財聯社5月15日訊（編輯 周子意）本週，人工智能領域的頭條新聞無疑就是OpenAI和谷歌的產品大對決。

OpenAI公司一貫“喜愛”在競爭對手的重大產品發佈會之前搶先發布自己的產品，從而搶佔新聞焦點，本週也不例外。

OpenAI在此前就給予了公衆很高的期望值，週一（5月13日），該公司如期宣佈了GPT-4的升級版，名爲GPT-4o（“o”代表omni全方位）。GPT-4o旨在充當手機或平板電腦上的個人助理，具有改進的語音交互功能，能夠解釋和推理設備相機拍攝的照片，擁有更強大的語言翻譯能力，以及更快的響應時間。

GPT-4o背後的技術創新令人印象深刻，該模型是多模態的，它可以實時對音頻、視覺和文本進行接收、推理，並生成文本、音頻和圖像的任意組合輸出。該模型與過往版本比較，省去了將用戶的聲音轉化爲文本並處理的步驟，意味着整個流程更加快速。

GPT-4o還縮短了模型處理特定數量token所需的時間（在英語文本的情況下，一個token通常等於一個半單詞），這也使得該模型比OpenAI此前最佳型號GPT-4 Turbo運行得更快、更便宜。

週二（5月14日），谷歌也連放大招，正面硬剛OpenAI。

在谷歌的I/O開發者大會上，谷歌宣佈了一系列新的人工智能功能和即將發佈的產品，包括Gemini模型的廣泛升級、未來的人工智能助手“Astra”、生成式人工智能賦能谷歌搜索、以及一系列與圖像、音樂、視頻有關的生成式AI工具。

谷歌在會上公佈了Gemini 1.5 Pro模型的改進，將100萬tokens的上下文窗口進一步擴大至200萬，並且使其能夠擁有更自然的聲音，更好地理解音頻和圖像，更強的邏輯推理和規劃能力，以及更好的計算機代碼生成能力。

並且，谷歌還發布了一款高級視覺和對話響應智能體項目Astra，用於處理音頻、視頻等多模態的輸入內容。相較於OpenAI的GPT-4o只能處理靜態圖像，Astra還可以處理視頻。在一段演示視頻中，它能夠通過攝像頭視頻，識別“什麼東西能發出聲音”、“現在身處何地”等指令。不過它的回應存在滯後或延遲，據悉，谷歌未來版本的人工智能個人助理正在通過“Astra”進行開發。

人工智能助手的“高光時刻”

從OpenAI和谷歌的產品發佈可以看出，科技公司都非常重視人工智能助手的研發，並且，“首個人工智能殺手級應用”的位置已成爲硅谷各家的“必爭之地”。

從本週的產品發佈情況來看，OpenAI和谷歌的人工智能助手各有優勢。GPT-4o可以直接接收並生成語音，省去了將語音轉化爲文本的過程；而Astra則可以處理視頻此類的動態圖像，這是一個顯著的優勢。

這兩個產品的發佈顯然讓硅谷另兩家巨頭蘋果和亞馬遜處於不利地位。他們需要升級語音助手Siri和Alexa，以跟上這些新的競爭對手的能力，否則這些產品將陷入困境。就目前已知信息，亞馬遜投資的Anthropic擁有強大的Claude AI模型可供使用；此前也有報道傳出，蘋果正在與OpenAI談判，以在短期內獲得其技術許可。

不過，這些新的人工智能助手就會是未來的“人工智能殺手級應用”嗎？這個結論目前還沒有定論，完全取決於接下來會發生什麼。

就從目前的人工智能助手的用例來看，它們還稱不上是人類日常生活中無處不在的必備產品，除了翻譯功能以外，幾乎沒有一個是能夠關於幫助人們完成工作的。

有分析指出，當這些助手擁有更多的“代理”屬性時，這種情況可能會改變。若有朝一日，它們能夠真正瞭解人類的個人偏好，按照人們的喜好完成任務，並且可以在日常生活中幫忙處理一些事情（例如在線購物、填寫保險表格、預訂假期等）時，這時的人工智能助手就很有可能成爲一款“殺手級應用”。

谷歌目前表示正在開發此類產品，但沒有給出產品發佈的時間表；OpenAI也繼續透露“即將”發佈激動人心的未來公告；下週，微軟將召開Build開發者大會。