know-How 的需求較高，通常只有頭部模型大廠在做，OpenAI 和 Google 領先。無論架構如何，MLLM 已經成為行業共識的必然趨勢。

從大模型到多模態：商業化的必由之路

從全球 AI 公司的商業化進展看，無論是基于 LLM 的文本類產品，還是基于 MLLM 的多模態產品，呈現出以下大趨勢：1）海外商業化進展快于國內。2） 全球維度，一級公司進展快于二級。3）整體多模態為主的產品商業化快于 文本產品。4）Chatbot 為代表的文本類產品國內外商業化分歧明顯，據非 凡產研數據，截至 25 年 5 月，在海外能夠實現 10 億美金以上的 ARR（如 OpenAI、Anthropic），而國內 Chatbot 還未實現很好的商業化。國內 AI 產品年化收入超過 1 億美金的有 3 家公司，分別為美圖（1357 HK）、快手 （1024 HK）和睿琪軟件（非上市），其 AI 產品均為多模態產品。

國內的視頻生成是全球化、商業化最成熟的 AI 應用賽道

主流的多模態產品，大致分為圖像生成、視頻生成和其他多模態交互三類。 其中，國內廠商在視頻生成賽道的全球化和商業化最成熟。1）模型/產品成 熟：據 Artificial Analysis 數據，在文生視頻、圖生視頻排行榜單上，字節 Seedance 1.0 均為 Top 1，快手可靈（Kling）、MiniMax Hailuo 02 名列前 茅。2）商業化成熟：以快手可靈為典型的代表，上線 9 個月累計收入超 1 億人民幣，25Q1（上線 10 個月左右）ARR 突破 1 億美金大關。可靈的成 功，或意味著國內視頻生成領域商業化單點突破到多點突破的開始。