多模态模型市场尚未出现激烈价格竞争，产品升级具备提价空间。
本文为IPO早知道原创
作者｜罗宾
据IPO早知道消息，瑞银证券中国互联网行业分析师熊玮近日发表中国AI智见报告，报告指出，多模态模型是大语言模型之外被低估的机遇。
瑞银此前对以文本为主的基础模型（大语言模型LLM）开展了广泛研究，此类模型的能力与变现情况快速演进。在此基础上，瑞银聚焦多模态模型的技术路径、市场格局及商业前景，该领域与大语言模型相邻但有所不同。“我们认为随着模型处理和生成多模态内容（如图像、音频和视频）的能力不断提升，AI的机遇将超越文本范畴，其中视频生成是关键领域。”
瑞银指出，多模态模型的发展有三项区别于大语言模型的特征：1）领先开发者不同，全球前沿领域的参与者较少，重大模型版本发布的频率较低；2）技术成熟度处于更早阶段，意味着模型能力有进一步提升空间，并有望催生新的用途；3）模型层和应用层均出现早期变现机会。“令人鼓舞的是，中国领先开发者依托其视频内容生态、数据准备能力及模型创新，在模型能力和变现方面展现出早期优势，我们认为这值得投资者给予更多关注。”
技术成熟度尚处早期，中国或具备结构性优势
瑞银认为，视频生成的技术成熟度低于大语言模型，其架构尚未趋同，参数规模较小（低于3000亿），能力提升仍更依赖预训练。这部分反映了视频数据的复杂性以及数据质量的重要性。
相较于大语言模型，视频生成前沿领域的参与者较少，美国主要AI开发者在视频生成方面的投入力度也参差不齐。中国开发者在视频生成能力上的势头初显，并可能具备结构性优势，包括在劳动密集型数据准备环节的成本较低、成熟视频内容生态带来的丰富数据来源，以及已展现出的模型架构创新能力。
市场格局分散，变现路径多样化
瑞银认为，视频生成是一个规模可观的市场（潜在市场空间为2000-4000亿美元），其分散的市场格局由不断演进的模型及产品形态、定量与定性相结合的评估指标，以及具体应用场景需求共同塑造。
“在模型提供商中，我们尚未观察到大范围、激烈的价格竞争，而产品升级通常伴随着价格上涨。虽然互联网巨头可能受益于覆盖模型开发、用户获取及分发的成熟生态，但我们提示细分应用场景（如短剧）和海外市场的变现潜力，我们认为多模态harness/应用层能通过将生成的视频片段转化为最终成品来获取价值，为规模较小的公司及初创企业创造机会。”
