OpenAI的“文生視頻”大模型 Sora的發布，標志著多模態大模型在處理和生成與多模態（包括文本、圖像、音頻和視頻）相關數據方面的能力。多模態大模型可理解和生成不同形式的復雜數據，其重要性驟增，并將應用于包括數字人、游戲、廣告商拍、社交媒體、智能營銷、教培、健康醫療、新聞媒體及藝術創作等多個行業。據賽迪研究院分析，從多模態大模型的技術場景來看，20強企業中僅有 15%的企業具備文生視頻能力；從應用場景來看，相較語言大模型賦能行業，多模態大模型更加偏重落地場景。