85%。在语言能力之外，AI 大模型的多模 态能力也快速提升。2023 年初，主流闭源大模型通常为纯文本的 LLM。2023 年至今，闭 源模型的多模态能力具有大幅度提升，目前主流闭源大模型通常具备图像理解、图像生成 能力。部分最前沿的闭源大模型，例如 GPT-4o、谷歌 Gemini，支持的模态更加多元，能 够理解文本、图像、音频、视频（帧），并生成文本、图像、音频。2022 年 9 月，红杉资 本预计还需要近十年的时 系统，强化虚 拟助手 Bixby，为用户提供丰富多样的应用服务。据 Techweb，Google 有望在 10 月推出 Pixel9 系列，预计将搭载基于最新 Gemini 模型的 AI 助手，执行复杂的多模态任务。芯片 方面，下半年将发布的骁龙 8Gen4 较上一代产品有望进一步支持 AI 应用。 图表7： AI 手机典型应用及趋势 资料来源：OPPO《AI 手机白皮书》（2024.2），华泰研究 风格扮演 辅导作业 通话摘要：一键从通话到纪要 通话记录 通话纪要 待办生成 便签同步 拍照、擦除、背景还原等 智能圈选 消除 背景生成 趋 势 多模态自然对话 可信、有用、个性化专属 内容生产 自然对话|OS融合的多模态| 语音、文字、图片、文档、视频全能聊| 语音、手势全能控 内容合规|幻觉消除|复杂推理|任务调度| 服务生态支持|人设支持|个性化问答和推荐| 用户专属记忆

务场景覆盖。通过持续迭代的强化学习机制，确保智能体每月更新 业务知识库，保持对监管政策变化的即时响应能力。 2. 智能体功能设计 智能体功能设计围绕银行客户经理的核心工作场景展开，通过 DeepSeek 大模型的多模态交互、知识库整合及实时决策能力，构 建覆盖客户服务全流程的智能化解决方案。系统采用模块化架构， 确保功能可扩展性与银行业务的高适配性。 客户交互模块实现全天候自然语言对话，支持语音、文本及视 2000+条经法审团队验证的标准话术模 板，关键节点自动触发：  风险提示（如理财产品销售时强制播报）  免责声明（根据咨询内容动态插入）  数据授权确认（调用客户信息前必须获得语音/文字同意） 多模态交互支持  语音转写：支持方言识别（覆盖全国 80%地区口音）  图像识别：自动解析客户上传的证件/单据（准确率 98.3%）  视频面签：通过活体检测+OCR 完成远程身份核验 服务升级机制 测输入语种，准确 率达 98.7%（基于 NIST 测试集）  动态匹配预设语言服务策略，优先调用对应语种的金融知识库  未知语言自动触发备用翻译链路，响应延迟控制在 500ms 内 多模态交互优化 核心语言能力矩阵 功能维度 技术实现 性能指标 术语一致性 行业术语表+央行多语言对照库 专业词汇准确率 99.2% 文化适配 地域性表达规则引擎 接受度提升 43%（A/B 测试）

落地的运营商级云平台。 02  未来推理算力长序列与超大模型推理优化成为关键，国产软硬件 协同与生态成熟推动推理普及 03 中国算力正朝着“训推一体”融合架构快速发展，以支撑大规模 模型与多模态应用的高效低延迟推理。国产AI芯片与推理框架不 断优化，结合模型压缩、量化、动态推理等技术，进一步提升能 效比和部署灵活性。 3 沙利文市场研读 | 2025/08 2 研究框架  中国推理算力市场综述 中国智能算力正朝着“训推一体”融合架构快速发展，以支撑大规模模型与多模态应用的高 效低延迟推理。 中国推理算力发展趋势分析 市场研读 2025/08 中国：云服务系列 在当前国家高度重视人工智能发展的战略背景下，中国推理算力正迎来快速发展阶段。随着AI模型尤其是 大模型和多模态模型的广泛应用，对高效、低延迟推理 等缓存机制面临巨大压力。多级缓存技术（如HBM + DRAM + 专业存储）通过“以存代算”策略显著减轻计算负担，提升推理效率，支持更长上下文理解和更 复杂任务处理。  多机并行推理支撑超大模型与多模态应用 面对千亿级参数模型和百万级长度多模态输入带来的计算与内存挑战，多机并行推理成为必然选择。通过 节点内NPU高速互联与节点间RoCE网络协同，实现计算资源的高效调度与通信优化，显著提升推理吞吐并降 低延迟。  软硬件协同与生态成熟推动推理普及

DeepSeek-V3 DeepSeek-R1 DeepSeek-V3 跨节点专家并行 硬件协同优化 Grok-3 20万张卡 思维链推理 QWQ-32B 两阶段强化学习 Gemma-3 多模态推理融合 思维链推理 2018年图灵奖、深度机器学习 2024年图灵奖、强化学习 浙江大学人工智能教育教学研究中心 中心 智能教育教学研究中心 大学人工智能教育教学研究中心 浙江大学人工智能教育教学研究中心 智能教育教学研究中心 大学人工智能教育教学研究中心 浙江大学人工智能教育教学研究中心 浙江大学人工智能教育教学研究中心 浙江大学人工智能教育教学研 浙江大学人工智能教 浙 攻防对抗 隐私保护 多模态 幻觉问题 可解释性 价值对齐 人工智能 面临的挑战 合规伦理 算法共振 郑小林，浙江大学人工智能研究所，2025.3.16 新一代人工智能面临的挑战 浙江大学人工智能教育教学研究中心 浙江大学人工智能教育教学研究中心 浙江大学人工智能教育教学研 浙江大学人工智能教 浙 可信金融大模型的研究框架 行业大模型（金融） 检索知识增强RAG 领域微调（SFT/RLHF） 智能体Agent 多模态金融大数据（表格、文本、图谱、图片、视频等……） 金融知识库 知识萃取 高效索引 金融工具链 意图识别 工具调用 大模型金融应用 模型压缩（蒸馏/量化） Chatbot模式 Copilot模式

升级至四代，模型能力 高速提升。2023 年 3 月 15 日，OpenAI 正式官宣了多模态大模型 GPT- 4，ChatGPT4 将输入内容扩展到 2.5 万字内的文字和图像，较 ChatGPT 能够处理更复杂、更细微的问题。最新版的 GPT-4 在 ChatGPT 的 GPT- 3.5 基础上主要提升了语言模型方面的能力，并添加了多模态功能，在 不同语言情景和内部对抗性真实性评估的表现都显著优于 GPT-3.5，在 请务必阅读正文之后的免责声明部分 东吴证券研究所 行业深度报告 5 / 28 1. ChatGPT 快速迭代，OpenAI 模型演进，下游应用百花齐放 GPT-4 是一个大型的多模态模型，相比上一代 ChatGPT 新增了图像功能，同时具备 更精准的语言理解能力。GPT 的升级背后是 OpenAI 的大语言模型的进一步演进，同时 带动下游应用的拓展，涌现出新一批应用场景。 架构），基于大量的语料库使用指 示学习和人工反馈的强化学习（RLHF）来指导模型训练。模型可理解并生成对各种主 题的类似人类的响应，是 AIGC 技术进展的成果。2023 年 3 月 15 日，OpenAI 正式官宣 了多模态大模型 GPT-4，ChatGPT4 将输入内容扩展到 2.5 万字内的文字和图像，较 ChatGPT 能够处理更复杂、更细微的问题。 表1：历代 GPT 表现情况 模型 发布时间 参数量

年）》及相关行业分析，我国人工智能产业在基础层、 技术层和应用层的协同发展格局已逐步健全。在基础层，国产 AI 芯片（如昇腾、 邃思等）与高性能服务器在市场上的应用广度与深度正稳步提升；在技术层，大 模型技术迅速从研发走向落地，多模态学习成为业界关注的焦点；在应用层，人 工智能技术已深度融入工业质检、智慧诊疗、智能交通等国民经济重点领域，展 现出巨大的赋能潜力。 （三）技术应用深入核心环节 以智能体为代表的人工智能技术应用持续赋能城市全域数字化转型。在城市 问题， 以“视觉大模型+多模态融合”为核心引擎，创新构建“感-算-融-用”一体化城 市智能认知中枢，推动城市治理从“经验驱动”向“认知驱动”跃迁，实现治理 范式的系统性革新。中国联通基于“视频+物联+AI”三融一体的智能架构，打造 大模型三大核心能力体系，助力更多城市形成“数智融合、一算赋能千景”的治 理新模式。一是零样本算法生成平台，依托自研“元景”多模态大模型，攻克非 结构化数据解 大模型完成精准检索申请，通过基层填报智能体支持多模态信息自动化填报，构 建“资源可见、可管、可用、可评”全链条机制。通过算力调度网关实现核心资 源联动，一方面对接大模型平台，整合通用模型、智能体接口、AI 工具集等， 依托训练场集中调度算力，另一方面将十大类资源纳入统一管理框架，形成“需 求提出—匹配—调度—管控—反馈”闭环，实现数智资源超市化高效配置，为政 务大模型多模态协同、场景创新提供支撑。二是建设数智资源三类账目，实现全

DeepSeek-R1 模型的本地化部署 ，覆盖头部及中型机构 ，包括华泰证券、 国泰海通、广发证券、财达证券等。 技术优势： DeepSeek-R1 凭借“性能倍增、成本递减”特性 ，在数据处理、逻辑推理及多模态分析方面表现突出。 安全合规：本地化部署满足金融行业数据安全要求，结合 RAG （检索增强生成）和 AI Agent 技术，构建智能中台。 场景渗透：应用已从内部效率工具（如智能问答、流程指引）延伸至核心业务。 智能投顾与财富管理的范式升级。①全息投顾助手：基于客户风险画像、实时市场数据及行为分析 ，生成动态资产组合方案 ，支持自然语言 交互。 例如， 国泰君安“君弘灵犀 ”大模型通过多模态能力（文本 、 图表、 计算） 提供个性化投顾服务， 覆盖更多客户 。 中金财富 IC- Copilot 单日处理文档效率提升。②社交化策略工厂：整合散户社区（如雪球、 eToro ）舆情数据 中信证券 Bond Copilot 赋能债券承销全流程。②机构定制化 AI 工具链：开放大模型 API 供机构客户按需调用 ，支持策略回测、风险建模等 场 景定制。 风控合规的实时化升级。模态反欺诈哨兵：结合知识图谱与 AI ，实时识别复杂交易欺诈 ，准确率较传统系统提升。 数据来源：发布机构官方微信公众号，东吴证券研究所

大模型，截至 24 年 7 月，全球 AI 大模型数量约 1328 个 ( 其中美国位居第一位，占比 44% ；中国位居第二位，占比 36%) ，模型的 迭代加速、 竞争加剧。同时， AI 模型向多模态全方位转变， AI 应用百花齐放，企业主动拥抱 AI 应用市场。因此，模型数量、模型参数、数据总量的持续增长及 AI 应用需求推动 全球算力爆发式增长。在英伟达 GPU 随着架构的不断演进及算力的成倍增长，于 的 全 新 开 源模型。 DeepSeek-R1-Lite 预览 版 正式上线 ， 展现了 o1 没有 公开的完整思考过程。 DeepSeek VL 发 布 ， 作 为 自 然语言到多模态初探。 DeepSeek V2 发 布 ， 成 为 全 球最强开源通用 MoE 模 型。 DeepSeek Math 发 布 ， 7 B 模 型逼近 GPT-4 的数学能 力。 DeepSeek- 50 0 2022 2023 l 23 年 3 月以来， OpenAI 所发布的 GPT-4 已经具备了多模态理解和多类型内容生成的能力，使得 AI 真正具备了重 塑人 机交互模式、全方位赋能人类生活的可能性。 l 24 年 12 月 OpenAI 连续进行新品发布，包括具备多模态推理能力的完整版 o1 模型，正式发布 Sora 视频模型，开 放并 升级写作和编程工具 Canvas ，将

领军者。 2023 年 3 月 ， OpenAI 发 布工程化的多模态 GPT-4 ，并 与 各个领域的软件开展合 作。 2023 年 11 月 7 日， OpenAI 开发者大会 重磅发布 GPT-4 Turbo ，这项新 模型带来了六大升 级 ，包括更长 的上下文长度、更 强的控制、模 型的知识升级、多 模态、模型微 调定制以及更高的 速率限制。 谷歌框架领先 模型丰富 腾讯云推出的 TI-OCR 大模型提供多种识别模式，包括智能结构化、 固定版式结构化、检测 / 识别、智能分拣。 TI-OCR 大模型具备原生 大模型支持、通过 prompt 设计支持复杂任务、多模态技术提高召回 率的特点。通过应用 TI-OCR 大模型，可实现自动化的数据处理和高 度结构化，将数据识别准确率提高至 95% 以上。这一应用降低了高 重复手工劳动，减少了运营成本，实现了多元业务数据处理的标准化、 智能化生产平台、多媒体智能资讯及互动平 台系统等多个人工智能相关项目，并在公司部分产品及服务中进行了具体应用。公司将继续紧跟 AI 技术发展前沿，不断加强 AI 能力建设，进一步强化自然语言处 理、图像处理、语音识别和多模态融合技术能力，并继续深入 AIGC 、交互式 AI 等领域的研究，完善内容生态构建， AI 赋能提升用户各场景使用体验和服务能力， 未来或创造新的场景以挖掘客户全生命周期需求，进一步巩固流量优势并提高客户转化率。

价格方面，S25 起售 价 5,999 元，S25+起售价 6,999 元，S25 Ultra 起售价 9,699 元。AI 功能方面，国行 S25 系列搭载智谱 Agentic GLM，具备多模态能力，能够支持基于 AI 的实时语音和视频通话， 电子行业深度报告 9 请务必阅读末页声明。 以及基于实现视觉理解和系统功能调用、AI 搜索、文案写作等功能，具备跨应用操作能 力。 图 12：三星国行 小时，充电盒可提供额外 32 小时续航，基本满足日常使用，起售价 299 美元起。 功能方面，Ray-Ban Meta 在 2024 年 4 月正式添加了 Meta AI 功能，接入 Llama3 大模型， 具备多模态能力，能够通过语音唤醒 Meta AI 实现智能问答、通话及发送信息、听音乐、 实时翻译等一系列操作，并且能够通过摄像头对现实场景进行分析并回答用户提出的问 题。在软件生态上，Ray-Ban Meta 眼镜成为展会焦点。据 VR 陀螺统计，CES 现场 展示的 AI 眼镜、AR 眼镜的数量达到 47 款，包括纯音频眼镜、音频+拍照 AI 眼镜、带显 示 AR 眼镜等。从产品来看，基本都搭载 AI 大模型，具备多模态能力，能够实现智能问 答、翻译、识别物体等多个功能。从展出商来看，基本集中在国内品牌，如雷鸟创新、 Rokid、雷神科技、李未可科技、星纪魅族等，国内厂商引领力进一步提升。 表 3：闪极科技 AI