"OpenAI GPT-4o重磅升级！聚焦算力投资新风口，计算机行业大事件解读"

事件：

北京时间5月14日凌晨，OpenAI举办春季发布会，推出最新多模态大模型GPT-4o，实现文本、音频和图像任意组合的输入输出，展现强大的多模态交互能力。

点评：

OpenAI发布全能模型GPT-4o，互动丝滑如真人对话。OpenAI春季发布会上推出了全新多模态大模型GPT-4o，其中，“o”为“omni”缩写，代表全能的意思。根据官方表示，GPT-4o免费用户可以发送的消息数量有限制，达到限制后将自动切换到GPT-3.5，Plus用户可使用的消息限额比免费用户高出五倍。在交互能力方面，GPT-4o可以接收文本、音频和图像任意组合作为输入，并实时生成文本、音频和图像的任意组合输出，展现了模型强大的多模态交互能力。在交互速度方面，用户使用语音模式与ChatGPT进行对话时，GPT-3.5的平均延迟时间为2.8秒，GPT-4为5.4秒，而GPT-4o可以在232毫秒内对音频输入作出反应，与人类在对话中的反应速度非常相近，大幅提升了模型的响应速度。在交互体验方面，GPT-4o可以感知说话者的语音情绪，自身也可以表现出各种情感风格，变换语音语调、输出笑声等，达到与真人聊天的效果，显著改善了交流的体验感。例如，在现场演示视频中，当工程师表示自己在直播发布会现场有点紧张时，GPT-4o让其尝试深呼吸，工程师故意大口喘气时，GPT-4o会用幽默的语气指导其进行呼吸调整。此外，当工程师演示要求GPT-4o讲睡前故事时，可以像在现实交流中随时打断GPT-4o说话，并要求其讲故事时增加更多情感等。

模型性能显著提升，API成本降低50%。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。在推理能力方面，GPT-4o在0-shotCOTMMLU（常识题）创下88.7%的新高分；在音频ASR性能方面，GPT-4o相比Whisper-v3显著提高了所有语言的语音识别能力，特别是对于资源匮乏的语言；在用于多语言和视觉能力评估的M3Exam测试方面，GPT-4o在所有语言基础测试的分数均比GPT-4更高。在API定价方面，GPT-4o仅为GPT-4Turbo的一半，速度则是GPT-4Turbo的两倍。

投资策略：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。

风险提示：AI技术发展不及预期；政策监管风险；行业竞争加剧风险等。

　　【点击查看研报：PDF原文】