neng8科技快讯网AI人工智能前沿资讯_汽车数码相机评测_手机电脑硬件百科

多模态内容生成的机会，为什么属于中国公司？

2025 年多模态技术快速发展，中国创业团队在内容生成领域正在形成领先优势。

与美国在大语言模型领域的领先不同，中国企业在视频生成、3D 创作等多模态细分领域已跻身全球第一梯队。像 Pixverse 的视频生成产品用户规模超过许多美国知名产品，VAST 在 3D 技术上实现核心突破，Feeling AI 则探索出多模态融合的创新路径。这些成绩背后，是中国创业团队在场景理解、数据积累和工程落地方面的综合优势。

模态GAP不存在了？图文领域首个token级大一统基座诞生

CLIP、DINO、SAM 基座的重磅问世，推动了各个领域的任务大一统，也促进了多模态大模型的蓬勃发展。

然而，这些经过图像级监督或弱语义训练的基座，并不是处理细粒度密集预测任务的最佳选择，尤其在理解包含密集文字的文档图像上。

为解决这一限制，上交联合美团实现了图文对齐粒度的新突破，其具备三大核心优势：