12 月 28 日，智象未來科技有限公司在安徽人工智能產(chǎn)業(yè)先導(dǎo)區(qū)啟動(dòng)儀式中，正式發(fā)布智象多模態(tài)生成大模型3. 0 版。

啟動(dòng)儀式上，智象未來創(chuàng)始人兼首席執(zhí)行官梅濤總結(jié)了 2024 年人工領(lǐng)域技術(shù)發(fā)展的五個(gè)標(biāo)志性事件，分別是以Sora為代表的視覺生成物理世界模擬器、以Chat GPT 4o為代表的多模態(tài)模型、以GPT-o1 為代表的從預(yù)訓(xùn)練到后訓(xùn)練推理優(yōu)化、多模態(tài)大模型賦能具身智能實(shí)現(xiàn)軟硬件結(jié)合，以及人工智能學(xué)者榮獲諾貝爾化學(xué)獎(jiǎng)表明AI賦能科研范式變革。可以說，過去一年中，AI技術(shù)的未來發(fā)展路徑和應(yīng)用實(shí)踐的方向正愈發(fā)清晰。

梅濤認(rèn)為，多模態(tài)大模型是通往AGI的必經(jīng)之路，其能夠比單一模態(tài)模型更好地模擬物理世界。而多模態(tài)大模型的技術(shù)演進(jìn)是線性的，但是在不同的技術(shù)路線中又可以實(shí)現(xiàn)跳躍式發(fā)展?；谝陨吓袛?，本次智象未來發(fā)布的智象多模態(tài)生成大模型3. 0 帶來了圖像和視頻生成能力的全面升級(jí)，具體包含了畫面質(zhì)量與相關(guān)性提升、鏡頭運(yùn)動(dòng)和畫面運(yùn)動(dòng)更可控以及多場(chǎng)景驅(qū)動(dòng)的優(yōu)化。

同時(shí)，智象未來還推出了智象多模態(tài)理解大模型1. 0 版，理解大模型1. 0 版通過對(duì)物體級(jí)別的畫面建模以及事件級(jí)別的時(shí)空建模，實(shí)現(xiàn)了更精細(xì)、準(zhǔn)確的圖像與視頻內(nèi)容理解。這一理解大模型也進(jìn)一步服務(wù)于理解增強(qiáng)的多模態(tài)生成技術(shù)，搭配多模態(tài)生成大模型實(shí)現(xiàn)多模態(tài)檢索+多模態(tài)內(nèi)容編輯與生成的二創(chuàng)平臺(tái)系統(tǒng)，進(jìn)一步降低用戶的使用門檻并且大幅提升基于IP的多模態(tài)內(nèi)容生成效果。

在模型升級(jí)的基礎(chǔ)上，智象未來旗下多款產(chǎn)品也有了新的體驗(yàn)提升。例如，智象創(chuàng)作工具平臺(tái)秉持“能打字，就能做視頻”的理念，基于智象多模態(tài)生成大模型呈現(xiàn)了全新的模型交互體驗(yàn)。在新版本中，平臺(tái)實(shí)現(xiàn)了與用戶的自然語言交互，在原有文生視頻的基礎(chǔ)上，增加了對(duì)視頻局部進(jìn)行語音指令輸入的調(diào)整。還可以基于用戶上傳的視頻內(nèi)容，整理成相關(guān)的模型輸出指令。這一功能將極大的降低創(chuàng)意工作者使用AIGC工具編輯視頻的學(xué)習(xí)門檻，從而提升視頻創(chuàng)作的工作效率。

目前，智象未來擁有國內(nèi)最全的多模態(tài)版權(quán)語料，包含數(shù)十萬小時(shí)版權(quán)視頻素材和上萬個(gè)授權(quán)IP，涵蓋國內(nèi)70%影視數(shù)據(jù)，已形成上億條AIGC二次創(chuàng)作素材，在影視、文旅、通信、營銷、教育等多場(chǎng)景得到廣泛應(yīng)用，已累計(jì)服務(wù)全球一百多個(gè)國家和地區(qū)的一千多萬用戶和四萬多家企業(yè)客戶。

本次活動(dòng)現(xiàn)場(chǎng)，智象未來與人民網(wǎng)、上海電影集團(tuán)、彩訊科技、捷成華視網(wǎng)聚、安徽聯(lián)通、中國移動(dòng)咪咕音樂等 12 家生態(tài)伙伴企業(yè)代表簽約，共同打造集技術(shù)研發(fā)、產(chǎn)業(yè)化應(yīng)用、市場(chǎng)推廣于一體的生態(tài)體系。

（推廣）