来源：中信建投证券研究

GPT-4在理解能力、图片和文本的综合理解、定制个性等方面具有显著提升。对于应用领域而言，我们已经可以看到多模态模型帮助应用同时实现增收、降本增效的可能性。我们此前将现在类比为移动互联网爆发前夕，预计GPT-4将加速这一进程。

其中我们认为“多模态+图片/视频应用”是应用发展的基座，“+游戏”将从改善需求看实现增收，同时为大型游戏减少研发费用，为中小型游戏减少营销费用，“+虚拟人”将解决行业发展受限于套皮等“伪需求”问题。

(资料图片)

OpenAI在3月15日正式发布GPT-4。据OpenAI，GPT-4是多模态模型，可以理解文字和图片，并反馈文字，其理解能力较GPT-3和ChatGPT更强。目前GPT-4的文字输入和反馈功能已经在ChatGPT更新，并开放了API接口，而图片输入功能将会和Be My Eyes合作。据Be My Eyes官网，Virtual Volunteer功能将会结合GPT-4，iOS和安卓应用已开放该功能的预约。

据OpenAI官网，相较ChatGPT和GPT-3，GPT-4主要在一下6个方面有较大改进：

1）GPT-4的理解能力有重大优化，我们预计将显著改善办公等生产力场景的用户体验。据OpenAI官网，在模拟AP、SAT、GRE和美国法考等大部分考试中，带视觉能力的GPT-4可以获得更好的成绩。26门模拟考试中，GPT-4在17门获得了更好的成绩，特别是在微积分、化学和物理等理科领域有近40%，甚至更高的排名提升。据The Verge报道，此前ChatGPT在数学推算过程中时常会出现错误。而从此次OpenAI展示的结果看，数学逻辑的推理能力已明显提升。此外排名提升最大的是美国司法考试，GPT-3.5排名仅列后10%，而GPT-4.0可以达到前10%的排名。

2）多模态模型可以综合理解文本和图片，从而优化反馈，我们预计更有助提升教育领域的用户体验。GPT-4的多模态模型可以提取图片和文字中的标签，以统一的数据进行处理，并给予文字反馈。因此在OpenAI的测试中，GPT-4可以理解搞笑图片中iPhone的数据线不合常理得大的梗。我们认为图片和文本的综合理解能力可以优化交互场景体验。比如在教育场景中，从此前单纯的文字/语言互动，发展成结合视觉和语言的理解，给予更好的反馈，预计丰富教育形式，从而提升教育质量。

3）GPT-4在非英语场景下表现得更好。OpenAI使用Azure Translate将57门学科的14,000道选择题翻译成了26种语言，并给予GPT-4测试。结果显示，GPT-4在其中24种语言的正确率高于GPT-3.5、Chinchilla、谷歌的PaLM等LLM的英文测试表现，包括拉脱维亚语、威尔士语、斯瓦西里语等预料资源稀缺的小语种。从另一层面可见GPT-4对于语言的理解能力也要由于其他LLM。

4）GPT-4的“可操纵性”（Steerability）将赋予AI不同的个性，预计将进一步推动虚拟人成为“人”的可能。相比ChatGPT固定的语言风格，GPT-4将允许接入API的用户定制AI的“性格”。我们预计将进一步优化虚拟人的反馈机制，类似于国内AI对话应用Glow可以让用户与“钢铁侠”Tony Stark等不同背景、场景的虚拟人对话，将相关技术带入虚拟人场景中，是虚拟人成为真正的“人”。

因此，我们认为ChatGPT使虚拟人摆脱动捕仅，获得AI反馈机制，成为“人”是第一步，而GPT-4解锁了虚拟人发展的第二部，使其成为个性迥异的“人”。这有助于解决虚拟人发展受限于套皮、性格等造成与虚拟人对话、互动是“伪需求”的问题。

5）在体验方面，GPT-4在安全、道德、法律等方面的防范意识更好。OpenAI的研发人员基于在开放后，用户不断提出的有害信息、诱导性问题，对模型进行了优化，因此现在GPT-4在安全、道德、法律等方面的防范意识更强。

6）GPT-4允许用户输入更长的内容。相较GPT-3.5和ChatGPT约4,096 tokens/约8,000单词的限制，GPT-4允许用户最多输入32,768 tokens/64,000单词，是过去的8倍。因此，GPT-4可以更持续性地与用户进行更多轮的对话，而不会很快“忘记”之前的对话内容。

以获得Y Combinator支持的生成式AI初创公司为例，多数应用主要是文本形式的输入和输出类应用，包括客服、办公辅助、科技金融等，其次为文本生成图片的变相应用，如生成不同艺术风格的短视频（无情节的艺术插画拼接）、游戏3D模型和素材生成等。

此次多模态的GPT-4发布，我们认为一方面，在生产力工具、教育和客服等交互应用，这类目前更容易落地的场景内，我们可以看到GPT-4的辅助能力进一步提升，优化了现有落地场景的用户体验；另一方面，我们也看到了多模态模型的可能性，此次升级在输入端，将文本理解，升级成文本和图片的综合理解，而未来我们也可以展望在输出端，也可以有文本结合图片、视频等形式的产出，从而推动图片/视频应用、游戏、虚拟人等应用场景有更丰富的功能落地。

我们认为“多模态+图片/视频应用”是应用领域的基座，提升生产效率、降低成本。目前已有的AIGC技术融合应用的形式还较为单一，多数仍是文字生成图片的变相应用。而多模态模型使文本、图片、视频等多种内容形式的综合理解，以及多种内容的结合输出成为可能。最终不仅可以在C端的场景中，为日常生活提供娱乐和生产工具，同时也可以在游戏、虚拟人等内容的生产中提供辅助工具。因此我们认为，“多模态+图片/视频应用”是应用领域落地的基础。

“多模态+游戏”：1）提升行业需求：互动感倍增，解决行业需求放缓的痛点。自疫情初期经历短暂需求增长后，市场整体出现需求疲软的情况。据游戏产业报告，22年中国游戏市场实际销售收入2,658.8亿元，同比下降10.3%，减少306.3亿元。而多模态AIGC模型的应用，预计可提升游戏的互动体验。如网易已在《逆水寒》中将AIGC技术应用于NPC，增加玩家互动体验。未来，我们预计AIGC可以改变游戏固定的故事模式，提升游戏的内容量，增强游戏的互动体验，最终通过技术改善游戏需求增长放缓的问题。

2）降低成本：大型游戏降低研发成本，中小型游戏降低营销成本。除增收以外，多模态也可以通过更低的生产成本制作出内容量更大的游戏，类似于TechCrunch报道的，哥本哈根大学的团队将AIGC技术应用于《超级马里奥》游戏中，生成无限关卡的MarioGPT，对于大型游戏而言可以降低研发成本。

中小型游戏的研发成本占比有限，而将本逻辑类似于广告营销公司。基于用户在微博、抖音等平台观看的内容，以及天气、地理位置等外部信息，生成“千人千面”的广告内容，最终提升广告的ROI。因此，多模态模型可以降低广告素材生产成本，提升广告效果，从而为中小型游戏将本。

“多模态+虚拟人”：成为真正的“人”，解决行业发展痛点。由于目前虚拟人存在套皮，或是AI生成的虚拟人性格单一等问题，导致虚拟人存在是否为“伪需求”的质疑。而从此次GPT-4的发布中可以看到，AI已可以拥有个性，同时多模态可以结合文本/语言、图片/视觉的理解，更好得让虚拟人理解人类的真实感受，并给出反馈，提升互动的体验感，解决行业发展痛点。

我们认为多模态的GPT-4为图片/视频应用、游戏和虚拟人在发展中落地 AIGC 技术，提供了更多可能性，有助同时实现增收、降本增效，最终改善行业和个股的估值弹性。

风险提示：

生成式AI技术发展不及预期、各领域技术融合进度不及预期的风险、算力支持程度不及预期、数据质量及数量支持程度不及预期、用户需求不及预期、技术垄断风险、原始训练数据存在偏见风险、算法偏见与歧视风险、算法透明度风险、增加监管难度风险、政策监管风险、商业化能力不及预期、相关法律法规完善不及预期、版权归属风险、深度造假风险、人权道德风险、影响互联网内容生态健康安全风险、企业风险识别与治理能力不足风险、用户审美取向发生变化的风险。

编辑/Somer