《科創(chuàng)板日?qǐng)?bào)》12月9日訊（編輯 宋子喬） 谷歌Gemini橫空出世,，再次讓大家的目光聚焦在了多模態(tài)大模型上,。

Gemini1.0號(hào)稱(chēng)具有原生多模態(tài)能力,，能夠處理視頻,、音頻,、圖像,、文本和代碼等多種形式的內(nèi)容,，且性能優(yōu)于現(xiàn)有的“拼接型”多模態(tài)大模型。從谷歌官方公布的技術(shù)文檔中的示例來(lái)看,，Gemini不僅能夠進(jìn)行雙模態(tài)之間的轉(zhuǎn)換（如文生圖或文生視頻）,，亦能處理需要進(jìn)行多模態(tài)轉(zhuǎn)換的復(fù)雜任務(wù)。

多模態(tài)的意義在于,，為AI應(yīng)用帶來(lái)了更多可能性,，是通用人工智能（AGI）發(fā)展的關(guān)鍵。

從這個(gè)角度來(lái)看,，Gemini上線是AI產(chǎn)業(yè)發(fā)展的里程碑事件,，其代表的原生多模態(tài)大模型有望拓展大模型的應(yīng)用場(chǎng)景和邊界。國(guó)盛證券稱(chēng),，Gemini的問(wèn)世有望為業(yè)界貢獻(xiàn)大模型泛化能力的全新范式,，加速AIGC向AIAgent的轉(zhuǎn)變。

而谷歌作為科技巨頭,，擁有豐富的軟硬件生態(tài),。國(guó)海證券表示,，如果谷歌將旗下產(chǎn)品全面接入Gemini，其搜索引擎和辦公軟件將能夠與微軟的NewBing及Microsoft 365 Copilot對(duì)壘,；此外,，谷歌亦有可能在搭載Android系統(tǒng)的移動(dòng)設(shè)備上推出類(lèi)似于Windows Copilot的AI助手，充分發(fā)揮其在2C端的用戶優(yōu)勢(shì),，順應(yīng)當(dāng)前AI手機(jī)的發(fā)展潮流,。

▌多個(gè)多模態(tài)AI應(yīng)用驚艷亮相

最近已有多個(gè)多模態(tài)AI應(yīng)用驚艷亮相，包括爆火出圈的Pika,，以及三大圖片轉(zhuǎn)視頻神器——阿里的Animate Anyone,、字節(jié)跳動(dòng)的Magic Animate、微軟的GAIA,。

對(duì)于Pika,，大家已經(jīng)耳熟能詳，它是對(duì)標(biāo)Runway Gen-2的AI視頻生成平臺(tái),，對(duì)于Animate Anyone和Magic Animate,，《科創(chuàng)板日?qǐng)?bào)》此前已做過(guò)詳細(xì)報(bào)道。GAIA相關(guān)論文發(fā)布于11月26日,，該AI工具的效果同樣出色，能讓一張人物肖像/照片“張嘴說(shuō)話”,，還附帶音頻,。

另有多家科技公司在文生視頻領(lǐng)域取得新進(jìn)展：Meta發(fā)布工具Emu Video，能夠基于文本和圖像輸入生成視頻剪輯,；Runway在Gen2中上線Motion Brush動(dòng)態(tài)筆刷功能,，只需對(duì)著圖像任意位置一刷，就能讓靜止的一切物體動(dòng)起來(lái),；Stable AI推出Stable Video Diffusion,，可以從圖像中生成高品質(zhì)的視頻剪輯。

開(kāi)源證券表示,，科技巨頭之間多模態(tài)大模型的競(jìng)爭(zhēng)日益激烈,，同時(shí)驅(qū)動(dòng)著底層多模態(tài)大模型的能力不斷突破，疊加GPTs等AI應(yīng)用形式的出現(xiàn),，AI應(yīng)用有望迎來(lái)快速增長(zhǎng)期,。

▌再次呼喚更多算力

多模態(tài)大模型的算力需求遠(yuǎn)高于純文本模態(tài)。以Gemini為例,，其強(qiáng)大的多模態(tài)能力背后,，是龐大的算力需求。雖然沒(méi)有正式公布,，但根據(jù)內(nèi)部消息,，Gemini有萬(wàn)億參數(shù),，訓(xùn)練所用的算力甚至達(dá)到GPT-4的五倍。

有別于傳統(tǒng)大模型對(duì)英偉達(dá)硬件及生態(tài)的依賴,，Gemini訓(xùn)練所需的算力基于谷歌自研的TPU v4和v5e等硬件,。在推出新模型的同時(shí)，谷歌順勢(shì)宣布推出迄今為止功能最強(qiáng)大,、最高效,、可擴(kuò)展性最強(qiáng)的TPU系統(tǒng)Cloud TPU v5p，將用于開(kāi)發(fā)更高層次的AI大模型,。

其TPU v5p的訓(xùn)練性能是上一代TPU v4的2.8倍,，內(nèi)存帶寬提升3倍，芯片間互聯(lián)帶寬翻倍,，達(dá)到4.8Tbps,，同時(shí)，v5p單個(gè)POD中的芯片數(shù)量翻倍,，達(dá)到8960顆,。

谷歌數(shù)據(jù)中心內(nèi)的一排Cloud TPU v5p AI加速器超級(jí)計(jì)算機(jī)

民生證券認(rèn)為，谷歌作為自研算力新勢(shì)力,，有望激化算力市場(chǎng)良性競(jìng)爭(zhēng),，進(jìn)而降低算力使用成本。在海外互聯(lián)網(wǎng)巨頭AI模型軍備競(jìng)賽下算力基建產(chǎn)業(yè)鏈將持續(xù)受益,。國(guó)盛證券也表示,，谷歌作有望為算力供需雙方提供全新選項(xiàng)，從供應(yīng)側(cè)看,，有利于技術(shù)的良性競(jìng)爭(zhēng),，從需求側(cè)看，充分的市場(chǎng)競(jìng)爭(zhēng)也有利于降低算力的使用成本,。

另一方面,，因Gemini Nano將登陸谷歌Pixel 8 Pro手機(jī)，端側(cè)算力也受到重視,。此前高通發(fā)布的報(bào)告顯示,，未來(lái)AI推理的規(guī)模將遠(yuǎn)高于AI訓(xùn)練，推理成本將隨著日活用戶數(shù)量及其使用頻率的增加而增加,，而云端推理的成本掌握在云廠商手中,，這將導(dǎo)致規(guī)模化擴(kuò)展難以持續(xù)，因此布署端側(cè)算力是生成式AI規(guī)?；瘮U(kuò)展至關(guān)重要的一步,。

放眼全球AI產(chǎn)業(yè)，OpenAI于11月份發(fā)布了GPT-4 Turbo且開(kāi)放了GPTs,，谷歌緊隨其后發(fā)布Gemini,，表明人工智能巨頭在大模型領(lǐng)域的競(jìng)爭(zhēng)依然白熱化,。

平安證券表示，在此背景下繼續(xù)看好AI算力需求的增長(zhǎng),。國(guó)信證券也稱(chēng),，ChatGPT外，繪圖,、視頻等多類(lèi)AI應(yīng)用陸續(xù)取得進(jìn)展，訓(xùn)練與后續(xù)推理需求持續(xù),，算力基礎(chǔ)設(shè)施長(zhǎng)期景氣度持續(xù),。