传媒行业市场前景及投资研究报告：多模态AI，国产大模型探索.pdf

行业研究

证券研究报告传媒2024年04月03日

传媒行业深度研究报告

推荐（维持）

多模态AI的五重奏，国产大模型的探索序章

为什么要探讨多模态？从大模型赋能企业发展的三种模式出发。我们认为大

模型的多模态迭代将直接影响下列三种模式的应用水平——1）大模型+原有

业务：常见于科技大厂，利用大模型提升传统业务的智能化程度，同时用传

统业务的庞大数据资源反哺大模型迭代。2）开源大模型+AI产品：大量中小

开发者申请部署开源大模型去开发各自的AI产品，降低研发成本。3）垂类

模型+行业数据：适合拥有海量高质垂类数据的中大型企业，需要基于一个

通用大模型作为底座。这三种模式包罗各行各业的大中小企业、没有优劣之

分，会随着多模态AI的迭代不断碰撞出新的火花。

多模态方面，建议关注预计确定性较强的【文本】、后续期待值高的【视

频】、短期爆发力强的【音频】三大方向。1）文本：面对海外大模型的一超

多强，国产大模型在追赶中已探索出差异化优势。Kimi(月之暗面)和冒泡鸭行业基本数据

/MoE(阶跃星辰)在中文语义、长文本方面表现亮眼。预计下一阶段的文本差占比%

异化竞争可能是用户的定制化竞争——基于在手用户的特征搜集，形成更深股票家数(只)1430.02

的产品护城河。2）视频：Sora尚未公测之际，国内厂商也交出有竞争力的答总市值(亿元)14,766.421.66

卷。爱诗科技在发展早期就探索当前大火的DiT架构，其产品PixVerse在测流通市值(亿元)13,123.481.89

评表现中不输Runway、Pika等头部厂商。AI生成视频已经可以希冀商业化

用途，进而衍生出对视频语料库和IP、的强烈需求，拥有高质量视频语相对指数表现

料库的公司将具有竞争优势。3）音频：在TTS、语音设计、SVC三种产品%1M6M12M

类型里，我们认为前两者的市场潜力更大，TTS发展更成熟，特别是科技大绝对表现0.5%-3.9%-11.9%

厂未来可能会与传统业务结合释放巨大潜力。语音设计技术难度更高，看好相对表现-0.7%-0.9%-0.3%

Suno的研发投入空间和后续迭代，长期有望改写音乐创作市场格局。SVC更

2023-04-03~2024-04-02

工具化，OpenAI发布的产品猜想会是一个中间形态，远期价值在于与AI视16%

频、或其他模态的结合。

-1%

【图片】发展趋于成熟，【3D】则处于萌芽期，两者都有望反哺AI视频。虽

-18%

然图片和视频都对素材训练要求极高，但是AI图片的产品/社区成熟度显著23/0423/0623/0823/1124/0124/04

高于视频，头部AI图片产品的用户访问量更趋稳定（榜单变化小）。目前风-35%

格和角色一致性都有不错的进展，后续关注场景一致性若得以解决，或意味