传媒GPT-4o：开启AI语音助手时代，关注与IOS系统和Windows系统的进展

（以下内容从华福证券《传媒GPT-4o：开启AI语音助手时代，关注与IOS系统和Windows系统的进展》研报附件原文摘录）
投资要点：
一、GPT-4o模型基座：三种模态的混合模型，带来更大泛化能力
PT-4o是文本、视觉和音频的端到端训练的一个新模型，这意味着所有输入和输出都由同一个神经网络处理。对文本、音频和视觉三种模态统一进行混合训练，因而大部分数据都是通过无监督学习实现；相比过去拼接模型需要对视觉进行标注，混合模型在整体数据量规模上可以做得更大，进而带来更大的泛化能力。
二、GPT-4o奠定AI语音助手基础：低延迟+情绪感知+视觉感知
1、AI语音基础：接近于人类对话响应速度。GPT-4o可以在短短232毫秒内响应音频输入，平均为320毫秒，这类似于对话中的人工响应时间，没有表现出丝毫延迟的视觉和声音反馈。在GPT-4o之前，使用语音模式与ChatGPT交谈平均延迟为2.8秒（GPT-3.5）和5.4秒（GPT-4）。
2、情绪感知能力：情绪的感知是对语音一维输出模态的丰富。GPT-4o不仅能感受到你的情感，还自带情绪和情感，并且用户可以随时打断AI的话，互动更加拟人。
视觉感知能力：适配AI手机、AI电脑和AI智能硬件。手机端ChatGPT可以依靠手机摄像头和用户实时互动，如实时教人做题，观察房间、观察用户情绪；客户端ChatGPT能随时解决写代码、读图表等任务。
三、GPT-4o的进阶——控制中心：获得操作系统的权限，打造手机和PC的Agent
相比于网页端，手机端和桌面端可借助屏幕信息，实时跟踪用户动态需求。在获得权限背景下可以进行更多的控制。
AI手机：如果未来能获得手机操作系统权限，如iPhoneSiri权限，便可控制手机完成预置应用或第三方应用操作和控制。重点关注和iPhoneIOS18的合作进展。
AI电脑：发布ChatGPT桌面应用，尚不能下载，预计未来几周内广泛推出。重点关注后续和微软的Windows系统的合作。
四、未来的进度：GPT-4o面向免费用户，普及“AI语音交互”推广节奏：GPT-4o已向Plus用户推送模型，但展示的功能有待开放，后续关注免费用户推送。未来几周内，将在ChatGPTPlus中推出带有GPT-4o的语音模式新版本，同时向API中的一小群受信任的合作伙伴推出对GPT-4o新音频和视频功能的支持。
五、投资建议：
建议关注：1、AI语音助手硬件入口：AI手机、AIPC和AI智能音箱，小米、漫步者、国光电器；2、AI语音助手软件入口：腾讯控股；3、应用端：AI陪伴、AI陪聊、AI教育、AI游戏：汤姆猫、昆仑万维、世纪天鸿、宝通科技；4、多模态视频语料：华策影视、中广天择。
风险提示
AI发展不及预期、AI落地效果不及预期