GPT4o的几点想法

早上6点爬起来看完OpenAI 的发布会，确实惊艳，主要体现在以下几点：

• 实时性：从现场发布的demo演示来看，响应延时在毫秒级别，对人的感官来讲，几乎可以认为是零延时，但注意到一个细节，演示前，iPhone连接了TypeC 线，同时特别强调了需要稳定的网络链接，这个对实时响应非常重要，因此，在移动网络下，其实时表现可能会打折扣。

• 端到端的处理能力：这个能力的落地进一步验证了transformer的泛化能力，everything is token 的时代即将到来。从这个方面来说，同时我也对Tesla 的FSD 提升了很大信心；

• 多模态能力： 多模态的处理能力，现在的Mixtral和各种MOE在处理多模态问题还是遇到瓶颈，实现demo状态的丝滑切换不光是要在模型层面下功夫，工程化也需要有极高的造诣，这一点不得不佩服，就演示的几个场景来看，从语音到提示打开视频识别，chatgpt切换极其自然和稳定，甚至有增加了过渡的语气和主持人开玩笑，就这个能力来看，不只是MOE expert切换能够解决的了；

• 全民免费尝鲜：推理成本进一步下降，在模型架构方面有了进一步的改进和加强，结合最近Deepseek V2 和YOCO（you only cache once）的进展，推理成本实现了断崖式的下降，全民AIGC的时代很快即将到来；

• iPhone AI： 全程演示使用的是iPhone，结合近期iPhone和OpenAI 达成交易的传闻，并且iPhone是在边缘端部署，那上面提到的延时问题就不存在了，集合iPhone本地的的众多应用，chatgpt加持的Siri会焕发出新的截然不同的生机，期待ing。