随着人工智能（AI）市场持续蓬勃发展，作为人工智能领域的热门技术方向，多模态大模型正迎来“上新潮”——企业纷纷以多模态融合、推理效率提升及成本优化为突破口，加速人工智能技术的商业化落地。

　　“通过多模态长思维链训练、全局记忆、强化学习的技术突破，形成领先的多模态推理能力，并突破成本边界。”在商汤科技日前举行的2025技术交流日活动上，商汤科技董事长兼首席执行官徐立表示，公司推出的全新升级的“日日新V6”大模型体系将跨越多模态边界，释放推理与智能的无限可能。该体系在长思维链、推理、数理、全局记忆方面具备优势，做到高效能与低成本兼具。

　　此外，在近日举行的“2025快手磁力大会”上，快手明确表示，在人工智能生成内容（AIGC）方面，基于多模态大模型，快手的AIGC内容生成能力飞速提升。而在稍早前，智元机器人发布了通用具身基座大模型GO-1，该大模型借助人类和多种机器人数据，让机器人获得了革命性的学习能力，可泛化应用到各类环境和物品中，快速适应新任务、学习新技能，并在实际使用中持续快速进化。同时，它还支持部署到不同的机器人本体，高效完成落地。

　　近期业内的一系列动作不仅反映出人工智能领域的技术跃迁，更是行业竞赛加速的缩影。专家认为，当前行业竞争焦点已从参数规模转向应用效能，大模型的价值也正从实验室的各类技术指标向能否最终转化为实际生产力转变。与此同时，多家上市公司也在积极探索将多模态大模型引入到日常工作中。

　　大模型频“上新”

　　“多模态正在成为大模型行业发展的重要趋势。”商汤科技联合创始人、大装置事业群总裁杨帆表示，2025年，行业头部企业愈发强调多模态能力，因为人工智能最终会走向线下、走向物理现实，多模态的处理和思考能力成为一种必然的趋势性需求。

　　值得一提的是，凭借全局记忆能力，“日日新V6”大模型打破了传统模型仅支持短视频的限制，可支持10分钟级视频全帧率解析，还能对视频的精彩内容进行智能剪辑输出，帮助用户保留珍贵瞬间。

　　不仅是商汤科技，3月10日，智元机器人发布了首个通用具身基座大模型——智元启元大模型（GO-1），该模型主要是基于2024年底智元机器人推出的AgiBot World数据集，包含超过100万条轨迹、涵盖217个任务、涉及五大类场景的大规模高质量真机数据集。

　　为了有效利用高质量的AgiBot World数据集以及互联网大规模异构视频数据，增强策略的泛化能力，智元机器人提出了Vision-Language-Latent-Action（ViLLA）这一创新性架构，由VLM（多模态大模型）+MoE（混合专家）组成，实现了利用人类视频学习，完成小样本快速泛化，降低了具身智能门槛。

　　据智元机器人介绍，通过ViLLA创新性架构，GO-1大模型在五种不同复杂度任务上的平均成功率提高了32%。其中，倒水、清理桌面和补充饮料任务表现尤为突出。

　　应用价值日益显现

　　头豹研究院研报显示，2023年中国多模态大模型市场规模达到90.9亿元，预计到2028年将增长至662.3亿元，年复合增长率达48.76%。这一快速增长主要归因于技术创新的持续驱动以及行业需求的强劲推动。

　　商汤科技徐立表示，AI之道，在于百姓之日用。如今，通过多模态数据的深度整合与强推理能力，多模态大模型在保险理赔、线上购物比价、商铺运营、剪辑视频、题目讲解与分析等多个日常高频场景中的实用性日益显现。

　　上市公司深度布局

　　业界普遍认为，大模型的核心竞争力已从单一模态处理逐步转向跨模态融合与深度推理，并在此过程中重塑系统性生产力。不少上市公司通过自研、合作等方式加速布局多模态大模型，并在垂直领域持续深度优化。

　　例如，海康威视正探索基于海康观澜大模型技术体系，将多模态大模型能力应用到安全生产管理领域，实现远程隐患智查，助力企业构建更坚实的安全防线。泽宇智能也已完成“基于多模态融合的智能巡检模型算法”的评审，积极参与轮式机器人的集中检测工作。

　　此外，汉仪股份长期布局人工智能应用技术，持续扩大研发团队，加大资源投入进行AI技术的应用研究，尤其是多模态大模型的应用研究，探索各种大模型在文字、图像、视频等设计领域的应用创新落地。

（文章来源：中国证券报）