>> 長江證券-軟件與服務(wù)行業(yè)：Pika1.0應(yīng)用發(fā)放評測，谷歌發(fā)布Gemini多模態(tài)大模型，多模態(tài)技術(shù)百花齊放-231207
| 上傳日期： |
2023/12/7 |
大小： |
467KB |
| 格式： |
pdf 共4頁 |
來源： |
長江證券 |
| 評級： |
看好 |
作者： |
宗建樹 |
| 下載權(quán)限： |
此報告為加密報告，僅限高級會員查看 |
|
|
事件描述
Pika 1.0應(yīng)用于12月5日左右開始針對部分用戶開放測試名單。根據(jù)X測試視頻顯示，相比于Discord版本，Pika1.0應(yīng)用增加了視頻畫面拓展、鏡頭速度和方向控制、區(qū)域內(nèi)容替換、提示詞安全檢測等新功能。
2023年12月6日，谷歌DeepMind發(fā)布了Gemini多模態(tài)大模型。Gemini模型是谷歌有史以來性能最強的AI大模型，按照性能排序可以分為三種不同的版本：1）Gemini Ultra：最大、功能最強的模型，用于數(shù)據(jù)中心和企業(yè)級應(yīng)用；2）Gemini Pro：可以擴展各種任務(wù)，支持包含Bard等大多數(shù)谷歌AI應(yīng)用; 3）Gemini Nano：用于手機、PC等移動端和本地化部署的設(shè)備。
事件評論
Pika1.0相較于Discord社區(qū)版本，展示效果超預(yù)期。正式版的Pika1.0：1）支持畫面按照所選比例擴展，可將原視頻拓展至16:9等多比例，且不影響原有區(qū)域內(nèi)容；2）支持鏡頭速度和方向控制：可以選擇鏡頭由遠(yuǎn)及近，或者左右上下順逆時針調(diào)整以及速度的控制；3）選定部分區(qū)域內(nèi)容進行替換修改，可將視頻中的框定烏龜變成恐龍或讓人物帶上墨鏡；4）提示詞安全檢測：避免負(fù)面內(nèi)容的提示詞。
Gemini綜合性能已超越GPT-4V。據(jù)谷歌官網(wǎng)顯示，在語義理解、數(shù)學(xué)、編程領(lǐng)域的8項文本能力測試任務(wù)中，Gemini模型有7項文本能力已超越GPT-4V模型；在圖像、視頻、音頻的10項多模態(tài)能力測試中，Gemini模型全部超越了GPT-4V的能力，其中視頻與音頻性能的領(lǐng)先幅度較大。
多模態(tài)應(yīng)用落地已初見成效。當(dāng)前時點，應(yīng)用落地已成為多模態(tài)模型的核心矛盾。受數(shù)據(jù)類型和訓(xùn)練范式影響，多模態(tài)模型對算力的需求更高，而算力的高成本致使多模態(tài)模型對商業(yè)化落地的需求更強烈。本次Pika1.0應(yīng)用展示效果超預(yù)期，具備快速商業(yè)化的可能性，驗證了多模態(tài)應(yīng)用落地已初見成效，未來Pika等多模態(tài)應(yīng)用有望在影視、廣告、游戲等領(lǐng)域快速滲透。
多模態(tài)模型有望帶動新一輪算力需求。從算力角度來看，多模態(tài)模型的訓(xùn)練數(shù)據(jù)主要由圖像組成，而圖像數(shù)據(jù)的規(guī)模相比文本數(shù)據(jù)量大幅度提高，因此對算力的需求也更高。當(dāng)前算力仍是阻礙AI模型訓(xùn)練端與推理端的主要瓶頸之一，多模態(tài)模型落地有望催生AI公司開啟新一輪算力端的需求。因此建議關(guān)注華為昇騰鏈廠商。
具身智能技術(shù)有望加速發(fā)展。谷歌在人形機器人領(lǐng)域有較為深厚的技術(shù)積累，接連推出了PaLM-E、RT-2等人形機器人模型。多模態(tài)模型是具身智能實現(xiàn)端到端系統(tǒng)的必經(jīng)之路。將圖像數(shù)據(jù)作為模態(tài)融入后，機器人視覺將成為思維鏈的一環(huán)，可以實現(xiàn)感知層和決策層的無縫銜接。本次Gemini多模態(tài)模型推出有望帶動谷歌在具身智能領(lǐng)域的快速發(fā)展。
風(fēng)險提示
1、多模態(tài)模型技術(shù)推進不及預(yù)期；
2、多模態(tài)模型商業(yè)化落地的過程存在風(fēng)險。
|
|
