1. 融合性发展：多模态AI行业呈现出融合多种感知方式（如视觉、语音、文字等）的趋势。
2. 数据丰富度：多模态AI的发展需要大量的多模态数据来进行训练和优化。
交叉应用增多：多模态AI技术的发展催生了许多跨领域的交叉应用。
| 序号 | 企业 | 备注 |
|---|---|---|
| 1 | 华为 | 盘古多模态大模型 |
| 2 | 腾讯 | 混元大模型 |
| 3 | 阿里巴巴 | 通义千问大模型 |
| 4 | 科大讯飞 | 讯飞星火认知大模型3.5 |
| 5 | 百度 | 文心一言大模型 |
| 6 | 京东 | 言犀大模型 |
| 7 | 字节跳动 | 豆包大模型 |
| 8 | 网易 | 丹青模型 |
| 9 | 万兴科技 | 万兴“天幕”多媒体大模型 |
| 10 | 昆仑万维 | 天工一刻图文多模态大模型 |
| 11 | 商汤科技 | 日日新SenseNova 5.0多模态大模型系列 |
| 12 | 中国电信 | 星辰AI大模型 |
| 13 | 360 | 360智脑 |
| 14 | 智谱AI | 多模态大模型CogView |
| 15 | 因赛集团 | 文生视频营销应用产品“AI营销视频” |
| 16 | 开普云 | AI算力+大模型+智慧应用全栈战略 |
| 17 | 虹软科技 | 利用ArcMuse技术引擎产生图片、视频、数字人以及3D内容 |
| 18 | 恒生电子 | 基于LightGPT打造的多款光子系列大模型应用产品 |
| 19 | 软通动力 | 软通天璇 AI Copilot 引擎 |
| 20 | 大华股份 | 以视觉解析为核心的多模态融合行业大模型“星汉” |
| 21 | 格灵深瞳 | 研发了基于2B图文数据量训练的多模态大模型 |
| 22 | 九章云极DataCanvas | DataCanvas Alaya九章元识大模型 |
| 23 | 当虹科技 | 多模态视听大模型BlackEye |
| 24 | 三人行 | 营销领域多模态AI产品“一个” AI |
| 25 | 熵基科技 | 多模态“计算机视觉与生物识别”（BioCV）领域 |
| 26 | 亿嘉和 | 基于多模态超融合技术的大模型YJH-LM |
| 27 | 润和软件 | 多模态大模型技术为核心算法的新一代AI中枢平台 |
| 28 | 中科金财 | 行业垂类多模态大模型 |
| 29 | 电科数字 | 智弈大模型产品 |
| 30 | 新大陆 | 应用在感知AI和认知AI两大场景 |
| 31 | 汉王科技 | 汉王天地大模型 |
| 32 | 拓尔思 | 拓天康养大模型 |
| 33 | 数字政通 | Kimi助力人和大模型打造长文本分析场景 |
| 34 | 第四范式 | 式说大模型 |
| 35 | 云从科技 | 国内首款AI原生数据分析产品DataGPT |
| 36 | 彩讯股份 | 基于Transformer架构的大模型文本生成 |
| 37 | 中科创达 | 多模态AI、人形机器人以及算力 |
| 38 | 宣亚国际 | 自研OrangeGPT V2.0 |
| 39 | 千方科技 | 梧桐多模态大模型 |
| 40 | 蜜度 | 文修智能校对大模型、蜜巢政务大模型 |
| 41 | 中科信息 | 研发面向多模态边缘云计算平台 |
| 42 | 鸿博医药 | 将人工智能算法与药物设计相结合 |
| 43 | 竞业达 | 教育大模型 |
| 44 | 中文在线 | 万字创作大模型 “中文逍遥” |
| 45 | 新华网 | 生成式人工智能内容安全与模型安全检测平台（AIGC-Safe） |
| 46 | 广联达 | 构建了建筑行业AI大模型层、工具平台层、产品应用层三层AI技术体系 |
| 47 | 东方通 | AI内容监测领域 |
| 48 | 梅安森 | 矿山安全大模型 |
| 49 | 捷成股份 | 研发了基于多模态大模型的AIGC一键成片系统 |
| 50 | 考拉悠然 | 自主研发了OSMAGIC码极客多模态人工智能操作系统 |
| 2024.05 DBC/CIW/CIS | ||
技术需要
算力：多模态AI需要大量的算力支持，以处理复杂的多模态数据和模型训练。解决多模态AI的算力需求是行业发展中的重要挑战之一。
算法：多模态AI需要针对不同感知模态的数据设计和算法优化，以实现有效的信息融合和处理。
数据：多模态AI需要处理来自不同感知模态的大规模数据，因此需要先进的数据融合和处理技术来有效地整合和利用这些多模态数据。此外，数据的标注和清洗也是关键问题，需要高效的数据管理和处理技术来确保数据质量和可用性。
遍地开花
融合多元智能：多模态AI将语言、视觉、音频等多种智能融合，使得计算机系统更具人类感知和理解能力，从而实现更加智能化的应用。
创新交叉融合：多模态AI不仅仅是简单地将各种模态叠加，更是通过创新的交叉融合，实现了信息的互补与协同，为解决复杂问题提供了全新思路。
深度学习进展：随着深度学习技术的不断发展，多模态AI能够从大量异构数据中学习，实现更高层次的抽象和认知，为人工智能的发展开辟了新的可能。
实践应用加速：多模态AI在医疗、交通、娱乐等领域的实践应用不断加速，为人类生活带来了更多便利和创新，推动着技术与社会的深度融合。
结语
多模态AI的发展带来了巨大的机遇和挑战。一方面，多模态信息的融合使得AI系统能够更准确地理解人类世界，为智能化生活和工作带来更多可能性。另一方面，多模态数据的复杂性和处理需求也给技术研发和应用带来了一系列挑战，需要不断创新和努力，以推动行业的持续发展。
（文/杨柳）
e-Mail：lab@enet16.com
