行业主要上市公司：阿里巴巴 ( 09988.HK，BABA.US ) ; 百度 ( 09888.HK，BIDU.US ) ; 腾讯 ( 00700.HK， TCEHY ) ;科大讯飞 ( 002230.SZ ) ;万兴科技 ( 300624.SZ ) ;三六零 ( 601360.SH ) ;昆仑万维 ( 300418.SZ ) ; 云从科技 ( 688327.SH ) ;拓尔思 ( 300229.SZ ) 等
本文核心数据：场景结构比重 ;
多模态大模型应用场景结构
赛迪四川研究发现，从多模态大模型的应用场景来看，相较语言大模型赋能行业，多模态大模型更加偏重落地场景，商业变现路径更加清晰。多模态大模型企业 20 强中，应用场景可划分为 11 类，成熟度相对较高且最受关注的前 5 个场景分别为数字人、游戏、广告商拍、『社交媒体』和智能营销。
多模态大模型让数字人呈现更逼真
多模态技术为数字人提供了强大的核心能力，包括语言生成、语音合成、视觉呈现和跨模态协同。通过自然语言处理 ( NLP ) 技术，数字人能够准确理解语义并生成流畅自然的语言回复 ; 利用语音合成技术，数字人具备生动的语音表达能力，并支持多语言和语调调节 ; 在视觉呈现方面，基于图像和视频生成技术，数字人能够展现逼真的面部表情、肢体动作和动态表现。同时，数字人通过整合文本、语音、图像等多种模态，提供高度自然的互动体验，显著提升人机交互的质量和效果。
多模态大模型提升游戏交互体验
多模态大模型为游戏娱乐提供的核心能力包括自然语言理解与生成，多模态技术结合自然语言处理 ( NLP ) ，使游戏角色能够理解玩家的语言指令，并进行情景化、语义相关的自然语言回复，增强沉浸感。语音交互与生成，指借助语音合成技术，游戏中的虚拟角色能够生成生动、情感丰富的语音表达，支持语调调节和多语言输出。图像与视频生成，是利用多模态技术生成逼真的角色形象和动态场景。游戏中的场景、物品、任务等可根据玩家行为动态生成，确保内容的独特性和互动性。跨模态协同与动态输出，是结合多模态感知与生成技术，游戏系统可以根据实时输入 ( 如语音、动作 ) 动态调整输出内容 ( 如场景变化或情节分支 ) 。最后是沉浸式体验优化，支持玩家通过语音和动作输入与虚拟世界互动，增强玩家对游戏环境的代入感。
多模态大模型使广告商拍更高效
多模态技术通过智能创作、精准投放、沉浸式互动和实时优化，为广告传媒行业赋能，实现内容生产自动化、广告传播个性化以及用户参与深度化，推动广告行业向高效化和智能化转型。多模态大模型推动广告传媒行业从内容创作到投放管理的全面智能化转型，显著提升创意生产效率、用户体验和投放精准度，同时拓展了品牌传播的互动性与沉浸感。
多模态大模型提升社媒商业化效果
多模态大模型正在重塑『社交媒体』行业的各个层面，推动了内容创作、用户推荐、互动体验、社区治理以及商业化的智能化转型。通过高效的数据处理和深度的情感理解，『社交平台』能够提供更加个性化、精准和丰富的用户体验，同时提高平台运营效率和商业化效果。
