GPT-4o袭来！免费、音频输入响应“类人速度”，声讯股份涨停、汤姆猫涨超13%，下一个风口？
经过一年时间的期待和猜测，OpenAI终于在5月13日的春季发布会上揭开了GPT-4的迭代版本——GPT-4o的神秘面纱。这一备受瞩目的更新并非如外界所预测的搜索引擎或GPT-5，而是一个在性能和可访问性上都有显著提升的AI模型。
根据OpenAI发布的新闻稿，GPT-4o的“o”代表“omni”，即“全能”之意。在即将到来的几周里，用户将无需采取任何行动，即可自动接收到GPT-4o的更新。
OpenAI发布GPT-4o模型 视频截图
受到消息影响，A股多模态AI概念高开，声讯股份涨停，汤姆猫涨超13%，真视通、实丰文化、盛天网络、因赛集团、金财互联等涨超3%。国盛证券认为，GPT-4o是迈向更自然的人机交互的重大进步，新功能带来了崭新的多模态交互能力，通过新的端到端模型实现了体验上的新突破，有望在各类终端实现用户体验的最大化，利好智能终端Agent、机器人等方向。
此外，苹果即将与OpenAI达成协议，为今年的新iOS提供部分生成式AI功能，双方正在就iOS18中使用ChatGPT功能的协议条款进行商谈，新的iOS系统预计将在6月的WWDC2024上推出，有望首次揭示苹果在AI领域的布局。此外，苹果与谷歌就Gemini的谈判也在持续进行中。
华泰证券指出，目前，“基础大模型→行业大模型→终端应用”的大模型路线非常清晰，建议按照算力基础设施->硬件载体->大模型平台->应用的顺序寻找受益标的。AI大模型推动算力需求快速增长，基础设施的业绩成长可预见性最高，主要产业链环节包括计算芯片、服务器、数据中心等。交互终端次之，AI手机、AI PC是当前大模型应用的主要载体。AI大模型最大的投资机会在应用。看好大模型在搜索，电商零售，办公，金融、医药等行业率先落地。
AI进入《她》时代？
GPT-4o作为OpenAI的最新旗舰模型，显著降低了AI工具的使用门槛，它不仅在速度上实现了两倍于前代的提升，能够提供无延迟的实时对话体验，而且对所有用户开放，无需注册，所有功能均可免费使用。 为了进一步提升用户体验，OpenAI还推出了ChatGPT的桌面版本，这一轻量化设计能够无缝集成至用户的各类工作流程中，免去了频繁切换至网页的烦恼。OpenAI的首席技术官米拉·穆拉蒂（Mira Murati）指出，这是公司首次在产品的易用性方面做出重大改进。
发布会结束后，OpenAI首席执行官萨姆·奥尔特曼在其个人博客上发文称：“新的语音模式是我用过的最好的计算机界面。感觉就像是电影中的人工智能，我仍然对它感到惊讶。事实证明，达到人类水平的响应时间和表达能力是一个重大的变化。”
奥尔特曼还表示，GPT-4o的语音功能与电影《她》（Her）相似。美国有线电视新闻网（CNN）也指出，GPT-4o的语音令人想起了《她》中的人工智能。《她》是2013年在美国上映的一部科幻电影，讲述了作家西奥多爱上电脑操作系统里的女声的故事。
以下是GPT-4o主要亮点：
语音交互优化：GPT-4o改进了ChatGPT的语音模式，提供了更自然的助手互动体验。用户现在能够打断ChatGPT，并得到“实时”的响应，模型还能识别用户声音中的情感，并以相应的情感风格生成语音。
视觉能力增强：GPT-4o通过照片或屏幕截图增强了ChatGPT的视觉处理能力，可以快速回答从代码功能到服装品牌等多样的问题。
免费版本更新：GPT-4o将作为ChatGPT免费版本的一部分提供。OpenAI的付费用户，包括ChatGPT Plus和Team用户，将享受到增加的消息限制，而企业用户也将很快获得企业选项。
多语言支持加强：GPT-4o在50多种语言上的语言处理能力得到了加强，提供了更精准的服务。
API性能提升：在OpenAI的API中，GPT-4o的处理速度是GPT-4 Turbo的两倍，而成本仅为一半，同时提供了更高的速率限制。
语音提示功能：用户可以通过简单的语音提示“嘿，ChatGPT”来激活代理的口语回应，并用口语提交查询。
音频输入优化：GPT-4o在音频输入方面的平均响应时间为320毫秒，与人类的对话响应时间相近。
新用户界面和桌面版：OpenAI将推出新的ChatGPT用户界面，提供更对话性的设计，同时发布适用于Mac的桌面版ChatGPT，支持键盘快捷键提问和截图讨论。
GPT Store访问：免费用户现在可以访问GPT Store，这是OpenAI基于其AI模型构建的第三方聊天机器人库。
付费用户优先更新：GPT-4o的文本和图像功能已向ChatGPT Plus和Team的付费用户推出，企业用户也将很快获得更新。
语音版即将推出：语音版GPT-4o将在未来几周内提供，开发人员将能够使用GPT-4o的文本和视觉模式，并向一部分可信赖的合作伙伴提供音频和视频功能。
来源:金融界