今天凌晨，OpenAI宣布將於美國時間13日上午10點（北京時間14日凌晨1點）在官網直播，演示ChatGPT、GPT-4的更新內容。
據外媒The Information今日報導，OpenAI正在構建具備音頻和視覺理解能力的AI語音助手，其中一些功能已經開始向客戶展示，可能在下周的發布活動中預覽。
知情人士消息透露，OpenAI可能會在今年內完成GPT-5的開發並公開發布。此外，OpenAI還計劃推出一種新的定價模式，客戶通過預付費預定Token，最高可以享受50%的折扣。
此前有多家外媒和博主曝料，稱OpenAI將在近日發布AI搜尋引擎。其CEO阿爾特曼對此回應道：「不是GPT-5，也不是搜尋引擎，但我們一直在努力開發一些我們認為會得到喜歡的新東西。」
值得注意的是，其競爭對手谷歌的I/O開發者大會時間定在美國時間14日上午10點（北京時間15日凌晨1點），預計可能發布Gemini大模型的重要更新。OpenAI此次發布時間沒有定在之前外媒曝料的5月9日，而是「恰好」卡在I/O大會的前一天，火藥味可謂濃厚。
要知道，這已經不是OpenAI第一次「卡點」狙擊谷歌新品。今年2月，谷歌放出Gemini1.5 Pro大招，結果沒過幾個小時，OpenAI就掏出文生視頻「王炸」模型Sora，狠狠搶了Gemini1.5 Pro的風頭。
01.
AI語音助手仍存在「幻覺」問題
或將集成至ChatGPT免費版
據The Information報導，阿爾特曼的終極目標是開發出類似電影《她》（Her）中，可高度響應的虛擬助手，提升蘋果Siri等現有語音助手的可用程度。
OpenAI認為，具有視覺和音頻功能的AI語音助手具有像智慧型手機一樣的變革性潛力，理論上其可以做到一系列現在的AI助手無法做到的事，例如充當論文、數學問題指導老師，或是翻譯交通標識、幫助解決汽車故障等。
但類似的技術目前所需硬體門檻太高，無法在個人設備上運行，用戶可以在短期內使用基於雲的版本來獲取這些功能，例如自動化客戶服務Agent。
OpenAI目前已經推出具備音頻轉錄、文本轉語音等功能的軟體，不過這些功能是基於獨立的對話AI模型實現，而新的語音助手則將這些功能整合在一起。據知情人士透露，該AI語音助手的音頻功能能夠幫助客服人員更好地理解對方的語氣。
目前尚不清楚OpenAI何時向付費客戶提供這些新功能，但據試用過該語音助手的人士透露，OpenAI最終的計劃是將這些功能都納入ChatGPT免費版本，目標是比目前其最先進模型GPT-4 Turbo的運行成本更低。該人士還談道，AI語音助手在有些類型的問題上回答優於GPT-4 Turbo，但仍然存在幻覺問題。
對此，OpenAI發言人沒有回應置評請求。
02.
與谷歌競爭iPhone合作位
GPT-5或於年底前發布
OpenAI推出AI語音助手主要目標是與谷歌競爭。
谷歌的AI模型Gemini能實時響應語音命令，並識別圖像、視頻等。不過這些功能目前仍需要研究人員附以圖像和文字說明，且並不能理解許多傳統的語音指令，也不能像Siri和谷歌助手等傳統語音助手那樣與用戶對話。
▲谷歌展示Gemini多模態功能（圖源：谷歌）
另一方面，提高模型的視覺、音頻能力也有助於OpenAI與蘋果達成合作。
最近幾個月，蘋果與OpenAI就下一代iPhone作業系統如何整合OpenAI的模型進行了討論。然而，與此同時，蘋果也與谷歌進行著類似的談判。
這場競爭的最新消息是，據彭博社今早報導，蘋果已接近與OpenAI達成協議，將在下一代iPhone作業系統iOS18中使用ChatGPT；與谷歌尚未達成協議，但談判仍在進行中。
除了可能在下周推出的AI語音助手外，OpenAI還一直致力於構建一款AI搜尋引擎，旨在與谷歌競爭。此外，其也在開發一種被稱作「計算機使用Agent」的自動化軟體，用來輔助軟體開發和其他計算機任務。
阿爾特曼還在與iPhone開發者喬尼·艾維（Jony Ive）合作開發一款獨立的AI硬體。然而，最先進的AI模型體積龐大，需要在雲端運行，並需要網際網路連接才能工作。要使具有視覺和聽覺功能的複雜AI模型變得足夠小巧，以便在設備上運行，可能需要幾個月甚至幾年的時間。
不過，大家最關心的可能還是GPT-5。據The Information報導，一位接近OpenAI領導人的人士稱，其可能在今年年底完成GPT-5並公開發布。
OpenAI的新產品和AI模型開發工作進展得如火如荼，與此同時，其此前宣布的一些項目卻變得不再那麼受關注。儘管OpenAI曾向開發者承諾，會在今年第一季度推出GPT Store開發者激勵計劃，但目前仍沒有實現。
03.
計劃推出預付費定價模式
最高提供50%折扣
在定價方面，據知情人士透露，OpenAI計劃推出一種新的定價模式，如果客戶通過預付費預定Token，最高可以享受50%的折扣。
這樣的優惠形式在雲端運算領域比較常見，微軟Azure、谷歌雲、亞馬遜雲服務（AWS）等都提供提前預定伺服器容量折扣的方式來降低成本。
目前，按需定價提供API（應用程式接口）是OpenAI大模型的主要付費形式，通過每生成100萬Tokens，向開發者收取幾美分至一百多美分不等的費用，其中大客戶可以享受批量折扣。
此前OpenAI已經提供了一種降低開發者成本的方式，其在4月推出Batch API，如果開發者批量上傳模型查詢，並接受等待最長24小時的時間，就可以獲取更低的價格。
Together AI和Anyscale等AI伺服器經銷商曾表示，在他們的軟體上運行開源模型要比使用OpenAI的模型便宜6倍。通過更靈活的定價，OpenAI與其他模型開發商的競爭將更具優勢。據透露，其今年的營收可能達到數十億美元。
04.
結語：OpenAI谷歌相爭
蘋果微軟得利？
OpenAI與谷歌之間的競爭愈發激烈，二者之間的「商戰」火藥味也愈發濃厚。OpenAI又一次將新品發布時間定在了谷歌重大發布時間附近，似乎執著於搶奪谷歌風頭這件事。
這一邊，蘋果同時與OpenAI、谷歌商談模型集成至iPhone事宜，再次加劇了兩家公司之間的競爭。雖然OpenAI被曝已與蘋果達成合作，但谷歌那邊的談判也仍在繼續。
而另一邊，微軟作為OpenAI最大的財務支持者，可以優先使用其先進技術來改進自己的語音助手。而微軟也並非「孤注一擲」，除了積極自研模型外，還投資了OpenAI有力競對Mistral AI，後者成為第二家在微軟Azure雲平台上提供商業AI模型的公司。
下周的OpenAI新品發布和谷歌I/O大會，或許會將這場「商戰」推向新高度。究竟誰的「大招」會更厲害，我們拭目以待。
