📰 研报摘要
查看全文 ➔本报告探讨多模态AI的技术演进，将其发展划分为外挂式/组合式（2021-2023）、原生多模态（2023-2024）和全模态Omni（2024至今）三个阶段。其核心逻辑在于模态对齐位置不断前移至预训练及实时交互阶段，通过Transformer架构降低转换损耗并提升实时互动性。报告指出，未来多模态发展的两条主线是“理解与生成的统一”以及“多模态深度推理”，前者旨在解决表征冲突，后者旨在将推理载体从语言思维链扩展至多模态潜空间。在应用端，报告认为物理AI将成为比数字底座模型增量更大的方向，且智能驾驶作为最先跑通闭环的代表场景应被重点关注。风险因素包括技术迭代不及预期、大模型厂商增速放缓、云服务商资本开支下降以及智能驾驶商业化落地不及预期。