专题演讲嘉宾：潘滢炜

在人工智能的浪潮中，多模态内容生成技术正成为创意产业的全新引擎。它融合文本、图像、音频、视频等多种模态，打破单一模态的限制，为内容创作带来前所未有的灵活性和丰富性。本次演讲将深入探讨国际上最近几年多模态内容生成的核心技术突破，包含扩散模型UNet结构到Diffusion Transformer（DiT）架构的演进，智象未来自主研发的智象多模态大模型在图像和视频生成能力上的技术升级，以及如何突破用户最后一公里。同时，还将分享多模态生成技术在设计、营销、影视、文旅等领域的创新应用案例，揭示多模态内容生成如何赋能相关产业，推动内容创作的智能化和创意的个性化发展。

演讲提纲

1. 大模型发展和竞争态势
2. 多模态AIGC市场空间
3. 多模态生成模型技术演进：扩散模型UNet结构、Diffusion Transformer（DiT）架构、智象多模态大模型的扩散自回归模型（DiT+AR）
4. 多模态生成技术在相关领域的创新应用
5. 展望和未来

技术实践痛点
不需要等到多模态基础模型达到 100 分才去做应用。在现有的基础模型能力之上，如果能找到真正解决用户痛点的场景，并在应用上做得很深，真正做到端到端的 95 分以上，用户就会买单。这就需要我们去对多模态基础模型做很多场景驱动的优化，特别关注基础模型在上层应用中的表现，去解决用户「最后一公里」的问题。

听众收益

1. 最新的多模态内容生成技术前沿动态
2. 智象未来自主研发的智象多模态大模型技术升级
3. 多模态内容生成技术如何赋能相关产业