>> 西部證券-計算機行業(yè)人工智能系列報告(六)：交互型多模態(tài)大模型有望帶來應用的爆發(fā)起點-240903
| 上傳日期： |
2024/9/4 |
大小： |
4960KB |
| 格式： |
pdf 共39頁 |
來源： |
西部證券 |
| 評級： |
超配 |
作者： |
鄭宏達 |
| 行業(yè)名稱： |
計算機 |
| 下載權(quán)限： |
此報告為加密報告 |
|
|
交互型多模態(tài)大模型是指跨越單一模態(tài)的限制，支持文本、音頻、圖像、視頻等模態(tài)任意組合的輸入輸出，能做出實時的、“類人”的理解和反饋，可以跟人無縫交流的大模型，目前最具代表性的是OpenAI的GPT-4o。特點如下：1）原生多模態(tài)：跨文本、視頻和音頻等模態(tài)端到端訓練的大模型，所有輸入和輸出都由同一神經(jīng)網(wǎng)絡處理。2）快速響應：能做到極低延遲，響應速度比肩人類，且可以做到對話隨時打斷?，F(xiàn)在GPT-4o能在短至232毫秒、平均320毫秒的時間內(nèi)響應音頻輸入，而過去GPT-3.5平均延時為2.8秒、GPT-4為5.4秒。3）情感表達：回復有“人味”，情緒飽滿，會帶來極強的交互沉浸感。4）記憶：能回憶并聯(lián)系此前“看”到的信息做出回答，而不是僅僅依靠當前輸入。
交互型多模態(tài)大模型成本將降至幾何？大模型降本趨勢顯著。8月，OpenAI發(fā)布更強且更具性價比的GPT-4o新版本，相比5月版本價格下降超40%至$4/100萬tokens。按照這個趨勢，我們預計以GPT-4o為代表的交互型多模態(tài)大模型的成本將繼續(xù)快速下降，每百萬tokens的推理成本或?qū)⒃趦赡陜?nèi)降至美分量級。
交互型多模態(tài)大模型進展如何？ OpenAI與谷歌雙巨頭搶灘，分別發(fā)布GPT-4o和AI智能體項目Project Astra，Meta也于2024年5月發(fā)布具有原生多模態(tài)特性的Chameleon-34B。國內(nèi)的大模型多處于語音交互階段，商湯領銜發(fā)布流式多模態(tài)交互大模型“日日新5o”，智譜面向C端開放“視頻通話”功能。
為什么交互型多模態(tài)大模型有望帶來應用的爆發(fā)？1）人類生活在一個由多種模態(tài)信息構(gòu)成的世界，會同時收到多個互補的、融合的、不同模態(tài)的感官輸入，多模態(tài)更符合人類感知周邊、探索世界的方式。2）應用是連接人類意圖與信息及技術(shù)實現(xiàn)的媒介，其本質(zhì)是交互。我們認為從PC互聯(lián)網(wǎng)時代，到移動互聯(lián)網(wǎng)時代，再到現(xiàn)在的AI時代，應用發(fā)展的核心就是人機交互的不斷進化與深化。所以在大模型迭代過程中，性能提高固然重要，但交互的升級也同樣具有重大價值，交互型多模態(tài)大模型的出現(xiàn)有望推動人機交互變革——向更為簡單的自然語言交互形式發(fā)展。
交互型多模態(tài)大模型會帶來怎樣的應用？我們將交互型多模態(tài)大模型的應用分為：1）數(shù)字智能，大模型提供軟件形式的服務，主要應用場景包括教育、編程、醫(yī)療健康、游戲、情感陪伴等。2）具身智能，需要硬件支持來實現(xiàn)三維空間內(nèi)的運動行為，如人形機器人、智能家居、智能座艙等。
交互型多模態(tài)大模型商業(yè)模式展望：1）聊天助手APP。2）作為基礎模型接入各類應用。3）與終端OS深度融合成為AI時代的“超級入口”。
相關標的梳理：1）交互型多模態(tài)大模型：商湯-W、云從科技-UW；2）數(shù)字智能應用：金山辦公、科大訊飛、虹軟科技、美圖公司；3）具身智能應用：海康威視、大華股份；4）算力：寒武紀、軟通動力、海光信息、浪潮信息、中科曙光、神州數(shù)碼。
風險提示：AI技術(shù)突破不及預期、終端智能需求不及預期、宏觀經(jīng)濟增長不及預期、國際環(huán)境變化。
|
|
