多模態模型

1. 3 秒看懂

多模態模型把文本、影像、語音和影片壓進 1 個推論入口，2024 年 GPT-4o 把語音平均響應壓到 320 毫秒，2025-2026 年 Gemini/Veo/Sora 把競爭從“會看圖”推進到“會生成帶音訊的影片”。1 2 3 Gartner 預計 2027 年 40% 生成式 AI 方案會轉向多模態，說明 2026 年雲端廠商的核心變數已從純 token 規模轉向“視覺/音訊/影片呼叫 × 推論成本 × 分發入口”。4 投資上，Alphabet、Microsoft/OpenAI、Adobe 和 Meta 的勝負不只看模型排行榜，而看 2026 年 AI 營收、訂閱 ARPU、廣告轉化和內容供應鏈效率能否覆蓋更高 capex。5 6 7 8

2. 3 分鐘產業解釋

多模態模型的產業位置在雲端 AI 棧的“模型層 + 應用入口層”之間，向上拉動 GPU、HBM、物件儲存、影片轉碼和推論叢集，向下改變搜尋、辦公、廣告、創意軟體、客服和教育 6 類高頻場景。1 5 6 GPT-4o 在 2024 年把文本、視覺和音訊端到端訓練到同一神經網路，音訊輸入最快 232 毫秒、平均 320 毫秒，解決的是傳統 ASR→LLM→TTS 三段流水線 2.8-5.4 秒延遲過高的問題。1 Gemini 3 Pro 在 2025 年把多模態理解推到 81.0% MMMU-Pro 和 87.6% Video-MMMU，Veo 3/3.1 把影片生成推進到原生音效、環境聲和角色對白，說明 Google 的路線是把模型能力直接嵌入 Search、Gemini App、Vertex AI 和 Flow。2 3

商業化有 3 條路徑：第 1 條是 API/token，OpenAI 2026 年 Sora 2 標準價格為 720p 每秒 0.10 美元、Sora 2 Pro 1080p 每秒 0.70 美元，影片推論天然比文本推論更接近“按秒計費”的媒體雲端生意。9 第 2 條是訂閱和 seat，Adobe 2026Q1 AI-first ARR 年增率超過 3 倍、Firefly ending ARR 超過 2.50 億美元，說明創意工作流已能單獨承接 AI 價格。8 10 第 3 條是廣告和搜尋效率，Alphabet 2026Q1 Google Services 營收 896 億美元、Google Cloud 營收 200 億美元且年增率增長 63%，說明 Gemini/Veo 的價值會同時體現在消費入口和雲端平台。5

3. 15 分鐘專家深入

多模態模型不是“文本 LLM 外掛 OCR 和 TTS”，而是把影像 patch、音訊 token、影片幀序列、文本 token 和工具呼叫對映到同一個上下文與注意力機制中，最終用同一套推論基礎設施承接搜尋問答、即時語音、影像編輯、影片生成和機器人感知 5 類任務。1 2 2024 年 GPT-4o 的關鍵突破是即時性，平均 320 毫秒語音響應把互動邊界從“輸入框”推向“對話”；2025 年 Veo 3 的關鍵突破是原生音訊，把影片從靜音素材生成推向可分發片段；2025 年 Gemini 3 的關鍵突破是多模態推論，81.0% MMMU-Pro 和 87.6% Video-MMMU 使影片理解不再只是摘要功能。1 2 3

供給側有 4 個瓶頸：訓練資料版權、影片推論成本、低延遲服務質量和安全水印。OpenAI GPT-4o 系統卡揭露訓練資料包含影像、音訊和影片，多模態能力依賴公開資料、合作資料和使用者/研究人員生成資料，因此版權與授權成本會隨模型質量上升而提高。11 Google DeepMind 對 Veo 輸出使用 SynthID 水印，並承認自然一致的短語音訊仍是持續改進項，說明影片模型的工程瓶頸已經從“能不能生成”轉向“音畫同步、可控性、合規標記和穩定復現”。3

需求側的財報對映必須分 3 層計算：多模態可服務任務量 × 付費滲透率 × 單次呼叫/seat ASP × 公司份額 = AI 相關營收。4 9 已揭露事實包括 Microsoft 2026Q3 AI business 年化營收 run-rate 超過 370 億美元、年增率增長 123%，Adobe 2026Q1 Firefly ending ARR 超過 2.50 億美元，Alphabet 2026Q1 Cloud 營收 200 億美元、年增率增長 63%。5 6 10 未揭露項包括 OpenAI GPT-4o/Sora 單項營收、Gemini/Veo 單項營收、Meta 多模態模型單項營收和各模型影片呼叫量，這些變數只能作為情景假設，不能寫成已驗證市場份額。5 6 7 9

估值側的關鍵分歧是“多模態營收斜率是否快於 capex 斜率”。Meta 2026Q1 營收 563.11 億美元、年增率增長 33%，但 2026 年 capex 展望上調到 1,250-1,450 億美元，顯示模型、廣告和 AI 眼鏡的長期期權正在用短期資本支出換增長。7 Alphabet 2026Q1 operating margin 為 36.1%，Microsoft 2026Q3 operating margin 為 46.3%，Adobe 2026Q1 GAAP operating margin 為 37.8%，這 3 家的共同優勢是已有分發和高毛利軟體/廣告營收，反證則是影片生成呼叫帶來成本上升但不能提高 ARPU 或廣告 ROI。5 6 8

4. 技術原理

多模態模型通常由 5 層構成：第 1 層是多源 tokenizer，把文字、影像 patch、音訊片段和影片幀壓成可注意力計算的 token；第 2 層是共享 transformer 或混合專家網路，把跨模態資訊放入同一上下文；第 3 層是解碼器，把回答輸出為文本、音訊、影像或影片；第 4 層是即時流式服務，把延遲控制在 100-1,000 毫秒量級；第 5 層是安全棧、水印、版權過濾和人審閉環。1 3 11

GPT-4o 的差異在端到端音訊/視覺/文本訓練，官方揭露其最快音訊響應 232 毫秒、平均 320 毫秒，較傳統語音模式 2.8 秒和 5.4 秒平均延遲有數量級改善。1 Gemini 3 的差異在長上下文、多模態理解和 agentic tool use，官方揭露 LMArena 1501 Elo、MMMU-Pro 81.0%、Video-MMMU 87.6%，適合把影片、圖片和網頁 UI 作為同一推論物件。2 Sora 2 與 Veo 3/3.1 的差異在影片生成，前者強調物理、銳度、同步音訊和可控性，後者強調原生音效、環境聲、對白、SynthID 水印和 Flow 工作流。3 12

5. 上游依賴 / 下游影響

上游依賴

GPU/推論雲端：影片每秒計費使推論成本從 token × 價格 擴充套件為 解析度 × 秒數 × 併發，OpenAI Sora 2 Pro 1080p 標準價格為 0.70 美元/秒，顯示高解析度影片推論的單位經濟高於文本模型。9
資料與版權：GPT-4o 系統卡揭露使用公開資料、合作資料和使用者/研究人員資料，影片/音訊版權邊界比文本更復雜，若授權費佔 AI 增量營收超過 20%-30%，創意模型毛利會被壓縮。11
安全與水印：Veo 輸出使用 SynthID，OpenAI Sora 2 對真人影像上傳和影片上傳採用限制，NIST AI RMF 1.0 要求 AI 風險治理覆蓋測量、管理和治理閉環，說明 2026 年多模態商業化必須把水印、身份、未成年人和版權審計前置。3 12 18
低延遲網路：即時語音從 2.8 秒降到 320 毫秒後，模型體驗受 P95 延遲和音訊抖動約束，邊緣節點和區域處理會從可選項變成企業 SLA 項。1 9

下游影響

搜尋和廣告：Alphabet 2026Q1 Google Services 營收 896 億美元、年增率增長 16%，若 Gemini 多模態提高搜尋互動和廣告轉化，收益會先體現在廣告營收和 Cloud AI 消耗。5
辦公和客服：Microsoft 2026Q3 AI business 年化 run-rate 超過 370 億美元、年增率增長 123%，多模態 Copilot 會把會議音訊、螢幕、文件和程式碼整合進同一 seat。6
創意軟體：Adobe 2026Q1 AI-first ARR 年增率超過 3 倍、Firefly ending ARR 超過 2.50 億美元，影片/影像模型會把 Creative Cloud 從工具訂閱推向生成額度和企業內容供應鏈。8 10
社交和硬體：Meta 2026Q1 Family DAP 達 35.6 億、年增率增長 4%，多模態模型若進入 Reels、廣告生成和 AI glasses，商業化會通過廣告載荷、創意生成和硬體活躍度傳導。7

6. 技術路線對比表

路線	速率 / 延遲	功耗 / 成本口徑	距離或維度	標準成熟度	量產機率 2026	主要受益公司	反證指標
端到端即時語音視覺模型	GPT-4o 平均語音 320ms	gpt-realtime-2 音訊輸入 32 美元/百萬 token、輸出 64 美元/百萬 token	音訊+影像+文本	公司 API 成熟，行業標準待形成	85%	OpenAI/Microsoft、Google、Meta	P95 延遲高於 1 秒或語音中斷率高於客服 SLA
多模態推論模型	Gemini 3 Pro：MMMU-Pro 81.0%、Video-MMMU 87.6%	文本/影像按 token；影片理解成本待揭露	影像+影片理解+工具呼叫	Vertex AI/AI Studio 商用成熟	80%	Alphabet、Microsoft、Anthropic 生態	影片理解準確率不提升搜尋/辦公轉化
文生影片 + 原生音訊	Sora 2 / Veo 3 支援同步音訊	Sora 2 標準 720p 0.10 美元/秒，Pro 1080p 0.70 美元/秒	720p-1080p、5-10 秒情景	平台 API 與創意工具商用推進	60%	OpenAI、Google、Adobe、Runway	版權投訴、音畫不同步或生成成本高於人工素材 50%
創意工作流模型整合	Firefly 30+ 模型生態	Firefly ARR > 2.50 億美元，生成額度單價待揭露	影像/影片/音訊/品牌模板	Creative Cloud/GenStudio 成熟	75%	Adobe、Shutterstock、Getty	AI-first ARR 增速低於訂閱營收增速
裝置端多模態助手	手機/眼鏡即時推論	端側 NPU 功耗待揭露	攝像頭+麥克風+螢幕	Android/iOS/眼鏡生態迭代	45%	Google、Meta、Apple、Qualcomm	續航下降超過 10% 或隱私權限導致日活低於預期

7. 關鍵指標

多模態滲透率：Gartner 預計 2027 年 40% 生成式 AI 方案會是多模態，若 2026 年企業 RFP 仍以純文本 chatbot 為主，則本輪模型升級難以轉化為預算。4
影片生成單價：OpenAI Sora 2 標準 720p 為 0.10 美元/秒、Sora 2 Pro 1080p 為 0.70 美元/秒，10 秒影片成本區間為 1.00-7.00 美元，適合追蹤毛利率和企業用量彈性。9
即時語音延遲：GPT-4o 平均 320 毫秒相對舊 Voice Mode 2.8-5.4 秒改善 8.75-16.9 倍，若競品 P95 超過 1 秒則難以進入即時客服和眼鏡場景。1
多模態 benchmark：Gemini 3 Pro 的 81.0% MMMU-Pro 和 87.6% Video-MMMU 是 2026 年視覺/影片理解的公開錨，若模型排行榜提升不能帶來搜尋、廣告或 Cloud 增速，估值會回到 capex 質疑。2 5
AI 營收 run-rate：Microsoft 2026Q3 AI business 年化 run-rate 超過 370 億美元、年增率增長 123%，這是 Microsoft/OpenAI 生態最直接的商業化錨。6
創意 AI ARR：Adobe 2026Q1 AI-first ARR 年增率超過 3 倍、Firefly ending ARR 超過 2.50 億美元，若 2026H2 增速低於總訂閱 13%，說明影片/影像生成未能獨立提價。8 10
安全事故：Veo 使用 SynthID、Sora 2 限制真人影像上傳，若 2026 年發生 1 起大型版權或肖像權訴訟，影片模型的企業採購週期可能延後 2-4 個季度。3 12

8. 可算傳導表

口徑：TAM 使用 Gartner 2026 年全球 AI 支出 2.59 萬億美元和 IDC 2028 年 AI 支出 6,320 億美元作宏觀錨，不能等同多模態模型營收；公司列使用已揭露季度營收或 ARR 作為可服務營收池，再以多模態 attach rate 做情景測算。13 14

驅動變數	Alphabet / Gemini + Veo	Microsoft / OpenAI + Copilot	Adobe / Firefly + GenStudio	來源 / 公式
TAM	2026 全球 AI 支出 2.59 萬億美元；2027 多模態 GenAI 方案佔比 40%	2026 全球 AI 支出 2.59 萬億美元；AI run-rate 已揭露 370 億美元	2026 全球 AI 支出 2.59 萬億美元；創意與營銷內容供應鏈為子集	4 6 13
出貨 / 呼叫代理	2026Q1 Google Cloud 營收 200 億美元、年增率 +63%	2026Q3 AI business ARR run-rate 370 億美元、年增率 +123%	2026Q1 Firefly ending ARR > 2.50 億美元、AI-first ARR 年增率 > 3 倍	5 6 10
ASP / 單價	Gemini/Veo 單價未單列；Veo 通過 Ultra/Flow/Vertex AI 變現	OpenAI Sora 2 720p 0.10 美元/秒、Pro 1080p 0.70 美元/秒	Firefly credit 單價待揭露；用 ARR 作為營收錨	3 9 10
份額 / attach rate	情景 5%/10%/20% 附著於 Google Cloud 2026Q1 營收	情景 10%/20%/30% 附著於 AI run-rate	情景 25%/50%/75% 附著於 Firefly ARR	情景假設
中性多模態營收	20.0 億美元 = 200 億美元 × 10%	74.0 億美元 = 370 億美元 × 20%	1.25 億美元 = 2.50 億美元 × 50%	推算
毛利率 / 獲利率	Alphabet 2026Q1 operating margin 36.1%	Microsoft 2026Q3 operating margin 46.3% = 384 億/829 億美元	Adobe 2026Q1 GAAP operating margin 37.8% = 24.2 億/64.0 億美元	5 6 8
毛利 / 獲利貢獻	7.22 億美元 operating income = 20.0 × 36.1%	34.26 億美元 operating income = 74.0 × 46.3%	0.47 億美元 operating income = 1.25 × 37.8%	推算
PE 口徑	GOOGL 29.66x，2026-05-27 美股收盤，美元，close ÷ TTM EPS	MSFT 24.76x，2026-05-27 美股收盤，美元，close ÷ TTM EPS	ADBE 14.01x，2026-05-27 美股收盤，美元，close ÷ TTM EPS	15
估值對映	214 億美元 = 7.22 億 × 29.66x	848 億美元 = 34.26 億 × 24.76x	6.6 億美元 = 0.47 億 × 14.01x	推算

9. 同業硬指標對比表

公司	營收	增速	GM / OM	淨利	FCF margin	客戶集中度	技術代際	PE TTM	反證條件
Alphabet	2026Q1 營收 1,098.96 億美元；Cloud 200 億美元	總營收 +22%；Cloud +63%	OM 36.1%	2026Q1 淨利 625.6 億美元	2026Q1 FCF 待現金流量表複核	搜尋/廣告客戶分散	Gemini 3 + Veo 3.1 + TPU	29.66x，2026-05-27 收盤	Cloud 增速低於 40% 或 Search AI 不增量
Microsoft	2026Q3 營收 829 億美元 `[MSFT]`；AI run-rate 370 億美元 `[MSFT]`	總營收 +18%；AI run-rate +123% `[MSFT]`	OM 46.3% `[MSFT]`	2026Q3 淨利 318 億美元 `[MSFT]`	2026Q3 FCF margin 待現金流量表複核	企業客戶分散，OpenAI 依賴需追蹤	OpenAI GPT/Sora + Copilot + Azure	24.76x，2026-05-27 收盤 `[MSFT]`	AI run-rate 增速低於 capex 增速 2 個季度
Meta	2026Q1 營收 563.11 億美元	+33%	OM 40.7% = 229 億/563.11 億美元	2026Q1 淨利 267.7 億美元	FCF margin 待 10-Q 複核	廣告客戶分散，營收依賴廣告	Llama 多模態 + Reels + AI glasses	22.27x，2026-05-27 收盤	2026 capex 1,250-1,450 億美元未轉化為廣告增速
Adobe	2026Q1 營收 64.0 億美元；ARR 260.6 億美元	營收 +12%；訂閱 +13%	OM 37.8%	2026Q1 淨利 18.9 億美元	OCF margin 46.3% = 29.6 億/64.0 億美元	企業與個人客戶分散	Firefly + 30+ 第三方模型 + GenStudio	14.01x，2026-05-27 收盤	Firefly ARR 增速低於 Creative subscription 增速
Shutterstock	2025 營收 9.899 億美元	+6%	adjusted EBITDA margin 27.5%	2025 淨利 margin 4.6%	adjusted FCF margin 15.1% = 1.495 億/9.899 億美元	內容買方分散，資料授權客戶集中度待揭露	資料授權 + AI image/video/audio tools	-26.06x，2026-05-27 收盤，虧損口徑	資料授權增速不能抵消核心相簿下滑

10. 投資邏輯 + 業績傳導

多模態模型的投資邏輯是“同一使用者入口承載更多媒體 token”，即 1 個搜尋框、1 個 Copilot seat 或 1 個創意工作臺可以從文本問答擴充套件到圖片理解、即時語音、影片生成和品牌素材複用。1 3 8 2026 年的財報驗證應看 3 個數字：Microsoft AI run-rate 370 億美元是否繼續高於 100% 增長，Alphabet Cloud 63% 增速是否保持 40% 以上，Adobe Firefly ARR 是否從 2.50 億美元向 5.00 億美元以上擴張。5 6 10

使用者任務量 × 多模態滲透率
        ↓
音訊/影像/影片呼叫量 × ASP
        ↓
模型廠商份額 × 分發入口
        ↓
營收 × operating margin - capex 壓力
        ↓
EPS × PE = 情景市值架構 / 股價

業績傳導的核心不是“模型更像人”這 1 個敘事，而是 影片秒數 × 解析度 × 併發 × 成本 能否低於 訂閱升級 + 廣告轉化 + 企業 seat 的增量毛利。7 9 若 Sora/Veo 的生成影片成本持續落在 1.00-7.00 美元/10 秒區間且企業願意為版權、安全和品牌控制付費，Adobe 與 Google 的創意工具會獲得更高 ARPU；若內容供給氾濫壓低素材價格，Shutterstock/Getty 的資料授權價值會高於傳統相簿訂閱。3 9 16

11. 常見誤讀糾偏

誤讀 1：多模態模型只是“LLM 加 OCR”

實際情況：GPT-4o 是端到端處理文本、視覺和音訊的單一神經網路，平均語音響應 320 毫秒，傳統三段式 Voice Mode 平均延遲是 2.8 秒和 5.4 秒，互動邊界差了 8.75-16.9 倍。1

證據：OpenAI GPT-4o 系統卡揭露模型接受文本、音訊、影像和影片輸入，並生成文本、音訊和影像輸出，且訓練資料包含多模態資料。11

誤讀 2：影片模型只要畫質更好就能賺錢

實際情況：Veo 3.1 官方仍把自然一致的短語音訊列為改進項，Sora 2 對真人影像和影片上傳有部署限制，說明影片模型商業化至少受制於 4 個變數：成本、音畫同步、版權和安全。3 12

證據：OpenAI API 2026 年 Sora 2 Pro 1080p 標準價格為 0.70 美元/秒，10 秒影片生成成本為 7.00 美元，若不能帶來廣告轉化或創意提效，呼叫量增長會直接壓縮毛利。9

誤讀 3：OpenAI 強就等於 Microsoft 財報全受益

實際情況：Microsoft 揭露的是 AI business 年化 run-rate 超過 370 億美元，而不是 OpenAI 或 GPT-4o/Sora 單項營收；OpenAI 單項產品營收、分成比例和毛利率均未揭露。6

證據：Microsoft 2026Q3 揭露非 GAAP 結果剔除 OpenAI 投資影響，說明投資損益、Azure AI 營收和 OpenAI 應用營收需要分開建模。6

12. 最新事件

[已發生] 2025-05-20：Google 在 I/O 2025 把 Veo 3、Imagen 4 和 Gemini Live 推入 Gemini App，Veo 3 支援音效、環境聲和角色對白。3 17
[已發生] 2025-11-18：Google 釋出 Gemini 3 Pro preview，揭露 LMArena 1501 Elo、MMMU-Pro 81.0%、Video-MMMU 87.6%。2
[已發生] 2026-03-12：Adobe 揭露 2026Q1 營收 64.0 億美元、AI-first ARR 年增率超過 3 倍、經營現金流量 29.6 億美元。8
[展望] 2026-04-29：Meta 把 2026 年 capex 展望上調至 1,250-1,450 億美元，顯示多模態廣告、模型和硬體的資本支出壓力上行。7
[行業預測] 2026-05-19：Gartner 預計 2026 年全球 AI 支出達 2.59 萬億美元、年增率增長 47%，多模態模型的宏觀預算池繼續擴大。13

13. 來源 footnotes

1 Hello GPT-4o — OpenAI — 2024-05-13 — https://openai.com/index/hello-gpt-4o/ (B)

2 Gemini 3: Introducing the latest Gemini AI model from Google — Google — 2025-11-18 — https://blog.google/products-and-platforms/products/gemini/gemini-3/ (B)

3 Veo 3.1 model page — Google DeepMind — 2026 — https://deepmind.google/models/veo/ (B)

4 Gartner Predicts 40% of Generative AI Solutions Will Be Multimodal By 2027 — Gartner — 2024-09-09 — https://www.gartner.com/en/newsroom/press-releases/2024-09-09-gartner-predicts-40-percent-of-generative-ai-solutions-will-be-multimodal-by-2027 (A)

5 Alphabet Announces First Quarter 2026 Results — Alphabet — 2026-04-29 — https://s206.q4cdn.com/479360582/files/doc_financials/2026/q1/2026q1-alphabet-earnings-release.pdf (B)

6 Microsoft FY26 Q3 Earnings Release — Microsoft — 2026-04-29 — https://www.microsoft.com/en-us/investor/earnings/fy-2026-q3/press-release-webcast (B)

7 Meta Reports First Quarter 2026 Results — Meta Platforms — 2026-04-29 — https://investor.atmeta.com/investor-news/press-release-details/2026/Meta-Reports-First-Quarter-2026-Results/ (B)

8 Adobe Delivers Record Q1 Results — Adobe — 2026-03-12 — https://www.adobe.com/cc-shared/assets/investor-relations/pdfs/21306202/ay45th643t5y46.pdf (B)

9 OpenAI API Pricing: video generation and realtime/audio models — OpenAI — 2026-05-28 accessed — https://developers.openai.com/api/docs/pricing (B)

10 Adobe Investor Summit Q&A, April 2026 — Adobe — 2026-04-21 — https://www.adobe.com/cc-shared/assets/investor-relations/pdfs/adbe-investor-session-summit-2026.pdf (B)

11 GPT-4o System Card — OpenAI — 2024-08-08 — https://cdn.openai.com/gpt-4o-system-card.pdf (B)

12 Sora 2 System Card — OpenAI — 2025-10 — https://cdn.openai.com/pdf/50d5973c-c4ff-4c2d-986f-c72b5d0ff069/sora_2_system_card.pdf (B)

13 Gartner Forecasts Worldwide AI Spending to Grow 47% in 2026 — Gartner — 2026-05-19 — https://www.gartner.com/en/newsroom/press-releases/2026-05-19-gartner-forecasts-worldwide-ai-spending-to-grow-47-percent-in-2026 (A)

14 A Deep Dive Into IDC’s Global AI and Generative AI Spending — IDC — 2024 — https://www.idc.com/resource-center/blog/a-deep-dive-into-idcs-global-ai-and-generative-ai-spending/ (A)

15 Market quote feed for GOOGL/MSFT/META/ADBE/SSTK; U.S. close uses 2026-05-27 16:00 EDT close, PE = close ÷ TTM EPS — StockAnalysis / market data snapshot — 2026-05-28 — https://stockanalysis.com/ (C)

16 Shutterstock Reports Full Year 2025 and Fourth Quarter Financial Results — Shutterstock — 2026-02-17 — https://investor.shutterstock.com/news-releases/news-release-details/shutterstock-reports-full-year-2025-and-fourth-quarter-financial (B)

17 Gemini gets more personal, proactive and powerful — Google — 2025-05-20 — https://blog.google/products-and-platforms/products/gemini/gemini-app-updates-io-2025/ (B)

18 Artificial Intelligence Risk Management Framework 1.0 — NIST — 2023 — https://www.nist.gov/itl/ai-risk-management-framework (A)

三步設好你的觀察臺

選 1-3 個想觀察的人或賽道

看一份樣張

設定一次異動告警

多模態模型

多模態模型

1. 3 秒看懂

2. 3 分鐘產業解釋

3. 15 分鐘專家深入

4. 技術原理

5. 上游依賴 / 下游影響

6. 技術路線對比表

7. 關鍵指標

8. 可算傳導表

9. 同業硬指標對比表

10. 投資邏輯 + 業績傳導

11. 常見誤讀糾偏

誤讀 1：多模態模型只是“LLM 加 OCR”

誤讀 2：影片模型只要畫質更好就能賺錢

誤讀 3：OpenAI 強就等於 Microsoft 財報全受益

12. 最新事件

13. 來源 footnotes

多模態模型

1. 3 秒看懂

2. 3 分鐘產業解釋

3. 15 分鐘專家深入

4. 技術原理

5. 上游依賴 / 下游影響

6. 技術路線對比表

7. 關鍵指標

8. 可算傳導表

9. 同業硬指標對比表

10. 投資邏輯 + 業績傳導

11. 常見誤讀糾偏

誤讀 1：多模態模型只是“LLM 加 OCR”

誤讀 2：影片模型只要畫質更好就能賺錢

誤讀 3：OpenAI 強就等於 Microsoft 財報全受益

12. 最新事件

13. 來源 footnotes

相關推薦

同產業鏈 · 相關公司

相關概念