《科創(chuàng )板日報》2月19日訊（記者 黃修眉）?OpenAI再次以大模型Sora引爆全球。A股龍年開(kāi)市第一天，包括當虹科技、博匯科技、萬(wàn)興科技、因賽集團在內涉及文生視頻的上市公司股價(jià)也受此提振，均強勢漲停。

針對上述公司在多模態(tài)模型與AIGC方面的布局與現狀，《科創(chuàng )板日報》記者以投資者身份致電上述公司董秘辦。

整體來(lái)看，各家公司都在緊鑼密鼓地研發(fā)或階段性地發(fā)布多模態(tài)大模型及其落地應用。業(yè)內人士也表示，多模態(tài)將AI大模型的新一輪革命，同時(shí)也是未來(lái)人工智能應用的主要形式。

集合式系統賦能多領(lǐng)域

當虹科技此前在互動(dòng)平臺表示，該公司擁有自研的AIGC工具集，于2023年上半年發(fā)布了以靜態(tài)照片生成三維體積視頻的方案，支持6DOF（六自由度）視角自由移動(dòng)，并且通過(guò)點(diǎn)云模型轉換及壓縮算法實(shí)現高達800倍的視覺(jué)無(wú)損壓縮，實(shí)現不同模態(tài)之間相互切換。

當虹科技董秘辦人士向記者表示，“上述提到的工具集擁有文生圖、圖生視頻、文生視頻等多種技術(shù)與功能，集合在公司研發(fā)的AIGC視頻內容智能生成系統上，該系統融合了大模型技術(shù)，能夠將多種媒介內容，如文本、圖片、音頻、視頻等，高效智能地轉化為高品質(zhì)的視頻內容，但并不是可以下載的APP形式?！?/p>

“公司也正在研發(fā)與AI相關(guān)的其他多模態(tài)系統，目前正在進(jìn)行優(yōu)化與調試?！鄙鲜龆剞k人士稱(chēng)，“從技術(shù)底座來(lái)看沒(méi)有太大問(wèn)題，都在進(jìn)行之中，但具體到產(chǎn)品的形式甚至發(fā)布時(shí)間等，目前無(wú)法確定?！?/p>

對于“公司多模態(tài)AI領(lǐng)域是否有自己核心技術(shù)活產(chǎn)品布局”的問(wèn)題，博匯科技證代辦人士向《科創(chuàng )板日報》記者表示，該公司的多模態(tài)處理技術(shù)主要應用于傳媒安全領(lǐng)域，以AI多模態(tài)識別引擎為支撐，通過(guò)運用人工智能、大數據等技術(shù)，提升對文本、圖片、音頻、視頻等多類(lèi)型數據的處理分析能力。

《科創(chuàng )板日報》記者注意到，博匯科技擁有以視聽(tīng)大數據采集技術(shù)、分析技術(shù)、可視化技術(shù)三大核心技術(shù)為軸心的視聽(tīng)數據處理技術(shù)群，在公司所涉及的領(lǐng)域，特別是在對視聽(tīng)數據處理要求極高的廣播電視領(lǐng)域得到了廣泛應用。

對于“公司是否有研發(fā)C端客戶(hù)應用”的問(wèn)題，當虹科技則表示該公司存在相關(guān)研發(fā)和應用，但其主業(yè)以賦能政務(wù)和企業(yè)為主。博匯科技則表示，該公司目前暫未針對C端客戶(hù)進(jìn)行應用研發(fā)。

“從科創(chuàng )板的定位和對上市公司的要求來(lái)看，科創(chuàng )板聚焦AIGC業(yè)務(wù)的公司不太可能只涉及或者以C端業(yè)務(wù)為主。有長(cháng)期關(guān)注人工智能及其應用的業(yè)內分析師向《科創(chuàng )板日報》記者表示，“他們更多是以大模型、大數據為基礎，研發(fā)國產(chǎn)化的文、圖、音頻、視頻集成系統賦能各個(gè)行業(yè)，特別是涉及到信息數據安全的領(lǐng)域?！?/p>

值得一提的是，博匯科技2023年11月在互動(dòng)平臺表示，已完成全國產(chǎn)化雙引擎分布式系統及桌面型國產(chǎn)化視頻處理平臺的研發(fā)。

AI內容生成應用受關(guān)注

除上述科創(chuàng )板公司業(yè)務(wù)涉及多模態(tài)模型外，萬(wàn)興科技與因賽集團也因旗下消費級應用產(chǎn)品受到投資者關(guān)注。

需要一提的是，當虹科技、博匯科技聚焦視頻/視聽(tīng)相關(guān)技術(shù)，集合多種技術(shù)與產(chǎn)品，賦能傳媒、教育、安防、汽車(chē)等行業(yè)，客戶(hù)以政務(wù)與企業(yè)為主；萬(wàn)興科技與因賽集團除提供上述兩端解決方案外，同時(shí)也開(kāi)發(fā)了多款針對C端用戶(hù)的APP/小程序。

2024年1月30日，萬(wàn)興科技正式發(fā)布國內首個(gè)音視頻大模型萬(wàn)興“天幕”。這是一個(gè)以音視頻生成式AI技術(shù)為基礎的多媒體創(chuàng )作垂類(lèi)大模型，由視頻大模型、音頻大模型、圖片大模型、語(yǔ)言大模型組成，聚焦數字創(chuàng )意垂類(lèi)創(chuàng )作場(chǎng)景。

萬(wàn)興天幕多媒體大模型AI創(chuàng )作《江湖恩仇錄》 圖源：公司官方公眾號

萬(wàn)興科技董秘辦人士向記者表示，該公司旗下視頻創(chuàng )意產(chǎn)品萬(wàn)興喵影/Filmora可用于各類(lèi)視頻的創(chuàng )作和剪輯，萬(wàn)興錄演/Demo Creator可用于演示視頻的錄制與編輯等。

根據天幕大模型發(fā)布會(huì )數據，2023年8月至12月，萬(wàn)興喵影使用AI功能的用戶(hù)數上漲243%；2022年1月至2023年1月，萬(wàn)興播爆活躍用戶(hù)數提升700%。

對于視頻生成大模型，萬(wàn)興科技董事長(cháng)吳太兵此前公開(kāi)表示，大模型正在從圖文1.0時(shí)代進(jìn)入到以音視頻多媒體為載體的2.0時(shí)代。

而對于因賽集團是否有類(lèi)似Sora的產(chǎn)品，萬(wàn)興科技董秘辦人士向《科創(chuàng )板日報》記者表示，該公司AIGC項目團隊將在三月進(jìn)行文生視頻功能的開(kāi)發(fā)，等待時(shí)機成熟后投入公測。

關(guān)于InsightGPT的進(jìn)展，因賽集團2024年1月接受投資者調研時(shí)披露，InsightGPT內測版已于近期開(kāi)放視頻智能剪輯功能供合作伙伴、投資機構、券商分析師等進(jìn)行試用體驗。

預計2024年2月底前，開(kāi)放體驗圖生視頻相關(guān)營(yíng)銷(xiāo)應用產(chǎn)品；預計2024年3月底前，開(kāi)發(fā)實(shí)現文生視頻功能，之后推出公測版正式啟動(dòng)商業(yè)化。

AI大模型的新一輪革命

《科創(chuàng )板日報》記者注意到，從最終呈現的形式看，相比單模態(tài)，多模態(tài)大模型同時(shí)處理文本、圖片、音頻以及視頻等多類(lèi)信息，更符合人類(lèi)接收、處理和表達信息的方式，也更能夠成為人類(lèi)智能助手。

目前谷歌已推出多模態(tài)大模型Gemini 1.5 Pro；Meta已陸續開(kāi)源ImageBind、AnyMAL等多模態(tài)大模型；OpenAI近期密集劇透GPT-5，重點(diǎn)突破語(yǔ)音輸入和輸入、圖像輸出以及最終的視頻輸入方向，或將實(shí)現真正多模態(tài)。

華福證券研究所計算機團隊分析師施曉俊2月18日發(fā)文認為，多模態(tài)是AI大模型的新一輪革命。多模態(tài)提升大模型泛化能力，多元信息環(huán)境下實(shí)現“多專(zhuān)多能”，在垂直領(lǐng)域具有廣闊的應用場(chǎng)景和市場(chǎng)價(jià)值，施曉俊稱(chēng)。

圖源：華福證券研報

《科創(chuàng )板日報》記者注意到，相比較文本生成，視頻生成大模型以及應用由于數據、算力等多方面原因，導致目前產(chǎn)品數量較少。

網(wǎng)絡(luò )上，谷歌Gemini與Sora進(jìn)行對抗訓練的視頻，也能讓人發(fā)現Sora生成的部分場(chǎng)景存在疑似不符基本常識的情況，效果似乎并不完美。

整體來(lái)看，多模態(tài)模型對行業(yè)會(huì )帶來(lái)怎樣變化暫未可知。對上述上市公司業(yè)務(wù)的后續發(fā)展，《科創(chuàng )板日報》記者將持續關(guān)注報道。