美国人工智能研究实验室OpenAI发布了GPT-4模型，不仅能够完成编辑、翻译等文本处理任务，还能够识别、读懂图片。同时，中国版ChatGPT也终于上线，百度推出大语言模型“文心一言”，但未对所有用户开放，仅实行邀请测试。

（1）多模态大模型

总体而言，GPT-4模型进行了重大升级，增加了识图的能力，更具有常识，也提高了对话过程中回答的准确性。OpenAI在官网表示，GPT-4模型引入了多模态，能够接受图像、文本输入并输出文本。

多模态能力使得GPT-4模型能够识别图片内容，例如，模型能够详细描述上传的网页截图，包括截图中心、左侧、右侧的具体物品和场景。在识别内容的基础上，模型还能够展开联想。

在官方演示案例中，上传了一张松鼠拿着照相机的漫画，并询问GPT-4“这张图片有趣的点在哪？”它的大致回答是“图片的笑点在于，松鼠是吃松果的，不会像人类一样用照相机。”虽然回答不完美，但是能看出模型对幽默已有初步理解。

（2）“虚拟志愿者”应用

GPT-4能够描述并理解图片的能力，会为视障人士带来极大便利。Open AI公布了与Be My Eyes（成为我的眼睛）公司的合作。

该公司开发了同名的公益应用程序Be My Eyes（成为我的眼睛），通过模型的图像分析功能，为视障人士提供更便捷的“虚拟志愿者”，帮助他们完成日常生活任务，例如识别物品或导航路线。

除了软件Be My Eyes之外，Open AI表示，包括语言学习工具软件多邻国、移动支付公司Stripe、国际性金融服务公司摩根士丹利等多家公司已将GPT-4模型接入产品中。

（3）带动“数字人”等产业发展

升级后的GPT-4作为一种多模态大模型，在内容生成方面拥有不亚于人类的输出能力，包括输出文字、图像、音视频等等，能够辅助用户进行创意工作，提升内容创作的效率。

有券商研究机构认为，GPT-4有望带动游戏、文娱产业的发展，此外，“数字人”产业也将受益，利用GPT-4的交互能力，扩展“数字人”的多种用途，不限于主播、客服等，推动虚拟数字人在电商、教育、娱乐等场景的快速落地。

（南方财经投教基地 邓炜晴）