计算机：PIKA1.0应用发放评测 谷歌发布GEMINI多模态大模型 多模态技术百花齐放

　　事件描述
　　Pika 1.0 应用于12 月5 日左右开始针对部分用户开放测试名单。根据X 测试视频显示，相比于Discord 版本，Pika1.0 应用增加了视频画面拓展、镜头速度和方向控制、区域内容替换、提示词安全检测等新功能。
　　2023 年12 月6 日，谷歌DeepMind 发布了Gemini 多模态大模型。Gemini 模型是谷歌有史以来性能最强的AI 大模型，按照性能排序可以分为三种不同的版本：1）Gemini Ultra：最大、功能最强的模型，用于数据中心和企业级应用；2）Gemini Pro：可以扩展各种任务，支持包含Bard 等大多数谷歌AI 应用; 3）Gemini Nano：用于手机、PC 等移动端和本地化部署的设备。
　　事件评论
　　Pika1.0 相较于Discord 社区版本，展示效果超预期。正式版的Pika1.0：1）支持画面按照所选比例扩展，可将原视频拓展至16:9 等多比例，且不影响原有区域内容；2）支持镜头速度和方向控制：可以选择镜头由远及近，或者左右上下顺逆时针调整以及速度的控制；3）选定部分区域内容进行替换修改，可将视频中的框定乌龟变成恐龙或让人物带上墨镜；4）提示词安全检测：避免负面内容的提示词。
　　Gemini 综合性能已超越GPT-4V。据谷歌官网显示，在语义理解、数学、编程领域的8项文本能力测试任务中，Gemini 模型有7 项文本能力已超越GPT-4V 模型；在图像、视频、音频的10 项多模态能力测试中，Gemini 模型全部超越了GPT-4V 的能力，其中视频与音频性能的领先幅度较大。
　　多模态应用落地已初见成效。当前时点，应用落地已成为多模态模型的核心矛盾。受数据类型和训练范式影响，多模态模型对算力的需求更高，而算力的高成本致使多模态模型对商业化落地的需求更强烈。本次Pika1.0 应用展示效果超预期，具备快速商业化的可能性，验证了多模态应用落地已初见成效，未来Pika 等多模态应用有望在影视、广告、游戏等领域快速渗透。
　　多模态模型有望带动新一轮算力需求。从算力角度来看，多模态模型的训练数据主要由图像组成，而图像数据的规模相比文本数据量大幅度提高，因此对算力的需求也更高。当前算力仍是阻碍AI 模型训练端与推理端的主要瓶颈之一，多模态模型落地有望催生AI 公司开启新一轮算力端的需求。因此建议关注华为昇腾链厂商。
　　具身智能技术有望加速发展。谷歌在人形机器人领域有较为深厚的技术积累，接连推出了PaLM-E、RT-2 等人形机器人模型。多模态模型是具身智能实现端到端系统的必经之路。
　　将图像数据作为模态融入后，机器人视觉将成为思维链的一环，可以实现感知层和决策层的无缝衔接。本次Gemini 多模态模型推出有望带动谷歌在具身智能领域的快速发展。
　　风险提示
　　1、多模态模型技术推进不及预期；
　　2、多模态模型商业化落地的过程存在风险。
【免责声明】本文仅代表第三方观点，不代表和讯网立场。投资者据此操作，风险请自担。

   【免责声明】本文仅代表第三方观点，不代表和讯网立场。投资者据此操作，风险请自担。