熬夜看完OpenAI發(fā)布會,，準(zhǔn)確地講這是一次偽裝成春季update的智能交互變革,，貌似一小步的一大步。OpenAI再次制造了一波焦慮——
1.從之前讀文看圖以及遲滯感明顯的語音交互,，到GPt-4o的實時多模態(tài)自然交互,，知道的人知道這意味著什么，大模型從此呆瓜變＂真人”,，能看能說能思考的自然交互,，讓智能瞬間變得人人隨時隨地唾手可得。不能低估交互,，能力,、場景,、用戶基數(shù)瞬間幾何級放大；

2.百分百可以肯定不只是GPT4的后端能力+前端Chatbot聊天機(jī)器人,，多模態(tài)自然交互這部分是GPT-5能力的選擇性釋放,，OpenAI在控制節(jié)奏，不會也不愿一次性把GPT全都放出來,，之前表達(dá)過這種觀點,；

3.沖擊就是：一批基于GPT做語音等多模態(tài)自然交互的，一批基于家庭做情感陪伴的,，包括一批基于機(jī)器人做具身智能交互界面的,，智能硬件底層邏輯需要進(jìn)一步重構(gòu)，手機(jī)廠商自研模型還需努力,，包括一批做情緒計算的,，助手、教育,、翻譯等更危了......想套殼GPT或OTT的,，基本都會被GPT反過來蓋帽。

4.Siri呆若木雞,，Claude相形失色,，Gemini反正不會......客觀而言，其它閉源開源還沒這么能打的,。不過就GPT4動不動卡殼掉鏈子的那副表現(xiàn),，GPT-4o的用戶體驗從流暢度來說好不到哪里去，能到發(fā)布會演示水平的一丟丟就不錯了,。

5.GPT-4o免費可限量用,，付費可多用，和GPT3.5以及最近部分免費一樣,，典型的敞口漏斗營銷策略,，不過還沒充分拉開梯度，導(dǎo)致需求量較大的非開發(fā)者非企業(yè)用戶經(jīng)常受限的情況在GPT-4o估計會更嚴(yán)重,。

6.重新理解攝像頭,，重新機(jī)器視覺、聽覺,。手機(jī)等移動終端和碎片場景下的應(yīng)用爆發(fā)力,，將不輸AI PC等生產(chǎn)力場景，甚至移動引爆會走在前面,。這就不是幾億而是幾十億用戶的問題了,。

如果預(yù)估OpenAI手里還沒打出來的幾張牌，直覺會認(rèn)為競爭對手一時不好追，競品在一些基準(zhǔn)測試成績接近GPT4是當(dāng)下的競爭尺度和維度之一,，但接下來維度實際有好幾個（轉(zhuǎn)自胡延平朋友圈）

幾點：
1、能解數(shù)學(xué)題,，這個沒有重點被展開,，但我一直覺得這是真正的底層邏輯能力，這涉及意義系統(tǒng)與形式系統(tǒng)的映射,，說白了就是有抽象能力了,，畢竟除了人之外的生命只有具象能力。
2,、情緒感知與共情,。人的情緒是內(nèi)在生化反應(yīng)與外界環(huán)境互動的結(jié)果，機(jī)器對情緒的處理應(yīng)該還是模擬,，算感知不算共情,，但做到這個程度可以以假亂真。
3,、隨時打斷,。算力支撐與算法優(yōu)化沒的說。
4,、4o,。這個o，代表omni,，本意可能是多模態(tài),，支持聲音文本視頻多語言等等所具有的通用性。但總給人感覺暗示Omniscient, omnipresent, omnipotent的祂,。

這次OpenAI發(fā)布會的重點應(yīng)該在多模態(tài)模型GPT-4o,，它有幾大特點：多模態(tài)、無延遲,、可在桌面運行,。最重要的是它能處理包括文字、音頻,、圖像在內(nèi)的信息流，而且能夠識別人類的情感,，作出情感上的回應(yīng),。作為一個多模態(tài)模型，OpenAI又開創(chuàng)了一個新紀(jì)元,，使人工智能從語言互動提升到了語音視頻互動,，相信國內(nèi)的大模型廠商也會跟上步伐。
另外，外界期待的OpenAI搜索引擎并未發(fā)布,，此前奧特曼已經(jīng)宣布過,，這對谷歌而言是個大利好。