大模型角力视觉推理，推理AI新时代来临？

市场资讯2025-07-03

炒股就看金麒麟分析师研报，权威，专业，及时，全面，助您挖掘潜力主题机会！ 21世纪经济报道记者孙燕上海报道输入一个PPT，自动生成汇报内容、演讲稿；输入一段“苏超”视频，得到一段足球解说……如今的大语言模型不只会看文字，还会看图片、视频。7月2日，智谱发布并开源视觉语言大模型GLM-4.1V-Thinking。这款通用推理型大模型支持图像、视频、文档等多模态输入，可用于复杂认知任务。“就像人一样...

网页链接

免责声明：本文观点仅代表作者个人观点，不构成本平台的投资建议，本平台不对文章信息准确性、完整性和及时性做出任何保证，亦不对因使用或信赖文章信息引发的任何损失承担责任。

精彩评论

我们需要你的真知灼见来填补这片空白

发表看法

{"i18n":{"language":"zh_CN"},"isChannel":false,"data":{"share":"https://www.laohu8.com/m/news/2548714821?lang=zh_CN&edition=full","thumbnail":"","is_english":false,"pubTime":"2025-07-03 13:11","share_image_url":"https://static.laohu8.com/b0d1b7e8843deea78cc308b15114de44","id":"2548714821","market":"hk","top_or_hot":-1,"title":"大模型角力视觉推理，推理AI新时代来临？","media":"市场资讯","content":"<div>\n<p>炒股就看金麒麟分析师研报，权威，专业，及时，全面，助您挖掘潜力主题机会！ 21世纪经济报道记者孙燕 上海报道输入一个PPT，自动生成汇报内容、演讲稿；输入一段“苏超”视频，得到一段足球解说……如今的大语言模型不只会看文字，还会看图片、视频。7月2日，智谱发布并开源视觉语言大模型GLM-4.1V-Thinking。这款通用推理型大模型支持图像、视频、文档等多模态输入，可用于复杂认知任务。“就像人一样...</p>\n\n<a href=\"https://finance.sina.com.cn/stock/t/2025-07-03/doc-infeekxr4112825.shtml\">网页链接</a>\n\n</div>\n","source":"sina","html":"<!DOCTYPE html>\n<html>\n<head>\n<meta http-equiv=\"Content-Type\" content=\"text/html; charset=utf-8\" />\n<meta name=\"viewport\" content=\"width=device-width,initial-scale=1.0,minimum-scale=1.0,maximum-scale=1.0,user-scalable=no\"/>\n<meta name=\"format-detection\" content=\"telephone=no,email=no,address=no\" />\n<title>大模型角力视觉推理，推理AI新时代来临？</title>\n<style type=\"text/css\">\na,abbr,acronym,address,applet,article,aside,audio,b,big,blockquote,body,canvas,caption,center,cite,code,dd,del,details,dfn,div,dl,dt,\nem,embed,fieldset,figcaption,figure,footer,form,h1,h2,h3,h4,h5,h6,header,hgroup,html,i,iframe,img,ins,kbd,label,legend,li,mark,menu,nav,\nobject,ol,output,p,pre,q,ruby,s,samp,section,small,span,strike,strong,sub,summary,sup,table,tbody,td,tfoot,th,thead,time,tr,tt,u,ul,var,video{ font:inherit;margin:0;padding:0;vertical-align:baseline;border:0 }\nbody{ font-size:16px; line-height:1.5; color:#999; background:transparent; }\n.wrapper{ overflow:hidden;word-break:break-all;padding:10px; }\nh1,h2{ font-weight:normal; line-height:1.35; margin-bottom:.6em; }\nh3,h4,h5,h6{ line-height:1.35; margin-bottom:1em; }\nh1{ font-size:24px; }\nh2{ font-size:20px; }\nh3{ font-size:18px; }\nh4{ font-size:16px; }\nh5{ font-size:14px; }\nh6{ font-size:12px; }\np,ul,ol,blockquote,dl,table{ margin:1.2em 0; }\nul,ol{ margin-left:2em; }\nul{ list-style:disc; }\nol{ list-style:decimal; }\nli,li p{ margin:10px 0;}\nimg{ max-width:100%;display:block;margin:0 auto 1em; }\nblockquote{ color:#B5B2B1; border-left:3px solid #aaa; padding:1em; }\nstrong,b{font-weight:bold;}\nem,i{font-style:italic;}\ntable{ width:100%;border-collapse:collapse;border-spacing:1px;margin:1em 0;font-size:.9em; }\nth,td{ padding:5px;text-align:left;border:1px solid #aaa; }\nth{ font-weight:bold;background:#5d5d5d; }\n.symbol-link{font-weight:bold;}\n/* header{ border-bottom:1px solid #494756; } */\n.title{ margin:0 0 8px;line-height:1.3;color:#ddd; }\n.meta {color:#5e5c6d;font-size:13px;margin:0 0 .5em; }\na{text-decoration:none; color:#2a4b87;}\n.meta .head { display: inline-block; overflow: hidden}\n.head .h-thumb { width: 30px; height: 30px; margin: 0; padding: 0; border-radius: 50%; float: left;}\n.head .h-content { margin: 0; padding: 0 0 0 9px; float: left;}\n.head .h-name {font-size: 13px; color: #eee; margin: 0;}\n.head .h-time {font-size: 11px; color: #7E829C; margin: 0;line-height: 11px;}\n.small {font-size: 12.5px; display: inline-block; transform: scale(0.9); -webkit-transform: scale(0.9); transform-origin: left; -webkit-transform-origin: left;}\n.smaller {font-size: 12.5px; display: inline-block; transform: scale(0.8); -webkit-transform: scale(0.8); transform-origin: left; -webkit-transform-origin: left;}\n.bt-text {font-size: 12px;margin: 1.5em 0 0 0}\n.bt-text p {margin: 0}\n</style>\n</head>\n<body>\n<div class=\"wrapper\">\n<header>\n<h2 class=\"title\">\n大模型角力视觉推理，推理AI新时代来临？\n</h2>\n\n<h4 class=\"meta\">\n\n\n2025-07-03 13:11 北京时间&nbsp;&nbsp;&nbsp;<a href=https://finance.sina.com.cn/stock/t/2025-07-03/doc-infeekxr4112825.shtml><strong>市场资讯</strong></a>\n\n\n</h4>\n\n</header>\n<article>\n<div>\n<p>炒股就看金麒麟分析师研报，权威，专业，及时，全面，助您挖掘潜力主题机会！ 21世纪经济报道记者孙燕 上海报道输入一个PPT，自动生成汇报内容、演讲稿；输入一段“苏超”视频，得到一段足球解说……如今的大语言模型不只会看文字，还会看图片、视频。7月2日，智谱发布并开源视觉语言大模型GLM-4.1V-Thinking。这款通用推理型大模型支持图像、视频、文档等多模态输入，可用于复杂认知任务。“就像人一样...</p>\n\n<a href=\"https://finance.sina.com.cn/stock/t/2025-07-03/doc-infeekxr4112825.shtml\">网页链接</a>\n\n</div>\n\n\n</article>\n</div>\n</body>\n</html>\n","isBrief":false,"type":0,"news_type":1,"symbol":"BK4020","symbol_name":"通信设备","start_time":0,"source_url":"https://finance.sina.com.cn/stock/t/2025-07-03/doc-infeekxr4112825.shtml","article_id":"2548714821","we_media_id":null,"thumbnails":[],"rights":null,"url":"https://stock-news.laohu8.com/highlight/detail?id=2548714821","pubTimestamp":1751519460,"columns":[],"sourceInfo":{"source_id":"sina","name":"sina"},"weMediaInfo":null,"summary":"张鹏指出，视觉推理能力是L3中很重要的能力。人类的语言能力、视觉能力、语音能力、行动能力、思考能力、推理能力由大脑统一完成，而AI，正在逐一破解这些能力的密码。此外，大模型具备时序分析与事件逻辑建模能力，能够用于视频理解。另一方面，大模型企业也在探索将AI能力落地于智能硬件。","collect":0,"end_time":0,"defaultTopTitle":"sina.com.cn","property":[],"viewcount":null,"language":"zh","relate_stocks":{"BK4020":"通信设备","UI":"厄比奎蒂","BK4532":"文艺复兴科技持仓"},"translate_title":"Large model wrestling visual reasoning, a new era of reasoning AI is coming?","themeId":null,"isJumpTheme":false,"ttsUrl":null,"symbols_score_info":{"UI":1},"content_text":"炒股就看金麒麟分析师研报，权威，专业，及时，全面，助您挖掘潜力主题机会！ 21世纪经济报道记者孙燕 上海报道输入一个PPT，自动生成汇报内容、演讲稿；输入一段“苏超”视频，得到一段足球解说……如今的大语言模型不只会看文字，还会看图片、视频。7月2日，智谱发布并开源视觉语言大模型GLM-4.1V-Thinking。这款通用推理型大模型支持图像、视频、文档等多模态输入，可用于复杂认知任务。“就像人一样。眼睛看到了复杂的视觉信号，不光是简单的信号接收，还可以根据视觉信号进一步推理，理解复杂的物理世界。”在现场演示时，智谱CEO张鹏介绍道，智谱基于预训练构造了视觉理解模型，监督微调使其初步具备推理能力，再基于深度学习大幅提高推理能力，在业内首次把推理能力和视觉理解能力有机结合在一起。今年以来，视觉推理成为大模型竞争焦点：OpenAI推出o3和o4-mini，首次实现将图像融入推理过程；字节跳动旗下火山引擎发布豆包1.5深度思考模型，具备视觉推理能力；阿里通义发布QVQ-Max，支持图像解析、视频分析等能力。“AGI（通用人工智能）可以分为5个层次：L1是预训练大模型，L2是对齐、推理，L3是自我学习，L4是自我认知，L5是意识智能。”张鹏指出，视觉推理能力是L3中很重要的能力。人类的语言能力、视觉能力、语音能力、行动能力、思考能力、推理能力由大脑统一完成，而AI，正在逐一破解这些能力的密码。从语言推理到视觉推理AI拥有了视觉推理能力，能够做什么？中信建投证券研究指出，多模态模型可以直接“看到”PDF 中的图片、图表、表格布局等视觉元素并从中提取信息，同时也能理解PDF的页面布局，例如识别标题、段落、列表、表格的位置和关系，这对于结构化信息提取至关重要。以GLM-4.1V-Thinking为例，首先可以用于图片理解，如看图买菜；也可以用于数学与科学推理，尤其是几何题这样需要图像理解、文字理解、推理等综合能力的题目，视觉推理能够支持复杂题解、多步演绎与公式理解。此外，大模型具备时序分析与事件逻辑建模能力，能够用于视频理解。人类不仅希望AI能思考，还希望AI能执行——通过自主智能体的方式，现有的大模型能力能转化成真正的生产力。此前，大模型可以用于代码生成；而视觉推理能力使得AI能够“看懂”和“理解”视觉信息，比如用户界面（UI）的设计图、原型图甚至屏幕截图，可以辅助产品经理生成代码重构用户界面。“视觉推理能力还可以用于智能体，让它理解GUI（图形用户界面），比如理解手机、PC上复杂的用户操作界面，形成精准的操作逻辑。”据张鹏介绍，GLM-4.1V-Thinking能够用于GUI与网页智能体任务，实现交互操作；还可以用于视觉锚定与实体定位（Grounding），通过语言与图像区域精准对齐，提升人机交互可控性。国盛证券研究指出，视觉推理能力还能和Python数据分析、网络搜索、图像生成等其他工具协同工作，创造性地、有效地解决更复杂的问题，为用户提供多模态Agent体验。可以看到，视觉推理能够用于长视频理解、图像问答、学科解题、文字识别、文档解读、视觉锚定与实体定位（Grounding）、GUI Agent和代码生成。中信建投证券也指出，其缺点在于处理信息过多时容易出现幻觉，对模型能力要求较高。商业化落地视觉推理带动大模型向通用多模态推理迈进一步，大模型企业也在谋求将这一能力转化为数字化生产力，寻求商业化落地。面对B端客户，大模型企业一方面提供Agent，打通“最后一公里”。如智谱面向企业客户和开发者，推出了Agent应用空间，企业无需自建大模型团队，即可低门槛接入成熟、安全、可控的Agent能力。如果说大模型是发动机，Agent则是由发动机提供动力的汽车、飞机、军舰，包括任务型Agent、交互型Agent、自主型Agent、协作型Agent等。“智能体到底是偏向白领的创意型工作，还是蓝领的体力工作，抑或是偏向顶尖研究人员的创意和研究探索型任务更合适？对于这些问题，业界仍然在不断探索。”张鹏认为，但只有让AI工人实现了代替人的一部分基础性、重复性工作，才能够实现真正的降本增效，这是智能体能力的关键点。长江证券研究指出，视觉推理+工具调用的深度融合下，教育、医疗、企服等垂直场景的 Agent落地周期有望提前，看好Agent商业化元年及投资机遇。毕马威中国技术和新经济管理咨询服务主管合伙人高人伯告诉记者，随着生成式AI向“自主智能体”演进，AI将不再仅仅是执行指令的工具，而是能够主动规划、协同并完成复杂任务的智能伙伴，这可能会催生全新的商业模式。另一方面，大模型企业也在探索将AI能力落地于智能硬件。这也经历了技术演进：早期模型很大，只能在云上推理，手机、PC作为客户端调用云端的智能能力。而随着端侧的算力、能源问题逐步解决，端侧也可以部署一定的智能能力，如在汽车、AI眼镜、AI玩具上可以实现端云结合。“未来不管是机器人，还是汽车、眼镜、胸针，都会接入AI的能力。”张鹏认为。\n\n\n海量资讯、精准解读，尽在新浪财经APP","kind":"news","is_publish_news":true,"is_publish_highlight":false,"is_publish_live":false,"is_publish_wemedia":null,"editions":null,"column":"","sentiment":"0","news_tag":"","news_rank":0,"isVideo":false,"video":null,"symbols":[],"gpt_button":1,"need_auth":false,"need_login_tip":false,"code":"91000000","status":"200"},"commentList":[],"isCommentEnd":true,"newsSizeData":{"likeSize":0,"commentSize":0,"repostSize":0,"favoriteSize":0,"likeStatus":false,"favoriteStatus":false},"APP":{"userAgent":"Mozilla/5.0 AppleWebKit/537.36 (KHTML, like Gecko; compatible; ClaudeBot/1.0; +claudebot@anthropic.com)","isDev":false,"isTTM":false,"tenantId":"TBCN","deviceId":"web-server-community-laohu8-v3","version":"4.43.1","shortVersion":"4.43.1","platform":"web","vendor":"web","appName":"laohu8","isIOS":false,"isAndroid":false,"isTiger":false,"isTHS":false,"isWeiXin":false,"isWeiXinMini":false,"isWeiBo":false,"isQQ":false,"isBaiduSwan":false,"isBaiduBox":false,"isDingTalk":false,"isToutiao":false,"isOnePlus":false,"isHuaWei":false,"isXiaomi":false,"isXiaomiWebView":false,"isOppo":false,"isVivo":false,"isSamsung":false,"isMobile":false},"href":"/m/news/2548714821","isCrawlerRequest":true}