深度学习持续成为技术创新中最具活力的领域之一，专利活动显示出持续加速的增长。基于我们对深度学习和大型语言模型的前期研究，本报告通过专利申请分析了下一波创新浪潮，重点关注多模态人工智能、智能代理和数字人。这三个领域正在快速兴起，并日益融合，朝着更加自主、交互和以人为本的人工智能系统发展。
　　专利格局显示，少数全球科技领导者通过将基础模型、自主能力和类人界面结合为连贯的创新战略，正在塑造这一转型。
　　谷歌通过其Gemini系列模型将自己定位为核心技术领导者。作为原生多模态设计，Gemini集成了文本、视觉、音频和视频，同时逐步嵌入代理推理能力。谷歌的专利策略反映了其对国际保护的强烈重视，支持其部署多模态和基于代理的AI在全球范围内在搜索、云服务和生产力工具上的雄心。
　　百度作为垂直整合度最高的参与者脱颖而出。凭借ERNIE多模态引擎、GenFlow和AgentBuilder用于智能体，以及快速扩张的数字人技术组合，百度在一个统一的堆栈中覆盖了所有三个领域。其专利领导地位，特别是在数量上，突显了一种以大规模部署为中心的策略。
　　英伟达主导了数字人领域。虽然它不将自己定位为通用人工智能助手提供商，但英伟达提供了实现具身人工智能所必需的基础设施、平台和工具链。其Omniverse和Avatar Cloud Engine技术支持高度逼真的数字人和多模态交互，并拥有非常强大的国际专利组合。