AD
CHATGPT概念又迎来重要催化剂。
近日，微软德国CTO布劳恩在3月10日的一场AI活动中表示，GPT-4将于下周发布。这一时间点也指向在本月16日（北美时间）举办的“工作的AI未来（Future of Work with AI）”发布会，届时GPT-4将有望正式面世。同时，“中国版ChatGPT”文心一言也将在3月16日发布。
据了解，相比于此前掀起AI热潮的GPT-3.5，GPT-4新增视频功能，并且能够适用于所有语言。在业内看来，微软有望在产业中通过GPT-4不断拓展下游新兴领域，应用于更多的场景中，逐步向通用化方向发展。
在A股市场上，ChatGPT概念今日持续走强，万兴科技再度20CM涨停，凡拓数创也一度涨逾18%，截至收盘，ChatGPT概念指数大涨4.17%。
概念板块“空中加油”
微软德国 CTO 布劳恩10日在一场名为“AI in Focus - Digital Kickoff”的活动中表示，GPT-4 将在下周发布。据他介绍，GPT-4将提供多模态模型。这也意味着，自3月初发布全能型人工智能模型Kosmos-1以来，微软正在与Open AI 微调多模态这一事实应该不再是一个秘密。
需要注意的是，微软此前曾宣布将在北美时间3月16日举行主题为“工作的AI未来”的发布会。这也印证了GPT-4大概率将在届时面世。
布劳恩在活动中称，有了GPT-4，AI可能生成图像甚至视频，而此前版本的ChatGPT只能生成文本。他同时表示，GPT-4的另一强大功能在于能管理不同语言的数据输入和输出，例如用德语对ChatGPT 提指令后可得到英语文本，该功能对翻译工具将有明显帮助。
近期，微软在多模态方向动作频频，其推出Kosmos-1。与局限于文本内容（LLM）的ChatGPT相比，Kosmos-1属于多模态大型语言模型（MLLM），目前能同时理解文字与图像内容，未来会整合更多的输入模式，如音频、视频。
此外，微软也于3月8日提出了Visual ChatGPT，其包含不同的视觉基础模型，可以使用户通过以下方式与ChatGPT互动：（1）不仅发送和接收语言，而且发送和接收图像；（2）提供复杂的视觉问题或视觉编辑指令，这需要多个人工智能模型的协作和多步骤；（3）提供反馈并要求纠正结果。
值得注意的是，被外界誉为“中国版ChatGPT”的百度文心一言同样将在3月16日发布，两大产品将会接踵面世，叠加催化了AI行业。
这也令ChatGPT概念板块“空中加油”。在A股市场上，ChatGPT概念今日持续走强，万兴科技再度20CM涨停，凡拓数创也一度涨逾18%，昆仑万维和三六零分别收涨8.2%和7.47%。截至收盘，ChatGPT概念指数大涨4.17%。
有望打开下游应用空间
从业内看来，相较前代，GPT-4可能不会有参数量上的巨幅提升，而是在其他方向寻求提高。
当前来看，影响力最强的ChatGPT-3.5是NLP模型，但NLP只是大模型的应用领域之一。市场此前普遍预期，未来大模型的输入输出可以不仅限于文字，还可以包括图像、视频等多种形式，成为多模态模型。
而按照微软德国CTO布劳恩的说法，GPT-4率先将“手”伸至这一领域。GPT-4和GPT-3的主要区别在于模型的规模和能力，其多模态的模型超出文本范围实现了对图像乃至视频的AI生成，同时突破生成文本的语种限制，实现多语种语言数据的输入输出。
因此，有机构认为，GPT-4的发布有望成为生成式AI向超级AI快速演变的关键节点。
国盛证券此前一份研报分析，传统模式下，视觉AI公司倾向于采用单点方式，在各个碎片场景中做客制化落地，定制化程度相对较高；若转向大模型模式，GPT-4 的多模态能力有望带来通用化的模式，显著提升AI模型生产效率。
华鑫证券也认为，微软有望在产业中通过GPT-4不断拓展下游新兴领域，应用于更多的场景中，并利用其多模态模型成本改变传统 AI 客制化与定制化的特点，逐步向通用化方向发展。
值得注意的是，随着GPT-4转向多模态，未来输入输出出现图像、视频等形态，AI有望打开下游千行百业应用空间。
据了解，微软已经将ChatGPT整合进云平台Azure Open AI中，因此企业和个人开发者均可借助Azure Open AI功能直接集成到应用产品中，通过私人定制ChatGPT来提供个性化客户服务，建立企业级智能化知识库搜索引擎等。
不过，更多机构将AIGC视为最先受益赛道。华鑫证券表示，文生图赛道作为AIGC概念下商业模式较成熟的领域，有望率先实现向C端落地。德邦证券方面也认为，GPT-4有望加速AIGC的应用普及，并且在视频内容生成方面大放异彩，AIGC有望步入快速发展阶段。
另外，OpenAI发布了一项新服务，允许开发人员直接使用ChatGPT，并且将使用价格削减了90%，此次大规模降价意味着底层技术平台的优化，这也将进一步加速此项技术的大规模商业化进程。
德邦证券认为，大规模商业化进程背后需要庞大训练参数量支撑，而这也有望加速AI算力的建设以及高速光通信的需求，AI算力中心以及光通信产业链有望持续受益。
