传媒行业点评报告：GPT-4o多模态能力再跃升，AI应用或加速落地

OpenAI发布GPT-4o，多模态能力大幅提升且免费对用户开放 5月14日，OpenAI发布了新一代旗舰生成模型GPT-4o。GPT-4o是面向未来人机交互范式的全新大模型，具有文本、语音、图像三种模态的理解力，反应极快还带有感情，也很通人性。GPT-4o主要有几大特点：（1）多模态能力大幅提升，可以跨文本、音频和视频进行实时推理：GPT-4o在英语文本和代码上的性能与GPT-4 Turbo的性能相匹配，但在非英语文本上的性能显著提高，与现有模型相比，GPT-4o在视觉和音频理解方面尤其出色，GPT-4o还可以跨文本、音频和视频进行实时推理，用户可以上传各种图片、视频，以及包含图片和文字的文档，讨论其中的内容，使得人机交互更加自然。（2）更加“像人”：GPT-4o能够以自然的、听起来想人类的声音说话，也能够通过音频和图像感知，做出情绪分析。（3）毫秒级响应，API成本更低：在GPT-4o发布之前，通过语音模式与ChatGPT对话，平均延迟为2.8秒（GPT-3.5）和5.4秒（GPT-4），而GPT-4o的平均响应时间为320毫秒。同时API的速度也更快，成本降低了50%；（4）拥有3D视觉内容生产能力：能够从6个生成的图像进行3D重建。此外，GPT-4o将免费提供给所有用户，OpenAI还将推出桌面版ChatGPT，轻量化的使用体验可以融入到任何工作流程中。 海内外大模型竞争加剧，不断提性能、降使用成本，继续布局AI应用 谷歌的I/O开发者大会将于北京时间5月15日凌晨1点举行，届时或发布Gemini大模型的重要更新。国内方面，5月7日，幻方量化旗下的AI公司深度求索（DeepSeek）发布全新第二代MoE大模型DeepSeek-V2。DeepSeek-V2拥有2360亿参数，中文综合能力（AlignBench）超过GPT-4，与GPT-4-Turbo、文心4.0等处于同一梯队，其英文综合能力（MT-Bench）与最强的开源模型LLaMA3-70B处于同一梯队，超过最强MoE开源模型Mixtral8x22B，而DeepSeek-V2训练所需的运算量或为GPT-4的1/20，性能却相差不大，目前API定价仅为“每百万token输入1元、输出2元（32K上下文）”。我们认为，OpenAI推出GPT-4o及近期海内外厂商频频发布大模型迭代升级成果，竞争焦点或集中在多模态能力、Agent能力和API调用成本优化等，均为大模型应用落地并商业化的关键因素，或助力影视、音乐、教育、营销、搜索、办公等各个领域的AI应用“更加好用、性价比更高”，从而推动AI应用商业化空间打开，建议继续布局AI应用：（1）AI影视：重点推荐上海电影、阅文集团，受益标的包括光线传媒、华策影视、捷成股份、中广天择等。（2）AI音乐：重点推荐盛天网络、云音乐，受益标的包括昆仑万维、腾讯音乐等。（3）AI教育：受益标的包括世纪天鸿、南方传媒、盛通股份等。（4）AI营销：受益标的包括引力传媒、因赛集团、蓝色光标等。（5）AI Agent：重点推荐奥飞娱乐，受益标的包括汤姆猫等。（6）AI+3D：受益标的包括锋尚文化、风语筑、凡拓数创、丝路视觉、恒信东方等。 风险提示：多模态大模型进展不及预期；AIGC商业化落地进展不及预期。