视觉模型：能够理解和生成图像，如 Sora 等。

　　多模态模型：结合语言、视觉等多种模态，具有理解和生成多模态内容的能力。在快速发展中，有一定进步但还不成熟。

　　对话模型：能进行自然语言交互和问答。已有初步的聊天能力，但仍然缺乏常识和逻辑推理能力。

　　推理模型：能够进行逻辑推理，回答问题，如 COMET 等，但仍远未达人类水平。

　　知识图谱模型：理解实体关系，构建知识图谱。有了初步框架，质量和规模仍需提高。

　　机器翻译模型：实现不同语言之间的自动翻译，质量仍需进一步改进。

　　语音识别 / 合成模型：进行语音识别和语音合成，质量仍需进一步改进。

　　推荐系统：根据用户兴趣进行个性化推荐，但个性化水平仍可提高。

　　语言模型是最早得到关注，并且也是技术最为成熟的一个领域。简单来说就是 " 文生文 " 的效果最好。" 文生图 "" 文生视频 " 等领域的技术也在突飞猛进，特别是随着 Sora 的发布，凭借最长生成 60s 视频、镜头的前后一致性、超逼真的特点，可能开启一个万亿美元的动态、个性化视频广告时代。而模型对话、模型推理、知识图谱等技术还有很大的提升空间，在实际应用时候可能会有更多不可控因素出现，需要注意做好限制条件。

　　（二）P - Product 商业化产品

　　AI 产品落地难是个不争的事实，能用的 AI 商业化产品更是凤毛麟角。目前在营销领域的实现路径有：

　　私有化模型部署与垂直模型训练：这种方案适合实力雄厚的广告主或者营销集团使用。需要有完整的顶层设计和较大的投入，好处是在保障数据安全的情况下，可以根据业务场景的实际需求，定制化训练出最好的模型生成效果。

　　比如去年利欧数字与归一智能打造的营销大模型。代理凭借多年独家数据积累和实际的投放应用场景，就可以将大模型能力落地在广告投放的智能执行和策略优化等产品上。

　　调用开源模型 API 接口：适合有开发能力的广告主。目前大模型的开源生态已经很丰富了，主流的大模型厂商基本都有开源能力。广告主可以通过调用 API 接口的方式，快速构建 AI 产品和解决方案。中文大模型能力各有千秋，实际使用前可以多方测试后评估。普遍认为如百度文心、阿里千问、智谱 GLM 属于综合实力较强的六边形战士，MinMax 语音大模型效果较好、MoonShoot 的 Kimi 大模型在超长文本的处理上较为领先。

　　比如春节前爆火的 " 哄哄模拟器 " 就是开发者直接调用 Kimi 的 API 实现的落地承接。