從相關受益細分行業(yè)來看，包括但不限于視頻美化、廣告營銷、短劇、游戲、辦公軟件等。具體到投資標的，建議關注美圖公司（視覺大模型+大DAU圖像應用）、中文在線（短劇出海+IP）、閱文集團（IP）、金山軟件、三人行等；上游增加需求來看，推薦關注英偉達等算法、算力方面標的。

能夠真正處理和應用好多模態(tài)AI能力，才能真正打通物理世界和數(shù)字世界的障壁，用最基礎的感知世界能力直接生成操作，實現(xiàn)與物理世界最自然的交互。因此，基于多模態(tài)的應用場景仍需不斷探索，AI視頻生成僅僅是多模態(tài)技術路徑中的一個小方向，多模態(tài)領域的ChatGPT時刻還未到來。關注?？低?、大華股份、螢石網(wǎng)絡、中科創(chuàng)達、虹軟科技、科大訊飛、萬興科技等公司。

哪些A股公司有布局？

　　據(jù)不完全統(tǒng)計，已有十多家A股上市公司之前已經(jīng)布局多模態(tài)大模型或?qū)I視頻相關研發(fā)。

　　?？低?/strong>公司從幾年前就開始研發(fā)視覺大模型，現(xiàn)在已經(jīng)到了多模態(tài)大模型的研發(fā)階段，包括視覺、語音、文本等多模態(tài)信號的融合訓練及處理。

　　大華股份于2023年10月發(fā)布“星漢大模型”，該模型融合點云、語音、圖像等輸入，構建了多模態(tài)融合的行業(yè)視覺大模型。公司多模態(tài)融合的行業(yè)視覺大模型（大華星漢大模型），是基于公司過去豐富的行業(yè)和細分場景的業(yè)務經(jīng)驗，面向以視覺為核心的智慧物聯(lián)領域，通過融合圖像、點云、文本、語音等多模態(tài)數(shù)據(jù)所搭建的，大幅提升了視覺解析能力，該模型為解析式大模型，與市面上的ChatGPT等生成式大模型有明顯差異。

　　萬興科技此前發(fā)布音視頻多媒體大模型萬興“天幕”。萬興“天幕”是一個以音視頻生成式AI技術為基礎的多媒體創(chuàng)作垂類大模型，由視頻大模型、音頻大模型、圖片大模型、語言大模型組成，聚焦數(shù)字創(chuàng)意垂類創(chuàng)作場景。天幕大模型主要基于公司在數(shù)字創(chuàng)意領域二十年的產(chǎn)品開發(fā)與運營經(jīng)驗而打造的音視頻多媒體大模型，具備多媒體、垂直解決方案、算力數(shù)據(jù)及應用本土化等特色，以更智能、更沉浸的功能效果和產(chǎn)品體驗賦能全球內(nèi)容創(chuàng)作者的創(chuàng)意表達。

　　博匯科技公司通過運用人工智能、大數(shù)據(jù)等技術，對采集到的數(shù)據(jù)進行分析、特征學習和樣本訓練，構建智慧監(jiān)管模型，提升了對文本、圖片、音頻、視頻等多模態(tài)數(shù)據(jù)的處理分析能力，進一步強化核心技術優(yōu)勢，提高產(chǎn)品競爭力。

　　易點天下公司旗下AIGC創(chuàng)作平臺KreadoAI可以幫助企業(yè)實現(xiàn)從腳本撰寫、語音克隆、個性化數(shù)字人選擇到輸出口播視頻的內(nèi)容生產(chǎn)AI化全鏈路閉環(huán)。

　　數(shù)碼視訊公司多年來積極自主研發(fā)積累AI技術，龍其是在視頻內(nèi)容生產(chǎn)領域，持續(xù)不斷探素AIGC生成式技術，并配合智能審核技術、多模態(tài)智能搜索等實現(xiàn)全媒體行業(yè)的媒資管理，構建全新視音頻服務。

　　漢王科技公司在文本、圖像、視頻、生物特征、語音等多欖態(tài)識別、文本理解和利用等技術上耕耘多年，并形成智能終端產(chǎn)品和行業(yè)解決方案。目前正在研發(fā)的AI模型尚屬于新生技術，在文本生成、生成內(nèi)容的控制與審核等方面的技術細節(jié)尚在進一步完善。

　　當虹科技公司擁有自研的AIGC工具集，發(fā)布了以靜態(tài)照片生成三維體積視頻的方案，并且通過點云模型轉(zhuǎn)換及壓縮算法實現(xiàn)高達800倍的視覺無損壓縮，實現(xiàn)不同模態(tài)之間相互切換。公司AIGC視頻內(nèi)容智能生成系統(tǒng)融合了大模型技術，能助力用戶在新聞傳播、視頻內(nèi)容創(chuàng)作等多項領域中創(chuàng)作出優(yōu)質(zhì)視頻內(nèi)容。

　　東方國信在AI多模態(tài)方面，公司在文本、語音、圖像、視頻等非結(jié)構化數(shù)據(jù)類型的AI分析上，均有應用產(chǎn)品和落地案例。視覺類有基于Stable Diffusion的圖像生成能力，其他視覺類大模型應用還在探索技術路徑和應用場景。

　　神思電子公司經(jīng)過多年人工智能領域積累，已突破了遠距離全天候復雜場景激光熱成像聯(lián)動入侵檢測技術，掌握了基于深度學習的非結(jié)構化數(shù)據(jù)處理、視頻分析、語音對話、知識管理以及云平臺技術。公司正在對于文生圖、圖生文、視頻生文、文生視頻等多模態(tài)數(shù)據(jù)互相跳轉(zhuǎn)的收斂性質(zhì)進行研究，支撐培訓、檢索、推薦、目標追蹤等多個場景的生成式大模型應用。

　　因賽集團公司InsightGPT具備文生文、視頻智能剪輯、圖生視頻等功能，目前正在開發(fā)文生視頻功能。在現(xiàn)有圖生視頻等技術框架下，InsightGPT目前可生成20秒以上的視頻。在目前文生視頻的邏輯流程中，InsighGPT先結(jié)合圖像、視頻大模型，融合摳圖等多種算法，再結(jié)合音頻模型，整體渲染后最終合成完整視頻。

　　拓爾思公司在Transformer架構方面積極跟蹤業(yè)內(nèi)最新技術，未來將根據(jù)技術研發(fā)和業(yè)務需求的實際情況，適時采用類似架構。

　　國脈文化公司在文生視頻方面，已內(nèi)部開發(fā)基于大模型的AIGC數(shù)字內(nèi)容生成平臺，平臺利用多模態(tài)技術，使用自有的版權內(nèi)容，生成文字、音頻、圖片、視頻等影視素材，進行內(nèi)容的創(chuàng)作生產(chǎn)，正在內(nèi)部試用中。

　　佳都科技公司TransCorc-M多模態(tài)大模型能夠理解立本、圖像、視頻等多種模態(tài)的信息，并且按照用戶需求將其進行描述、提示或轉(zhuǎn)化為指令代碼，是個非?！奥斆鳌钡慕煌ㄐ畔⑿≈?。