大模型进程焦点：OpenAI春季发布会及谷歌开发者大会要点归纳

大模型进程焦点：OpenAI春季发布会及谷歌开发者大会要点归纳

OpenAI GPT-4o发布及应用

• GPT-4o发布：北京时间5月14日凌晨，OpenAI发布GPT-4o，该模型能接受文本、音频和图像任意组合输入，并生成相应的文本、音频和图像输出，响应速度接近人类水平。
• 功能升级：GPT-4o的文本和图像功能已应用于ChatGPT，免费用户享受额外调用额度，GPT-4o的API现已支持文本和视觉模型访问。
• 多模态交互：展示了一系列实时多模态交互能力，包括语音交流、情绪感知、多语言交互、视频实时交互以及代码协助等。

Google I/O大会亮点

• Gemini系列更新：Google I/O大会上，Gemini系列模型得到升级，包括引入Gemini 1.5 Pro、新增Gemma模型，以及更新Gemini版本以适应更复杂任务。
• AI代理项目：Google展示了AI代理项目Google Astra，旨在实现多模态交互，虽在实时性、情绪感知等方面与GPT-4o相比仍有提升空间。
• 视频生成模型Veo：推出高质量视频生成模型Veo，能生成电影级别的1080p视频，时间超过一分钟。
• Imagen3升级：升级文生图模型Imagen3，增强图像细节把控能力，减少视觉伪影，更好地融合提示信息，保持图像一致性。
• Lyria音乐生成模型：发布AI音乐生成模型Lyria，与音乐家合作开发音乐AI工具，为音乐创作提供新平台。
• 搜索与问照片功能：对谷歌搜索、问照片功能进行升级，提供AI概览搜索体验，满足复杂查询和照片搜索需求。

行业投资建议

• 关注AI陪伴+IP：汤姆猫、上海电影、奥飞娱乐、华策影视、中文在线等。
• AI+搜索：昆仑万维、三六零等。
• AI+影视：华策影视、慈文传媒、上海电影等。
• AI+IP与版权：芒果超媒、中广天择、华数传媒、中文在线等。
• AI+出版/教育：南方传媒、皖新传媒等。
• AI+游戏：巨人网络、恺英网络、神州泰岳、三七互娱、姚记科技、盛天网络等。
• 特别提示：微软系/语音助手类标的，如紫天科技、易点云、万兴科技、视觉中国、科大讯飞、商汤（港股）等。

风险提示

生成式人工智能模型的迭代速度、AI应用的实际效果均存在不确定性，投资者需谨慎评估风险。

总结

此报告概述了OpenAI春季发布会和谷歌开发者大会的关键信息，重点关注了大模型技术的最新进展及其应用。OpenAI推出了GPT-4o，提升了多模态交互能力，增强了文本、音频和图像处理的实时性和拟人化情感互动。Google则通过Gemini系列模型的升级、AI代理项目的展示、视频生成模型Veo的推出、Imagen3的改进以及Lyria音乐生成模型的发布，展现了其在生成式AI领域的持续进步。报告还提供了对相关行业和公司的投资建议，强调了AI技术在各个领域的潜在影响，并提醒了投资者面临的风险。