科技巨(ju)头之间的竞争,越来越不讲(jiang)武德了。
原本,OpenAI的“春(chun)季新品发布会”定于5月9号,结果硬生生拖到(dao)了现在。
为(wei)什么呢?因为(wei)谷歌(ge)明天(tian)开开发者大会……
就是要骑脸输出,不给(gei)友商任何活路(lu)!
于是今天(tian)凌晨1点,山姆·奥(ao)特曼口中“就像魔法一样的东(dong)西”,终于揭开了面纱。
不是大家想象中的GPT-5,而是GPT-4的迭代版本,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。
听起来神神叨(dao)叨(dao)的,颇有点佛(fo)祖、上帝的味道。
GPT-4o,也就是全能大模型。
全能?这就很有意思了。
01强在哪里(li)?
所谓全能,当然(ran)不是真的指全知全能。
至少现在不可能。
如果人造“上帝”真的被造出来,我们所有人都可以立(li)刻躺平、混吃等死了,统治世界or解放世界都在这家伙(huo)的一念之间。
目前的GPT-4o,能做到(dao)的是文字、图像、音频、视频任意组合的全模态。
OpenAI的原话是:GPT-4o是第一个融合所有模态的模型,我们只是触及到(dao)其(qi)能力的表面。
尽管只是表面,但也极其(qi)强大了。
先看横向测(ce)评。
简单(dan)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(liang)倍,速率限制提高了五倍,最高达到(dao)1000万token/分钟,价格还降低(di)了一半。
其(qi)次是性能。在所有语言基准测(ce)试中,GPT-4o都比(bi)GPT-4更强大,还能在50多种语言之间无缝翻(fan)译(yi)。
然(ran)后是最重(zhong)要的一点:多模态输入输出。
GPT-4o 能够处理文本、音频和(he)图像的任意组合输入,并实时生成相应的输出与用户互动。
注意,是实时!实时!
下(xia)面再看看其(qi)具体(ti)表现。
发布会上,测(ce)试者对着手机说:我第一次来直(zhi)播,有点紧张。
ChatGPT立(li)刻回答:你(ni)可以深呼吸。
男子照办。
ChatGPT立(li)刻又开玩(wan)笑道:你(ni)不是吸尘器吧,不要喘。
当听到(dao)对方(fang)终于平稳(wen)呼吸时,它居(ju)然(ran)还会开口鼓励。
看到(dao)这,苹果手机用户很快就能察觉出有啥不同了。
我们此前用的Siri之类的语音助手,反馈慢倒还罢(ba)了,你(ni)还必须要等它说完,才能进行下(xia)一轮对话。
非常呆板,且浪费时间。
其(qi)实这也正常,它毕竟只是个很原始的程序。
之前我们与AI对话,都要经历(li)3个步骤(zhou):
1.人说话,AI将音频转成文本代码;
2.AI回答它自己翻(fan)译(yi)的这段文本;
3.将回复的内容转化成音频输出。
这就相当于一来一回的回合制,不论怎么样都会有延迟,现在业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(chen)浸感。
但用GPT-4o,平均反应时间只有0.32秒,基本就是你(ni)刚问完、它立(li)刻就能回答你(ni),和(he)真人聊天(tian)没啥区别。
更关键的是什么?
因为(wei)人与人之间对话,是充(chong)满了各种即时反应的,比(bi)如嗯嗯啊啊各种预期助词,以及手势、停顿、咽口水等等。
但你(ni)过去与AI 聊天(tian),却根本不会存(cun)在这些因素,即便AI回答得再完美,你(ni)依然(ran)无法拥有沉(chen)浸感。
而现在,你(ni)不仅能随时打断GPT-4o,它甚至能根据(ju)你(ni)的语速、语调、呼吸乃至面部表情来判断你(ni)的情绪(xu),并依次表达出对应的情绪(xu)。
这就很Nice了。
不仅仅只是语音对答,GPT-4o的文本、音频、视频所有输入和(he)输出,都由同一个神经网(wang)络处理。
也就是说,它在各种维度上,都能有同样强大的表现。
简单(dan)来说,就是GPT在能看、能听、能说话方(fang)面,更加“通人性”了。
它不一定真的懂情感这回事,但能够模仿。
现阶段而言,只要能模仿就够了,完全够投入商用了。
以上种种,你(ni)觉得意味着什么?
意味着ChatGPT在交互性上,又做出了巨(ju)大突破。
比(bi)如,你(ni)可以在睡前,要求GPT用女神的声音、舔狗(gou)的语气,讲(jiang)故事、唱歌(ge)哄(hong)你(ni)入眠。
又比(bi)如,你(ni)可以把自己的日常资料发给(gei)GPT,让它根据(ju)每天(tian)的天(tian)气、突发事件等等状况,生成工作、生活计划。
乃至辅(fu)导小(xiao)孩写作业等等等等……
千万不要小(xiao)看交互性,它的价值远超想象。
02为(wei)什么免费?
除了功(gong)能强大,GPT-4o更让人关注的是什么?
免费!
不仅仅是 GPT-4o 免费,更刺激的是 GPT Store、Vision (包含(han)代码解释器、联网(wang)功(gong)能等),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(ao)特曼专门发了博客说明:
OpenAI的核(he)心使命之一,就是免费为(wei)人类提供顶尖(jian)的AI工具,为(wei)世界创造各种利益,让所有人从中受益。在未来,所有人都能免费获(huo)得 GPT 的算力,可以使用、转售或捐赠。
你(ni)们之前批评我不开源,现在我直(zhi)接免费,甚至都不用注册,还有话说吗(ma)?
按照我们的商业逻辑来看,这不是纯纯的做慈(ci)善?
当然(ran)不是,至少不完全是。
首先,新模型变小(xiao)了,运行成本大幅降低(di)。
前文提到(dao)过:GPT 4o处理速度翻(fan)倍,价格只有GPT 4 Turbo的一半。
原先输入、输出一百万token的价格是10、30美元(yuan),现在则只要5、15美元(yuan)。
其(qi)次,是先舍后得的商业逻辑。
免费是有限制的。
官方(fang)文档里(li)都说了,免费用户目前每3个小(xiao)时只能使用10条(tiao)GPT-4o,用完了就回落到(dao)GPT-3.5版本。
10条(tiao),够什么用的?
想继(ji)续玩(wan)?想玩(wan)得爽?给(gei)我充(chong)钱!
只要20美刀/月,你(ni)就能成为(wei)尊贵的plus会员,每小(xiao)时能享用80条(tiao)GPT-4o!
这简直(zhi)!太不划算了!
就目前的情况而言、对绝大部分人而言,你(ni)只要不是无聊到(dao)什么都去试着玩(wan),每3小(xiao)时10条(tiao)内容完全是足够了。
照OpenAI这么搞,如今ChatGPT的忠实付费用户(原来免费的只能使用GPT-3.4),恐(kong)怕都不会充(chong)钱了。
为(wei)什么OpenAI 要承担丢失付费会员的风险,去给(gei)全民提供免费服务?
其(qi)实,我们的目光可以放长远一点。
想想看,人人都能免费用上高质量的AI,这意味着什么?
你(ni)如果悲观地去看,这很可能对现在社会的分工结构造成重(zhong)大冲击,造成广泛的失业潮。
看到(dao)这里(li),别的不敢(gan)说,我们至少能确定一件事:除非自己感兴趣,以后的小(xiao)孩都不用再学(xue)英语了。
GPT-4o完全可以做到(dao)各种口译(yi)、同声传译(yi),甚至还带感情、带理解。
除此之外,大量的普(pu)通家庭教师(shi)、程序员、设(she)计师(shi)等等,基本都会被取(qu)代。
这是不可避免的事。
但就像前几次技术革命一样,在一些行业消亡的同时,一定会有新的财富风口出现,整个社会的财富总量必然(ran)是增(zeng)加的。
乐观点看,就是另一回事。
03财富大爆炸
《易经》“乾”卦(gua)“用九(jiu)”:见群龙无首,吉。
王阳明也曾说:人人心中有仲尼。心之良知之谓圣。
真正伟大的时代,应该是人人平等、人人如龙、人人成圣的。
从古(gu)至今,这都只能是幻想,但如果能善用AI、善用工具,我们未必不能接近(jin)这种境界。
其(qi)实从GPT-3.5→GPT-4→GPT-4o,我们能很明显概(gai)念感受到(dao),OpenAI想干什么:
他们要让GPT这个人造大脑,越来越符合“人”的标(biao)准。
人是什么?
人不仅仅是劳动力,不论是什么时候、用什么工具,人才是创造财富的主体(ti)。
随着多模态越来越完善,现有的部分行业将会被怎样改变?
我们的主要关注点应该在娱乐方(fang)面。
因为(wei)物质世界的体(ti)力劳动必然(ran)与人类越来越远,人类创造财富的方(fang)向肯定将加速集中在精(jing)神方(fang)面。
从之前投资De的举(ju)动可以看出,OpenAI早就有意把AI技术引入到(dao)影视创作领域。
即便他们不这么干,其(qi)他的影视公司(si)也一定会干。
因为(wei)未来的趋势就是——“交互式传媒”。
你(ni)可以把这种模式,理解为(wei)短视频,每个人都是创作者,没有谁(shui)更专业一说。
各种短视频平台上,如今已经充(chong)斥着大量AI制造的内容。以前我们还能看得出来,现在越来越逼真。
而以后,只要你(ni)善用能模仿人情感的多模态大模型,创造出的内容也将彻(che)底脱离“机械感”。
每个人都是最佳导演,一天(tian)拍十几部大片都没问题。
想要出圈,就看谁(shui)的点子更有新意,更迎(ying)合受众口味。
与之相对的,各种影视公司(si),包括现在的一大堆流量明星,都将没有任何发展空间。
未来,能存(cun)活下(xia)来的,只有平台,和(he)无数个个人。
除了影视之外,包括音乐、动漫、游戏等任何具备消费价值的娱乐领域,都将变得一样:
去中心化。
每个人都是完美的音乐家、漫画家、游戏设(she)计师(shi),只要你(ni)有足够的耐心。
你(ni)能想象,这些将催化多大的市场吗(ma)?
以游戏为(wei)例,到(dao)2025年,全球将有35.3亿游戏玩(wan)家。数十亿人,有多少千奇百怪的点子?
以前,99%人限于技术,只是单(dan)纯的玩(wan)家,属于被收割者,只有游戏公司(si)赚钱。
从市场的角度考虑,这个发展效率是非常低(di)下(xia)的。
以后,就相当于是这35亿人相互买单(dan),金钱流通速度何止提升10倍!?
再比(bi)如社交媒体(ti)。
从前是没有技术,当网(wang)友分享他的游戏、电影、音乐交互体(ti)验后,其(qi)他用户除了评论就没啥后续了。
但以后,我们都能在此基础(chu)上,让AI定制自己的二次体(ti)验,不论是语音、视频还是漫画形式,与其(qi)他人分享。
然(ran)后其(qi)他人看到(dao)了,再定制,再分享……
就这样病毒式传播。
这些描述(shu),很像去年底炒作的Web3.0概(gai)念。
它的目的,是创造一个去中心化、交互式的互联网(wang)世界,打破已经见顶的互联网(wang)现有桎(zhi)梏。
它的驱动力,就是多模态大模型、乃至以后真正完善五感的更高级AI。
拥有五感的GPT,不仅仅是一种技术进步,更是现代商业社会的一次彻(che)底的娱乐、消费、社交革命。
总而言之,让每个人都能免费使用顶级AI,就相当于把生产力赋能给(gei)每个人,每个人的价值将进一步凸显,整个互联网(wang)世界也将创造出更大的价值。
等到(dao)你(ni)发现其(qi)中的财富效应,乃至未来大多数人或许都要在这样的大环境中生活……
等到(dao)AI真正成为(wei)每个人创造财富的重(zhong)要工具,3小(xiao)时使用10条(tiao)GPT-4o,你(ni)还觉得够吗(ma)?
每个月20美刀的会员费,你(ni)还觉得贵吗(ma)?
就算再贵十倍,你(ni)也心甘(gan)情愿抢着买!
我们真正应该担心的,不应该是这点鸡毛蒜(suan)皮的事,而是:AI 科技的推进速度太快,你(ni)有没有意识到(dao)要去适应新时代。
千万不要做落后的那一批人。