最近AI领域备受瞩目的新闻中，OpenAI和谷歌的新品发布会，无疑占据了最多的头条。
我们团队当然也不例外，不仅第一时间观看了两家公司的发布会，还亲身上手体验了号称“颠覆世界”“世界又科幻了”的GPT-4o。
一句话总结：
OpenAI发布会，失望；
谷歌发布会，无聊。
并不是我们要故作惊人之语。实际上，AI业内专业人士普遍都有类似的看法。
一些国内从事AI工程化项目的人表示，“不关心，因为又用不到”。而AI科学家和专家也有不少人直言，“看着看着睡着了，谷歌几乎所有的东西都是对标和追赶，没有太多的新鲜感”。
又又又一次在与OpenAI的较量中处于下风，一个只有谷歌受伤的世界达成了。
尽管两大AI巨头的新技术方向，仍然值得关注，但可以明确的是，随着大型AI模型的产业化进程不断深入，国内外参与者也越来越冷静，更加专注于自身的AI策略与节奏。
有人将这两场发布会比作是一场斗地主游戏，OpenAI打出一对二，谷歌就跟四个王。那么，这一次较量的核心——多模态大模型，国内AI行业是否要跟进呢？如果要跟进，又该提前考量到哪些问题呢？
每一次新产品问世，如果只跟着新闻“震惊”是很难进步的。不妨和我们一起，认真给GPT-4o算笔账。
全能模型，究竟“惊艳”在哪里？
谷歌反击OpenAI的发布会，被称为“腹泻式更新”，一口气推出了十来款新品及升级。之所以让人看到睡着，是因为大家已经在前一天被GPT-4o“惊艳”过了。
而这次谷歌开发者大会上所演示的其他产品，OpenAI早都发布过。对标GPT-4o的Gemini Astra，表现又略逊一筹，也难怪大家兴趣缺缺。显然，这是一次针对谷歌的精准狙击。此前，谷歌已经对外放出了语音助手demo演示的预热视频，而GPT-4o最让人惊艳的地方就是“天花板级别”的人机自然语音交互。
那么，OpenAI机关算尽、谷歌有备而来的多模态大模型，究竟有什么神奇之处？
GPT-4o中的“o”代表“omni”，意为“全能”，以此为版本号，凸显了GPT-4o的多功能特性，可以从三个方面理解：
1.多模态。
GPT-4o接受文本、音频和图像的任意组合作为输入，实时对音频、视觉和文本进行推理，生成相应的输出。相比ChatGPT的文生文、文生图，Sora的文生视频等，GPT-4o是一个原生多模态的融合体。这一点，谷歌的Gemini Astra也能实现，支持多模态的推理。在演示视频中，谷歌的智能助手可以理解手机摄像头拍摄的世界
当然，最关键的还是，经过一年多的大模型落地实践，国內AI产业链上下游可能都对OpenAI和大模型“祛魅”了。
这就像打牌，面对别人摆下的龙门阵，刚刚坐上牌桌，对游戏规则和策略不够熟悉，自然要先观察和模仿对方的策略，赶紧先把大语言模型搞出来，也会下意识地听取围观群众的建议。明明自己才是干AI的，但一听媒体分析师或网友说“落后了”，立马焦虑，忙着对标ChatGPT、对标GPT-4，又容易“翻车”引发舆论危机。刚上牌桌，进退失据，亦步亦趋跟进OpenAI是难免的。
但一年多时间过去，很多真正做大模型和产业落地的人与企业，或许还没彻底弄清楚中国大模型产业化、商业化应该怎么做，但一个共识很清楚——像OpenAI、谷歌那样做不行。最简单的，GPT-4o能第一时间拿到英伟达最先进的显卡，这就是国内厂商很难拥有的资源。
此外，ToB领域对模型可控性的要求、私有化部署的需求等，国内企业的智能化要从数据清洗、知识库等基础工作开始，而不是直接调用最先进模型的API……
这些问题，导致国內AI产业界对追赶OpenAI“炸裂新品”的兴趣，越来越小，找到了自己做大模型的节奏和策略。
这些背景综合起来，导致只有紧跟在OpenAI身后苦苦追赶的谷歌，被GPT-4o伤得最深。
多模态大模型的收益比，到底怎么样？
当然，不再一味追着OpenAI的节奏疲于奔命，并不意味着OpenAI和谷歌都在发力的技术方向，就不重要了，就可以不关心了。
只不过，在盯紧趋势的基础上，还得统筹牌局，算好收益比，究竟何时出牌、什么出牌顺序，对大模型商业化的潜在收益风险比是最高的。
那么，GPT-4o及Gemini Astra这类端到端多模态大模型，对企业的潜在收益与风险，究竟如何呢？
先说收益。
目前来看，与丰富的软硬件生态相结合，能够更快落地、价值最大化。
比如谷歌Gemini Astra尽管在理解能力、时延上不及GPT-4o，但谷歌凭借强大应用生态的支持，让跨模态理解生成，有了用武之地，股价也有所上涨。
硬件方面，谷歌Gemini的多模态能力与XR眼镜整合，让商业化遇阻的“谷歌眼镜”再次回魂重塑；
软件方面，GPT-4o被传将与苹果绑定，加速IOS的AI化进程。而谷歌则将多模态能力融入搜索，用户可以通过语音、图片等与搜索引擎交互，支持搜索视频内容。
不过，这些都是展望。在实际落地、与软硬件结合的过程中，AI公司可能会输掉一些筹码，潜在风险包括：
长期亏损。就连OpenAI都遭遇了流量危机，开始通过免费换用户规模，这意味着在算力、人员等方面的长期投入。AGI是一个长期任务，可能需要十年、二十年的时间，如果在每一个阶段，不能成功实现规模商业化，想一把赌个大的，靠后期非线性增长来扭亏为盈，很有可能“大业未成而中道崩阻”。
同质化竞争。OpenAI与谷歌的大模型竞争，撕咬得很紧，而技术领域想要彻底封闭是不可能的，这意味着底层模型能力很快会趋同，这时候用户会转变为价格敏感型，进入残酷的价格战。如果没有差异化的营收模式，一味跟进底层模型的绝对领先，利润会越来越微薄。
可能有人会说，还没做出国产版GPT-4o就惦记着商业化、赚钱，真的很庸俗。
必须得说明一下，从收益比最优的角度，决定怎么出牌，OpenAI可算是熟手了。事实上，ChatGPT的推出是为了用聊天机器人来抢到关注度，而GPT-5迟迟不推出，除了坊间猜测的能力不达预期之外，也有对发布时机的考量。奥特曼已经表达过多次，“GPT-5很厉害，但我们还没有确定如何将这些产品推向市场”。
师夷“算账”以制夷，国內AI公司也得学会踩点市场节奏，做出更明智、收益比更高的商业策略，才能长期良性发展。网友大型“双标”要不得。
从国内LLMtoB（面向B端市场的大模型）的一些实践经验来看，GPT-4o在当下确实还存在一些阻碍落地的实际问题。
比如可控性，AIGC生成的文本、图片，都比较容易进行内容控制，由其他模型或人类专家来把控内容质量与合规风险，超低时延的实时语音交互如何保障内容质量？如果在辅导作业、医生问诊、心理咨询等严肃场景中出现幻觉和胡说八道，甚至违法违规的内容，该怎么及时防范？
奥特曼在GPT-4o的技术博客中提到，该模型在网络安全等风险维度上都“不超过中等水平”，也就是说，目前只能实现中等及以下的安全能力。无论是C端用户，还是B端政企客户，谁放心将喜怒哀乐、私密信息都告诉多模态大模型？怎么打消用户的安全顾虑，还需要在数据源头、模型训练、规则机制设计、产品功能上都有充分细致地打磨。
更要问一句，创业公司和开发者的努力总是被新的模型能力覆盖掉，是不是来自AI大模型厂商的一种“背刺”？什么样的智能语音产业生态，才能吸引他们来用？
这些落地问题不解决，所谓的《Her》一般的科幻未来，就只能一直存在于OpenAI的demo中了。
从实际情况来说，跟上技术路线并不算真难题。算好收益比，搞清楚自己和对手手里的牌面，以及多模态大模型的商业牌局，才是更难也更紧迫的问题。
GPT-4o这一波，国内AI企业不用急着再上牌桌。
免责声明：此文内容为第三方自媒体作者发布的观察或评论性文章，所有文字和图片版权归作者所有，且仅代表作者个人观点，与互联网消息无关。文章仅供读者参考，并请自行核实相关内容。投诉邮箱：editor@fromgeek.com。
