谷歌Gemini模型开启“AI多模态”时代！

1、12月6日，谷歌公司宣布推出其规模最大、功能最强的新大型语言模型Gemini。谷歌针对不同场景发布了三种不同版本：Gemini Ultra（用于处理高度复杂任务的最强、最大的模型）、Gemini Pro（用于扩展各种任务的最佳模型）以及 Gemini Nano（用于手机等设备的最高效模型）。
Gemini 1.0的 Ultra 版本在多项能力上超越GPT-4，并且成为第一个在 MMLU（大规模多任务语言理解）上超越人类专家的模型。Gemini 的多模态能力使其不仅能够理解和生成文本、代码，还能够看懂和生成图像。Gemini 将陆续出现在谷歌体系内更多产品和服务中，如搜索、广告、Chrome 和 Duet AI。
短期来看，Gemini的发布将进一步带来对多模态模型的更多期待，对产业而言，多模态料将带动算力需求的提升；而在中长期来看，预计多模态模型的升级将丰富相关产品的使用场景，叠加硬件升级、算法优化带来的成本优化，2C产品的进展值得期待。持续看好本轮生成式AI浪潮对科技产业的长周期影响和改变，继续关注算力、算法、数据、应用等环节的领先厂商。
多模态大模型能够提升用户交互体验，促进AIGC应用产品形态和功能的创新，提升用户付费意愿。对于整个行业，Gemini问世为业界贡献大模型泛化能力的全新范式，头部大模型公司的多模态道路有望加速推进，AI 生态企业的垂直应用有望受益于语音、图像等多模态能力的完善。同时，伴随GPT-5等模型的推出，预计将看到：1）多模态模型带来的算力需求增长以及 2）越来越多的AI场景与产品的出现。持续看好后续AI产业的前景，后续GPT-5等模型的发布或将带来更多的催化。
AI Agent不同于传统的人工智能，AI Agent具备通过独立思考、调用工具去逐步完成给定目标的能力，是大模型时代重要落地方向之一。多模态大模型的推出有望明显提升AIGC应用的用户使用体验，加速AIGC向AI Agent 的转变。看好AI+办公、AI+教育、AI+政务的落地速度，建议关注AI+金融和AI+医疗应用，行业空间广阔。
2、12月5日，美图创造力大会于厦门召开。会上，Miracle Vision4.0发布（10月9日发布3.0版本），4.0版本将于2024年1月开始逐渐支持美图旗下各产品，主推AI设计与AI视频两大能力。
Miracle Vision 模型目前已经取得良好进展。1）截至23年11月28日，Miracle Vision在电商领域已经服务了 174.5 万用户，成功生成了 1.04 亿张  AI 商品图，与数十家电商品牌客户达成合作，高效生成商品营销物料。2）Miracle Vision 将与Weitu公司研发的大语言模型开展深度融合，共同为影像与设计产品提供底层服务，这将有效提高 Miracle Vision 自认语言理解和多模态能力。
随着AIGC革命不断深化，AI与产业结合成为当前的最重要的发展主题之一。图片-视频-3D 等图像多模态的落地处于循序渐进的过程，AIGC正在对传统创意图像生成领域带来显著变革，推进设计软件从“工具类”应用向“生产力”的角色转变。