5月14日，美国人工智能研究公司OpenAI在线上举办了“春季更新”活动。活动推出新旗舰模型“GPT-4o”，“o”代表“omni”，意为“全能的”。正如它的名字一样，GPT-4o向世界宣告AI技术已迈入新纪元，给全球的科技公司狠狠上了一课，连OpenAI的领航者山姆·奥特曼也不禁感慨，这如同直接从科幻电影情节走进现实。

首先梳理一下发布会讲了什么内容？

1、新旗舰模型“GPT-4o”

跨文本、视觉和音频的端到端模型

据OpenAI官网介绍，GPT-4o可以处理文本、音频和图像任意组合作的输入，并生成对应的任意组合输出。此前ChatGPT的语音模式要用到三个独立模型组成的管道，一个模型负责将音频转录为文本，第二个模型是 GPT-4，它负责接收文本并输出文本，第三个模型则将该文本转换回音频。而在最新的 GPT-4o 模型中，所有输入和输出，都由同一神经网络处理。

数据来源：公司官网。

更快、更自然、更便宜！遥遥领先其他模型

根据传统基准测试，GPT-4o在文本、推理和编程智能方面达到了GPT-4 Turbo级别的性能，同时在多语言、音频和视觉能力方面设立了新的高水平标准。特别是音频，它可以在短至232毫秒的时间内响应用户的语音输入，平均320毫秒的用时已经接近人类在日常对话中的反应时间。

数据来源：公司官网。

GPT-4o将向所有用户免费开放，免费用户在使用达到一定限额后，将自动切换到GPT-3.5版本。定价也比 GPT-4 Turbo 便宜 50%，GPT-4o输入、输出每1M token收费0.005美元、0.015美元，GPT-4 Turbo输入、输出每1M token收费0.01美元、0.03美元。

数据来源：公司官网。

特别是在视觉和音频理解上，GPT-4o相比市面上的其他大模型，又来了一波遥遥领先。

数据来源：公司官网。

2、基于GPT-4o的最新AI助手

语音功能——人机交互畅通无阻

新发布的GPT-4o模型，可以做到随时开始或打断对话，识别说话人的语气、情绪，根据场景或指令生成多种音调、带有丰富人类情绪特征的音频回复，同时支持超过50种语言的同声传译。

视觉功能——处理图像易如反掌

图像处理层面，在传统意义识图的基础上，GPT-4o可以识别手写体（如解答手写的方程组）、精准分析数据，能够读懂画面中人物的面部表情。

3、基于 GPT-4o 的桌面端App

OpenAI 宣布将推出ChatGPT桌面版应用程序，首先向Plus用户推出macOS版，未来计划推出 Windows版本。通过简单的键盘快捷键（Option + Space），用户可以立即向ChatGPT提问，此外，用户还可以直接在应用程序中截取屏幕截图并进行讨论。

用户还可以直接从计算机与 ChatGPT 进行语音对话，GPT-4o的音频和视频功能将在未来推出，通过点击桌面应用程序右下角的耳机图标来开始语音对话。

OpenAI连放大招，谷歌紧随其后带来了哪些新惊喜？

5月15日，谷歌召开2024年度开发者I/O大会，大会全程两个小时，谷歌CEO共提及“AI”121次。此次开发者大会，谷歌将搜索业务做了最彻底的AI改造，还更新升级了Gemini1.5Pro版本，同时推出Gemini1.5Flash轻量化小模型。此外，推出自称效果超过Sora的生成视频模型Veo。

科技巨头密集公布AI领域最新进展，哪些行业或再迎催化？

1、跨模态能力不断突破，算力需求将大幅提升

在模型性能方面，GPT-4o在文本、推理、编码等方面实现了与GPT-4Turbo相当的水平，在多语言、音频和视觉功能上实现了新高，低延迟的响应速度也拉高了用户对推理算力的需求。以OpenAI为代表的多模态大模型军备竞赛愈演愈烈，将加快AI应用场景落地，进一步加大算力需求，建议关注AI应用、算力领域。（观点来源：东莞证券）

2、交互方式发生重大变革，端到端加速边缘侧落地

GPT-4o的推出预示着交互方式的变革，实时语音输入与反馈将极大提升用户交互体验。GPT-4o在智能度、延迟性和交互便捷度方面均优于Siri，其端到端设计保证了任务切换的一致性，未来OpenAI将推出更多相关功能，并适配端侧AI。看好GPT-4o代表的多模态交互革命，重点关注未来1年内可能落地的端侧AI的相关机会，持续关注应用在教育、音视频社交媒体等领域的相关落地情况。（观点来源：中信证券）

3、进一步夯实用户基础，为创新性应用培育土壤

ChatGPT拥有全球最广泛的大模型用户基数，每周有超1亿人使用ChatGPT，GPT-4o的文本和图像功能免费推出或将进一步夯实用户基础。未来GPT Store有望推出更多便捷应用，丰富应用商城生态，同时随着GPT在桌面端和移动端的持续渗透，AI助理应用有望更快普及，新型商业模式或将逐步推出。（观点来源：国泰君安）

4、人工智能革命引发鲶鱼效应，将推动产业链发展全面提速

GPT-4o展现出的低成本、低延迟特性将对整个行业产生连锁效应。1）推理端降本有望大幅提振应用端需求。当前GPT-4o已面向付费版用户和企业版用户开放，未来将免费向所有用户开放，验证推理端成本持续下降。AI应用的性价比提升将开辟更多商业化路径，推理成本降低有望带动应用端的飞轮效应。2）AI商业化竞争由模型端扩散至基础设施架构。GPT-4o低延迟背后受到模型性能、基础设施架构、网络延迟、数据处理方式等多种因素的影响。（观点来源：光大证券）

相关产品：

科创100ETF基金(588220)

跟踪科创100指数，指数布局科创板中小市值个股，有望分享中小市值个股成长为细分方向龙头从小到大过程的红利；前三大权重行业分别为医药、电子、新能源，成分股囊括了众多“高精尖”科技企业，尤其是在人工智能、生物科技、新能源、云计算等领域，有望受益于政策持续加码的趋势，科创100ETF基金(588220)配置窗口期或已至。

大数据ETF（159739）

紧密跟踪中证云计算与大数据主题指数，中证云计算与大数据主题指数从沪深市场中选取50只业务涉及提供云计算服务、大数据服务等服务相关硬件设备的上市公司证券作为指数样本，以反映沪深市场云计算与大数据主题上市公司证券的整体表现。

传媒ETF（159805）

跟踪的传媒指数为当前AIGC最受益板块，AIGC赋能影视行业内容全产业链条，加大缩短传媒板块变现周期，叠加影视回暖驱动传媒板块进一步复苏。

基金有风险，投资需谨慎！