(資料圖)

國信證券(002736)發(fā)布研究報(bào)告稱，隨著GPT-4V的推出，多模態(tài)將進(jìn)一步擴(kuò)大AI的應(yīng)用范圍，機(jī)器人(300024)也是極佳的多模態(tài)AI應(yīng)用場景，AI和機(jī)器人的持續(xù)融合也將進(jìn)一步推動(dòng)具身智能的發(fā)展，目前微軟、谷歌等巨頭均已在加大該領(lǐng)域投入。此外，隨著AI大模型成本下降與技術(shù)發(fā)展，AI應(yīng)用產(chǎn)業(yè)將快速進(jìn)步。建議重點(diǎn)關(guān)注AI應(yīng)用、多模態(tài)、機(jī)器人領(lǐng)域相關(guān)個(gè)股，如螢石網(wǎng)絡(luò)(688475.SH)、寶信軟件(600845)(600845.SH)、金山辦公(688111.SH)、科大訊飛(002230)(002230.SZ)。

國信證券主要觀點(diǎn)如下：

多模態(tài)模型歷經(jīng)多個(gè)階段的發(fā)展，性能實(shí)現(xiàn)飛躍，現(xiàn)為AI大模型的新方向。

多模態(tài)模型綜合不同類型數(shù)據(jù)進(jìn)行分析處理，擁有更高的準(zhǔn)確性和魯棒性，更貼近人類學(xué)習(xí)模式。隨著大模型時(shí)代的到來，多模態(tài)技術(shù)迅速發(fā)展，如OpenAI的GPT系列不斷推出新版本，提升了語言生成、邏輯推理以及多模態(tài)處理能力，預(yù)計(jì)將在各領(lǐng)域得到廣泛應(yīng)用。該系列模型不斷增強(qiáng)的功能和性能，標(biāo)志著人工智能發(fā)展的新階段。

多模態(tài)模型的發(fā)展方向包括視覺理解、視覺生成、統(tǒng)一視覺、LLM支持以及多模態(tài)Agent，并從專業(yè)性向通用性改變，應(yīng)用性增強(qiáng)。

近期研究表明，多模態(tài)大模型發(fā)展方向涵蓋了：1)視覺理解，涉及對圖像信息進(jìn)行深入解釋;2)視覺生成，特別是生成符合人類意圖的圖像等內(nèi)容;3)構(gòu)建統(tǒng)一視覺模型，該方向面臨多重挑戰(zhàn)，但在CV領(lǐng)域未來的應(yīng)用中非常有價(jià)值;4)LLM支持的多模態(tài)大模型顯示出強(qiáng)大的跨模態(tài)理解能力;5)多模態(tài)Agent是當(dāng)前研究的前沿方向，旨在通過將多個(gè)專家模型與LLM相結(jié)合來解決復(fù)雜的多模態(tài)理解問題。此外，多模態(tài)大模型已開始向通用方向轉(zhuǎn)變，并在文本、圖像、音視頻等多個(gè)領(lǐng)域展現(xiàn)出應(yīng)用潛力，如教育、辦公、遙感、醫(yī)療和工業(yè)等領(lǐng)域。

機(jī)器人是多模態(tài)AI優(yōu)質(zhì)落地場景，商用落地有望加速。

多模態(tài)模型融合視頻、語言、文字等多方面能力，使得機(jī)器人能夠?qū)⒉煌兄阔@取的信息整合起來，形成更全面、準(zhǔn)確的環(huán)境認(rèn)知，從而更加高效地應(yīng)對復(fù)雜多變的任務(wù)需求。多模態(tài)大模型的應(yīng)用在機(jī)器人領(lǐng)域有充分的發(fā)揮空間。經(jīng)過程序控制機(jī)器人、自適應(yīng)機(jī)器人和智能機(jī)器人三波發(fā)展浪潮，智能人形機(jī)器人成為發(fā)展趨勢。特斯拉打通了FSD和機(jī)器人的底層模型，Optimus采用端到端神經(jīng)網(wǎng)絡(luò)訓(xùn)練運(yùn)行，實(shí)現(xiàn)視頻信號輸入，控制信號輸出。尤其Optimus在23年的快速迭代進(jìn)步，市場對于人形機(jī)器人的產(chǎn)業(yè)落地預(yù)期將提前，Optimus有望成為最快實(shí)現(xiàn)規(guī)?；逃玫臋C(jī)器人。根據(jù)第三方預(yù)測，GGII預(yù)計(jì)到2026年全球人形機(jī)器人在服務(wù)機(jī)器人中的滲透率有望達(dá)到3.5%，市場規(guī)模超20億美元，到2030年全球市場規(guī)模有望突破200億美元。AI和機(jī)器人的持續(xù)融合也將進(jìn)一步推動(dòng)具身智能的發(fā)展，目前微軟、谷歌等巨頭均已在加大該領(lǐng)域投入。

風(fēng)險(xiǎn)提示：大模型技術(shù)發(fā)展不及預(yù)期;AI商業(yè)化落地不及預(yù)期等。

關(guān)鍵詞：