AI产业跟踪：阿里发布QWEN2.5-OMNI 多模态方向持续突破
3 月27 日，阿里巴巴通义千问发布了新一代端到端多模态旗舰模型Qwen2.5-Omni-7B。这一模型能够实时处理文本、图像、音频和视频等多种输入形式，并通过实时流式响应同时生成文本与自然语音合成输出。
事件评论
实时处理、分析多模态内容，多模态或成大模型进一步突破重点方向。千问团队放出了多个Qwen2.5-Omni 在现实世界多模态场景中的测试案例。例如，在下厨时根据食材提供处理方法；根据收到的音乐提供对原创音乐的意见；根据草图提供绘画构图建议等。我们认为其出色的多模态能力或将驱动大模型在不同场景加速落地。
模型性能出色，多项测评达到领先水平。Qwen2.5-Omni 在多模态理解基准测试OmniBench 上，以56.13%的得分超过了第2 名Gemini 1.5 Pro（42.91%），达到了SOTA表现。同时，Qwen2.5-Omni 在语音理解、图片理解、视频理解、语音生成等领域的测评分数，均领先于专门的Audio 或VL 模型，其中其语音生成测评分数（4.51）达到了与人类持平的水平。
模型尺寸持续缩小，端侧AI 或迎突破。相较于其他千亿量级参数量的大模型，Qwen2.5-Omni-7B 的尺寸使其能部署在大量端侧设备，进而使得全模态大模型在产业上的广泛应用成为可能。如将Qwen2.5-Omni-7B 部署在手机、AI 智能眼镜等端侧设备，或将进一步提升端侧设备的智能化水平，从而驱动端侧AI 产业迎来突破。
随着Qwen2.5-Omni-7B 的开源发布，多模态或将加速发展。Qwen2.5-Omni-7B 作为多模态大模型，可以无缝处理包括文本、图像、音频和视频的各种输入，同时支持流式的文本生成和自然语音合成输出。同时其优异的性能及尺寸或将加速AI 应用及端侧AI 产品落地，进而进一步带动算力需求的爆发。建议关注：1）中国推理算力产业链，重点推荐国内AI 芯片领军寒武纪；2）云服务厂商，重点关注与DeepSeek 合作的相关云厂商，3）IDC，重点关注于腾讯、阿里、字节等大厂合作的IDC。
风险提示
1、AI 技术发展不及预期；
2、下游应用需求不及预期。