科(ke)技巨头之间(jian)的竞争，越来越不讲武德了。
原本，OpenAI的“春季新品发布会”定于5月9号，结果(guo)硬生生拖到了现在。
为(wei)什么呢？因为(wei)谷歌(ge)明天开开发者大会……
就是要骑脸输出，不给友商任何活路(lu)！
于是今天凌(ling)晨1点，山姆·奥特曼口中“就像(xiang)魔(mo)法一样(yang)的东西”，终于揭(jie)开了面纱。
不是大家想象中的GPT-5，而是GPT-4的迭代(dai)版本，GPT-4o。
o是omni的缩写，源于拉丁语的omnis，意思是无所不在、无所不知、无所不能(neng)。
听起来神神叨叨的，颇有点佛(fo)祖、上帝的味道。
GPT-4o，也就是全能(neng)大模型。
全能(neng)？这就很有意思了。
01强在哪里(li)？
所谓全能(neng)，当然不是真的指全知全能(neng)。
至少现在不可能(neng)。
如果(guo)人(ren)造“上帝”真的被造出来，我们所有人(ren)都可以立刻躺平、混吃(chi)等死了，统治世界or解放世界都在这家伙的一念之间(jian)。
目前(qian)的GPT-4o，能(neng)做到的是文字、图像(xiang)、音频、视频任意组(zu)合的全模态。
OpenAI的原话是：GPT-4o是第一个融合所有模态的模型，我们只(zhi)是触及到其能(neng)力的表面。
尽管只(zhi)是表面，但也极其强大了。
先看横向测(ce)评。
简(jian)单总结就是：更快、更强、更便宜。
首先是效率。GPT-4o 的处理速度是 GPT-4 Turbo 的两倍，速率限制提高了五倍，最高达到1000万token/分钟，价格还降(jiang)低(di)了一半。
其次是性能(neng)。在所有语言基准测(ce)试中，GPT-4o都比GPT-4更强大，还能(neng)在50多种语言之间(jian)无缝翻译。
然后是最重要的一点：多模态输入输出。
GPT-4o 能(neng)够处理文本、音频和(he)图像(xiang)的任意组(zu)合输入，并实时生成(cheng)相应的输出与用户互动。
注(zhu)意，是实时！实时！
下面再看看其具体表现。
发布会上，测(ce)试者对着手机(ji)说：我第一次来直播，有点紧张。
ChatGPT立刻回答：你可以深呼吸。
男子照办(ban)。
ChatGPT立刻又开玩笑道：你不是吸尘器吧，不要喘。
当听到对方(fang)终于平稳呼吸时，它居然还会开口鼓励。
看到这，苹果(guo)手机(ji)用户很快就能(neng)察觉出有啥不同了。
我们此前(qian)用的Siri之类的语音助手，反馈慢倒还罢了，你还必须(xu)要等它说完，才能(neng)进行(xing)下一轮对话。
非常呆板，且浪费时间(jian)。
其实这也正常，它毕(bi)竟只(zhi)是个很原始的程(cheng)序。
之前(qian)我们与AI对话，都要经历3个步骤(zhou)：
1.人(ren)说话，AI将音频转成(cheng)文本代(dai)码；
2.AI回答它自己翻译的这段文本；
3.将回复的内容转化成(cheng)音频输出。
这就相当于一来一回的回合制，不论怎么样(yang)都会有延迟，现在业(ye)界最快的反应速度是2秒。
别的先不说，至少用户很难有真实交流的沉浸感。
但用GPT-4o，平均反应时间(jian)只(zhi)有0.32秒，基本就是你刚(gang)问完、它立刻就能(neng)回答你，和(he)真人(ren)聊天没啥区别。
更关键的是什么？
因为(wei)人(ren)与人(ren)之间(jian)对话，是充满(man)了各种即时反应的，比如嗯(en)嗯(en)啊啊各种预期助词，以及手势、停顿(dun)、咽(yan)口水等等。
但你过去(qu)与AI 聊天，却根本不会存在这些因素，即便AI回答得再完美，你依然无法拥有沉浸感。
而现在，你不仅能(neng)随时打(da)断(duan)GPT-4o，它甚至能(neng)根据你的语速、语调、呼吸乃至面部表情来判断(duan)你的情绪，并依次表达出对应的情绪。
这就很Nice了。
不仅仅只(zhi)是语音对答，GPT-4o的文本、音频、视频所有输入和(he)输出，都由(you)同一个神经网络处理。
也就是说，它在各种维(wei)度上，都能(neng)有同样(yang)强大的表现。
简(jian)单来说，就是GPT在能(neng)看、能(neng)听、能(neng)说话方(fang)面，更加“通人(ren)性”了。
它不一定真的懂情感这回事，但能(neng)够模仿。
现阶段而言，只(zhi)要能(neng)模仿就够了，完全够投入商用了。
以上种种，你觉得意味着什么？
意味着ChatGPT在交互性上，又做出了巨大突破。
比如，你可以在睡前(qian)，要求GPT用女神的声音、舔狗的语气，讲故事、唱歌(ge)哄(hong)你入眠(mian)。
又比如，你可以把自己的日常资料发给GPT，让它根据每天的天气、突发事件等等状况，生成(cheng)工作、生活计划。
乃至辅(fu)导小孩写作业(ye)等等等等……
千万不要小看交互性，它的价值远超想象。
02为(wei)什么免费?
除了功能(neng)强大，GPT-4o更让人(ren)关注(zhu)的是什么？
免费！
不仅仅是 GPT-4o 免费，更刺激的是 GPT Store、Vision （包含代(dai)码解释器、联网功能(neng)等），都会陆续开放出来。
为(wei)了让用户们用得方(fang)便，新版ChatGPT还开放了桌面端。
关于这一点，山姆·奥特曼专门(men)发了博客说明：
OpenAI的核心(xin)使命之一，就是免费为(wei)人(ren)类提供顶尖的AI工具，为(wei)世界创造各种利益，让所有人(ren)从(cong)中受益。在未来，所有人(ren)都能(neng)免费获(huo)得 GPT 的算力，可以使用、转售或捐赠。
你们之前(qian)批评我不开源，现在我直接免费，甚至都不用注(zhu)册，还有话说吗？
按照我们的商业(ye)逻辑来看，这不是纯纯的做慈善？
当然不是，至少不完全是。
首先，新模型变小了，运行(xing)成(cheng)本大幅降(jiang)低(di)。
前(qian)文提到过：GPT 4o处理速度翻倍，价格只(zhi)有GPT 4 Turbo的一半。
原先输入、输出一百万token的价格是10、30美元，现在则(ze)只(zhi)要5、15美元。
其次，是先舍后得的商业(ye)逻辑。
免费是有限制的。
官方(fang)文档里(li)都说了，免费用户目前(qian)每3个小时只(zhi)能(neng)使用10条GPT-4o，用完了就回落到GPT-3.5版本。
10条，够什么用的？
想继续玩？想玩得爽？给我充钱！
只(zhi)要20美刀/月，你就能(neng)成(cheng)为(wei)尊贵的plus会员，每小时能(neng)享(xiang)用80条GPT-4o！
这简(jian)直！太不划算了！
就目前(qian)的情况而言、对绝大部分人(ren)而言，你只(zhi)要不是无聊到什么都去(qu)试着玩，每3小时10条内容完全是足(zu)够了。
照OpenAI这么搞，如今ChatGPT的忠实付费用户（原来免费的只(zhi)能(neng)使用GPT-3.4），恐怕都不会充钱了。
为(wei)什么OpenAI 要承担丢失付费会员的风(feng)险，去(qu)给全民提供免费服务？
其实，我们的目光可以放长远一点。
想想看，人(ren)人(ren)都能(neng)免费用上高质量的AI，这意味着什么？
你如果(guo)悲观地去(qu)看，这很可能(neng)对现在社会的分工结构造成(cheng)重大冲击，造成(cheng)广泛的失业(ye)潮。
看到这里(li)，别的不敢(gan)说，我们至少能(neng)确定一件事：除非自己感兴趣，以后的小孩都不用再学英语了。
GPT-4o完全可以做到各种口译、同声传译，甚至还带(dai)感情、带(dai)理解。
除此之外，大量的普通家庭教师(shi)、程(cheng)序员、设计师(shi)等等，基本都会被取代(dai)。
这是不可避免的事。
但就像(xiang)前(qian)几次技术革命一样(yang)，在一些行(xing)业(ye)消(xiao)亡的同时，一定会有新的财富风(feng)口出现，整个社会的财富总量必然是增加的。
乐观点看，就是另一回事。
03财富大爆炸
《易经》“乾”卦“用九”：见群龙无首，吉。
王阳(yang)明也曾说：人(ren)人(ren)心(xin)中有仲尼。心(xin)之良(liang)知之谓圣(sheng)。
真正伟大的时代(dai)，应该(gai)是人(ren)人(ren)平等、人(ren)人(ren)如龙、人(ren)人(ren)成(cheng)圣(sheng)的。
从(cong)古至今，这都只(zhi)能(neng)是幻(huan)想，但如果(guo)能(neng)善用AI、善用工具，我们未必不能(neng)接近这种境界。
其实从(cong)GPT-3.5→GPT-4→GPT-4o，我们能(neng)很明显概念感受到，OpenAI想干什么：
他们要让GPT这个人(ren)造大脑，越来越符合“人(ren)”的标准。
人(ren)是什么？
人(ren)不仅仅是劳动力，不论是什么时候、用什么工具，人(ren)才是创造财富的主(zhu)体。
随着多模态越来越完善，现有的部分行(xing)业(ye)将会被怎样(yang)改变？
我们的主(zhu)要关注(zhu)点应该(gai)在娱乐方(fang)面。
因为(wei)物质世界的体力劳动必然与人(ren)类越来越远，人(ren)类创造财富的方(fang)向肯定将加速集中在精(jing)神方(fang)面。
从(cong)之前(qian)投资De的举动可以看出，OpenAI早就有意把AI技术引入到影视创作领域。
即便他们不这么干，其他的影视公(gong)司也一定会干。
因为(wei)未来的趋势就是——“交互式传媒”。
你可以把这种模式，理解为(wei)短视频，每个人(ren)都是创作者，没有谁更专业(ye)一说。
各种短视频平台上，如今已经充斥着大量AI制造的内容。以前(qian)我们还能(neng)看得出来，现在越来越逼真。
而以后，只(zhi)要你善用能(neng)模仿人(ren)情感的多模态大模型，创造出的内容也将彻底脱(tuo)离“机(ji)械感”。
每个人(ren)都是最佳导演，一天拍十几部大片都没问题。
想要出圈，就看谁的点子更有新意，更迎合受众口味。
与之相对的，各种影视公(gong)司，包括现在的一大堆流量明星，都将没有任何发展空间(jian)。
未来，能(neng)存活下来的，只(zhi)有平台，和(he)无数(shu)个个人(ren)。
除了影视之外，包括音乐、动漫(man)、游戏等任何具备消(xiao)费价值的娱乐领域，都将变得一样(yang)：
去(qu)中心(xin)化。
每个人(ren)都是完美的音乐家、漫(man)画家、游戏设计师(shi)，只(zhi)要你有足(zu)够的耐心(xin)。
你能(neng)想象，这些将催化多大的市场吗？
以游戏为(wei)例，到2025年，全球将有35.3亿(yi)游戏玩家。数(shu)十亿(yi)人(ren)，有多少千奇百怪的点子？
以前(qian)，99%人(ren)限于技术，只(zhi)是单纯的玩家，属于被收割者，只(zhi)有游戏公(gong)司赚钱。
从(cong)市场的角度考虑，这个发展效率是非常低(di)下的。
以后，就相当于是这35亿(yi)人(ren)相互买单，金钱流通速度何止提升(sheng)10倍！？
再比如社交媒体。
从(cong)前(qian)是没有技术，当网友分享(xiang)他的游戏、电影、音乐交互体验后，其他用户除了评论就没啥后续了。
但以后，我们都能(neng)在此基础上，让AI定制自己的二次体验，不论是语音、视频还是漫(man)画形式，与其他人(ren)分享(xiang)。
然后其他人(ren)看到了，再定制，再分享(xiang)……
就这样(yang)病毒(du)式传播。
这些描述(shu)，很像(xiang)去(qu)年底炒(chao)作的Web3.0概念。
它的目的，是创造一个去(qu)中心(xin)化、交互式的互联网世界，打(da)破已经见顶的互联网现有桎梏。
它的驱(qu)动力，就是多模态大模型、乃至以后真正完善五感的更高级(ji)AI。
拥有五感的GPT，不仅仅是一种技术进步，更是现代(dai)商业(ye)社会的一次彻底的娱乐、消(xiao)费、社交革命。
总而言之，让每个人(ren)都能(neng)免费使用顶级(ji)AI，就相当于把生产力赋能(neng)给每个人(ren)，每个人(ren)的价值将进一步凸显，整个互联网世界也将创造出更大的价值。
等到你发现其中的财富效应，乃至未来大多数(shu)人(ren)或许(xu)都要在这样(yang)的大环境中生活……
等到AI真正成(cheng)为(wei)每个人(ren)创造财富的重要工具，3小时使用10条GPT-4o，你还觉得够吗？
每个月20美刀的会员费，你还觉得贵吗？
就算再贵十倍，你也心(xin)甘(gan)情愿抢着买！
我们真正应该(gai)担心(xin)的，不应该(gai)是这点鸡毛蒜皮(pi)的事，而是：AI 科(ke)技的推进速度太快，你有没有意识到要去(qu)适应新时代(dai)。
千万不要做落后的那一批人(ren)。