近日，美國人工智能公司OpenAI在其春季發(fā)布會(huì )上展示了新一代旗艦生成模型GPT-4o。接入GPT-4o的ChatGPT語(yǔ)音助手，能和用戶(hù)實(shí)時(shí)對話(huà)且從語(yǔ)音中分辨用戶(hù)是否緊張，能通過(guò)前置攝像頭觀(guān)察用戶(hù)的面部表情并分析其情緒變化，能當家教老師在線(xiàn)教孩子解數學(xué)題……能聽(tīng)、能看、能說(shuō)，且達到人類(lèi)級別的響應時(shí)間和表達能力，難怪不少網(wǎng)友驚呼：大模型從“呆瓜”變“真人”了！

　　作為人工智能大模型浪潮的領(lǐng)航者，OpenAI這次發(fā)布展現了人工智能大模型2個(gè)新趨勢。

　　一方面，大模型向應用端需求進(jìn)化，商業(yè)價(jià)值更加凸顯。

　　在GPT-4o之前，用戶(hù)以語(yǔ)音模式與ChatGPT對話(huà)，要通過(guò)音頻轉文本、文本處理、文本轉音頻3個(gè)模型來(lái)實(shí)現，平均延遲為2.8秒（GPT-3.5）和5.4秒（GPT-4）。GPT-4o是OpenAI的首個(gè)“端到端多模態(tài)大模型”，“o”代表omni，即“全能”的意思。它用一個(gè)模型同時(shí)處理文本、視覺(jué)和音頻的輸入輸出，所有輸入和輸出都由同一個(gè)神經(jīng)網(wǎng)絡(luò )完成，這讓它的反應速度有了質(zhì)的提升。GPT-4o可以在短至232毫秒、平均320毫秒的時(shí)間內響應音頻輸入，與人類(lèi)在對話(huà)中的反應速度一致。這意味著(zhù)高端人工智能產(chǎn)品更接近一個(gè)自然人，向自然人機交互邁出了重要一步。

　　GPT-4o在資源消耗和響應速度上進(jìn)行了優(yōu)化，達到了與GPT-4 Turbo相當的能力，且降低50%的推理成本，打開(kāi)了商業(yè)推廣的空間，更有利于在智能手機、智能電腦等個(gè)人終端上實(shí)現端側應用。在消費終端，用戶(hù)需求多樣化且變化迅速，需要提升交互界面的友好性和易用性，讓用戶(hù)獲得流暢、自然的交互體驗。GPT-4o向具備情緒價(jià)值和自然交互能力的方向進(jìn)化，意味著(zhù)大模型在端側的落地更進(jìn)一步，有望開(kāi)啟下一波科技應用和商業(yè)模式的革命，出現人工智能的國民級應用。

　　另一方面，大模型技術(shù)迭代放緩，風(fēng)險和不確定性增加。

　　OpenAI并沒(méi)有推出萬(wàn)眾期待的GPT-5，這讓不少業(yè)內人士推測，OpenAI“用更多大數據煉更大模型”這條技術(shù)迭代路線(xiàn)可能已遇到瓶頸，國內底層大模型加速追趕的窗口期或許到了。人們還期待GPT-5解決當代大模型存在的最大問(wèn)題——幻覺(jué)（胡編亂造），因為它影響大模型的可靠性。這個(gè)問(wèn)題也沒(méi)能在GPT-4o中獲得解決。有些網(wǎng)友就在試用中發(fā)現它會(huì )認字不會(huì )寫(xiě)字，如果讓它輸出一張含有特定文字內容的手寫(xiě)字體圖畫(huà)，它會(huì )寫(xiě)出誰(shuí)都看不懂的自造字。此外，OpenAI去年發(fā)布的GPT-4模型僅限付費用戶(hù)使用，今年則宣布新模型GPT-4o用戶(hù)不用注冊、功能全部免費。OpenAI開(kāi)始卷起了免費，可能是GPT的用戶(hù)增長(cháng)和收入增長(cháng)都已經(jīng)碰到瓶頸。

　　從卷參數、卷文本長(cháng)度再到卷多模態(tài)，大模型的競爭一直很激烈。隨著(zhù)當前人工智能技術(shù)的快速發(fā)展，大模型技術(shù)路徑和商業(yè)模式的多樣性和不確定性增加，商業(yè)投資風(fēng)險也隨之增加。對國產(chǎn)大模型來(lái)說(shuō)，風(fēng)險也是機遇。比如，全球首個(gè)三模態(tài)大模型其實(shí)是2021年7月中國發(fā)布的“紫東太初”。不管大模型賽道往什么方向去，中國都有基礎，也應該有信心打開(kāi)更廣闊的應用商業(yè)化空間。 （本文來(lái)源：經(jīng)濟日報 作者：佘惠敏）