時至今日，隨著算法、計算等的突破，生成式AI技術取得了令人驚嘆的進展，大大提高人類的創造力和效率，為各種創作和應用提供了無限的可能。

生成式AI技術的發展為各行各業插上了想象的翅膀。微軟(MSFT.US)、英偉達(NVDA .US)等科技大廠以及初創企業紛紛“跑步入場”生成式AI，已經覆蓋芯片制造、云計算、數據服務、自然語言處理、文本數據分析、計算機視覺及智能安防、交通、金融、物聯網等終端應用。

生成式 AI 在2023年發展迅猛，2024年這一勢頭還將持續。生成式AI工具已經被集成到文字處理器和軟件開發人員的工具中，而在2024年，這些工具將變得更有效、更有用。

AI多模態時代來臨

值得注意的是，雖然各類大模型層出不窮，但不斷優化升級，推動行業進步仍是各大科技公司的主攻方向。業內專家分析，大模型由單模態向多模態升級已成為行業熱點，多家公司在開發多模態的模型、計算機視覺技術，這些技術未來可以用來發現設計芯片等。

事實上，多模態是實現通用人工智能的必經之路。多模態數據輸入可幫助模型能力和用戶體驗提高，允許多模態數據輸出也更符合真實世界需要，在數據、算法及算力上的要求都要高于單模態，這一波自然語言大模型發展為其他模態提供了技術參考，行業有望加速發展。

正如谷歌(GOOG.US)Gemini橫空出世，讓大家的目光重新聚焦在了多模態大模型上。Gemini1.0號稱具有原生多模態能力，能夠處理視頻、音頻、圖像、文本和代碼等多種形式的內容，且性能優于現有的“拼接型”多模態大模型。

從谷歌官方公布的技術文檔中的示例來看，Gemini不僅能夠進行雙模態之間的轉換，亦能處理需要進行多模態轉換的復雜任務。從這個角度來看，Gemini上線是AI產業發展的里程碑事件，其代表的原生多模態大模型有望拓展大模型的應用場景和邊界。

如今AI浪潮進入多模態時代，市場潛力巨大。開源證券表示，科技巨頭之間多模態大模型的競爭日益激烈，同時驅動著底層多模態大模型的能力不斷突破，疊加GPT等AI應用形式的出現，新一輪人工智能應用熱潮正在掀起。

微美全息步入下半場，向多模態時代進發

在如今的AI時代，全新的技術范式正在重新定義企業 AI 應用的落地方式，加速企業全面智能化升級，企業更要勇于探索，產業更要直面競爭。據了解，作為領先的AI視覺服務商微美全息(WIMI.US)隨著以大模型技術為核心的 AIGC 技術的快速發展，帶來諸多AI創新應用開發和運維的新變化，積極賦能生成式AI 運用邁向多模態時代。

截止目前，微美全息已經在生成式Al+數字廣告、生成式Al+數字教育、生成式AI+數字文化傳媒、生成式Al+數字健康、生成式AI+出行等領域，讓生成式AI賦能到百行百業的方方面面。而在面向多模態時代，微美全息多模態大模型融合AI視覺、語音和數據處理技術，極大豐富了生成式認知和決策層面，有望使大模型在復雜人機交互、自然語言理解等領域取得重大進步。

另一方面，考慮到眾多大模型及多模態時代應用催生出更多算力需求，因此布署端側算力是生成式AI規模化擴展多模態時代至關重要的一步。微美全息對于端側算力研發十分重視，成立微美全息研發中心自研AI算力，邊緣算法、5G/6G網絡算力等，有望激化算力市場良性競爭，進而降低算力使用成本。顯而易見，未來，微美全息在多模態軍備競賽下算力基建產業鏈將持續受益。

結語

精彩紛呈的2023年被普遍視為生成式AI的元年，科技產業的圖景已經被深刻改變。毫無疑問，2024年，AI行業必將迎來巨大的變革。在這新的一年里，以ChatGPT為首的生成式AI技術在全球點燃研發浪潮，同時多模態會是推動本輪AI熱點繼續前進的下一個增長點。預計下一代多模態將會快速拓展目前大語言模型有限的應用場景，顯著提高語言模型的泛化能力，并吸引各大科技公司競相入局，加快讓這樣的想象來到現實世界中。

審核編輯 黃宇