万字梳理：50款国产大模型及应用，能否全面超越GPT-4？ | 钛媒体AGI

▎大模型战火持续一年多，一起来看百度、阿里等国内互联网大厂在AI领域的最新技术成果。

自美国OpenAI公司推出的ChatGPT风靡全球，并引发新一轮人工智能浪潮，国内外科技巨头争相布局大模型领域。

此次，钛媒体AGI梳理了2023年至今，阿里、百度、字节、腾讯、华为、小红书、美图、科大讯飞、三六零8家互联网科技公司在 AI 领域的最新技术成果，共计包含50款AI大模型及AI应用，以帮助读者快速了解互联网大厂在AI领域的最新技术动向。

阿里巴巴

2024年3月

中国版“Sora”，文生视频框架——AtomoVideo

产品介绍：AtomoVideo是阿里巴巴推出的一个高保真图像视频生成框架，该框架利用高质量的数据集和训练策略，保持了时间性、运动强度、一致性和稳定性，并具有高灵活性，可应用于长序列视频预测任务。

因与Open AI此前推出的文生视频模型Sora功能相似，AtomoVideo也被称为中国版“Sora”。

产品功能：用户只需上传一张照片就能生成对应的视频。据悉AtomoVideo的核心在于多粒度图像注入技术，这一技术使得生成的视频对于给定的图像具有更高的保真度，能够更好地保留原始图像的细节和特征，从而使得生成的视频更加逼真。

另外，AtomoVideo的架构也具有很高的灵活性，它可以灵活地扩展到视频帧预测任务，通过迭代生成实现长序列预测，使得AtomoVideo在处理长序列的视频预测任务时，也能够保持良好的性能。

目前，阿里只发布了AtomoVideo的论文，代码，试玩页面还未公布。

适用人群或场景：视频创作者、影视拍摄

论文地址：https://arxiv.org/abs/2403.01800

电商人的AIGC创作平台——绘蛙

产品介绍：绘蛙是阿里AI电商团队针对淘宝、电商达人推出的一款可以生成文案和图片的智能创作平台，旨在提升电商营销效率。

产品功能：主要是AI文案生成和AI图片生成。在AI文案中，商家可以实现单商品种草、小红书爆文改写、穿搭分享等。以爆文改写为例，商家只需输入参考笔记内容，然后添加种草商品卖点、人设、笔记话题，即可生成小红书风格文案。

AI生图中，用户可以通过选择商品、选择模特和选择参考图生成自己想要的商品图片，支持自己上传模特图，也有自带的数字模特库可供使用，可以定制专属自己的AI模特，帮助商家节省商品拍摄和模特成本。

适用人群：淘宝、天猫店家、带货主播、电商达人

上线时间：未知

体验地址：https://www.ihuiwa.com/（需邀请码）

AI图片-音频-视频模型——EMO

产品介绍：EMO是阿里巴巴推出的AI图片-音频-视频模型，该模型采用了 Stable Diffusion 的生成能力和 Audio2Video 扩散模型，能够生成富有表现力的人像视频。

不同于 OpenAI 的文生视频模型 Sora，EMO 主攻的是直接以图+音频生成视频方向，能够直接从给定的图像和音频，剪辑生成一段带有丰富人物表情的人物头部视频。

产品功能：用户只需要上传一张照片和一段任意音频，EMO就可以根据图片和音频生成一段会说话唱歌的AI视频。视频中人物具备丰富流畅的面部表情，能做到人物开口说话和唱歌时和和音频保持一致，最长时间可达1分30秒左右。

比如，你可以上传一张高启强的照片＋一段罗翔老师的音频，就能得到一段“高启强普法”视频。或者，你可以上传一张蒙娜丽莎的照片，让蒙娜丽莎给你唱现代歌曲，唱rap等。

适用人群：有演讲需求人群、电商主播、视频自媒体及讲师等

GitHub：https://github.com/HumanAIGC/EMO

论文地址：https://arxiv.org/abs/2402.17485

项目主页:https://humanaigc.github.io/emote-portrait-alive/

2024年1月

性能堪比Gemini Ultra的多模态大模型——Qwen-VL-Max

产品介绍：Qwen-VL是阿里推出的开源多模态视觉模型，2024年1月，继Plus版本之后，阿里又推出了Qwen-VL-Max版本。

产品功能：基础能力方面，Qwen-VL-Max能够准确描述和识别图片信息，并根据图片进行信息推理和扩展创作。这一特性使得该模型在多个权威测评中表现出色，整体性能堪比GPT-4V和Gemini Ultra。

视觉推理方面，Qwen-VL-Max可以理解并分析复杂的图片信息，包括识人、答题、创作和写代码等任务。同时该模型还具备视觉定位功能，可根据画面指定区域进行问答。

此外，Qwen-VL-Max在图像文本处理方面也取得了显著进步，中英文文本识别能力显著提高，支持百万像素以上的高清分辨率图和极端宽高比的图像，不仅能完整复现密集文本，还能从表格和文档中提取信息。

体验地址：https://huggingface.co/spaces/Qwen/Qwen-VL-Max

AI生成3D动画工具——Motionshop

产品介绍：Motionshop是阿里巴巴智能计算研究院推出的一个AI角色动画框架，该框架利用视频处理、角色检测/分割/追踪、姿态分析、模型提取和动画渲染等多种技术，使得动态视频中的主角能够轻松跨越现实与虚拟的界限，一键变身为3D