计算机行业AI+专题系列（十八）：OpenAI发布GPT-4o：AI应用或加速落地

证 券 研 究 报告 证监会审核华创证券投资咨询业务资格批文号：证监许可（2009）1210号 未经许可，禁止转载 行业研究 计算机 2024年05月17日 AI+专题系列（十八） 推荐 （维持） OpenAI发布GPT-4o：AI应用或加速落地 事项：  2024年5月14日，OpenAI 发布了新一代生成模型 GPT-4o 及其桌面应用程序。GPT-4o（“o”代表“omni”）是 OpenAI 最新的旗舰型号，不仅具备与 GPT-4 同等的强大模型能力，还大幅提升了推理速度。GPT-4o 能够同时理解和处理文本、图像、音频等多种内容，展现了卓越的多模态能力。这一突破性进展将进一步推动自然语言处理和人工智能领域的发展，使人机交互更加高效和自然。OpenAI 的最新发布标志着人工智能技术的又一里程碑，有望在更多实际应用中展现其强大功能。 评论：  多模态模型显著降低延迟，实现即时语音对话：GPT-4o 多模态能力大幅提升，能够跨文本、音频和视频进行实时推理。使用语音模式与ChatGPT 对话当中，GPT-3.5 与 GPT-4 平均延迟分别为 2.8s、5.4s，而 GPT-4o 对音频输入的响应时间最短为 232 毫秒，平均为 320 毫秒，这与人类在对话中的响应时间相当。GPT-4o 运行速度大大提升，推动了更加自然的人机交互。  视觉与音频理解能力提升，交互能力更上一层楼：GPT-4o为用户提供更自然、准确的交互体验。模型具有情感感知能力，能够生成不同情绪风格的语言交互，包括声情并茂的讲情感故事、实时视频对话、实时音频翻译等。此外，用户可以随时打断模型，不需要等到其结束才能开始说话，更加符合人类交互逻辑。  API调用成本降低，凸显性价比优势：API的性价比显著提升。与 GPT-4 Turbo 相比，GPT-4o 的速度提升了两倍，成本则减少了 50%，并且速率限制提高了五倍。  GPT-4o刷新SOTA，性能表现卓越：在传统基准测试中，GPT-4o在文本、推理和编码智能方面，达到了GPT-4 Turbo级别的性能，同时在多语言、音频和视觉能力方面创下了新高。在文本评估中，GPT-4o几乎碾压一众模型，包括Claude 3 Opus，Gemini Pro 1.5，甚至是Llama 3 400B。GPT-4o在零样本的COT MMLU（常识问题）上创造了88.7%的新高分。与传统的5个样本，没有使用COT的MMLU评测中，GPT-4o更是创下了87.2%的新高分。  投资建议：AI大模型本质应落脚垂类应用，国内大模型正快速追赶美国先进水平，中文大模型的突破有望为下游AI应用注入新的活力，看好AI+应用产品力与商业化落地进程。建议关注以下标的：AI+应用侧：1）安全：永信至诚、深信服；2）办公：金山办公、福昕软件；3）法律：金桥信息、华宇软件、通达海；4）医疗：润达医疗；5）教育：佳发教育、欧玛软件、新开普；6）金融：同花顺、新致软件；7）邮箱：彩讯股份；8）传媒：掌阅科技、华策影视；9）数据：海天瑞声；10）电商：焦点科技；11）OA：致远互联、泛微网络；12）ERP：用友网络、金蝶国际。算力侧：1）算力基础：润泽科技、亚康股份、海光信息、寒武纪、龙芯中科；2）服务器：中科曙光、浪潮信息、紫光股份、神州数码、拓维信息。  风险提示：商业化后表现不及预期，用户付费意愿低，行业技术迭代速度较快。 证券分析师：吴鸣远 邮箱：wumingyuan@hcyjs.com 执业编号：S0360523040001 联系人：张宇凡 邮箱：zhangyufan1@hcyjs.com 行业基本数据 占比% 股票家数(只) 333 0.04 总市值(亿元) 33,727.32 3.78 流通市值(亿元) 29,254.33 4.17 相对指数表现 % 1M 6M 12M 绝对表现 6.1% -21.9% -24.4% 相对表现 2.4% -23.8% -15.9% 相关研究报告 《计算机行业2023年与2024Q1业绩综述：板块业绩走出低谷，To G端持续承压》 2024-05-16 《AI+专题系列点评（十七）：DeepSeek发布第二代MoE模型，降本增效有望加速AI应用普及》 2024-05-14 《计算机行业2024年Q1基金持仓分析：基金持仓处于相对低位，环比变动幅度较大》 2024-05-13 -40%-19%1%21%23/0523/0723/1023/1224/0324/052023-05-17~2024-05-16计算机沪深300华创证券研究所 AI+专题系列点评（十八） 证监会审核华创证券投资咨询业务资格批文号：证监许可（2009）1210号 2 目 录 一、 GPT-4o交互能力实现突破，API成本更低 ................................................................. 4 （一） 多模态模型显著降低延迟，实现即时语音对话 ............................................... 4 （二） 视觉与音频理解能力提升，交互能力更上一层楼 ........................................... 4 （三） API调用成本降低，凸显性价比优势 ................................................................ 5 二、 GPT-4o刷新SOTA，性能表现卓越 ............................................................................. 7 AI+专题系列点评（十八） 证监会审核华创证券投资咨询业务资格批文号：证监许可（2009）1210号 3 图表目录 图表 1 GPT-4o与技术人员实时对话 .................................................................................... 4 图表 2 GPT-4o感知技术人员的情绪 .................................................................................... 5 图表 3 GPT-4o理解代码并简短描述 .................................................................................... 5 图表 4 GPT-4o的API性价比提升 ....................................................................................... 6 图表 5 GPT-4o文本推理能力 ................................................................................................ 7 图表 6 GPT-4o多语言识别表现 ............................................................................................ 8 图表 7 GPT-4o音频翻译表现 ................................................................................................ 8 图表 8 GPT-4o M3Exam基准测试 ........................................................................................ 9 图表 9 GPT-4o视觉理解基准评估 ........................................................................................ 9 AI+专题系列点评（十八） 证监会审核华创证券投资咨询业务资格批文号：证监许可（2009）1210号 4 一、GPT-4o交互能力实现突破，API成本更低 （一）多模态模型显著降低延迟，实现即时语音对话 GPT-4o 多模态能力大幅提升，能够跨文本、音频和视频进行实时推理。使用语音模式与ChatGPT 对话当中，GPT-3.5 与 GPT-4 平均延迟分别为 2.8s、5.4s，而 GPT-4o 对音频输入的响应时间最短为 232 毫秒，平均为 320 毫秒，这与人类在对话中的响应时间相当。GPT-4o 运行速度大大提升，推动了更加自然的人机交互。 （二）视觉与音频理解能力提升，交互能力更上一层楼 GPT-4o为用户提供更自然、准确的交互体验。模型具有情感感知能力，能够生成不同情绪风格的语言交互，包括声情并茂的讲情感故事、实时视频对话、实时音频翻译等。此外，用户可以随时打断模型，不需要等到其结束才能开始说话，更加符合人类交互逻辑。 图表 1 GPT-4o与技术人员实时对话 资料来源：CG世界公众号 AI+专题系列点评（十八） 证监会审核华创证券投资咨询业务资格批文号：证监许可（2009）1210号 5 （三）API调用成本降低，凸显性价比优势 API 的性价比显著提升。与 GPT-4 Turbo 相比，GPT-4o 的速度提升了两倍，成本则减少了 50%，并且速率限制提高了五倍。 图表 2 GPT-4o感知技术人员的情绪 资料来源：CG世界公众号 图表 3 GPT-4o理解代码并简短描述 资料来源：CG世界公众号 AI+专题系列点评（十八） 证监会审核华创证券投资咨询业务资格批文号：证监许可（2009）1210号 6 图表 4 GPT-4o的API性价比提升 资料来源：CG世界公众号 AI+专题系列点评（十八） 证监会审核华创证券投资咨询业务资格批文号：证监许可（2009）1210号 7 二、GPT-4o刷新SOTA，性能表现卓越 在传统基准测试中，GPT-4o在文本、推理和编码智能方面，达到了GPT-4 Turbo级别的性能，同时在多语言、音频和视觉能力方面创下了新高。在文本评估中，GPT-4o几乎碾压一众模型，包括Claude 3 Opus，Gemini Pro 1.5，甚至是Llama 3 400B。GPT-4o在零样本的COT MMLU（常识问题）上创造了88.7%的新高分。与传统的5个样本，没有使用COT的MMLU评测中，GPT-4o更是创下了87.2%的新高分。 在音频ASR表现上，比起Whisper-v3 ，GPT-4o显著提高了所有语言的语音识别性能，尤其是对资源较少的语言。 图表 5 GPT-4o文本推理能力 资料来源：OpenAI官网 AI+专题系列点评（十八） 证监会审核华创证券投资咨询业务资格批文号：证监许可（2009）1210号 8 音频翻译能力，GPT-4o刷新SOTA，并在MLS基准上超过了Whisper-v3。 OpenAI团队还对最新模型GPT-4o在M3Exam基准上进行了测试。在所有语言的测试中，GPT-4o都比GPT-4强。 图表 6 GPT-4o多语言识别表现 资料来源：OpenAI官网 图表 7 GPT-4o音频翻