科技巨头之间的竞争,越来越不讲武(wu)德(de)了。
原(yuan)本,OpenAI的“春(chun)季新品发布(bu)会”定于5月(yue)9号,结果硬生生拖到了现在。
为什么呢?因为谷歌明天(tian)开开发者大(da)会……
就(jiu)是要骑脸输出(chu),不给友(you)商任何活(huo)路!
于是今天(tian)凌晨1点,山姆·奥特曼口(kou)中“就(jiu)像魔法一样的东西”,终于揭开了面纱。
不是大(da)家(jia)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。
听起来神神叨叨的,颇有点佛祖、上帝的味(wei)道。
GPT-4o,也就(jiu)是全能大(da)模型。
全能?这就(jiu)很有意思了。
01强在哪里(li)?
所谓全能,当然不是真(zhen)的指全知全能。
至少现在不可能。
如果人造“上帝”真(zhen)的被(bei)造出(chu)来,我们所有人都可以立(li)刻躺平、混吃等死了,统治(zhi)世界(jie)or解放世界(jie)都在这家(jia)伙的一念之间。
目前的GPT-4o,能做(zuo)到的是文字、图(tu)像、音频(pin)、视(shi)频(pin)任意组合的全模态。
OpenAI的原(yuan)话是:GPT-4o是第一个融合所有模态的模型,我们只是触及到其能力的表面。
尽管只是表面,但也极其强大(da)了。
先(xian)看横向测评。
简单(dan)总结就(jiu)是:更快、更强、更便宜(yi)。
首(shou)先(xian)是效率(lu)。GPT-4o 的处理速度是 GPT-4 Turbo 的两倍,速率(lu)限制(zhi)提高(gao)了五倍,最(zui)高(gao)达到1000万token/分钟(zhong),价格还降低了一半。
其次是性(xing)能。在所有语言基准测试中,GPT-4o都比GPT-4更强大(da),还能在50多种语言之间无缝翻译。
然后是最(zui)重要的一点:多模态输入输出(chu)。
GPT-4o 能够(gou)处理文本、音频(pin)和图(tu)像的任意组合输入,并实时生成相应的输出(chu)与用户互动。
注(zhu)意,是实时!实时!
下面再看看其具体(ti)表现。
发布(bu)会上,测试者对着手机说:我第一次来直播,有点紧张。
ChatGPT立(li)刻回答:你可以深(shen)呼(hu)吸。
男子照办(ban)。
ChatGPT立(li)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(hu)吸时,它居然还会开口(kou)鼓励。
看到这,苹果手机用户很快就(jiu)能察(cha)觉出(chu)有啥不同了。
我们此前用的Siri之类的语音助手,反馈慢倒还罢了,你还必须(xu)要等它说完(wan),才能进(jin)行下一轮对话。
非常呆板,且浪(lang)费时间。
其实这也正常,它毕竟只是个很原(yuan)始的程序。
之前我们与AI对话,都要经历3个步骤:
1.人说话,AI将音频(pin)转成文本代码;
2.AI回答它自己翻译的这段文本;
3.将回复的内容转化成音频(pin)输出(chu)。
这就(jiu)相当于一来一回的回合制(zhi),不论怎么样都会有延迟,现在业界(jie)最(zui)快的反应速度是2秒(miao)。
别的先(xian)不说,至少用户很难有真(zhen)实交流的沉浸感。
但用GPT-4o,平均(jun)反应时间只有0.32秒(miao),基本就(jiu)是你刚问完(wan)、它立(li)刻就(jiu)能回答你,和真(zhen)人聊天(tian)没(mei)啥区(qu)别。
更关键的是什么?
因为人与人之间对话,是充满了各种即时反应的,比如嗯嗯啊(a)啊(a)各种预期助词,以及手势、停(ting)顿、咽口(kou)水等等。
但你过去与AI 聊天(tian),却根本不会存在这些因素,即便AI回答得再完(wan)美,你依(yi)然无法拥有沉浸感。
而现在,你不仅能随时打断GPT-4o,它甚(shen)至能根据你的语速、语调、呼(hu)吸乃至面部表情来判断你的情绪,并依(yi)次表达出(chu)对应的情绪。
这就(jiu)很Nice了。
不仅仅只是语音对答,GPT-4o的文本、音频(pin)、视(shi)频(pin)所有输入和输出(chu),都由同一个神经网络(luo)处理。
也就(jiu)是说,它在各种维度上,都能有同样强大(da)的表现。
简单(dan)来说,就(jiu)是GPT在能看、能听、能说话方(fang)面,更加“通人性(xing)”了。
它不一定真(zhen)的懂情感这回事,但能够(gou)模仿。
现阶段而言,只要能模仿就(jiu)够(gou)了,完(wan)全够(gou)投入商用了。
以上种种,你觉得意味(wei)着什么?
意味(wei)着ChatGPT在交互性(xing)上,又做(zuo)出(chu)了巨大(da)突破。
比如,你可以在睡前,要求GPT用女神的声音、舔狗(gou)的语气,讲故事、唱歌哄你入眠。
又比如,你可以把自己的日常资料发给GPT,让它根据每天(tian)的天(tian)气、突发事件等等状(zhuang)况,生成工作(zuo)、生活(huo)计划。
乃至辅导小孩写作(zuo)业等等等等……
千万不要小看交互性(xing),它的价值远超想象。
02为什么免费?
除(chu)了功能强大(da),GPT-4o更让人关注(zhu)的是什么?
免费!
不仅仅是 GPT-4o 免费,更刺激(ji)的是 GPT Store、Vision (包(bao)含代码解释器、联网功能等),都会陆续开放出(chu)来。
为了让用户们用得方(fang)便,新版ChatGPT还开放了桌面端。
关于这一点,山姆·奥特曼专门发了博客说明:
OpenAI的核心使命之一,就(jiu)是免费为人类提供(gong)顶尖的AI工具,为世界(jie)创造各种利益,让所有人从中受益。在未来,所有人都能免费获得 GPT 的算(suan)力,可以使用、转售或捐赠。
你们之前批评我不开源,现在我直接免费,甚(shen)至都不用注(zhu)册,还有话说吗?
按照我们的商业逻辑来看,这不是纯(chun)纯(chun)的做(zuo)慈善?
当然不是,至少不完(wan)全是。
首(shou)先(xian),新模型变小了,运行成本大(da)幅降低。
前文提到过:GPT 4o处理速度翻倍,价格只有GPT 4 Turbo的一半。
原(yuan)先(xian)输入、输出(chu)一百万token的价格是10、30美元(yuan),现在则只要5、15美元(yuan)。
其次,是先(xian)舍后得的商业逻辑。
免费是有限制(zhi)的。
官方(fang)文档里(li)都说了,免费用户目前每3个小时只能使用10条GPT-4o,用完(wan)了就(jiu)回落(luo)到GPT-3.5版本。
10条,够(gou)什么用的?
想继续玩?想玩得爽?给我充钱!
只要20美刀/月(yue),你就(jiu)能成为尊贵(gui)的plus会员,每小时能享用80条GPT-4o!
这简直!太不划算(suan)了!
就(jiu)目前的情况而言、对绝大(da)部分人而言,你只要不是无聊到什么都去试着玩,每3小时10条内容完(wan)全是足够(gou)了。
照OpenAI这么搞,如今ChatGPT的忠实付费用户(原(yuan)来免费的只能使用GPT-3.4),恐怕都不会充钱了。
为什么OpenAI 要承担丢失付费会员的风险,去给全民(min)提供(gong)免费服(fu)务?
其实,我们的目光(guang)可以放长远一点。
想想看,人人都能免费用上高(gao)质量的AI,这意味(wei)着什么?
你如果悲观地去看,这很可能对现在社会的分工结构造成重大(da)冲击,造成广泛的失业潮(chao)。
看到这里(li),别的不敢(gan)说,我们至少能确定一件事:除(chu)非自己感兴趣,以后的小孩都不用再学英语了。
GPT-4o完(wan)全可以做(zuo)到各种口(kou)译、同声传(chuan)译,甚(shen)至还带感情、带理解。
除(chu)此之外(wai),大(da)量的普通家(jia)庭教师、程序员、设计师等等,基本都会被(bei)取代。
这是不可避免的事。
但就(jiu)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(kou)出(chu)现,整个社会的财富总量必然是增加的。
乐观点看,就(jiu)是另(ling)一回事。
03财富大(da)爆炸
《易经》“乾”卦“用九(jiu)”:见(jian)群(qun)龙无首(shou),吉。
王阳明也曾说:人人心中有仲尼。心之良知之谓圣。
真(zhen)正伟大(da)的时代,应该(gai)是人人平等、人人如龙、人人成圣的。
从古至今,这都只能是幻想,但如果能善用AI、善用工具,我们未必不能接近这种境(jing)界(jie)。
其实从GPT-3.5→GPT-4→GPT-4o,我们能很明显概念感受到,OpenAI想干什么:
他们要让GPT这个人造大(da)脑,越来越符合“人”的标准。
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(wan)善,现有的部分行业将会被(bei)怎样改变?
我们的主要关注(zhu)点应该(gai)在娱乐方(fang)面。
因为物质世界(jie)的体(ti)力劳动必然与人类越来越远,人类创造财富的方(fang)向肯定将加速集中在精神方(fang)面。
从之前投资De的举(ju)动可以看出(chu),OpenAI早就(jiu)有意把AI技术引入到影视(shi)创作(zuo)领(ling)域。
即便他们不这么干,其他的影视(shi)公(gong)司也一定会干。
因为未来的趋势就(jiu)是——“交互式传(chuan)媒”。
你可以把这种模式,理解为短视(shi)频(pin),每个人都是创作(zuo)者,没(mei)有谁更专业一说。
各种短视(shi)频(pin)平台上,如今已经充斥着大(da)量AI制(zhi)造的内容。以前我们还能看得出(chu)来,现在越来越逼真(zhen)。
而以后,只要你善用能模仿人情感的多模态大(da)模型,创造出(chu)的内容也将彻底脱离“机械感”。
每个人都是最(zui)佳导演(yan),一天(tian)拍十几部大(da)片都没(mei)问题。
想要出(chu)圈(quan),就(jiu)看谁的点子更有新意,更迎合受众口(kou)味(wei)。
与之相对的,各种影视(shi)公(gong)司,包(bao)括现在的一大(da)堆流量明星,都将没(mei)有任何发展空间。
未来,能存活(huo)下来的,只有平台,和无数个个人。
除(chu)了影视(shi)之外(wai),包(bao)括音乐、动漫、游戏等任何具备消费价值的娱乐领(ling)域,都将变得一样:
去中心化。
每个人都是完(wan)美的音乐家(jia)、漫画家(jia)、游戏设计师,只要你有足够(gou)的耐(nai)心。
你能想象,这些将催化多大(da)的市场吗?
以游戏为例,到2025年,全球(qiu)将有35.3亿(yi)游戏玩家(jia)。数十亿(yi)人,有多少千奇(qi)百怪的点子?
以前,99%人限于技术,只是单(dan)纯(chun)的玩家(jia),属于被(bei)收割者,只有游戏公(gong)司赚钱。
从市场的角度考虑,这个发展效率(lu)是非常低下的。
以后,就(jiu)相当于是这35亿(yi)人相互买单(dan),金钱流通速度何止提升(sheng)10倍!?
再比如社交媒体(ti)。
从前是没(mei)有技术,当网友(you)分享他的游戏、电(dian)影、音乐交互体(ti)验(yan)后,其他用户除(chu)了评论就(jiu)没(mei)啥后续了。
但以后,我们都能在此基础上,让AI定制(zhi)自己的二次体(ti)验(yan),不论是语音、视(shi)频(pin)还是漫画形式,与其他人分享。
然后其他人看到了,再定制(zhi),再分享……
就(jiu)这样病(bing)毒式传(chuan)播。
这些描述,很像去年底炒作(zuo)的Web3.0概念。
它的目的,是创造一个去中心化、交互式的互联网世界(jie),打破已经见(jian)顶的互联网现有桎梏。
它的驱动力,就(jiu)是多模态大(da)模型、乃至以后真(zhen)正完(wan)善五感的更高(gao)级AI。
拥有五感的GPT,不仅仅是一种技术进(jin)步,更是现代商业社会的一次彻底的娱乐、消费、社交革命。
总而言之,让每个人都能免费使用顶级AI,就(jiu)相当于把生产(chan)力赋能给每个人,每个人的价值将进(jin)一步凸显,整个互联网世界(jie)也将创造出(chu)更大(da)的价值。
等到你发现其中的财富效应,乃至未来大(da)多数人或许都要在这样的大(da)环(huan)境(jing)中生活(huo)……
等到AI真(zhen)正成为每个人创造财富的重要工具,3小时使用10条GPT-4o,你还觉得够(gou)吗?
每个月(yue)20美刀的会员费,你还觉得贵(gui)吗?
就(jiu)算(suan)再贵(gui)十倍,你也心甘情愿抢着买!
我们真(zhen)正应该(gai)担心的,不应该(gai)是这点鸡毛蒜皮的事,而是:AI 科技的推进(jin)速度太快,你有没(mei)有意识到要去适(shi)应新时代。
千万不要做(zuo)落(luo)后的那一批人。