5月无疑是名副其实的“AI月”，从OpenAI直播演示ChatGPT更新内容，到谷歌的I/O开发者大会2024，再到微软的Build年度开发者大会。这些活动向世界进一步展示了AI生产力的无限可能。今天，我们为大家精心整理了这三场重磅发布会的亮点，帮助您迅速把握即将问世的新技术以及正在迅速崛起的行业趋势。
Open AI春季更新发布会
图源：现场截图
此次Open AI仅是在线上举办了“春季更新”活动。虽然活动没有精美的ppt，也没有震撼的demo，连Sam Altman都没有露面，但是它推出的新旗舰模型“GPT-4o”真实地震撼了大家。
1. 推出多模态大模型GPT-4o。它可以接受文本、音频和图像任意组合的输入，可以实时对音频、视觉和文本进行推理，并生成这些格式的相应输出。
2. 新模型使ChatGPT能够处理50种不同的语言，速度和质量同时得到提高。它可以在短短232毫秒内处理音频输入，平均耗时320毫秒，与人类对话中的反应时间相当。
3. GPT-4o允许ChatGPT以更加逼真的方式与用户交流。它不仅能检测用户声音中的情绪，分析面部表情，还能根据用户需求改变语调和节奏。如果想听睡前故事，它可以用耳语说话。如果需要来一段带“酸味儿”的对话，它就能以轻松、讽刺的语气与人交谈。它甚至还可以按要求唱歌，一会儿是高亢的女高音，一会儿又能变成迷人的女低音；甚至还能表达自我，例如对示爱表现出害羞的样子。
4. 拥有了新能力后的GPT-4o，也拥有了与硬件结合的更多可能性。例如，以穿戴设备为载体，借助摄像头来帮助视障人士；通过智能眼镜、智能耳机等，成为人们的生活助理。
5. 除了推出新模型，在产品上Open AI也做出了诸多更新。首先，未来ChatGPT免费用户的默认模型将升级成GPT-4o，不过使用额度是有限的；此外，大量的付费功能开放给免费用户；最后，Open AI推出了macOS的客户端，并表示Windows客户端有望在下半年推出。
Google I/O 2024
图源：现场截图
在Open AI发布会的24小时后，2024年Google I/O全球开发者大会如期召开。在长达两个小时的开幕主题演讲中，谷歌展示的Project Astra和Veo，直接对标了目前Open AI领先的GPT-4o与Sora。此外，谷歌还展示了最新版Gemini加持的搜索能力，AI Overviews工具更是颠覆了搜索的逻辑。
1. 发布了GPT-4o同类产品Project Astra——基于Gemini模型开发，它可以通过摄像头“看到”周围环境并做出解说，能几乎没有延迟地与人互动，也能通过摄像头解读代码和做数学题。除了语音交互外，它借助Gemini和谷歌丰富的应用生态，链接更多谷歌应用，让用户“只用一句简单的prompt”，就能把信息链接起来，实现规划；另外还有记忆功能——对摄像头扫描过的地方形成记忆，即便当下视野不同，也能“根据记忆”告诉你想要找的东西。
2. 推出Gemini 1.5 Flash轻量级模型，速度更快，效率更高，从而能覆盖更多的用户。它擅长总结、聊天、凝练图像和视频，从长文档和表格中提取信息。Gemini 1.5 Flash通过Gemini 1.5 Pro“蒸馏”得来——“知识蒸馏”是一种模型压缩技术，让小模型学习大模型，将重要的知识和技能迁移过来。
3. Gemini 1.5 Pro（和1.5 Flash）支持100万tokens理解（年底，这个数字将直接翻番增至200万），是目前大模型服务中所能支持的最长上下文输入——它能充当“数据分析师”，从你上传的表格中“及时”发现洞察，构建自定义的可视化图表。全面接入Gemini的“谷歌办公全家桶”，也将在未来几个月内陆续上线“智能问答”“智能邮件回复”“表格图像化总结”等新功能。模型的推理更进一步，改进了对模型对具体用例响应的控制，遵循用户复杂和微妙的执行。
4. 发布了让用户自定义模型的Gems，对标Open AI的GPTs。
5. AI搜索现身，被命名为AI Overviews。这个功能可以“简化”用户提问，拥有更强大的多步推理能力。面对一个复杂问题，它会先将其拆解成多个简单问题，再将简单问题拆解成多个关键词——反馈给用户的页面中，将是高度格式化的解释、简洁实用的行动指引、直接引导后续行为的链接等。未来的搜索产品逻辑可能会被彻底颠覆，人们不需要一个单独的“搜索引擎”。
6. 更新了图像模型——Imagen 3，团队表示它生成的图片细节更好，错误更少；推出了新的音乐模型，但并没有透露模型名称，只提到正在和一些音乐人合作试用。
7. 对标OpenAI Sora的模型推出了文生视频模型Veo。官方称，Veo模型可以生成超过一分钟的1080p分辨率视频，并具有多种电影和视觉风格。
8. 此外，Android有了更多系统级AI功能。除了年初发布的画圈搜索功能外，新添加了TalkBack与诈骗电话实时监测两个功能：前者主要针对视力障碍人群，你可以让AI助手读取你手机屏幕的内容，并且用语音描述给你；后者用AI分析电话内容，当存在诈骗等风险时会弹窗提醒用户。
微软Build 2024开发者大会
图源：现场截图
“三十多年来，微软对于计算机一直有两个梦想——一是让计算机理解我们，而不是我们去理解计算机；二是在信息不断增加的世界中，让计算机帮助我们根据信息有效地进行推理、计划和行动。人工智能浪潮已经为我们的梦想找到了答案。”微软CEO萨蒂亚・纳德拉在发布会上说道。
在发布会上，微软一口气宣布了50多项AI能力更新，从推出新的Windows机器“Copilot+PC”，到Recall等AI驱动的生成式AI功能，每一项都在告诉我们“AI 将如何重塑你的未来”。
1. 推出内置AI的新电脑——Copilot+PC。新设备配备了一个名为Prism的模拟层，承诺与Windows的x86应用程序无缝兼容。最直观的变化是，新的键盘上会有一个Copilot键——用户只要按下按钮就能召唤Copilot，开启人工智能辅助功能。而这也是微软近三十年来首次调整键盘布局，上一次他们在键盘上加入的按钮是Windows键。
2. Microsoft Copilot。在本次大会上，微软展示了Copilot如何提升组织的团队协作和业务效率。主要介绍了以下三个升级：
a) Team Copilot：Copilot从幕后的个人AI助手，扩展为团队成员。用户将能够在Teams、Loop、Planner等协作工具中调用Copilot。Team Copilot能够在会议中担任会议主持人，管理会议议程、跟踪会议时间并记录会议要点；也可以在聊天中作为协作者，提供重要信息、跟踪行动项目并解决未决问题；它还可以担任项目经理，帮助确保每个项目顺利推进，并及时通知团队进行输入。微软宣布，Team Copilot将在今年晚些时候推出预览版。