潮新闻 记者 杨一凡 金春华 谢丹颖

科幻电影《她》中，男主人公和一个人工智能女人“她”陷入爱河。除了处理日常的工作和需求，人工智能顺畅地跟男主角对话谈恋爱，满足人的情感需要。如今，“她”真的来了。

GPT-4o 发布

北京时间5月14日凌晨，OpenAI发布了最新的GPT-4o（o代表Omnimodel全能模型），可以处理文本、音频和图像任意组合作的输入，并生成对应的任意组合输出。特别是音频，它可以在短至232毫秒的时间内响应用户的语音输入，平均320毫秒的用时已经接近人类在日常对话中的反应时间。

从20多分钟的演示直播看，GPT-4o能看、能听、能说会唱，还能带着情绪和人聊天、随时引吭高歌，和人类的对话丝滑得像个真人，惊掉在场所有观众的下巴。让人惊呼：GPT-4o已经超越当下所有的语音助手，科幻电影中的“她”真的来了！OpenAI的CTO米拉·穆拉蒂现场宣布，GPT-4o免费向所有人开放，让其使用没有门槛。

GPT-4o为何能引起如此轰动？新成果为何免费使用？未来又能打开哪些新可能？　

“更像人”

尽管此次发布的不是搜索引擎，也不是GPT-4.5或GPT-5，但效果依旧“炸裂”。GPT-4o中的o代表Omnimodel（全能模型，可以处理文本、音频和图像任意组合作的输入，并生成对应的任意组合输出），足见其山登绝顶我为峰的“霸气”。

“这次发布的GPT-4o，并没有在模型能力上有巨大突破，但是其展现的融合连贯的交互方式，非常值得关注。”人工智能研究者、培训师王柳鸿表示，从交互效果来看，GPT-4o不再是僵硬的语音聊天工具，更像一个越来越接近人类的新“物种”。

发布会上展示GPT-4o能听懂人急促的呼吸声，并引导如何放松

OpenAI的CEO山姆·奥特曼将之称为“人类级别的响应”。更灵活的“嘴巴”：对话实时回复，人类可以随时打断。声音可以带着感情，还能唱歌；会观察的“眼睛”，通过摄像头看到人穿了什么，通过周围环境布置判断人正在做什么；更聪明的“大脑”，可以解不等式、做同声翻译；还有更灵敏的“耳朵”，能听懂过于急促的呼吸声，并引导如何放松。

相较于上一代GPT-Turbo的“冷冰冰”，GPT-4o如何打通任督二脉，把各项技能融会贯通，看起来更像人?

推理能力方面，GPT-4o超越多个前沿模型取得最高分。来源：OpenAI官网

在业内技术专家看来，这背后是另择新技术路径的结果。GPT-4o可以在232毫秒内对音频输入做出反应，之前大模型之所以会出现对话延迟，是要先将音频转为文本，接受后再输出文本，然后将文本转成音频。一轮程序走下来，不免有延迟，也很难附着人的情绪。而借助GPT-4o，OpenAI跨文本、视觉和音频，端到端地训练了一个新模型，所有输入和输出都在该模型中，交由同一神经网络进行处理。

定量免费

OpenAI不设使用门槛的做法，也引起了热议。

根据官网给出的资料，目前GPT-4o已经支持包括中文在内的20种语言,进行音频等多模态交互。OpenAI表示，这次更新“是朝着实用性的方向发展”，主要聚焦于免费用户，新功能将在未来几周内逐步推送给所有用户。不过，目前官方给出的免费限制在一定的消息数量，超过这个量后，免费用户的模型将被切换回ChatGPT，也就是GPT3.5，而付费用户则将拥有五倍的GPT-4o消息量上限。

图片来源：OpenAI官网

在多位业内人士看来，苦心研发的成果免费开放，看似不符合商业逻辑，但背后是OpenAI对C端用户的争取与重视，在与众多同业巨头的竞争中，加速用户群积累。

从这次发布会内容来看，和之前发布新模型,必强调训练数据量、各项测试成绩等不同，GPT-4o的重点放在使用体验上。发布会后，OpenAI官网还发布了GPT-4o的一系列应用案例探索。包括：照片转漫画风格；会议记录；图片合成；基于图片的3D内容生成；手写体、草稿生成；艺术字体生成等，为C端用户提供了满满当当的“个人助理工具箱”。

穆拉蒂表示，OpenAI使命的一个非常重要的部分，是让其高级人工智能工具能够向所有人免费提供，让人们对技术的能力有“直观的感受”。

结合近期媒体透露出的OpenAI与苹果合作的消息，将对苹果的个人语音助理 Siri 带来颠覆性影响。GPT-4o或要对AIPC、AI手机的厂商“抛橄榄枝”或是“掀桌子”，从终端设备方面进入更多普通人的工作生活。

“她”来了

自2022年11月推出后，ChatGPT成为历史上增长最快的消费类应用，已拥有约1亿周活跃用户。OpenAI表示，超过92%的财富500强公司正在使用该平台。电影中的《她》向着现实徐徐走来，甚至还有人将电影海报中的男主换成了奥特曼的形象。

GPT-4o可以根据文字生成图片并且将文字置于图片中,图片来源：OpenAI官网

GPT-4o的交互体验，触动了全球网友对应用场景的畅想。面向个体用户，可以提供的主情绪价值，充当AI面试官，助力盲人进行环境观察。依托多模态的交互，大模型或将进化为一个“超级语音助理”，成为又一个标志性时刻。市场应用的打开，也将对算力、算法、数据相关行业产生积极影响。也有业内人士表示，尽管目前国内模型能力上赶超OpenAI尚需时日，但其探索的技术方向和未来如何落地应用，也同样需要时间观察。

在乌镇数字文明研究院副院长司新颖认为，GPT4o的推出，令人欣喜地看到人工智能进入了转识成智的阶段。从去年开始，国内大模型集中发布，造就了当下百模千态，行业发展压力也变得越来越大。但同时，“产品迭代和变现途径越来越大，应用层会在2025年迎来更大爆发。”

于浙江而言，又能在哪些领域打开新可能？

在他看来，浙江的优势产业，应该重视GPT4o带来的可能变化。智能产业特别是先进制造，GPT-4o的赋能蕴藏着倍速增长的可能。因此，在新质生产力的构建体系中，应该尽快探索、尽早融入。但他也提醒：技术是一把双刃剑，风险防范意识同样不可或缺。对于大模型调用视听功能等情况，他认为，应该国内尽早出台相应的风险防范机制，避免未来出现信息安全等纰漏。