报告

国投证券：计算机行业周报：谷歌Gemini大模型发布，原生多模态能力升级

admin2023-12-11 16:30 34人已围观下载完整内容

简介谷歌Gemini立足原生多模态，推理能力大幅提升12月7日，谷歌发布原生多模态大模型Gemini。此次的Gemini1.0，包含三个版本：适用于高度复杂任务的G

谷歌Gemini立足原生多模态，推理能力大幅提升

12月7日，谷歌发布原生多模态大模型Gemini。此次的Gemini1.0，包含三个版本：适用于高度复杂任务的GeminiUltra、适用于各种任务的最佳模型GeminiPro以及适用于端侧设备的GeminiNano。该模型的主要特点如下：

1）原生多模态，30项学术基准取得最优。Gemini可以同时识别和理解文本、图像、音频、视频和代码五种信息。不同于市面上的图文拼接的多模态模型，Gemini是一个原生的多模态大模型，是将文本、代码、图片、视频、语音合在一起放进模型里训练而来的，因此能实现更均衡的多模态输出及任意模型切换。GeminiUltra首次在MMLU（大规模多任务语言理解）测评上超过人类专家，在32个多模态基准中取得30个SOTA（当前最优效果），几乎全方位超越GPT-4。

2）更强大的图像/视频等多模态推理能力。Gemini具有复杂的多模态推理能力，可帮助理解复杂的书面和视觉信息。谷歌在宣传视频中展示了几种多模态能力：空间逻辑推理能力（识别太阳、地球、土星的位置关系）；时间线推理能力（拆解猜硬币魔术）；图文理解能力（根据展示的地图临时设计一个“猜国家”的游戏）；交错图文生成能力（根据展示的不同颜色毛线团，设计编制的物体，替换颜色后可重新设计）；图音画应用联动（根据画出的吉他播放吉他曲子，画出扬声器后音乐变为交响曲）

3）终端侧大模型应用落地：目前，谷歌旗下的聊天机器人Bard已经集成GeminiPro的微调版本，在170多个国家和地区提供英语服务。另一方面，谷歌的Pixel8Pro成为首款搭载GeminiNano的智能手机，推出录音总结、智能回复等AI功能，明年还将推出更多应用。安卓开发者还可以通过谷歌日前推出的AICore应用来使用GeminiNano。

4）专用ASIC芯片进行训练：谷歌使用由TPUsv4和v5e在通过AI优化过的基础设施上对Gemini1.0进行了大规模训练。在TPUs上，Gemini的运行速度明显快于早期规模更小、性能更弱的模型。

利好AI多模态应用和算力，产业未来发展可期

我们认为谷歌Gemini原生多模态大模型的发布，有望进一步催生AI多模态应用的需求，同时带来更大量的算力使用，建议关注：1）AI应用：教育（科大讯飞、佳发教育等）、企业服务（致远互联、彩讯股份、用友网络等）、文生图/视频（万兴科技、虹软科技等）、端侧应用（中科创达等）;2)AI算力：中科曙光、神州数码、润泽科技、浩瀚深度、海光信息、龙芯中科等。

报告

国投证券：计算机行业周报：谷歌Gemini大模型发布，原生多模态能力升级

相关文章

文章评论

评论0

站点信息

点击排行

本栏推荐

标签云

猜你喜欢