$中际旭创(SZ300308)$ $上证指数(SH000001)$
今日凌晨1点，自年初“文生视频模型”Sora后许久未给市场带来惊喜的OpenAI举行春季发布会。OpenAI发布了最新GPT-4o多模态大模型，相较于GPT-4 Trubo速度更快、价格也更便宜。作为OpenAI目前最先进的模型，GPT-4o的特别之处在于可以接受任何文本、音频和图像的组合作为输入，并生成上述这几种模态的内容。
这意味着，GPT-4o具备了AI助手的基本雏形，在通往通用人工智能的道路上又前进了一步。
家长们哄娃睡觉变得so easy。
当“要求讲一个”睡前故事时，GPT-4o在讲故事时的语音语调更跌宕起伏，更为声情并茂，甚至可以以唱歌的形式结束对话。
家长辅导孩子写作业也变得更轻松。
GPT-4o 还拥有视觉+语音交互功能，能够看图解方程式。操作者打开手机视频通话，对GPT-4o说：“我要在一张纸上写下一个线性方程。不要告诉我答案，只是给出解答它的过程。”随后，操作者写下了3x+1=4的方程式，询问如何解这道题。GPT-4o通过循循善诱的提示，在Zoph提出求助与问题时不断给出下一个步骤的建议，从而得出了x=1的正确结果。
以前GPT-3.5和GPT-4用户以语音模式Voice Mode与ChatGPT对话的平均延迟时间为2.8秒和5.4秒，因为用了三个独立的模型实现这类对话：一个模型将音频转录为文本，一个模型接收并输出文本，再有一个模型将该文本转换回音频。这个过程意味着，GPT丢失了大量信息，它无法直接观察音调、多个说话者或背景噪音，也无法输出笑声、歌唱或表达情感。
而GPT-4o的语音对话是OpenAI跨文本、视觉和音频端到端训练一个新模型的产物，这意味着所有输入和输出都由同一神经网络处理。OpenAI称，GPT-4o是其第一个结合所有这些模式的模型，因此仍然只是浅尝辄止地探索该模型的功能及其局限性。
———————————————————————————————————————
除了OpenAI,全球科技巨头将密集公布AI领域最新进展：
5月14日，谷歌召开I/O开发者大会2024，安卓、谷歌搜索将迎来更新；
5月21日，微软将举行Build年度开发者大会，聚焦AI和Copilot；
6月10日，苹果或将在全球开发者大会上推出引入大语言模型的Siri语音助手。
AI科技板块沉寂了近2个月，期间黄金有色、石油化工、低空经济、合成生物等轮番表现，现在都已经审美疲劳，而充分调整的AI面临一系列重量级产品或服务的面世，将再度成为市场的主流。