事件:ChatGPT推出语音和图像功能 9月25日,OpenAI在官网发文表示在ChatGPT推出语音和图像功能,未来两周将向Plus和Enterprise用户推出,语音功能支持iOS和Android平台,图像功能支持全平台。 (1)语音功能:用户可以与ChatGPT进行语音对话,让ChatGPT讲故事、读诗等。语音输入端,由开源语音识别系统Whisper将口语转录为文本;语音输出端,由新的文本转语音模型支持,可以从文本和几秒的语音样本中生成类似人类的音频。 (2)图像功能:用户可以用图片向ChatGPT提问,支持多轮对话和多图识别,比如拍下冰箱照片询问ChatGPT晚餐吃什么。从OpenAI官网展示的应用案例来看,ChatGPT可以根据用户上传的自行车、说明书、工具箱照片,指引用户完成自行车座椅的调节。 谷歌和OpenAI持续加码,多模态AI加速突破 在5月的I/O大会上,谷歌推出对标GPT-4的大模型PaLM2,同时表示未来研究重心正转向多模态的Gemini。9月20日,OpenAI宣布推出新版文生图AI工具DALL-E3,DALL-E3通过集成ChatGPT能力实现多项升级。此前,根据The Information报告,OpenAI即将推出多模态大模型GPT-vision。谷歌、OpenAI等科技巨头纷纷加码,多模态AI加速突破。 多模态大模型推动AI迈向“通感”时代,算力需求将大幅提升 随着人工智能感知、交互和生成能力的快速发展,多模态大模型正推动人工智能迈进“通感”时代,应用场景和生态也将进一步丰富。语音和图像数据大小显著高于文本,多模态大模型训练和推理的算力需求将大幅提升。根据SemiAnalysis表示,谷歌下一代多模态大模型Gemini已开启训练,算力达到1e26 FLOPS,是训练GPT-4算力的5倍。孟晚舟在2023华为全球分析师大会上表示,预计到2030年通用计算能力将增长10倍,AI计算能力将增长500倍,AI算力有望持续高景气。 投资建议 龙头推荐金山办公、科大讯飞、同花顺、三六零等。应用领域,推荐鼎捷软件、彩讯股份、焦点科技、拓尔思、致远互联等,受益标的包括泛微网络、普元信息、汉仪股份、新致软件、福昕软件、万兴科技、汉得信息等。底层算力领域,服务器端推荐中科曙光、浪潮信息,受益标的包括紫光股份等;GPU端,推荐海光信息,受益标的包括寒武纪、景嘉微等;华为昇腾生态,推荐卓易信息、神州数码等,受益标的包括四川长虹、烽火通信、拓维信息、同方股份等。AI监管领域,受益标的包括美亚柏科、永信至诚、人民网等。 风险提示:AI落地不及预期;市场竞争加剧风险;公司研发不及预期风险。