我要投稿

多模态大模型有哪些落地场景？贝壳、海尔等4家头部企业实践

发布日期：2024-10-18 08:02:35 浏览次数： 3909

作者：沙丘社区

微信搜一搜，关注“沙丘社区”

大模型正在从单一模态向多模态发展，多模态成为大模型落地发展的必经之路。

一方面多模态数据无处不在且加速增长，未来用于大模型训练的数据中多模态数据占比将越来越大；另一方面，文本大模型只能理解文本意思并进行文本类的表达，但人类并不是从单模态中进行学习的，恰恰相反，我们会同时结合来自不同类型数据的信息来理解这个世界。

越来越多的基础大模型正在遵循人类学习的路径，基于多种模态数据进行训练，这些额外的模态将有助于大模型更好地理解现实世界，并超越目前所能达到的水平。

当前，已有企业将多模态大模型应用于实际的业务场景，沙丘智库通过研究贝壳找房、喜马拉雅、平安、海尔等企业的多模态大模型实践，旨在为其他企业提供参考。

▎案例1：贝壳找房家装领域大模型实践

家装行业存在家装链条长、用户决策周期长、营销效果图成本高的问题。贝壳找房推出DreamHome大模型，通过AIGC技术，结合空间输入、装修需求描述和参考输入，利用文生图模型、空间控制模型和风格控制模型生成灵感图，重构了全链路流程。

基于DreamHome大模型，贝壳打造了面向B/C两端的家装AIGC产品“设牛”，主要功能包括“拍照生图”、“选户型生图”、“风格模板”、“传参考图生图”和“直连设计师”，成功提升了用户在家装过程中的体验。

完整内容：贝壳找房家装领域大模型实践

▎案例2：喜马拉雅音频创作AI Agent实践

传统音频内容创作的周期非常长，用户对有声内容的需求远大于供给。喜马拉雅建设音频大模型，并基于音频大模型打造音频创作AI Agent，可端到端完成音频创作工作，大幅缩短音频内容的创作周期。

完整内容：喜马拉雅音频创作AI Agent实践

▎案例3：平安基于多模态大模型的智能品控实践

面对医疗健康服务中的客户投诉问题，平安利用多模态大模型技术，自动收集多模态数据，通过统一流程和方案实现全方位、全旅程、高时效、准实时的质量品控。具体措施包括自动总结、语音品控、图文品控，以及覆盖事中提醒、事中服务预警和事后品控抽检的方案设计。

完整内容：平安基于多模态大模型的智能品控实践

▎案例4：海尔智家HomeGPT大模型实践

HomeGPT是海尔智家开发的智慧家庭首个垂域模型，拥有文本、图像、音频、视频、代码等多模态生成能力。

目前，HomeGPT已经在海尔的用户端和企业端得到大模型应用。在用户端，实现用户体验提升，例如APP上智慧管家的百问百答；在企业端，实现企业降本增效，例如营销场景的文生文、文生图、视频合成等。

有了大模型后，智慧家庭设备可以不断根据用户的反馈实时进行调整和优化自身的响应模式，使用户和设备之间的互动变得更加自然。例如用户回到家想要洗澡，大模型可以结合用户意图和当前设备信息实现场景规划，自动调整水温、播放背景音乐等，和用户进行更智能的深度交互。

完整内容：海尔智家HomeGPT大模型实践

53AI，企业落地大模型首选服务商

产品：场景落地咨询+大模型应用平台+行业解决方案

承诺：免费POC验证，效果达标后再合作。零风险落地应用大模型，已交付160+中大型企业

相关资讯

2026-06-22

小参数，大能力 | 星际视觉语言大模型再进化，0.8B轻量版正式发布

2026-06-16

RapidOCR: 从 setup.py 迁移到 pyproject.toml 打包实践

2026-06-12

PaddleOCR 3.7 正式接入ONNX Runtime，一个参数换后端，轻量部署新选择

2026-06-11

本地部署OCR，可能是AI进单位的第一道门

2026-06-08

正式推出 Gemma 4 12B: 一款统一、免编码器的多模态模型

2026-05-30

还在用 MinerU 解析 PDF？这个 2B 小模型直接把 olmOCR-bench 刷到 87.6%，速度还快 3.68 倍

2026-05-30

Qwen-VLA：迈向通用具身智能的统一动作框架

2026-05-25

罗福莉说的“伪多Agent”，我试了OmniWork后发现，真全干专家长这样

联系获取

160+中大型企业正在使用53AI

立即咨询预约演示

把握AI发展的机遇，共同探索、共同进步

2025-01-22

如何打造基于GenAI的员工服务机器人

2025-01-22

热点资讯

刚刚！Codex 居然能直接画图了，OpenAI 凌晨甩出 Image 2.0

2026-04-22

震惊！即梦推出 CLI，Agent 一行命令生成 Seedance 2.0 视频，AI 视频井喷

2026-04-01

全解读｜智谱 GLM-5V-Turbo 发布，多模态 Coding 基模

2026-04-02

让“龙虾”帮你自动赚钱！OpenClaw Seedance 2.0 视频生成全攻略

2026-03-29

一个神奇的视频生成 Skills，实测，狂喜

2026-04-27

用Claude Code剪视频，自动去口癖、加字幕、调色，完全免费开源

2026-04-21

豆包「打电话」升级 Seeduplex：周围再吵，只认准你的声音

2026-04-09

千问发布Qwen3.5-Omni全模态模型，超越Gemini3.1 Pro？附实测~

2026-03-31

刚刚，李飞飞最新成果发布，手机也能跑亿级粒子的 3D 世界了｜附体验地址

2026-04-15

GLM-5V-Turbo：多模态Coding，图像即代码

2026-04-02

大家都在问

Gemini Embedding 2把多模态信息整合同一向量空间了，还需要多向量列吗？

2026-03-12

一篇文章讲清楚：到底什么是NotebookLM？除了PPT，它还能做啥？

2025-12-31

GenAI的多模态数据智能平台如何构建？

2025-08-04

本地AI对话神奇，ChatWise到底有什么用？

2025-05-26

什么是基于知识图谱的多模态推理？

2025-05-13

AI数字人领域重大突破：告别拼凑式合成，阿里OmniTalker能否开启音视频一体化新时代？

2025-04-08

Midjourney V7全面测评：50组多风格提示词实测，是否还有领先优势?

2025-04-05

如何结合多模态RAG和异步调用实现大模型内容理解？

2025-03-30

热门标签

内容创作大模型技术个人提效 langchain llamaindex 多模态技术 RAG技术智能客服知识图谱模型微调 RAGFlow coze Dify Fastgpt Bisheng Qanything AI+汽车 AI+金融 AI+工业 AI+培训 AI+SaaS Skill 提示词技巧 AI+电商 AI面试数字员工 ChatBI AI知识库开源大模型智能营销智能硬件 FDE AI+医疗 MaxKB Palantir Glean Openclaw