1. 融合性發展：多模態AI行業呈現出融合多種感知方式（如視覺、語音、文字等）的趨勢。
2. 數據豐富度：多模態AI的發展需要大量的多模態數據來進行訓練和優化。
3. 交叉應用增多：多模態AI技術的發展催生了許多跨領域的交叉應用。
| 序號 | 企業 | 備注 |
|---|---|---|
| 1 | 華為 | 盤古多模態大模型 |
| 2 | 騰訊 | 混元大模型 |
| 3 | 阿里巴巴 | 通義千問大模型 |
| 4 | 科大訊飛 | 訊飛星火認知大模型3.5 |
| 5 | 百度 | 文心一言大模型 |
| 6 | 京東 | 言犀大模型 |
| 7 | 字節跳動 | 豆包大模型 |
| 8 | 網易 | 丹青模型 |
| 9 | 萬興科技 | 萬興“天幕”多媒體大模型 |
| 10 | 昆侖萬維 | 天工一刻圖文多模態大模型 |
| 11 | 商湯科技 | 日日新SenseNova 5.0多模態大模型系列 |
| 12 | 中國電信 | 星辰AI大模型 |
| 13 | 360 | 360智腦 |
| 14 | 智譜AI | 多模態大模型CogView |
| 15 | 因賽集團 | 文生視頻營銷應用產品“AI營銷視頻” |
| 16 | 開普云 | AI算力+大模型+智慧應用全棧戰略 |
| 17 | 虹軟科技 | 利用ArcMuse技術引擎產生圖片、視頻、數字人以及3D內容 |
| 18 | 恒生電子 | 基于LightGPT打造的多款光子系列大模型應用產品 |
| 19 | 軟通動力 | 軟通天璇AI Copilot引擎 |
| 20 | 大華股份 | 以視覺解析為核心的多模態融合行業大模型“星漢” |
| 21 | 格靈深瞳 | 研發了基于2B圖文數據量訓練的多模態大模型 |
| 22 | 九章云極DataCanvas | DataCanvas Alaya九章元識大模型 |
| 23 | 當虹科技 | 多模態視聽大模型BlackEye |
| 24 | 三人行 | 營銷領域多模態AI產品“一個” AI |
| 25 | 熵基科技 | 多模態“計算機視覺與生物識別”（BioCV）領域 |
| 26 | 億嘉和 | 基于多模態超融合技術的大模型YJH-LM |
| 27 | 潤和軟件 | 多模態大模型技術為核心算法的新一代AI中樞平臺 |
| 28 | 中科金財 | 行業垂類多模態大模型 |
| 29 | 電科數字 | 智弈大模型產品 |
| 30 | 新大陸 | 應用在感知AI和認知AI兩大場景 |
| 31 | 漢王科技 | 漢王天地大模型 |
| 32 | 拓爾思 | 拓天康養大模型 |
| 33 | 數字政通 | Kimi助力人和大模型打造長文本分析場景 |
| 34 | 第四范式 | 式說大模型 |
| 35 | 云從科技 | 國內首款AI原生數據分析產品DataGPT |
| 36 | 彩訊股份 | 基于Transformer架構的大模型文本生成 |
| 37 | 中科創達 | 多模態AI、人形機器人以及算力 |
| 38 | 宣亞國際 | 自研OrangeGPT V2.0 |
| 39 | 千方科技 | 梧桐多模態大模型 |
| 40 | 蜜度 | 文修智能校對大模型、蜜巢政務大模型 |
| 41 | 中科信息 | 研發面向多模態邊緣云計算平臺 |
| 42 | 鴻博醫藥 | 將人工智能算法與藥物設計相結合 |
| 43 | 競業達 | 教育大模型 |
| 44 | 中文在線 | 萬字創作大模型“中文逍遙” |
| 45 | 新華網 | 生成式人工智能內容安全與模型安全檢測平臺（AIGC-Safe） |
| 46 | 廣聯達 | 構建了建筑行業AI大模型層、工具平臺層、產品應用層三層AI技術體系 |
| 47 | 東方通 | AI內容監測領域 |
| 48 | 梅安森 | 礦山安全大模型 |
| 49 | 捷成股份 | 研發了基于多模態大模型的AIGC一鍵成片系統 |
| 50 | 考拉悠然 | 自主研發了OSMAGIC碼極客多模態人工智能操作系統 |
| 2024.05 DBC/CIW/CIS | ||
技術需要
算力：多模態AI需要大量的算力支持，以處理復雜的多模態數據和模型訓練。解決多模態AI的算力需求是行業發展中的重要挑戰之一。
算法：多模態AI需要針對不同感知模態的數據設計和算法優化，以實現有效的信息融合和處理。
數據：多模態AI需要處理來自不同感知模態的大規模數據，因此需要先進的數據融合和處理技術來有效地整合和利用這些多模態數據。此外，數據的標注和清洗也是關鍵問題，需要高效的數據管理和處理技術來確保數據質量和可用性。
遍地開花
融合多元智能：多模態AI將語言、視覺、音頻等多種智能融合，使得計算機系統更具人類感知和理解能力，從而實現更加智能化的應用。
創新交叉融合：多模態AI不僅僅是簡單地將各種模態疊加，更是通過創新的交叉融合，實現了信息的互補與協同，為解決復雜問題提供了全新思路。
深度學習進展：隨著深度學習技術的不斷發展，多模態AI能夠從大量異構數據中學習，實現更高層次的抽象和認知，為人工智能的發展開辟了新的可能。
實踐應用加速：多模態AI在醫療、交通、娛樂等領域的實踐應用不斷加速，為人類生活帶來了更多便利和創新，推動著技術與社會的深度融合。
結語
多模態AI的發展帶來了巨大的機遇和挑戰。一方面，多模態信息的融合使得AI系統能夠更準確地理解人類世界，為智能化生活和工作帶來更多可能性。另一方面，多模態數據的復雜性和處理需求也給技術研發和應用帶來了一系列挑戰，需要不斷創新和努力，以推動行業的持續發展。
（文/楊柳）
e-Mail：lab@enet16.com
TEL：010-65283855
