对话产业专家：豆包模型发展概况

独角兽投研情报群招募

独角兽智库发展至今，历时9年，积累了大量资源，也和顶尖投研资源形成了利益共同体，并经过今年近一年的产品测试，小范围会员服务近两年。

十一月精准把握住了固态电池、AI+等板块机会，个股桂发祥、华胜天成、供销大集等

现开放体验名额，加微信：itouzi8888，文末有二维码

1、豆包模型发展概况

字节领先地位及豆包APP表现：字节在大模型能力和AI应用进展方面国内领先，豆包APP日活接近1000万，显著领先。近期火山引擎大会对豆包大模型全面升级，推出视觉理解模型，定价低至每千图肯3米，还升级了豆包pro和垂类模型等。

2024年豆包模型发展动态：2024年前三季度豆包在模型层面更新不多，6月率先发起模型调度API降价，中间两季度专注于在C端形成APP产品矩阵，目前是国内C端用户量较多的产品。第四季度海外及国内同行纷纷发布视频相关模型，豆包也发布了视频模型等，要在模型能力和应用层面抢占高位，追求全技术栈站位，自研模型用于夯实能力和商业化。

2、豆包模型矩阵及应用场景

模型矩阵的形成与意义：豆包推出视频理解、生成及3D生成等模型，虽部分模型业界早有，但豆包形成了视觉大模型、语言模型、语音模型的核心矩阵，视觉模型又分理解和生成，这弥补了业界对豆包产品矩阵和技术端的认知，使模型更饱满，覆盖全系列数据。

视觉理解模型的多场景应用：视觉理解模型应用场景广泛，在教育领域可优化学生做题解答体验；能为硬件提供视频流和图像分析支持，如与AR眼镜融合；在视频通话中，前摄像头可实现数字人与用户的情感对话，后摄像头能解析场景画面；在旅游出行场景可辅助生成攻略；在电商场景能进行商品推荐；在医学领域可解读病症和体检报告；在金融行业能提炼报告信息；还能在自身生态中辅助生成图片、视频等，为虚拟主播赋能。

3、视觉理解模型的行业影响及竞争格局

视觉理解模型的竞争优势与行业影响：豆包视觉理解模型依托自有数据集训练，理解力强，能解析图像中物体的空间关系，将深刻影响多个领域。在传统OCR领域，新视觉理解技术将赋能或替换旧技术；在安防领域，能总结视频内容；在AI伴侣类玩具中，可捕捉画面辅助互动。随着能力增强和端侧模型变小，将广泛应用于安防、玩具、教育、广告等领域。

国内大厂后续发展及竞争格局：国内视觉理解或视频模型领域玩家不多，头部大厂有阿里、百度、腾讯等，AI独角兽有kimi、质谱等。阿里在视频理解模型方面较强，各玩家在比拼视频生成时长和推理能力，未来技术将朝多模态融合发展。依托字节的数据优势，其仍将保持领先性，未来会形成多元化格局。

4、阿里视觉模型在电商场景的布局

阿里视觉模型在电商的应用场景：在电商场景中，阿里的视觉理解和生成模型应用广泛。如淘宝天猫的图搜索功能，用户拍照即可搜索推荐商品并一键购买；在电商客服中，可提取客户问题信息；在AIGC方面，能辅助商家生成宣传素材；在电商的钤站推和个性化推荐中也会用到相关技术，以赋能商家降本提效。

阿里与豆包相关能力对比：目前阿里相关产品上线早，能力表现强于豆包，但预计一两个季度后双方能力将拉齐。

5、AI导购助手的现状、痛点及发展趋势

AI导购助手的实用性及工作原理：AI导购助手最早由阿里在去年第四季度推出，用于解决用户有购买需求但不知买什么的模糊需求。它通过分析用户购物车信息，结合多维度因素给出购买推荐，且能根据用户在生态中的行为进行动态画像，使推荐更精准，目前各电商平台都在朝此方向发展。

AI导购助手的痛点及发展趋势：AI导购助手的难点在于生成客户认可的推荐理由，需结合客户背景和动态画像推荐真正会购买的产品，且存在内容缺失问题，核心是捕捉用户购买诉求并匹配产品信息。目前其在提升GMV方面作用有限，未来可能会与更多产品融合。该赛道目前相对闭环，电商多自行开发，未来中小电商可能引入第三方系统。

Q&A

Q：视觉理解模型推出可能会对哪些应用行业带来比较大的影响？

A：像这一类的视觉理解模型，在半年前或者两三个季度之前，业界就已有类似的，只是能力强弱不同，如阿里有千万VL模型、字节的字谱、百度、kimi等都有类似模型，但数据量与豆包不是一个体量。豆包的视觉理解模型依托自有数据集训练，有很强的画画力，能解析图像画面中不同人和物体以及物体间的空间关系。其对行业的影响主要体现在：传统OCR领域，新的视觉理解技术会对其进行赋能或替换，能深度捕捉画面信息的深度关系；安防领域，新技术可将画面中一段时间发生的事情进行总结提炼；AI伴侣、小朋友玩的手势玩具等方面也会用到该技术。总之，随着视觉理解模型能力增强且端侧模型变小，会深刻影响安防、玩具、教育、广告、助忙等领域。

Q：国内其他大厂后续在模型和应用侧有哪些后续动作？

A：国内视觉理解或视觉视频模型领域本身玩家不多，头部大厂有阿里、百度、腾讯，AI独角兽有kimi、字谱、海可林等少数玩家。能沿着该赛道继续推出视觉理解模型的基本是阿里，其在视频理解模型方面在豆包推出前是国内较强的，字谱在模型发布过程中会继续发布相关产品。

Q：豆包是否计划发布更长视频性的模型，若有计划，何时发布？

A：豆包计划在明年第一季度发布更长视频性的模型。

Q：未来视觉理解模型的发展方向是什么？

A：未来视觉理解模型的发展方向是多模态融合，到明年第二季度甚至第三季度后，会将文本、音频理解的模型融合成一个完整的模态，到明年年终可能会出现多模态模拟，现在的模型可能会成为过渡状态，再往后少数玩家会继续推进相关研发，其他玩家可能会依托lama开放的开源模型进一步释放新版本。

Q：明年大概会有多少个视觉理解模型出现？

A：大概到明年会有十来个视觉理解模型出现，包括头部玩家以及依托开源模型的玩家发布的模型。

Q：未来视觉理解模型领域会形成怎样的格局？

A：未来会形成多元化的格局，字节因在数据层面的用户量较多，会保持比较先进的领先性，其拥有大量数据和用户来反哺模型训练。

Q：阿里在视觉模型的电商场景中有哪些布局？

A：在电商场景中，视觉理解和视觉生成模型有广泛使用，主要包括：一是图搜索功能，用户拍照后，系统通过视觉理解模型提取图片信息进行搜索并推荐产品，可一键购买；二是在电商服务层，AI会提取客户拍摄产品问题的信息供小二判断；三是在淘系中，可利用视觉理解和视觉生成模型辅助生成宣传素材，包括短视频，帮助商家降本提效；四是在钤站推和搜索个性化推荐等方面也会用到相关技术。

Q：阿里在视觉模型电商场景中的相关产品是否已经上线？

A：这些产品其实已经上线了。

Q：阿里在视觉模型电商场景中的能力水平与其他方相比如何？

A：目前阿里因投入使用比较早，能力表现强于其他方，但再过一两个季度，双方能力可能会比较拉齐。

Q：阿里在视觉模型电商场景中的能力与ChatGPT的视频通话能力是否类似？

A：视频通话背后也是视觉理解模型在工作，它会提取画面帧进行分析，openAI已经有相关技术，国产的质谱、阿里在两三个月前已在豆保险中开展相关工作，且视频通话功能会渗透到C端产品中。

Q：AI导购助手的实用性、存在的痛点以及后续的优化方向是怎样的？

A：导购助手最早出现在去年第四季度，阿里推出的淘宝问问是其中代表，主要解决用户有购买需求但不知道买什么的模糊需求。其背后的智能体通过分析购物车信息，结合多维度因素给出购买推荐，且推荐内容是生成的，背后技术用到AI上下文关联。现在的技术可通过用户在生态中的数据进行动态画像，使推荐更精准。其难点在于申请客户认可的推荐理由，要结合客户背景和动态画像推出客户真会买的产品；同时存在内容缺失问题，核心是捕捉用户当下购买诉求并匹配产品信息生成推荐理由。目前导购在电商中刚兴起，还未充分发挥提升GMV的价值，未来可能会与很多产品融合。

Q：在AI导购助手这个赛道中，有可能受益的第三方玩家有哪些？

A：这个赛道目前是相对闭环的场景，电商暂时未开放给第三方服务商，主要是电商自己在做。往后看，一些中小电商可能会引入第三方系统，第三方依托数据和AI做更精准推荐，但大厂可能会自己把控，中小电商存在机会。

现开放投研情报群体验名额，更多投研情报服务，请往下看

独角兽投研情报会员服务

服务概述

现在的A骨市场，风格切换极快，不论是做赛道成长、风口波段、价值投资、龙头打板、技术短线都处于短暂有效，大多数时间亏损的情况，只有一点持续有价值，那就是快人一步的信息，这种信息不会是财联社的新闻，不是知识星球的调研纪要、更不会是公社的吹票逻辑。

服务主旨

提供各种快人一步的投研信息，让你明明白白知道盘中异动。

情报来源

独角兽智库投研情报团队已经根植在大A各个生态阶层：

1：公募核心圈，提前获取公募看好的大方向和主攻领域。

2：券商分析师圈，深入各大券商核心客户群，提前获取券商主推逻辑。

3：游资核心圈，在游资大佬的小圈子有一席之地，提前获取大资金动向。

4：产业链圈，各个新兴产业技术核心圈子，提前挖掘技术变革推动的A股炒作逻辑。

服务内容

1、大资金抱团动向

2、集合竞价龙头早知道

3、先手小作文

4、券商主推方向及逻辑

5、市场的机会和风向提示

6、个骨和行业避雷

服务方式：

微信群--只有微信群的消息才可以做到第一时间的信息传递。

现开放体验名额（非免费，白嫖勿扰）

加入体验方式（如果您关注短线交易）

请加微信：itouzi8888，备注：体验+姓名+公司+职位

如果您关注基本面，做波段或者价投

请加微信：itouzi5，备注：体验+姓名+公司+职位

群内其他历史记录如下，可自行验证其情报的价值，有投研情报群历史聊天记录的截图，在盘后都会截图并且发在当天文章内，请查看历史文章验证（11月份精选情报）

防止失联，关注备用号