“女儿概念股”告诉我们：传媒行业，多模态AI才是王道

在硅谷人工智能领域中，新星Pika的异军突起，不仅引发了投资市场对“女儿概念股”信雅达的极度热烈追捧，导致其股价连续两日触及涨停限制，更是向资本市场释放了一股暖流，激活了A股中AI应用板块的热情。尤其是在12月1日，昆仑万维、万兴科技等多家公司纷纷涌现出强劲的市场表现。

然而，信雅达随后澄清，公司并未直接涉足人工智能视频生成领域，也未与Pika有投资或业务上的往来，令市场对于“女儿概念股”效应的真实性产生了疑问。

要深入解读这一现象，我们必须探究Pika的核心优势。Pika推出的首款产品Pika 1.0，这是一款能够通过文字和图片输入，迅速生成各种风格视频的应用，其上线之后便引起了广泛关注。这款应用的核心在于“文生视频”功能，这一功能不仅技术难度极高，成本也相对较大，可以视为文本到图像生成技术的一种升级。

这一技术的关键点在于其多模态的应用能力，即结合了文本、图像、视频和音频等多种信息模态的处理能力。事实上，人类世界的感知是多模态的，而单一模态的AI交互显然有其局限性。这使得多模态成为AI应用领域发展的趋势。

以OpenAI发布的语音和图像处理功能增强的GPT-V4为例，它标志着ChatGPT正式步入了多模态的新时代。而其他技术巨头，如谷歌、Meta、微软等企业，也纷纷投入资源，开发具有图像生成、识别和语音识别等多模态能力的产品。

多模态不仅提升了AI应用的泛用性，对于整个行业来说，它是扩展应用场景的关键。而应用生态的完善将反过来促进上游硬件的进一步迭代。中信证券预测，多模态将是推动AI领域增长的下一个重要点。预计下一代的多模态技术将大幅提升现有语言模型的泛化能力，并在成本方面展现出优势，从而推动AI代理等应用的落地，为自动驾驶、机器人等领域带来革命性的突破。

随着多模态GPT-4V API的开放，有望将现有的图像、视频等转换为新的训练数据，结合LBS、社交等领域诞生全新的应用，同时为硬件端的发展提供强有力的支撑。

然而，多模态的想象空间虽然巨大，但实际应用的优化迭代和商业化进程却相对缓慢。技术的不成熟是所有公司面临的共同挑战。例如，文生视频的底层模型和技术仍在不断优化之中，市场上现有的应用如RunwayGen-2、Zero Scope等都存在一些问题，如复杂人物动作生成连续性不佳、非日常场景视频构建能力一般、多主体视频生成缺乏逻辑连贯性等。

Pika的出现，正是为了解决目前AI工具的这些局限。创始人郭文景曾认为现有的AI工具并不够好用，因此萌生了自己开发工具的构想。

对于投资者而言，多模态AI应用带来了新的机遇。相比于传统的纯文本模态，多模态生成的计算和存储需求更高。国盛证券看好那些在多模态生成领域具有算力储备的大厂，比如Midjourney就是一个成功例子。而从应用端来看，多模态AI工具将成为那些寻求打造沉浸式用户体验的公司的宝贵资产。 例如，在电子商务领域，多模态AI可以通过分析用户的口头评论和视觉反馈，提供更加个性化的购物推荐。

在游戏产业，它能够根据玩家的语音和行为模式，实时生成独一无二的游戏场景和角色互动，大大增强了游戏的吸引力和玩家的沉浸感。

在教育领域，多模态AI的应用正逐渐突破传统的教学模式。它能够综合学生的书面作业、口语表达以及面部表情，提供更为精准的学习反馈和辅导方案，极大地提升了个性化教学的可能性。

此外，新闻媒体也开始利用多模态AI技术来增强报道的深度和广度。通过结合文字、图片、视频和音频，新闻报道能够更加生动形象地呈现事件的全貌，提高受众的理解和参与度。

然而，尽管多模态AI的应用前景广阔，但其发展仍面临着一些挑战。数据的隐私与安全问题成为了一个不可忽视的议题，尤其是在处理用户敏感信息时。同时，算法的透明度和可解释性也是目前多模态AI需要进一步加强的领域。此外，多模态AI在实际应用中的有效性和准确性，以及如何避免偏见和歧视的问题，也是研究人员和开发者需要长期关注的问题。

总的来说，多模态AI技术的蓬勃发展正在引领一场关于人工智能如何更好地理解和交互的革命。随着技术的不断成熟和应用的日益广泛，我们有理由相信，多模态AI将在未来的数字化转型中扮演越来越重要的角色。对于那些敢于探索和实践的企业而言，它将是推动创新、提升竞争力的关键驱动力。

文末福利

• 免费AI社区

如你有想法参与到实际的AI项目中来，抓住AI时代的洪流，提升技能，赚点小钱，欢迎加入我们！ 如二维码失效，公众号后台回复「进群」即可。

如果你觉得这篇文章写得不错，欢迎点赞、关注、转发支持一下！如果你希望能第一时间接收到我的最新文章，不妨给我加个星标⭐～非常感谢你的阅读和支持！

本文由 mdnice 多平台发布