在幾天時間里，有關OpenAI和科技行業(yè)的消息不斷涌現(xiàn)，從GPT-4o的推出，到Leike從OpenAI離職……我們可以窺見什么呢？

要說全世界戲最多的AI，非OpenAI莫屬。

這家公司簡直就是熱搜制造機，剛推出新產(chǎn)品，就送走老領導，剛和蘋果結盟，就逼跌谷歌股價；連OpenAI高管的一個離職動態(tài)，都能引發(fā)網(wǎng)上的OpenAI離職潮。

短短幾天時間，以OpenAI為中心，接連引發(fā)地震級別的事件。不僅可能對OpenAI這家公司的未來產(chǎn)生重大影響，甚至有可能導致整個科技行業(yè)的重新洗牌。

一、僅憑語音對話就撐起無限可能的GPT-4o

美國時間5月13日，OpenAI推出了全新旗艦產(chǎn)品GPT-4o。在發(fā)布會上，OpenAI僅僅展示了GPT-4o的語音對話能力，沒有炫酷的視覺效果、沒有狂拽的新功能，但仍然再次引發(fā)了一波行業(yè)地震，因為GPT-4o向全世界展示了其它AI產(chǎn)品可能敢想，但沒敢干的事情。

用上GPT-4o后，用戶可以隨時打斷AI的施法，不要額外任何操作。而AI則能夠根據(jù)新的對話內(nèi)容，結合上下文繼續(xù)進行交流，甚至可以通過語氣腔調(diào)來識別用戶的情緒，并以此給出反饋。

用過AI對話產(chǎn)品的家人，應該對下面那個“終止”按鈕不陌生。

▲圖：ChatGPT iOS app

這個按鈕是用來讓AI閉嘴的。比如你讓AI講個故事，聽了個開頭想讓它換一個，就需要用到這個按鈕。如果是隔空喊話的AI，則需要喊出一個“安全詞”，比如“hey siri”“小度小度”等。

這種體驗對日常交互來說非常難受，但還有難受的。

用過AI產(chǎn)品的家人，應該對AI那種塵世閑游級別的響應速度不陌生。

舉個例子，GPT-3.5的延遲大概是2.8秒，GPT-4的延遲高達5.4秒。相比而言，特斯拉Model 3的百公里加速是2.1秒。

這是因為以前的工作流程是先由一個語音轉文字的模型，將輸入的語音轉成文字，再由負責生成答案的模型輸出文字內(nèi)容，最后由文字轉語音的模型把文字轉成語音。這三個模型互不干涉。這就導致在整個過程中，大量背景信息丟失了。

看過綜藝節(jié)目里的“傳聲筒”游戲吧？

AI比這個更搞笑。因為文字不能展示語音語調(diào)，所以當很多人一起說話的時候，GPT沒辦法判斷說“俺也一樣”的是關羽還是張飛，也不知道“我在5點20睡覺13點14準時醒”是生活習慣還是歌詞。

如果你想讓AI根據(jù)聲音給出反饋，比如讓GPT-4幫忙判斷一下深呼吸做的到不到位，它只會甩給你一篇教程，讓你自己對照體會。

這其實是目前是市面上AI的通病，但GPT-4o的出現(xiàn)，讓事情發(fā)生了巨大的轉變。

技術層面，GPT-4o把3個互不相關的模型整合成了一個Omni模型，文字、圖像、聲音的輸入和輸出均由這個模型進行處理。這樣就提高了GPT的響應速度，根據(jù)OpenAI官方介紹，GPT-4o對音頻輸入的平均響應時間只有0.3秒。實際體驗是，和GPT-4o對話的時候，基本感覺不到延遲。

不僅如此，因為GPT-4o掌握了所有背景信息，從而能夠識別說話主體，甚至還能識別情緒，并根據(jù)情感狀態(tài)給出反饋。

換句話說，AI從此具備了“察言觀色”的能力。想象一下，以后AI能根據(jù)你說話的語氣判斷你的情緒，聽到你聲音虛弱馬上幫你想好請假話術；男/女朋友在場的時候自動屏蔽前任信息提示；甚至在你翹班蹦迪的時候，模仿你的腔調(diào)去應付老板…

這么智能的AI目前OpenAI也不敢想。實際上，他們在官網(wǎng)上謙虛的表示，公司頭一次嘗試GPT-4o這種模式，自己也在摸索這個模型的能力和短板。

目前GPT-4o已經(jīng)可以被用戶使用了，不過免費用戶每天使用GPT-4o的次數(shù)是有限的，而GPT-3.5則是不限量供應。兩者的區(qū)別在于，可能不是那么容易感受出區(qū)別。另外ChatGPT也將迎來桌面端app，用戶在電腦上也可以和ChatGPT對話了。

▲圖：GPT-4o版本ChatGPT

二、一邊推出新產(chǎn)品，一邊送走老領導

就在OpenAI為新產(chǎn)品造勢的時候，團隊創(chuàng)始成員之一、奧特曼罷免風波關鍵人物、OpenAI超對齊項目創(chuàng)始人、首席科學家Ilya Sutskever宣布退出。幾個小時后，超對齊項目負責人Jan Leike宣布離職。

Leike的離職動態(tài)迅速引發(fā)了一股“I resigned from @OpenAI”的“離職潮”，更具體的內(nèi)容可以觀看我們的視頻。

而離開OpenAI后的第一天，也就是美國時間5月17日下午，Leike發(fā)了一連串動態(tài)，表示自己一直都非常熱愛自己的團隊和工作，此次無奈離職，是因為和現(xiàn)在核心管理層的理念分歧到達了無可調(diào)和的地步。

他說自己來OpenAI是沖著這里的學術氛圍和對AI安全的宏愿，然而現(xiàn)在的OpenAI高層只在乎出爆款。

他還表達了對OpenAI走向AGI的擔憂，強調(diào)OpenAI必須是一個安全先行的AGI公司，話里話外都透露出了絲絲苦澀。

▲圖：Jan Leike對OpenAI的最后寄托

安全，同樣也是Ilya的執(zhí)念。正是出于對AGI不可知的未來的擔憂，才有了OpenAI的超對齊項目。

如今，隨著兩位負責人的離開，超對齊項目組已經(jīng)徹底解散，項目組成員被拆散到不同研究領域。相當于是為現(xiàn)在每個研究領域，都配備了一個安保人員。

相比Leike，Ilya的理由平平無奇。他表示“將投身于某個對我個人來說，具有非凡意義的項目”，項目細節(jié)將會在未來公開。

在分手信中，Ilya不出意外的表揚了薩姆奧特曼、Greg Brockman、Mira Murita對OpenAI的貢獻，同時也“堅信在三位的領導下，OpenAI將會構建一個安全高效的AGI”。

這句話現(xiàn)在聽起來，既是客氣，也是懇求。

而奧特曼在夸獎了Ilya并表示遺憾后，宣布Ilya的位置將有上圖中左一Jakub Pachocki接手。

盡管分手雙方都表現(xiàn)出了應有的風度，不過經(jīng)歷了種種風波后，相信各位看官應該都心照不宣。

緊接著，Google AI老大Jeff Dean就在Ilya下面回復了一條非常曖昧的評論：我好喜歡和你相遇，即便只是一起喝杯咖啡。

看得出，Google這次是真的有點著急。

三、蘋果OpenAI結盟在即，谷歌孤立無援四面楚歌

曾經(jīng)一度是AI領頭羊的Google，如今卻被OpenAI吊打：只要OpenAI趕在Google后面推出新產(chǎn)品，Google必然被搶風頭；只要Google晚OpenAI一步推出新產(chǎn)品，必然淹沒在GPT的熱浪中。

就在OpenAI推出GPT-4o的第二天，谷歌在Google I/O上推出了Gemini 1.5 Pro。相比OpenAI的Spring Update，Google I/O要正式的多，推出了對標Sora的視頻生成工具Veo等，并展示了被Gemini 1.5 pro加強后的產(chǎn)品，包括Google助手、搜索、Photos等等。

首席執(zhí)行官Sundar Pichai表示，新產(chǎn)品“提供了迄今為止所有基礎模型中最長的上下文窗口”。

谷歌副總裁兼Gemini體驗總經(jīng)理Sissie Hsiao表示，Gemini 1.5 Pro很快將能夠處理一小時的視頻內(nèi)容或超過3萬行的代碼庫。

Google AI助手的新功能Project Astra讓人印象深刻。通過手機攝像頭，智能助手可以識別出鏡頭中的物體，無論桌面上的橘子、電腦屏幕里的代碼，還是手繪在白板上的圖案。

尤其是在問了一圈AI各種問題后，演示人員突然問AI“你看見我的眼鏡了嗎？”AI表示看見了，并且指出了位置，瞬間引爆全場。

更讓人激動的是，現(xiàn)在我們有機會在Google搜索體驗AI功能了，只不過可能需要一點小法術才能召喚出來。

▲圖：想用上Google的AI搜索需要一點小花招

然而，他們最有熱度的消息，是讓Gemini觀看GPT-4o的發(fā)布會。

或許Gemini最能證明自己、最能刷出存在感的途徑，就是整合到iPhone中。這樣一來，蘋果提升了產(chǎn)品的AI濃度，Gemini也實現(xiàn)了破圈。但跟蘋果的談判八字還沒一撇呢，又被OpenAI截胡了。

據(jù)彭博社報道，蘋果即將與OpenAI達成合作協(xié)議，蘋果用戶有望在iOS 18上用上被GPT加強過的Siri。消息一出，Google股價大跌。

可想而知，一旦OpenAI和蘋果建立合作關系，作為OpenAI背后的最大金主，微軟必將給Google的搜索業(yè)務帶來更大的長期風險。

不過，在OpenAI沒有完全搞明白GPT的思維邏輯之前，預言Google的敗局似乎還為時過早。

四、GPT仍然沒能解決幻覺和胡編的問題

GPT-4o中的o，是拉丁文Omni的首字母，意為“全部的”“每一個”或“全面的”，意味著該產(chǎn)品在處理多種語言和模態(tài)（如文本、音頻和視覺）方面，具有十分全面的能力。

盡管OpenAI表示，GPT-4o的出現(xiàn)，標志著我們向“更自然的人機交互”又近了一步。然而其背后的運行方式、思維邏輯仍然成謎，OpenAI自己對GPT突然獲得“指數(shù)級進化”的預測能力，毫無頭緒。

于是你就看到了這樣的搞笑一幕。

當你用英文詢問GPT“第一頭游過英吉利海峽的大象是誰”，GPT會煞有介事的告訴你，是一只叫做Jumbo的亞洲象。但同一個問題，換成中文就會得到一個十分合理的回答。

▲圖：GPT-4o亂回答

▲圖：GPT-4o合理的回答

也就是說，盡管GPT可以在不同語言之間自由切換，但它們理解一個問題的方式似乎存在著差異，不免讓人對Omni產(chǎn)生懷疑。

尤其是當你用同樣的問題問另外一個AI，它卻給出了完全合理的回答的時候。

▲圖：另一款AI的回答

類似的奇怪回答層出不窮，比如問它圓周率最后5位數(shù)字，是這么回答的。

▲圖：2串數(shù)字都是真實的，但不一定符合用戶的需求

盡管OpenaI很快修復了這些“熱門bug”，但也不免讓人產(chǎn)生一個疑問：GPT-4o背后，到底有多少只能多少人工？GPT-4o到底是離AGI更近了一步，還是圍著AGI又繞了一圈呢？