GPT-4震撼空降，谷歌“紧追”微软有点难

海内外互联网大厂与创业者，正陷入一场有关ChatGPT的竞赛中。

3月15日凌晨，OpenAI推出GPT-4多模态预训练大模型，除语言文本外，还支持图像识别输入，以文本形式输出。

在发布会上，官方人员演示GPT-4可以识别手绘网页草图，并仅用十秒钟左右，就根据草图写出网站代码。

在OpenAI发布会前几个小时，谷歌刚刚宣布推出一系列生成式AI功能，用于其各种办公软件中，包括谷歌Gmail、Docs（文档）、Sheets（表格）和 Slides（幻灯片）。

在外界看来，这是谷歌意图抢在微软3月16日预期官宣GPT接入Office之前，展现自己的成果。

作为直接竞争对手，谷歌已走在“对抗”微软与OpenAI的最前列。但随着OpenAI空降官宣GPT-4，谷歌又陷入下一场追逐战中。

ChatGPT是AIGC领域的颠覆性产品，在上线后吸引了全球关注。将ChatGPT嵌入微软Bing搜索引擎后，Bing日活首次突破1亿，直接影响到谷歌的用户基础。

面对微软的步步紧逼，苹果、Meta和亚马逊等公司也正计划重新评估其人工智能的开发策略。

3月16日，百度将率先发布“中国版ChatGPT”文心一言。国内创业公司和互联网大厂，都迅速跟进，不愿成为新技术掉队者。在王兴、王慧文再度携手、开启AI领域创业的同时，快手前AI核心人物李岩也投身“多模态大模型”创业。

随着OpenAI发布GPT-4，多模态大模型已成为最新的技术变革方向，人工智能正迈入“iPhone 时刻”。正如iPhone带来的智能手机变革，GPT模型的出现又将影响未来AI领域的发展方向。

如今，微软与谷歌竞争的不只是当前的市场，还有未来AI时代的定义标准与话语权。

GPT-4：多模态变革

面对ChatGPT的步步紧逼，海外大厂都在追赶和阻击微软，以动摇其目前在人工智能领域的领先地位。

在“对抗”微软与Open AI方面，谷歌已经走在前列。知情人士透露，谷歌高级管理层已经宣布“红色指令”，其中要求在几个月时间里将“生成式人工智能”技术集成到谷歌的所有重要产品中。

去年12月，谷歌母公司Alphabet就曾发布“红色警告”，已处于半退休状态的创始人拉里·佩奇和谢尔盖·布林重新回到公司，商讨制定了人工智能后续战略，并决定将聊天机器人纳入搜索引擎，以应对ChatGPT的威胁。

但从微软和OpenAI近期举动来看，单纯的文本交互已无法满足其在生成式AI方向的野望，包含文本、图像、视频处理等在内的多模态大模型已成为其最新的技术变革发力点。

在GPT4.0发布前，今年3月初，微软发布了多模态AI大模型Kosmos-1。微软AI技术专家Holger Kenn表示，多模态AI不仅能够将文本转变成图像，还可以转变成音乐和视频，尤其在编程领域，AI模型能够更轻松的生成样板代码。

在微软发布Kosmos-1后，3月7日，谷歌和柏林工业大学的团队推出了PaLM-E视觉语言模型，参数量高达5620亿，约为GPT-3参数量的三倍。

据悉，PaLM-E大模型是在语言类模型PaLM（5400亿参数）和视觉类模型ViT（220亿参数）的基础上开发的。其不仅可以理解图像，还能理解、生成语言，以及将两者结合，处理复杂的机器人指令。

谷歌与微软的较量不仅体现在生成式AI的场景应用层面，也聚焦于大模型底层实力。但随着GPT4.0的发布，多模态大模型的能力得到进一步展现，谷歌的声量又再度落于下风。

今天凌晨，OpenAI发布最新GPT4.0多模态大模型，引爆全网讨论。与前一代相比，最新的GPT4.0可以识别图片输入；文字输入上限提升至2.5万字；回答深度和专业性、推理和风格变化能力也显著提高。

OpenAI称，GPT-4在各种专业学术基准上有着人类水平表现。在最新测试中，GPT-4通过了模拟律师考试，融易新媒体，得分约为前10%，而GPT-3.5得分约为倒数10%。GRE、SAT数学考试成绩也有大幅提升，击败了80%以上的人类答题水平。

GPT-4也拥有更高级的推理能力。用户在GPT上传了一张梗图，问这张图为什么会引人发笑：

GPT4.0一一给出回答：

在官方的示例中，GPT-4.0可以10秒钟编写网站代码，可以编写剧本、计算物理题、速读专业论文、分析数据图表，甚至可以解读搞笑图片与漫画。

在业内人士看来，生成式AI的产生本质上是一种生产力革命，其不仅是工具，而是直接成为生产要素的重要部分。以文本、音频、图像和视频为处理对象的多模态大模型和生成式AI，势必会对未来的内容创作、数据处理等相关行业带来巨大冲击。

AI对传统工作方式的革命和颠覆或许即将到来，未来最核心的竞争力和技能可能不再是编程，计算，甚至分析能力，而是和大模型的对话能力。