深度报告-20240403-华创证券-传媒行业深度研究报告_多模态AI的五重奏_国产大模型的探索序章_25页_2mb

多模态AI技术分析总结

大模型的多模态迭代将直接影响企业发展的三种模式：大模型+原有业务、开源大模型+AI产品、垂类模型+行业数据。这三种模式适合不同规模的企业，没有优劣之分，随着多模态AI的迭代，将持续碰撞出新的应用火花。

多模态技术发展

1. 文本
   国产大模型在中文语义、长文本方面表现突出，代表企业如Kimi、冒泡鸭/MoE。长文本的“无损上下文窗口”成为差异化优势，支持百万字级别的文档处理。下一阶段竞争将围绕用户定制化展开，基于用户数据形成产品护城河。

2. 视频
   国内厂商如爱诗科技、MorphAI等在视频生成领域表现亮眼，采用DiT架构，支持图文生视频、视频风格转换等复杂功能。Sora尚未公测，但国内产品已在技术上实现追赶，商业化需求旺盛，尤其是高质量视频语料库拥有者具备竞争优势。

3. 音频
   TTS技术已较为成熟，魔音工坊、ElevenLabs等产品在语音合成、配音方面表现优异。AI音乐领域Suno V3大幅提升音乐质量，或改写音乐创作格局。SVC技术成本高，但结合AI视频可能带来远期价值。

图片与3D技术

• 图片：AI生成图片已进入商业化阶段，头部平台如Midjourney、Adobe Firefly成熟度高。风格和角色一致性逐步提升，场景一致性未解但有望带来商业化突破。
• 3D：仍处于萌芽期，受限于数据稀缺，技术路径尚未统一。尽管效果精度不足，但长期可应用于游戏、电影、元宇宙等领域，降低内容制作成本。

投资建议

• 上游：关注AI文本/视频语料库相关公司（如中文在线、华数传媒），数据稀缺性形成壁垒。
• 下游：B端/C端应用场景如游戏（恺英网络、昆仑万维）、广告（易点天下）、影视（光线传媒、博纳影业）等，具备商业化落地潜力。

风险提示

• 技术发展不及预期、竞争格局恶化、法律监管趋严、地缘政治风险等可能影响多模态AI进程。

专家观点

报告强调2024年AI多模态技术发展加速，中国厂商进入追赶期，建议重点关注文本、视频、音频三大方向，结合语料库与下游应用场景挖掘投资机会。风险控制仍是关键，需警惕技术与监管的不确定性。