我们认为，多模态大模型和应用发展的奇点将至。判断依据包括：1）技术进步方面：原生多模态模型架构得到业界认可，OpenAI和Google的原生多模态模型已经在性能、延时、部署上展现出了优势。2）商业化进展方面：全球维度看，除了最头部的OpenAI和Anthropic依靠模型“智能”实现商业化，相当一部分AI应用公司的商业化产品依赖多模态能力。国内维度看，国内公司在视频生成赛道已经实现了较成熟的全球化和商业化之路。与市场不同的观点在于，1）更早认识到原生多模态架构将成为主流；2）AI商业化不能仅聚焦在二级公司，更要关注全球维度一级公司的进展。
　　多模态是大语言模型（LLM）发展的必然趋势
　　借助Scaling Law和强化学习，LLM已经在很多领域获得了超过普通人类的智能，但是其处理的核心信息仅是文本。为了拓展更广泛的使用场景，研究者将其他模态的能力“加入”到LLM中，多模态大型语言模型（MLLM）问世。架构上看，MLLM可以分为模块化架构和原生架构，前者通常分别训练不同模态然后实现模块“拼接”，而后者则直接在全部模态数据上从头开始同步训练的模型。效果上看，原生MLLM在性能、延时、部署上均有优势，但是对算力和Know-How的需求较高，通常只有头部模型大厂在做，OpenAI和Google领先。无论架构如何，MLLM已经成为行业共识的必然趋势。
　　从大模型到多模态：商业化的必由之路
　　从全球AI公司的商业化进展看，无论是基于LLM的文本类产品，还是基于MLLM的多模态产品，呈现出以下大趋势：1）海外商业化进展快于国内。2）全球维度，一级公司进展快于二级。3）整体多模态为主的产品商业化快于文本产品。4）Chatbot为代表的文本类产品国内外商业化分歧明显，据非凡产研数据，截至25年5月，在海外能够实现10亿美金以上的ARR（如OpenAI、Anthropic），而国内Chatbot还未实现很好的商业化。国内AI产品年化收入超过1亿美金的有3家公司，分别为美图（1357 HK）、快手（1024 HK）和睿琪软件（非上市），其AI产品均为多模态产品。
　　国内的视频生成是全球化、商业化最成熟的AI应用赛道
　　主流的多模态产品，大致分为图像生成、视频生成和其他多模态交互三类。其中，国内厂商在视频生成赛道的全球化和商业化最成熟。1）模型/产品成熟：据Artificial Analysis数据，在文生视频、图生视频排行榜单上，字节Seedance 1.0均为Top 1，快手可灵（Kling）、MiniMax Hailuo 02名列前茅。2）商业化成熟：以快手可灵为典型的代表，上线9个月累计收入超1亿人民币，25Q1（上线10个月左右）ARR突破1亿美金大关。可灵的成功，或意味着国内视频生成领域商业化单点突破到多点突破的开始。
　　投资建议
　　我们认为，多模态有望在算力和应用两方面带来相关投资机会。1）算力侧，供给端原生多模态模型需要比非原生模型更多的算力，需求端视频的推理算力需求远大于文字，视频Agent的落地进一步催生推理算力需求。2）应用侧，供给端国内的视频生成模型领先，需求端广告、零售、创作、教育等领域均有AI化需求。推荐1）国产算力链：沪电股份、生益科技。2）应用产业链：微软、奥多比、金山办公、福昕软件、泛微网络、鼎捷数智、用友网络、虹软科技、网宿科技。
　　风险提示：宏观经济波动，技术进步不及预期，中美竞争加剧。研报中涉及到未上市公司或未覆盖个股内容，均系对其客观公开信息的整理，并不代表本研究团队对该公司、该股票的推荐或覆盖。