近期有媒体报道，ChatGPT即将在未来几个月内迎来全新版本，OpenAI公司CEO奥特曼正带领团队紧锣密鼓地推进研发工作，有望在今年夏季正式推出GPT-5。
自2022年底ChatGPT横空出世以来，全球范围内掀起了大模型创新的热潮。当前大模型从单模态向多模态趋势持续演进。
大语言模型在文本端的应用已经趋于成熟，无论是在自然语言处理、机器翻译还是智能问答等领域，都取得了显著的成果。与此同时，图像和视频生成技术也在快速发展，AIGC浪潮全面加速！
大模型朝多模态方向发展：
资料来源：中关村产业研究院
算力端方面海外大厂对硬件的投资持续且强劲。Meta在2024年有望进一步扩大对GPU的投资，以支撑其在人工智能领域的持续发展。微软、Google和Amazon等科技巨头也预计在新的一年里继续扩大资本性支出，以支持AI技术的研发和应用。
随着大模型的持续迭代和相关应用的不断涌现，视频生成领域有望在2024年迎来新的发展热潮。
多模态行业概览
根据处理数据类型数量的不同，AI模型可以分为两类：单模态和多模态。
单模态模型只能处理一种类型的数据如文本，多模态模型则可以处理两种及以上的数据类型，类似于人脑能够同时处理文本、声音、图像等不同类型的信息。
多模态大模型通过结合文本、图像等多种模态信息进行学习，能够充分利用大模型的泛化能力，构建多模态数据集，并解决融合和对齐等问题。从而提升其在多个感知任务上的性能和表现。
多模态大模型的框架包括数据、算法和应用三个层面。
多模态大模型框架：
多模态市场竞争格局和龙头梳理
当前，海外的大语言模型技术正迈入一个新的突破阶段。大模型领域已形成一超多强的竞争格局，OpenAI虽处于领先地位，但正面临其他竞争对手的加速追赶。
Sora模型的发布，标志着视频生成模型迎来了类似GPT3的重要时刻。海外初创公司Pika其模型效果在短时间内得到了显著提升。而Google发布的VideoPoet更是基于LLM的技术路径，展现出了令人印象深刻的视频生成能力。
海外多模态加速授迭代：
资料来源：IT之家
国内大语言模型的能力也不断取得突破，大模型领域呈现百家争鸣的态势。据IDC数据显示，为应对多模态技术这一发展趋势，我国云厂商、创新企业、AI企业、大数据企业和传统软件企业都在积极布局多模态技术。
百度发布了文心一言、阿里巴巴发布了通义千问大模型、商汤科技发布了日日新大模型等等。此外，科大讯飞发布的星火大模型3.5能力与GPT-4相当，基于全国产化算力平台“飞星一号”，星火大模型V3.5实现了七大能力提升。通义千问推出的2.0版本能力赶超了GPT 3.5；Minimax在国内推出了MoE模型abab6；百川智能上线的Baichuan3在中文、医疗能力方面表现优秀；三六零自研的千亿参数大模型——360智脑4.0功能覆盖了大模型应用的所有场景，并成为了首批通过国内首个官方“大模型标准符合性评测”的四个大模型之一。国内还涌现出一批应用于金融、医疗、教育、工业等领域的行业大模型，拓宽了大模型的应用边界，截至2023年11月，国产大模型的数量已激增至300多个。#人工智能##多模态##多模态AI##算力##aigc##科技##财经#
大多模态产业链方面，AI应用与算力厂商正在加速参与布局，代表厂商包括金山办公、弘信电子、福昕软件、万兴科技、美图公司、用友网络、金蝶国际、恒生电子、科大讯飞。基础设施方面代表厂商主要有浪潮信息、弘信电子、中科曙光、工业富维、拓维信息、神州数码、海光信息等。
随着AI在全球持续爆发，多模态领域的各路厂商不断加速创新和突破，将为全球大模型的发展和应用提供更多可能性。
本文作者可以追加内容哦 !
