1）图像理解能力大飞跃：DINOv2对图像的深度学习能力实现质的飞跃。以输入埃菲尔铁塔的图片为例，DINOv2可以检索出不同类型的铁塔结果，如老照片、浮世绘、素描、油画，甚至只有部分的埃菲尔铁塔的截面图也可以识别出来。我们认为这种深度理解能力如果应用到To B端将意味着应用场景的爆发。

2）机器学习方式的颠覆：传统模型大多以文本监督的形式来指导特征训练，本质是以人的思维方式进行监督训练，对图片的理解浅留于表层信息，复杂的深层信息不会被识别。现在的DINOv2是以机器为中心，其方法更接近于语言建模，可以在图像和像素层面上捕捉深层信息。

3）通用模型的演进路线：Meta在现有技术框架下，通过不同来源足够的数据进行训练，就可以提升模型对shυ据的深度学习能力。Meta提出了一个自动管道，目的是建立一个专门的、多样化的、经过整理的图像shυ据集，而不是像自监督文献中通常所做的那样，建立未经整理的数据集。这也是我们认为国内厂商从现有通用模型到未来AI大模型的演变方向。

4）精度提升与训练提速：在新的技术下，DINOv2所蒸馏的小模型在精度方面超过了现有的OpenCLIP模型。在训练速度方面，Meta的新模型比同类型模型快2倍左右，可以利用更大的批次规模进行更长时间的训练。我们坚定看好大华股份。