圖源：界面新聞

　　正如他對Sora 2和Nano Banana的爆點判斷，除去OpenAI對多模態(tài)生成類產(chǎn)品的轉(zhuǎn)移至多初步構(gòu)想成型，以及谷歌對圖像編輯器現(xiàn)階段用戶需求的模態(tài)把握（例如錨定一個點進(jìn)行針對性修改），兩款產(chǎn)品在生成質(zhì)量上并未實現(xiàn)飛躍。體現(xiàn)

　　并且，什行勢在很大程度上，爆點以“文生圖、轉(zhuǎn)移至多文生視頻”為代表的模態(tài)多模態(tài)生成領(lǐng)域，其表現(xiàn)優(yōu)化是體現(xiàn)以文本模型性能提升為前提。階躍星辰創(chuàng)始人兼CEO姜大昕此前在接受界面新聞記者采訪時指出，什行勢理解與生成之間的爆點關(guān)系是，理解控制生成、轉(zhuǎn)移至多而生成監(jiān)督理解。模態(tài)

　　一級市場也在見證這種關(guān)注點切換。體現(xiàn)一名AI投資人對界面新聞記者表示，什行勢他的體感是今年行業(yè)整體投資事件增多，但投資規(guī)模在降低，這是投資重點由模型層向應(yīng)用層過渡后，后者的市場規(guī)模及估值所決定的。

　　在這之中，今年最顯眼的一筆來自應(yīng)用層視覺創(chuàng)作領(lǐng)域的LiblibAI。10月23日，LiblibAI宣布完成1.3億美元B輪融資，紅杉中國、CMC資本等參與其中，促成今年國內(nèi)資本市場AI應(yīng)用賽道最大的一筆融資。這意味著相較其他賽道，團(tuán)隊的PMF（product-market-fit）更大程度受到資本認(rèn)可。

　　在往后很長一段時間，業(yè)界能夠期待的“爆點”或許都將更多來自于多模態(tài)領(lǐng)域。

　　姜大昕一直強調(diào)的觀點是，光有語言的智能不夠，多模態(tài)是大模型的必經(jīng)之路。而在這片領(lǐng)域，理解與生成的統(tǒng)一仍是現(xiàn)階段的突破點。

　　多名受訪者曾對界面新聞記者表示，站在模型訓(xùn)練角度，視覺模態(tài)比文本模態(tài)面臨的挑戰(zhàn)更大。單從數(shù)據(jù)上來看，文本的表征可以在語義上自閉環(huán)，但視覺信息的表征需要先與文本對齊，不存在天然自閉環(huán)的數(shù)據(jù)，“可能需要幾次像ChatGPT、強化學(xué)習(xí)范式這樣的大技術(shù)變遷才能解決。”一名受訪者說。

　　而一派觀點認(rèn)為，基于更好的多模態(tài)模型，世界模型、具身智能、空間智能等才能得到長足發(fā)展，行業(yè)才能進(jìn)一步靠近AGI（通用人工智能）。

　　更現(xiàn)實的考量是，模型決定應(yīng)用能力上限，在文本模型集中火力降本增效和緩慢提升性能的同時，多模態(tài)模型的突破有望給市場帶來更多PMF機會，這將是創(chuàng)業(yè)者和投資人眼中更具實際價值的關(guān)鍵變化。