20240522-天风证券-AI行业动态更新_OpenAI推出GPT-4o_谷歌I_O开发者大会发布多款AI产品_10页_1mb

总结

1. 推动AI交互体验变革的GPT-4o发布

2024年5月14日，OpenAI推出新一代旗舰AI模型GPT-4o，具备多模态能力，能够在文本、音频和图像的输入与输出之间进行端到端处理。该模型支持以下关键特性：

1. 响应速度快：音频输入响应时间低至232毫秒，接近人类对话的实时性。
2. 多语言支持与非英文文本处理：在非英文文本理解上有显著提升，语言和代码能力与GPT-4Turbo持平或更优。
3. 视觉和情感识别：能够通过视频理解用户情绪，并进行情感回应，增强人机交互的真实感。
4. 成本显著降低：API使用价格减半，提升了其商业化应用潜力。

GPT-4o在多个标准测试中表现优于现有模型，如MMLU（语言理解）、MMMU（多模态基准测试）等，成为当前具备最强综合能力的大模型之一。

2. 谷歌在2024年I/O开发者大会的核心发布

谷歌在同年5月15日的开发者大会上也推出了一系列重磅AI产品，提升了自身AI生态的竞争力：

1. Gemini系列升级

• Gemini15Flash：轻量化模型，运行更快，体积更小，适合开发者部署，并支持多模态处理。
• Gemini15Pro：上下文窗口扩展至200万tokens，支持更丰富的数据处理（如两小时视频、20万行代码）。

2. 多模态AI搜索和ProjectAstra

• 谷歌将Gemini技术深度整合至搜索产品，推出多模态搜索功能，可以处理声音、视频、图片等多模态信息。
• ProjectAstra：基于AI的智能代理，能通过智能手机摄像头理解环境并与用户实时互动，具备快速响应和记忆功能。

3. 视频生成模型Veo与TPU-Trillium

• Veo：支持生成高质量视频，增强创意表达；TPU-Trillium是新一代AI处理器，提供更高算力、能效和带宽，用于训练和运行大型模型。

3. OpenAI与谷歌模型对比

• 模型性能：GPT-4o多模态处理能力更全面，语言与视觉表现更强；谷歌Gemini系列在推理和多模态理解上也有进步，但整体仍处于追赶阶段。
• 价格策略：Gemini15Flash具有明显价格优势，而GPT-4o仍保持统一标准，尽管有显著降价（输入0.05美元/百万tokens，输出0.15美元/百万tokens）。

4. 投资建议和行业应用场景

投资机构认为，OpenAI和谷歌新模型的迭代将推动AI在以下行业的应用落地：

1. 教育：GPT-4o提供个性化辅导和深入学习支持。
2. 智能助手：提升对话理解和执行复杂任务的能力，增强人机交互体验。
3. 数据分析与AR/VR：通过多模态理解与生成，加速大规模数据处理和虚拟现实内容生成。

风险提示：AI发展不及预期、商业模式落地慢于预期、竞争加剧。

5. 投资方向与市场前景

随着模型架构、算力和交互方式的革新，AI终端设备和应用将迈向更个性化的时代，企业需尽快适应多模态交互趋势，并将AI能力深度嵌入产品服务中。投资者可重点关注具备大模型底层技术、长上下文处理能力和实时响应能力的企业。

报告回顾了近期AI界巨头的产品发布，强调了多模态能力和算力结构优化的重要性，并预测其将在教育、数据处理、人机交互等方向催生新的技术应用与增长机会。