本文來自“GPT-4精華專題：多模態(tài)能力提升，應(yīng)用生態(tài)加速（2023）”，2023年11月7日，OpenAI通過開發(fā)者大會推出新產(chǎn)品：

1）GPT4-Turbo：該模型通過增加上下文窗口以支持更長的工作流，同時具備視覺和語音等多模態(tài)能力，輸入和輸出的tokens價格大幅下降，從而幫助開發(fā)者以更低的價格獲取更高的模型性能。

2）GPTs：用戶只需輸入指令并提供外設(shè)的知識庫即可創(chuàng)建專屬GPT，應(yīng)用開發(fā)門檻大幅降低，未來在收益計劃的助力下，AI應(yīng)用有望迎來大爆發(fā)，形成全新的AI Agent生態(tài)。

3）Assistant API：開發(fā)者可以通過函數(shù)調(diào)用、知識檢索、代碼解釋器簡化應(yīng)用開發(fā)流程、實現(xiàn)效率提升。

《400+份重磅ChatGPT專業(yè)報告》

1）算力端：OpenAI一系列新產(chǎn)品的推出成功打開新流量入口，更多的用戶和開發(fā)者希望參與其中，巨大的流量對算力底座提出更高的要求；疊加圖片等多模態(tài)生成所要求的tokens計算量遠(yuǎn)高于文本模態(tài)（根據(jù)OpenAI官網(wǎng)信息推算，在GPT-4-Turbo的Vision pricing calculator高保真度模式下，1張圖片所產(chǎn)生的tokens數(shù)大約是1個單詞的570或830倍），算力供給亟需擴(kuò)容。

2）存力端：在算力提效到達(dá)一定瓶頸的情況下，AI芯片未來將逐步通過堆疊HBM的方式來提升性能，擴(kuò)大單位算力的存儲能力，HBM等存力需求將迎來暴增。

3）應(yīng)用端：類比移動互聯(lián)網(wǎng)時代，AI時代的應(yīng)用市場有望如同移動互聯(lián)網(wǎng)時代具備無限潛力，GPTs數(shù)量將呈現(xiàn)非線性高速增長；此外，OpenAI的GPTs通過提供API，使得開發(fā)者只需喂給大模型更多的垂類數(shù)據(jù)即可打造垂類AI應(yīng)用，同時使?jié)M足更多長尾需求成為可能。

4）數(shù)據(jù)端：從OpenAI GPTs的Knowledge功能來看，專業(yè)知識與大模型通用能力的結(jié)合將成為未來的重中之重，私域數(shù)據(jù)庫和專業(yè)數(shù)據(jù)庫方向?qū)粩喈a(chǎn)生新熱點、新需求，因此，如何在合規(guī)前提下留存垂類數(shù)據(jù)并構(gòu)建體系化數(shù)據(jù)庫、以及保證知識產(chǎn)權(quán)的確權(quán)或成為未來的重要議題。

為打造視覺大模型，建立高效視覺預(yù)訓(xùn)練體系以提升圖像理解能力至關(guān)重要，這影響到從圖像整體（如分類、圖文檢索、標(biāo)注）到部分區(qū)域（如物體識別、短語定位）及到像素細(xì)節(jié)（如語義、實例、全景分割）的各項任務(wù)。

通用視覺預(yù)訓(xùn)練方法主要可歸納為三大類。1）標(biāo)簽監(jiān)督：此方法在每張圖片都配有對應(yīng)標(biāo)簽的數(shù)據(jù)集上進(jìn)行訓(xùn)練，如圖像分類中，一張狗的照片會對應(yīng)“狗”的標(biāo)簽，模型的核心任務(wù)是準(zhǔn)確預(yù)測此標(biāo)簽。2）語言-圖像監(jiān)督：利用完整的文本描述來引導(dǎo)模型學(xué)習(xí)，使模型能夠深入挖掘圖像內(nèi)容與文本語義間的關(guān)聯(lián)。3）僅圖像自監(jiān)督：利用圖像本身固有的結(jié)構(gòu)和信息來學(xué)習(xí)有意義的表示，而不依賴于顯式的人工注釋標(biāo)簽。

1）更長的上下文（Context Length）：GPT-4-turbo支持的上下文窗口（128k）相較于GPT-4-8k提升16倍，相較于GPT-4-32k提升4倍，即GPT-4-turbo可在單個prompt中處理超過300頁的文本，且GPT-4-turbo模型在較長的上下文中更加準(zhǔn)確。我們認(rèn)為GPT-4-turbo更長且更準(zhǔn)確的上下文處理能力將支持更長的工作流，在B端有能力承擔(dān)更多的工作負(fù)載，提升用戶體驗。

2）更豐富的世界知識（Better Knowledge）：外部文檔和數(shù)據(jù)庫的截止更新日期從21年9月更新至23年4月，意味著OpenAI的大模型在半年內(nèi)已學(xué)習(xí)互聯(lián)網(wǎng)一年半的知識，學(xué)習(xí)速度極快。

什么是GPTs：GPTs是指“針對特定目的定制的ChatGPT”，用戶可以通過自定義行為創(chuàng)建一個定制版的ChatGPT，定制版的ChatGPT具備帶有任何功能的可能性（在保證隱私和安全的情況下）。

不論是開發(fā)者還是不會寫代碼的普通人，都可以擁有自定義版本的GPT。

更加個性化、私人化、場景化，每個人都可以擁有自己的AI Agent。GPTs通過結(jié)合①說明/Instruction+②擴(kuò)展的知識/Expand knowledge+③操作/Actions，能夠在很多情況下更好地工作，并且為用戶提供更好地控制，用以幫助用戶輕松完成各種任務(wù)、或者獲得更多樂趣。

針對開發(fā)者在開發(fā)API中的痛點，OpenAI推出Assistant API，致力于為開發(fā)者賦能。根據(jù)此前市場上推出的各種API，我們可以發(fā)現(xiàn)API通過接入各種程序和應(yīng)用，有助于幫助應(yīng)用實現(xiàn)特定功能。

例如，Shopify的Sidekick允許用戶在平臺上進(jìn)行操作；Discord的Clyde允許discord版主設(shè)置自定義人格；Snap my AI作為定制聊天機(jī)器人工具，可以添加至群聊中并提出建議。但以上API的構(gòu)建可能需要開發(fā)者耗費(fèi)幾個月的時間、并由數(shù)十名工程師搭建，而目前Assistant API的推出將使其變得容易實現(xiàn)。

1）云側(cè)芯片龍頭：英偉達(dá)龍頭地位穩(wěn)固，AMD加速發(fā)展。

① 英偉達(dá)：2023年11月13日，英偉達(dá)推出H200，內(nèi)存方面首次采用HBM3e，容量高達(dá)141GB，帶寬實現(xiàn)大幅提升；性能方面著重強(qiáng)化推理能力和HPC性能，可將Llama2模型的推理速度提高近一倍，相較于H100可降低50%的TCO和能耗成本。2023年以來，英偉達(dá)AI芯片已發(fā)布多個產(chǎn)品，在云側(cè)算力芯片領(lǐng)域龍頭優(yōu)勢明顯。

② AMD：2023年6月，AMD正式發(fā)布MI300系列，MI300將CPU、GPU和內(nèi)存封裝為一體，大幅縮短DDR內(nèi)存行程和CPU-GPU PCIe行程，提高性能和效率；MI300采用Chiplet設(shè)計，擁有13個基于3D堆疊的小芯片（5nm: 3個CPU，6個GPU；4個6nm芯片），包括24個Zen4 CPU內(nèi)核，同時融合CDNA 3和8個HBM3顯存堆棧，集成5nm和6nm IP，總共包含128GB HBM3顯存和1460億個晶體管。對比MI250加速卡，MI300可帶來8倍AI性能和5倍每瓦性能的提升(FP8)，使ChatGPT和DALL-E等超大AI模型的訓(xùn)練時間可以從幾個月縮短到幾周。

2）端側(cè)芯片格局：對于AI PC端側(cè)適用芯片，英特爾進(jìn)展保持領(lǐng)先，高通有望實現(xiàn)從0到1。

① 英特爾：PC主芯片包括CPU和GPU。GPU方面，根據(jù)Statista數(shù)據(jù)，英特爾在22Q4全球PC GPU市場中占據(jù)71%的市場份額；CPU方面，根據(jù)Counterpoint Research數(shù)據(jù)，英特爾在2022年全球Notebook CPU/SoC市場中占據(jù)69.6%的市場份額，當(dāng)前英特爾在PC主芯片市場中處于主導(dǎo)地位。23H2，英特爾推出Meteor Lake處理器，助力PC效能提升，專為AI任務(wù)設(shè)計，在AI PC主芯片市場中具備先發(fā)優(yōu)勢。

② 高通：2023年10月，高通于驍龍峰會上推出驍龍X Elite芯片，可支持130億參數(shù)大模型，為Windows-on-Arm筆記本設(shè)計，預(yù)計在2024年中期發(fā)布。算力方面，AI PC對PC芯片的算力要求更高，高通在端側(cè)AI推理能力優(yōu)于英特爾。與此同時，生態(tài)方面，2022年至今Windows開始支持高通，已發(fā)布多輪支持Arm架構(gòu)芯片的操作系統(tǒng)。未來，高通在以驍龍X Elite為代表的AI PC芯片的助力下，將在PC領(lǐng)域?qū)崿F(xiàn)重要突破，逐步搶占市場份額。

3）大廠自研趨勢：科技巨頭加速自研，優(yōu)先服務(wù)于自身云服務(wù)業(yè)務(wù)及AI條線。微軟于23年11月16日Ignite技術(shù)大會上發(fā)布兩款自研芯片——Azure Maia 100和Azure Cobalt 100，分別用于大語言模型的訓(xùn)練推理和通用云服務(wù)的支持。近年來，各大科技廠商紛紛自研芯片，一是為了降低自身對第三方芯片和外部供應(yīng)鏈的依賴；二是自研芯片可幫助各大廠商克服一定的通用芯片局限，通過CPU+GPU+DPU+定制芯片等結(jié)合方案，提升全系統(tǒng)整合效率、實現(xiàn)業(yè)務(wù)賦能；三是提高計算能效、減少長期硬件成本。