数智化转型中，企业面临着如何平衡成本与收益的挑战。传统模式难以同时满足规模化与个性化的需求，而多模态AI技术通过综合处理文本、图像、视频等多源数据，显著提升业务效率。在此背景下，大模型能力的提升有效降低了 AI 应用的门槛，缩小了技术底层差距，使更多企业能够以较低成本实现数字化转型。关键在于如何结合自身业务优势，借助大模型技术提升现有业务效率，最大化收益。

本次演讲将结合微博及其他行业的应用案例，探讨如何利用多模态 AI 技术在数字化转型中为传统业务注入创新活力，提升企业数据的综合利用价值。我将深入分析如何平衡大模型的技术优势与实际应用中的成本与风险，确保企业在实现创新的同时获得可持续的投资回报。

演讲提纲

1. 多模态大模型技术的发展脉络与趋势

• 从单模态的感知到跨模态的综合理解，反映了 AI 技术在认知层面的深刻变革
• AI 正逐步实现从简单信号识别、规则到深层语义理解、意图感知和决策的本质飞跃
• 多模态的边云结合的计算协同协作优化 

2. 多模态 AI 赋能企业数智化转型的路径与实践

• 多模态内容理解在微博的部分应用：整合文本、图像、视频和音频等多模态数据，实现舆情监测与内容智能管理
• 分类整理微博多模态素材，构建个人知识库以提升信息管理使用效率
• 图像与视频分析理解图像内容与事件的“坑” 

3. 融合多模态生成式 UI 与 SaaS+AI 创新交付模式

• 从传统的图形用户界面（GUI）与对话式界面（CUI）逐渐转向融合交互界面的发展趋势
• 通过融合生成式 UI 快速实现与现有业务系统之间的整合，显著提升用户操作体验与业务效率
• 建立在多个智能体实时协作与通信的基础之上的数据共享、任务分配和协作机制

您认为，这样的技术在实践过程中有哪些痛点？

• 数智化转型时面临技术与实际业务需求脱节的问题，对于实际业务的 knowhow 不够深入，导致方案无法落地
• 商业角度考虑大模型落地往往是投入大，收益甚微，“大炮打蚊子”
• 商业项目和企业落地要求确定性，而大模型“幻觉”造成方案达不到预期指标

演讲亮点

• 全新视角看待多模态大模型技术落地如何寻找场景，平衡精度与成本
• Agent 协同融合，数据共享机制拓展应用生态

听众收益

• 理解企业如何以多模态大模型为抓手，在规模化落地过程中有效权衡模型准确性与幻觉风险之间的实践经验与心得
• 了解新时代交互界面的最新实践，帮助企业高效、低门槛地实现业务系统的智能化升级与融合
• 获得企业数字化转型过程中结合自身业务特点科学规划多模态多 Agent AI 落地路径的方法论和实操经验，有效避免数据治理、成本控制等方面的常见“坑”