计算机行业专题报告：豆包大模型更新至1.5pro，更真实、更懂你

Doubao-1.5-pro及多模态能力提升总结

核心能力与性能提升

• MoE架构与成本控制：Doubao-1.5-pro采用MoE架构，通过训练—推理一体化设计，以较小激活参数超越Llama3.1-405B等稠密模型性能，实现7倍MoE性能杠杆。千tokens输入单价为0.0008元，仅为GPT-4o-0806批量版本的10%。
• 模型优化与效率提升：通过模型结构调优和训练算法优化，在9T tokens数据对比中，MoE模型性能超越参数量是其7倍的稠密模型。针对不同计算象限（Prefill/Decode与Attention/FFN）采用异构硬件和低精度优化策略，兼顾低延迟与高吞吐量。

多模态能力提升

• 视觉多模态：Doubao-1.5-vision-pro在多模态数据合成、动态分辨率、对齐、混合训练上全面提升，原生动态分辨率架构支持任意分辨率输入，文档识别、细粒度信息识别能力增强。DoubaoViT在2.4B规模下超越7倍参数模型。
• 语音多模态：Doubao-1.5-realtime-voice-pro通过语音语义联合建模打破传统“ASR+LLM+TTS”级联限制，实现语音理解与生成一体化。融合“情感模态”提升情感理解与表达，接近真人级语音水准。

情感语音功能与市场应用

• 移动端落地：豆包实时语音大模型落地移动端，实现端到端语音对话，低时延、可打断，用户满意度较GPT-4o显著提升，语音语气自然度和情绪饱满度更优。
• 图灵测试“终结者”：模型拟人化程度高，扩展功能包括“灵魂歌手”“悄悄说话”等，应用场景从办公助手拓展至聊天娱乐、教学陪练、心理疏导等，触达人群从中青年向幼年与老年扩散。
• 情感理解与表达：用户测试显示，豆包实时语音大模型总体满意度高于GPT-4o，情商层面情感理解、承接与表达显著，30%以上用户认为豆包“不似AI”。

投资建议与风险提示

• 投资建议：关注与豆包Capex紧密度高的AI硬件厂商（如海光信息、英伟达等）及B端软件合作公司（如新致软件等），同时关注陪伴类场景受益公司（如乐鑫科技等）。
• 风险提示：技术迭代不及预期、商业化落地不及预期、政策支持不及预期、全球宏观经济风险。