站长之家(ChinaZ.com) 3月21日消息:中信建投研报认为，从语言模型走向多模态模型，GPT-4将带来更为丰富的应用场景。
算力硬件作为AI大模型基础设施，未来将持续受益于AI技术的迭代和商业化应用。中信建投研报认为，GPT4.0更大模型对算力提出更高需求的同时，多模态特性又增加了对其他编解码模块的需求。
展望未来，多模态应当具备三个基本组成部分，第一部分是图像，视频为多帧的图像;第二部分为音频;第三部分为文字。因此，随着多模态的发展，在硬件算力层面，需要面向视频、音频再增加编解码能力的支持。从难度上讲，视频对于算力和IP复杂度的要求最高，其次为音频。建议关注从GPU算力扩展到GPU周边支持性的编解码IP如VPU模块的机会。
（举报）
这是《窄播Weekly》的第52期，本期我们关注的商业动态是:当大厂的AI竞争策略开始倾斜向应用场景，多模态能力和代理执行成为两个焦点。大模型落地C端场景的核心，就是让大模型的能力越来越接近人。沿着这个主旋律，可以划分出两个进化方向:一个是持续降低用户与大模型进行有效沟通的难度;另一个则是让大模型具备执行更复杂任务的能力。前者的实现，需要给到大模型多
本期《窄播Weekly》聚焦AI大厂竞争策略向应用场景倾斜的趋势，重点分析了多模态能力和代理执行两大发展方向。文章指出，大模型落地的核心在于让人机交互更自然，具体表现为：1）通过多模态技术降低用户使用门槛，如阿里夸克新推出的"拍照问夸克"功能；2）通过代理执行提升复杂任务处理能力，如字节、百度等推出的通用Agent产品。国内外厂商路径差异明显：国�
快科技4月16日消息，据报道，可灵AI在北京举行灵感成真”2.0模型发布会，正式发布可灵2.0视频生成模型及可图2.0图像生成模型。据介绍，可灵2.0模型在动态质量、语义响应、画面美学等维度保持领先；可图2.0模型在指令遵循、电影质感及艺术风格表现等方面显著提升。3月27日，全球AI基准测试机构Artificial Analysis发布了最新的全球视频生成大模型榜单，快手可灵1.6pro（高品质模
5月13日，火山引擎在上海搞了场 FORCE LINK AI 创新巡展，一股脑发布了5款模型和产品，包括豆包・视频生成模型 Seedance1.0lite、升级后的豆包1.5・视觉深度思考模型，以及新版豆包・音乐模型。同时，Data Agent 和 Trae 等产品也有了新进展。
多模态理解领域当前已成了各家AI大模型公司“军备竞赛”的关键点之一，国内外知名AI大模型公司都争相通过发布最先进的多模态大语言模型展现其在多模态理解领域的前沿能力。近期，上海AI实验室推出了其最新的多模态大语言模型InternVL3 系列，相比上一代InternVL2. 5 模型，该模型展现出卓越的多模态感知和推理能力，同时进一步扩展了其工具使用、GUI代理、工业图像分析等
复旦大学与美团研究者提出UniToken框架，首次在统一模型中实现图文理解与生成任务的"双优表现"。该方案融合连续和离散视觉编码，有效解决了传统多模态建模中的"任务干扰"和"表示割裂"问题。通过三阶段训练策略（视觉语义对齐、多任务联合训练、指令强化微调），UniToken在多个基准测试中性能超越专用模型。其创新性体现在：1）统一的双边视觉编码
《AI日报》今日聚焦多项AI领域突破：腾讯推出CodeBuddy 3.0编程助手，深度整合微信小程序开发工具；字节跳动发布仅20B参数的Seed1.5-VL多模态模型，性能达行业领先；通义千问上线"Deep Research"智能研究系统，免费开放体验。此外，苹果推出革命性3D建模工具Matrix3D，Anthropic即将发布Claude Neptune新模型，清华与面壁智能联合推出端侧GUI智能体AgentCPM-GUI。谷歌搜索正测试"AI Mode"新功能，或将取代传统"手气不错"按钮。
在产业智能化进程中，如何高效融合企业专有知识资产，构建领域专属认知引擎，是企业迈向智能决策与高效运营的关键。然而，传统检索增强生成(RAG)技术受限于语言单模态处理能力，仅能实现文本知识库与文本查询之间的浅层理解，难以满足复杂业务场景的需求，在实际应用中暴露出两大缺陷:信息表征缺失:忽略知识库中多模态富文档的视觉语义信息，如版面结构、图表关�
文章探讨了AI硬件行业当前面临的两极分化现象：一方面企业陷入参数竞赛的技术神话，另一方面因场景缺失导致功能冗余。未来智能通过发布iFLYBUDS Pro3和Air2两款AI会议耳机，展现了回归工具本质的理念——好AI耳机首先必须是好耳机。产品聚焦办公会议场景，通过viaim大脑与百万终端构建的生态闭环，实现数据与入口双向促进。数据显示用户留存率达70%，证明解决真实问题比追逐风口更具生命力。文章指出，真正的用户价值在于让技术隐形，当耳机能预测跨语言翻译需求、自动整理碎片信息时，工具便进化为"懂需求的伙伴"。
快科技5月2日消息，过往，用户在通过视频学习并记录笔记时，总免不了要不停切换平台软件，暂停、截屏、记录、插图、批注、切换返回视频过程繁琐而低效。为了应对这种情况，百度网盘和百度文库联合研发上线了AI笔记”，支持全自动学习、半自动学习、辅助学习三种模式。如今只要在网盘里面任意打开一个学习视频，在右侧就能看到AI笔记”功能，用户可以自主输入内容，也可以让其直接生成图文并茂、结构清晰的笔记。而且每个重要知识点旁会有时间戳，点击时间戳即可跳转到视频中对应位置，实现视频和笔记内容的顺滑关联。此外AI笔记”还可以帮
