国信证券发布研究报告称，随着GPT-4V的推出，多模态将进一步扩大AI的应用范围，机器人也是极佳的多模态AI应用场景，AI和机器人的持续融合也将进一步推动具身智能的发展，目前微软、谷歌等巨头均已在加大该领域投入。此外，随着AI大模型成本下降与技术发展，AI应用产业将快速进步。建议重点关注AI应用、多模态、机器人领域相关个股，如萤石网络(688475.SH)、宝信软件(600845.SH)、金山办公(688111.SH)、科大讯飞(002230.SZ)。

　　多模态模型综合不同类型数据进行分析处理，拥有更高的准确性和鲁棒性，更贴近人类学习模式。随着大模型时代的到来，多模态技术迅速发展，如OpenAI的GPT系列不断推出新版本，提升了语言生成、逻辑推理以及多模态处理能力，预计将在各领域得到广泛应用。该系列模型不断增强的功能和性能，标志着人工智能发展的新阶段。

　　多模态模型的发展方向包括视觉理解、视觉生成、统一视觉、LLM支持以及多模态Agent，并从专业性向通用性改变，应用性增强。

　　近期研究表明，多模态大模型发展方向涵盖了：1)视觉理解，涉及对图像信息进行深入解释;2)视觉生成，特别是生成符合人类意图的图像等内容;3)构建统一视觉模型，该方向面临多重挑战，但在CV领域未来的应用中非常有价值;4)LLM支持的多模态大模型显示出强大的跨模态理解能力;5)多模态Agent是当前研究的前沿方向，旨在通过将多个专家模型与LLM相结合来解决复杂的多模态理解问题。此外，多模态大模型已开始向通用方向转变，并在文本、图像、音视频等多个领域展现出应用潜力，如教育、办公、遥感、医疗和工业等领域。

　　多模态模型融合视频、语言、文字等多方面能力，使得机器人能够将不同感知渠道获取的信息整合起来，形成更全面、准确的环境认知，从而更加高效地应对复杂多变的任务需求。多模态大模型的应用在机器人领域有充分的发挥空间。经过程序控制机器人、自适应机器人和智能机器人三波发展浪潮，智能人形机器人成为发展趋势。特斯拉打通了FSD和机器人的底层模型，Optimus采用端到端神经网络训练运行，实现视频信号输入，控制信号输出。尤其Optimus在23年的快速迭代进步，市场对于人形机器人的产业落地预期将提前，Optimus有望成为最快实现规模化商用的机器人。根据第三方预测，GGII预计到2026年全球人形机器人在服务机器人中的渗透率有望达到3.5%，市场规模超20亿美元，到2030年全球市场规模有望突破200亿美元。AI和机器人的持续融合也将进一步推动具身智能的发展，目前微软、谷歌等巨头均已在加大该领域投入。

(责任编辑：管理)