AI大模型专题：多模态，AI大模型新一轮革命

今天分享的是AI大模型系列深度研究报告：《AI大模型专题：多模态，AI大模型新一轮革命》。

（报告出品方：华福证券）

报告共计：28页

来源：人工智能学派

多模态或成为 AI 大模型主流

相比单模态，多模态向通用人工智能（AGI）迈前一步。多模态大模型同时处理文本、图片、音频以及视频等多类信息，与现实世界融合度高，有望成为人类智 能助手，推动 AI 迈向 AGI：

1）多模态更符合人类接收、处理和表达信息的方式。 人类能够感知多元信息，每一类信息均为一种模态，这些信息往往是相互关联的。

2） 多模态信息使得大模型更为智能。多模态与用户交互方式更便捷，得益于多模态输 入的支持，用户可以更灵活的方式与智能助手进行交互和交流。

3）多模态提升任务 解决能力。LLM 通过可以执行 NLP 任务，而多模态通常可以执行更大范围的任务。

目前，多模态大模型已成为大模型发展前沿方向。2022 年及之前，大模型处于 单模态预训练大模型阶段，主要探索文本模式的输入输出。2017 年，Transformer 模 型提出，奠定了当前大模型的主流算法结构；2018 年，基于 Transformer 架构训练的 BERT 模型问世，参数规模首次突破 3 亿；随后 GPT 系列模型推出，2022 年底至今 ChatGPT 引爆全球大模型创新热潮。步入 2023 年，大模型发展从文本、图像等单模 态任务逐渐发展为