5月14日凌晨，OpenAI再放大招，新推出的GPT-4o改写了大模型交互定义，可以实时对音频、视觉和文本进行推理，语音响应时间短至232毫秒，与人类反应速度一致，在无延迟语音对话中，GPT-4o的节奏、语气甚至接梗，与真人无异，视频实时交互也不在话下。

GPT-4o的“o”代表“omni”，象征着全能。该模型多模态交互能力突出，能够接受文本、音频和图像的“混搭”输入，快速响应完成推理，生成文本、音频和图像的组合输出。

GPT-4o是迈向更自然的人机交互的重大进步，新功能带来了崭新的多模态交互能力，通过新的端到端模型实现了体验上的新突破，有望在各类终端实现用户体验的最大化，利好智能终端Agent、机器人等方向。

尽管多模态AI尚处于初期阶段，但已有多个模型开始涌现。Google的 Gemini Ultra模型在多学科多模态理解和推理（MMMU）基准测试中超越了GPT-4，显示出多模态模型的潜力。为了保持竞争力，更多的大型语言模型开发者将跟进开发多模态功能。此外，多模态AI预计将解锁新的商业机会，如Artera在医疗保健领域的应用、Google将Gemini集成到搜索中、Ghost Autonomy在自动驾驶领域的探索，以及Meta将其应用于消费设备如智能眼镜。

今年以来，全球AI大模型端都持续迭代升级，包括海外的Sora、Llama3等，国内的Kimi、昆仑天工AI、阶跃星辰等。华泰证券指出，伴随模型能力的升级，2C应用有望迎来加速发展。2C应用核心要解决的是产品性能以及用户的付费意愿，伴随底层基础模型的能力优化，2C应用的使用效果显著提升，同时应用模态正在加速拓展。

多模态被视为AIGC行业2024年重要趋势之一。量子位发布的《中国AIGC应用全景报告》显示，2024年中国AIGC（生成式人工智能）应用市场规模将达200亿元，2030年达万亿元规模，2024年到2028年的年平均复合增长率将超30%。

基于以上逻辑，未来的空间也比较大，我整理了《几只AI多模态概念潜力股》记得保存收藏，新来的伙伴点点关注！

汤姆猫：公司国内研发团队与西湖心辰合作的多模态 AI 汤姆猫产品已初步实现拍照识物、英文口语启蒙、兴趣引导、科普教育、AI 生图、AI 生成绘本、 情境对话等多个功能，近期公司协同西湖心辰团队在多模态、降低推理成本、对话时长等方向取得较大进展

数字政通：发布“人和”行业大模型。是数字政通从“网格化”到“一网统管”发展过程中，专注于城市治理行业应用，立足于全国5000多个项目沉淀的业务和数据基础，全面拥抱生成式人工智能技术趋势而发布的AI大模型产品。

中文在线：公司发布“中文逍遥大模型。基于创作者的想法灵感，“中文逍遥”大模型大幅提升创作者的效率，可实现一键生成万字，一张图写出一部小说，一次读懂100万字小说。其中一张图写出一部小说即可根据图片内容撰写优质小说，展现出多模态能力，同时还为创作者提供“插画师”、“体系设定”、“文学评论”、“通识问答”等功能服务。

奥飞娱乐：北京光年无限科技有限公司主要从事机器人人工智能及机器人操作系统的研发及商业化应用，在语义理解、机器视觉、多模态人机交互、深度学习、机器人等领域具备领先优势。

易点天下：易点天下第一时间接入了GPT-4等领先大模型，形成了符合自身业务场景模型，率先在行业内实现了包括营销数字人模型等业务场景模型；同时，搭建了基于AI大模型的整体产品技术框架，并在此基础上构建了具备多模态能力的AI中台。

最后一家，也是最看好的！

1、公司已经完成大模型第一版本的训练，加入了情感支持、主动问答以及多模态的能力，正在与虚拟人进行整合,是国内领先的拥有自主核心技术的人工智能和大数据技术及数据服务提供商，是国内语义智能技术的领导厂商,目前主要业务已涵盖大数据、人工智能、内容管理、网络安全和营销科技等领域。

2、从高位35多元跌到9元后止跌企稳，已经跌无可跌，进入到上升趋势了！

3、技术面来看，底部横盘有1年了，近期放量堆量明显，主力资金大幅流入，非常看好短期有望启动主升浪大涨70%以上！