5月14日淩晨，OpenAI再放大招，新推出的GPT-4o改寫了大模型交互定義，可以實時對音頻、視覺和文本進行推理，語音響應時間短至232毫秒，與人類反應速度一致，在無延遲語音對話中，GPT-4o的節奏、語氣甚至接梗，與真人無異，視頻實時交互也不在話下。

GPT-4o的“o”代表“omni”，象征著全能。該模型多模態交互能力突出，能夠接受文本、音頻和圖像的“混搭”輸入，快速響應完成推理，生成文本、音頻和圖像的組合輸出。

GPT-4o是邁向更自然的人機交互的重大進步，新功能帶來了嶄新的多模態交互能力，通過新的端到端模型實現了體驗上的新突破，有望在各類終端實現用戶體驗的最大化，利好智能終端Agent、機器人等方向。

盡管多模態AI尚處于初期階段，但已有多個模型開始湧現。Google的 Gemini Ultra模型在多學科多模態理解和推理（MMMU）基准測試中超越了GPT-4，顯示出多模態模型的潛力。爲了保持競爭力，更多的大型語言模型開發者將跟進開發多模態功能。此外，多模態AI預計將解鎖新的商業機會，如Artera在醫療保健領域的應用、Google將Gemini集成到搜索中、Ghost Autonomy在自動駕駛領域的探索，以及Meta將其應用于消費設備如智能眼鏡。

今年以來，全球AI大模型端都持續叠代升級，包括海外的Sora、Llama3等，國內的Kimi、昆侖天工AI、階躍星辰等。華泰證券指出，伴隨模型能力的升級，2C應用有望迎來加速發展。2C應用核心要解決的是産品性能以及用戶的付費意願，伴隨底層基礎模型的能力優化，2C應用的使用效果顯著提升，同時應用模態正在加速拓展。

多模態被視爲AIGC行業2024年重要趨勢之一。量子位發布的《中國AIGC應用全景報告》顯示，2024年中國AIGC（生成式人工智能）應用市場規模將達200億元，2030年達萬億元規模，2024年到2028年的年平均複合增長率將超30%。

基于以上邏輯，未來的空間也比較大，我整理了《幾只AI多模態概念潛力股》記得保存收藏，新來的夥伴點點關注！

湯姆貓：公司國內研發團隊與西湖心辰合作的多模態 AI 湯姆貓産品已初步實現拍照識物、英文口語啓蒙、興趣引導、科普教育、AI 生圖、AI 生成繪本、 情境對話等多個功能，近期公司協同西湖心辰團隊在多模態、降低推理成本、對話時長等方向取得較大進展

數字政通：發布“人和”行業大模型。是數字政通從“網格化”到“一網統管”發展過程中，專注于城市治理行業應用，立足于全國5000多個項目沉澱的業務和數據基礎，全面擁抱生成式人工智能技術趨勢而發布的AI大模型産品。

中文在線：公司發布“中文逍遙大模型。基于創作者的想法靈感，“中文逍遙”大模型大幅提升創作者的效率，可實現一鍵生成萬字，一張圖寫出一部小說，一次讀懂100萬字小說。其中一張圖寫出一部小說即可根據圖片內容撰寫優質小說，展現出多模態能力，同時還爲創作者提供“插畫師”、“體系設定”、“文學評論”、“通識問答”等功能服務。

奧飛娛樂：北京光年無限科技有限公司主要從事機器人人工智能及機器人操作系統的研發及商業化應用，在語義理解、機器視覺、多模態人機交互、深度學習、機器人等領域具備領先優勢。

易點天下：易點天下第一時間接入了GPT-4等領先大模型，形成了符合自身業務場景模型，率先在行業內實現了包括營銷數字人模型等業務場景模型；同時，搭建了基于AI大模型的整體産品技術框架，並在此基礎上構建了具備多模態能力的AI中台。

最後一家，也是最看好的！

1、公司已經完成大模型第一版本的訓練，加入了情感支持、主動問答以及多模態的能力，正在與虛擬人進行整合,是國內領先的擁有自主核心技術的人工智能和大數據技術及數據服務提供商，是國內語義智能技術的領導廠商,目前主要業務已涵蓋大數據、人工智能、內容管理、網絡安全和營銷科技等領域。

2、從高位35多元跌到9元後止跌企穩，已經跌無可跌，進入到上升趨勢了！

3、技術面來看，底部橫盤有1年了，近期放量堆量明顯，主力資金大幅流入，非常看好短期有望啓動主升浪大漲70%以上！