本周，人工智能領(lǐng)域的頭條新聞無(wú)疑就是OpenAI和谷歌的產(chǎn)品大對(duì)決。

OpenAI公司一貫“喜愛(ài)”在競(jìng)爭(zhēng)對(duì)手的重大產(chǎn)品發(fā)布會(huì)之前搶先發(fā)布自己的產(chǎn)品，從而搶占新聞焦點(diǎn)，本周也不例外。

OpenAI在此前就給予了公眾很高的期望值，周一（5月13日），該公司如期宣布了GPT-4的升級(jí)版，名為GPT-4o（“o”代表omni全方位）。

GPT-4o旨在充當(dāng)手機(jī)或平板電腦上的個(gè)人助理，具有改進(jìn)的語(yǔ)音交互功能，能夠解釋和推理設(shè)備相機(jī)拍攝的照片，擁有更強(qiáng)大的語(yǔ)言翻譯能力，以及更快的響應(yīng)時(shí)間。

GPT-4o背后的技術(shù)創(chuàng)新令人印象深刻，該模型是多模態(tài)的，它可以實(shí)時(shí)對(duì)音頻、視覺(jué)和文本進(jìn)行接收、推理，并生成文本、音頻和圖像的任意組合輸出。

該模型與過(guò)往版本比較，省去了將用戶(hù)的聲音轉(zhuǎn)化為文本并處理的步驟，意味著整個(gè)流程更加快速。

GPT-4o還縮短了模型處理特定數(shù)量token所需的時(shí)間（在英語(yǔ)文本的情況下，一個(gè)token通常等于一個(gè)半單詞），這也使得該模型比OpenAI此前最佳型號(hào)GPT-4 Turbo運(yùn)行得更快、更便宜。

周二（5月14日），谷歌也連放大招，正面硬剛OpenAI。

在谷歌的I/O開(kāi)發(fā)者大會(huì)上，谷歌宣布了一系列新的人工智能功能和即將發(fā)布的產(chǎn)品，包括Gemini模型的廣泛升級(jí)、未來(lái)的人工智能助手“Astra”、生成式人工智能賦能谷歌搜索、以及一系列與圖像、音樂(lè)、視頻有關(guān)的生成式AI工具。

谷歌在會(huì)上公布了Gemini 1.5 Pro模型的改進(jìn)，將100萬(wàn)tokens的上下文窗口進(jìn)一步擴(kuò)大至200萬(wàn)，并且使其能夠擁有更自然的聲音，更好地理解音頻和圖像，更強(qiáng)的邏輯推理和規(guī)劃能力，以及更好的計(jì)算機(jī)代碼生成能力。

并且，谷歌還發(fā)布了一款高級(jí)視覺(jué)和對(duì)話(huà)響應(yīng)智能體項(xiàng)目Astra，用于處理音頻、視頻等多模態(tài)的輸入內(nèi)容。相較于OpenAI的GPT-4o只能處理靜態(tài)圖像，Astra還可以處理視頻。在一段演示視頻中，它能夠通過(guò)攝像頭視頻，識(shí)別“什么東西能發(fā)出聲音”、“現(xiàn)在身處何地”等指令。不過(guò)它的回應(yīng)存在滯后或延遲，據(jù)悉，谷歌未來(lái)版本的人工智能個(gè)人助理正在通過(guò)“Astra”進(jìn)行開(kāi)發(fā)。

人工智能助手的“高光時(shí)刻”

從OpenAI和谷歌的產(chǎn)品發(fā)布可以看出，科技公司都非常重視人工智能助手的研發(fā)，并且，“首個(gè)人工智能殺手級(jí)應(yīng)用”的位置已成為硅谷各家的“必爭(zhēng)之地”。

從本周的產(chǎn)品發(fā)布情況來(lái)看，OpenAI和谷歌的人工智能助手各有優(yōu)勢(shì)。

GPT-4o可以直接接收并生成語(yǔ)音，省去了將語(yǔ)音轉(zhuǎn)化為文本的過(guò)程；而Astra則可以處理視頻此類(lèi)的動(dòng)態(tài)圖像，這是一個(gè)顯著的優(yōu)勢(shì)。

這兩個(gè)產(chǎn)品的發(fā)布顯然讓硅谷另兩家巨頭蘋(píng)果和亞馬遜處于不利地位。他們需要升級(jí)語(yǔ)音助手Siri和Alexa，以跟上這些新的競(jìng)爭(zhēng)對(duì)手的能力，否則這些產(chǎn)品將陷入困境。

就目前已知信息，亞馬遜投資的Anthropic擁有強(qiáng)大的Claude AI模型可供使用；此前也有報(bào)道傳出，蘋(píng)果正在與OpenAI談判，以在短期內(nèi)獲得其技術(shù)許可。

不過(guò)，這些新的人工智能助手就會(huì)是未來(lái)的“人工智能殺手級(jí)應(yīng)用”嗎？這個(gè)結(jié)論目前還沒(méi)有定論，完全取決于接下來(lái)會(huì)發(fā)生什么。

就從目前的人工智能助手的用例來(lái)看，它們還稱(chēng)不上是人類(lèi)日常生活中無(wú)處不在的必備產(chǎn)品，除了翻譯功能以外，幾乎沒(méi)有一個(gè)是能夠關(guān)于幫助人們完成工作的。

有分析指出，當(dāng)這些助手擁有更多的“代理”屬性時(shí)，這種情況可能會(huì)改變。若有朝一日，它們能夠真正了解人類(lèi)的個(gè)人偏好，按照人們的喜好完成任務(wù)，并且可以在日常生活中幫忙處理一些事情（例如在線(xiàn)購(gòu)物、填寫(xiě)保險(xiǎn)表格、預(yù)訂假期等）時(shí)，這時(shí)的人工智能助手就很有可能成為一款“殺手級(jí)應(yīng)用”。

谷歌目前表示正在開(kāi)發(fā)此類(lèi)產(chǎn)品，但沒(méi)有給出產(chǎn)品發(fā)布的時(shí)間表；OpenAI也繼續(xù)透露“即將”發(fā)布激動(dòng)人心的未來(lái)公告；下周，微軟將召開(kāi)Build開(kāi)發(fā)者大會(huì)。