科技巨头之间的竞争，越来越不讲武德了。
原本，OpenAI的“春季新品发布会”定于5月9号，结果硬生生拖到了现在。
为什么呢？因为谷歌明天开开发者大会……
就是要骑脸输出，不给友商任何活路！
于是今天凌晨1点，山姆·奥特曼口中“就像魔法一样的东西”，终于揭开了面纱。
不是大家想象中的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、上帝的味道。
GPT-4o，也就是全能大模型。
全能？这就很有意思了。
01
强在哪里？
所谓全能，当然不是真的指全知全能。
至少现在不可能。
如果人造“上帝”真的被造出来，我们所有人都可以立刻躺平、混吃等死了，统治世界or解放世界都在这家伙的一念之间。
目前的GPT-4o，能做到的是文字、图像、音频、视频任意组合的全模态。
OpenAI的原话是：GPT-4o是*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，但也极其强大了。
先看横向测评。
简单总结就是：更快、更强、更便宜。
首先是效率。GPT-4o 的处理速度是 GPT-4 Turbo 的两倍，速率限制提高了五倍，最高达到1000万token/分钟，价格还降低了一半。
其次是性能。在所有语言基准测试中，GPT-4o都比GPT-4更强大，还能在50多种语言之间无缝翻译。
然后是最重要的一点：多模态输入输出。
GPT-4o 能够处理文本、音频和图像的任意组合输入，并实时生成相应的输出与用户互动。
注意，是实时！实时！
下面再看看其具体表现。
发布会上，测试者对着手机说：我*次来直播，有点紧张。
ChatGPT立刻回答：你可以深呼吸。
男子照办。
ChatGPT立刻又开玩笑道：你不是吸尘器吧，不要喘。
当听到对方终于平稳呼吸时，它居然还会开口鼓励。
看到这，苹果手机用户很快就能察觉出有啥不同了。
我们此前用的Siri之类的语音助手，反馈慢倒还罢了，你还必须要等它说完，才能进行下一轮对话。
非常呆板，且浪费时间。
其实这也正常，它毕竟只是个很原始的程序。
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输出。
这就相当于一来一回的回合制，不论怎么样都会有延迟，现在业界最快的反应速度是2秒。
别的先不说，至少用户很难有真实交流的沉浸感。
但用GPT-4o，平均反应时间只有0.32秒，基本就是你刚问完、它立刻就能回答你，和真人聊天没啥区别。
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，比如嗯嗯啊啊各种预期助词，以及手势、停顿、咽口水等等。
但你过去与AI 聊天，却根本不会存在这些因素，即便AI回答得再*，你依然无法拥有沉浸感。
而现在，你不仅能随时打断GPT-4o，它甚至能根据你的语速、语调、呼吸乃至面部表情来判断你的情绪，并依次表达出对应的情绪。
这就很Nice了。
不仅仅只是语音对答，GPT-4o的文本、音频、视频所有输入和输出，都由同一个神经网络处理。
也就是说，它在各种维度上，都能有同样强大的表现。
简单来说，就是GPT在能看、能听、能说话方面，更加“通人性”了。
它不一定真的懂情感这回事，但能够模仿。
现阶段而言，只要能模仿就够了，完全够投入商用了。
以上种种，你觉得意味着什么？
意味着ChatGPT在交互性上，又做出了巨大突破。
比如，你可以在睡前，要求GPT用女神的声音、舔狗的语气，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，让它根据每天的天气、突发事件等等状况，生成工作、生活计划。
乃至辅导小孩写作业等等等等……
千万不要小看交互性，它的价值远超想象。
02
为什么免费?
除了功能强大，GPT-4o更让人关注的是什么？
免费！
不仅仅是 GPT-4o 免费，更刺激的是 GPT Store、Vision （包含代码解释器、联网功能等），都会陆续开放出来。
为了让用户们用得方便，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，就是免费为人类提供*的AI工具，为世界创造各种利益，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，甚至都不用注册，还有话说吗？
按照我们的商业逻辑来看，这不是纯纯的做慈善？
当然不是，至少不完全是。
首先，新模型变小了，运行成本大幅降低。
前文提到过：GPT 4o处理速度翻倍，价格只有GPT 4 Turbo的一半。
原先输入、输出一百万token的价格是10、30美元，现在则只要5、15美元。
其次，是先舍后得的商业逻辑。
免费是有限制的。
官方文档里都说了，免费用户目前每3个小时只能使用10条GPT-4o，用完了就回落到GPT-3.5版本。
10条，够什么用的？
想继续玩？想玩得爽？给我充钱！
只要20美刀/月，你就能成为尊贵的plus会员，每小时能享用80条GPT-4o！
这简直！太不划算了！
就目前的情况而言、对绝大部分人而言，你只要不是无聊到什么都去试着玩，每3小时10条内容完全是足够了。
照OpenAI这么搞，如今ChatGPT的忠实付费用户（原来免费的只能使用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，去给全民提供免费服务？
其实，我们的目光可以放长远一点。
想想看，人人都能免费用上高质量的AI，这意味着什么？
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冲击，造成广泛的失业潮。
看到这里，别的不敢说，我们至少能确定一件事：除非自己感兴趣，以后的小孩都不用再学英语了。
GPT-4o完全可以做到各种口译、同声传译，甚至还带感情、带理解。
除此之外，大量的普通家庭教师、程序员、设计师等等，基本都会被取代。
这是不可避免的事。
但就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出现，整个社会的财富总量必然是增加的。
乐观点看，就是另一回事。
03
财富大爆炸
《易经》“乾”卦“用九”：见群龙无首，吉。
王阳明也曾说：人人心中有仲尼。心之良知之谓圣。
真正伟大的时代，应该是人人平等、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界。
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。
随着多模态越来越完善，现有的部分行业将会被怎样改变？
我们的主要关注点应该在娱乐方面。
因为物质世界的体力劳动必然与人类越来越远，人类创造财富的方向肯定将加速集中在精神方面。
从之前投资Descript的举动可以看出，OpenAI早就有意把AI技术引入到影视创作领域。
即便他们不这么干，其他的影视公司也一定会干。
因为未来的趋势就是——“交互式传媒”。
你可以把这种模式，理解为短视频，每个人都是创作者，没有谁更专业一说。
各种短视频平台上，如今已经充斥着大量AI制造的内容。以前我们还能看得出来，现在越来越逼真。
而以后，只要你善用能模仿人情感的多模态大模型，创造出的内容也将彻底脱离“机械感”。
每个人都是*导演，一天拍十几部大片都没问题。
想要出圈，就看谁的点子更有新意，更迎合受众口味。
与之相对的，各种影视公司，包括现在的一大堆流量明星，都将没有任何发展空间。
未来，能存活下来的，只有平台，和无数个个人。
除了影视之外，包括音乐、动漫、游戏等任何具备消费价值的娱乐领域，都将变得一样：
去中心化。
每个人都是*的音乐家、漫画家、游戏设计师，只要你有足够的耐心。
你能想象，这些将催化多大的市场吗？
以游戏为例，到2025年，全球将有35.3亿游戏玩家。数十亿人，有多少千奇百怪的点子？
以前，99%人限于技术，只是单纯的玩家，属于被收割者，只有游戏公司赚钱。
从市场的角度考虑，这个发展效率是非常低下的。
以后，就相当于是这35亿人相互买单，金钱流通速度何止提升10倍！？
再比如社交媒体。
从前是没有技术，当网友分享他的游戏、电影、音乐交互体验后，其他用户除了评论就没啥后续了。
但以后，我们都能在此基础上，让AI定制自己的二次体验，不论是语音、视频还是漫画形式，与其他人分享。
然后其他人看到了，再定制，再分享……
就这样病毒式传播。
这些描述，很像去年底炒作的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，打破已经见顶的互联网现有桎梏。
它的驱动力，就是多模态大模型、乃至以后真正完善五感的更高级AI。
拥有五感的GPT，不仅仅是一种技术进步，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*AI，就相当于把生产力赋能给每个人，每个人的价值将进一步凸显，整个互联网世界也将创造出更大的价值。
等到你发现其中的财富效应，乃至未来大多数人或许都要在这样的大环境中生活……
等到AI真正成为每个人创造财富的重要工具，3小时使用10条GPT-4o，你还觉得够吗？
每个月20美刀的会员费，你还觉得贵吗？
就算再贵十倍，你也心甘情愿抢着买！
我们真正应该担心的，不应该是这点鸡毛蒜皮的事，而是：AI 科技的推进速度太快，你有没有意识到要去适应新时代。
千万不要做落后的那一批人。
