多模态大模型将重塑行业格局

2025-05-08 09:22:24 来源：人民网

观看：92

眼神表情、语气动作与台词内容、周边环境可实时调整，情绪转折和肢体行为切换顺畅，直播间里超拟真数字人的表现力甚至超越真人；果农打开AI助手，语音说出想法，一个集合产品展示、线上下单、收款发货功能的定制化应用即在3分钟内生成，实现无代码编程，每个人都可以成为程序员……

这些是科技日报记者在Create2025百度AI开发者大会上看到的多模态大模型应用场景。

近日，百度发布文心大模型4.5Turbo及深度思考模型X1Turbo。作为多模态大模型，前者实现了文本、图像和视频的混合训练，大幅提升跨模态学习效率和多模态融合效果，使学习效率提高近2倍，多模态理解效果提升超过30%。

创新应用赋能多业态

超拟真数字人的“超能力”从何而来？其惊艳表现的背后是多模态AI技术的强力支持。

百度首席技术官王海峰所在的团队研制了“剧本”驱动多模协同的超拟真数字人技术，可实现语言、声音、形象的协调一致。

“打开电脑，拿起手机，让文物讲述它的故事。”当天，中国文物交流中心与百度文心大模型发布首个文博智能体——文夭夭文博智推官，为公众提供国内外博物馆文物、展览、数字化应用等文博专业知识的科普讲解、传播推广。

如何提高文物展示水平，重塑与激活文物承载的文化内涵和精神价值？AI给出了科技答案，赋予文物新的创造力。

中国文物交流中心党委副书记、副主任周宇表示，中国文物交流中心与百度文心大模型合作，希望通过AI技术赋能文博事业发展，借助智能体让人们更方便、更快捷、更全面地了解文物背后的历史、故事以及价值。

通过整合文本、图像、视频等数据，多模态大模型实现了跨模态理解与生成，突破了传统单模态模型的局限性。王海峰表示，未来，大模型的能力和效率将进一步提升，人们可以探索更前瞻、更有想象力的创新应用。

在大模型赋能下，文物更鲜活，也更吸引人了。百度文心大模型与中国文物交流中心将继续探索AI大模型技术在文博领域的应用，打造多元化、数字化、智能化文博内容新场景，助力文物和文化遗产保护传承。

非遗传承有了新方式

非遗武术是五千年中华文明的活态载体，然而其传承传播正遭遇严峻挑战。数据显示，传统武术拳种仅存129种。

事实上，非遗武术离人们的生活并不遥远，太极拳、形意拳、八卦掌，这些特色拳种早已通过武侠小说、电影、电视等融入生活。如何让更多人学到非遗武术知识，参与非遗武术传承传播？大模型给出了新答案。

“非遗武术—百度文心大模型”应运而生。该应用基于百度文心大模型，融合上海体育大学武术学院、中国武术博物馆的专业积淀，将武术技法与算法结合，通过3D动作建模、AI动态纠错等技术，把非遗武术技术动作以数字化的形式保存和记录下来。

例如，练拳时，AI可以捕捉用户动作轨迹，与标准模型智能比对，实现动态打分评测和实时反馈指导；学习时，系统可解析发力原理，提供科学优化建议，让“纸上招式”变为“立体教学”。

“大模型丰富了非遗武术的教育形式，也创新了非遗武术的传承方式，未来我们将积极打造新场景。”王海峰说。

未来，多模态大模型将重塑多个行业格局。例如在制造业中，模型可通过视觉检测与自然语言指令结合，实现缺陷自动标注与工艺优化；在金融领域，其可整合财报、舆情与市场数据，提供更精准的风险评估。