Jim Fan锐评：GPT-4o低延迟的奥秘在这里

华尔街见闻05-14

14日凌晨，OpenAI召开了一个简短的发布会，发布了新的AI模型：GPT-4o，除了可以给普通用户使用之外，还将开放相应API给GPT的开发者，比原来的GPT 4-Turbo快2倍，价格还便宜50%，妥妥的“加量又减价”。英伟达高级研究科学家Jim Fan对此发了篇长推文，点评OpenAI的这款新模型：低延迟，支持文字、图像和视频输入和输出，而且还会假装自己是有情感的人类... 原文如下： ...

网页链接

免责声明：本文观点仅代表作者个人观点，不构成本平台的投资建议，本平台不对文章信息准确性、完整性和及时性做出任何保证，亦不对因使用或信赖文章信息引发的任何损失承担责任。

精彩评论

我们需要你的真知灼见来填补这片空白

发表看法

{"i18n":{"language":"zh_CN"},"isChannel":false,"data":{"share":"https://www.laohu8.com/m/news/2435318865?lang=zh_CN&edition=full","thumbnail":"https://wpimg-wscn.awtmt.com/88c49c2f-4722-4f9e-a7c7-4ae72a48e106.png","is_english":false,"pubTime":"2024-05-14 10:03","share_image_url":"https://static.laohu8.com/e9f99090a1c2ed51c021029395664489","id":"2435318865","market":"hk","top_or_hot":-1,"title":"Jim Fan锐评：GPT-4o低延迟的奥秘在这里","media":"华尔街见闻","content":"<div>\n<p>14日凌晨，OpenAI召开了一个简短的发布会，发布了新的AI模型：GPT-4o，除了可以给普通用户使用之外，还将开放相应API给GPT的开发者，比原来的GPT 4-Turbo快2倍，价格还便宜50%，妥妥的“加量又减价”。\n英伟达高级研究科学家Jim Fan对此发了篇长推文，点评OpenAI的这款新模型：低延迟，支持文字、图像和视频输入和输出，而且还会假装自己是有情感的人类...\n原文如下：\n\n...</p>\n\n<a href=\"https://wallstreetcn.com/articles/3714832\">网页链接</a>\n\n</div>\n","source":"wallstreetcn_hot_news","html":"<!DOCTYPE html>\n<html>\n<head>\n<meta http-equiv=\"Content-Type\" content=\"text/html; charset=utf-8\" />\n<meta name=\"viewport\" content=\"width=device-width,initial-scale=1.0,minimum-scale=1.0,maximum-scale=1.0,user-scalable=no\"/>\n<meta name=\"format-detection\" content=\"telephone=no,email=no,address=no\" />\n<title>Jim Fan锐评：GPT-4o低延迟的奥秘在这里</title>\n<style type=\"text/css\">\na,abbr,acronym,address,applet,article,aside,audio,b,big,blockquote,body,canvas,caption,center,cite,code,dd,del,details,dfn,div,dl,dt,\nem,embed,fieldset,figcaption,figure,footer,form,h1,h2,h3,h4,h5,h6,header,hgroup,html,i,iframe,img,ins,kbd,label,legend,li,mark,menu,nav,\nobject,ol,output,p,pre,q,ruby,s,samp,section,small,span,strike,strong,sub,summary,sup,table,tbody,td,tfoot,th,thead,time,tr,tt,u,ul,var,video{ font:inherit;margin:0;padding:0;vertical-align:baseline;border:0 }\nbody{ font-size:16px; line-height:1.5; color:#999; background:transparent; }\n.wrapper{ overflow:hidden;word-break:break-all;padding:10px; }\nh1,h2{ font-weight:normal; line-height:1.35; margin-bottom:.6em; }\nh3,h4,h5,h6{ line-height:1.35; margin-bottom:1em; }\nh1{ font-size:24px; }\nh2{ font-size:20px; }\nh3{ font-size:18px; }\nh4{ font-size:16px; }\nh5{ font-size:14px; }\nh6{ font-size:12px; }\np,ul,ol,blockquote,dl,table{ margin:1.2em 0; }\nul,ol{ margin-left:2em; }\nul{ list-style:disc; }\nol{ list-style:decimal; }\nli,li p{ margin:10px 0;}\nimg{ max-width:100%;display:block;margin:0 auto 1em; }\nblockquote{ color:#B5B2B1; border-left:3px solid #aaa; padding:1em; }\nstrong,b{font-weight:bold;}\nem,i{font-style:italic;}\ntable{ width:100%;border-collapse:collapse;border-spacing:1px;margin:1em 0;font-size:.9em; }\nth,td{ padding:5px;text-align:left;border:1px solid #aaa; }\nth{ font-weight:bold;background:#5d5d5d; }\n.symbol-link{font-weight:bold;}\n/* header{ border-bottom:1px solid #494756; } */\n.title{ margin:0 0 8px;line-height:1.3;color:#ddd; }\n.meta {color:#5e5c6d;font-size:13px;margin:0 0 .5em; }\na{text-decoration:none; color:#2a4b87;}\n.meta .head { display: inline-block; overflow: hidden}\n.head .h-thumb { width: 30px; height: 30px; margin: 0; padding: 0; border-radius: 50%; float: left;}\n.head .h-content { margin: 0; padding: 0 0 0 9px; float: left;}\n.head .h-name {font-size: 13px; color: #eee; margin: 0;}\n.head .h-time {font-size: 11px; color: #7E829C; margin: 0;line-height: 11px;}\n.small {font-size: 12.5px; display: inline-block; transform: scale(0.9); -webkit-transform: scale(0.9); transform-origin: left; -webkit-transform-origin: left;}\n.smaller {font-size: 12.5px; display: inline-block; transform: scale(0.8); -webkit-transform: scale(0.8); transform-origin: left; -webkit-transform-origin: left;}\n.bt-text {font-size: 12px;margin: 1.5em 0 0 0}\n.bt-text p {margin: 0}\n</style>\n</head>\n<body>\n<div class=\"wrapper\">\n<header>\n<h2 class=\"title\">\nJim Fan锐评：GPT-4o低延迟的奥秘在这里\n</h2>\n\n<h4 class=\"meta\">\n\n\n2024-05-14 10:03 北京时间&nbsp;&nbsp;&nbsp;<a href=https://wallstreetcn.com/articles/3714832><strong>华尔街见闻</strong></a>\n\n\n</h4>\n\n</header>\n<article>\n<div>\n<p>14日凌晨，OpenAI召开了一个简短的发布会，发布了新的AI模型：GPT-4o，除了可以给普通用户使用之外，还将开放相应API给GPT的开发者，比原来的GPT 4-Turbo快2倍，价格还便宜50%，妥妥的“加量又减价”。\n英伟达高级研究科学家Jim Fan对此发了篇长推文，点评OpenAI的这款新模型：低延迟，支持文字、图像和视频输入和输出，而且还会假装自己是有情感的人类...\n原文如下：\n\n...</p>\n\n<a href=\"https://wallstreetcn.com/articles/3714832\">网页链接</a>\n\n</div>\n\n\n</article>\n</div>\n</body>\n</html>\n","isBrief":false,"type":0,"news_type":1,"symbol":"FSD","symbol_name":"First Trust High Income Long/Sho","start_time":0,"source_url":"https://wallstreetcn.com/articles/3714832","article_id":"2435318865","we_media_id":null,"thumbnails":["https://wpimg-wscn.awtmt.com/88c49c2f-4722-4f9e-a7c7-4ae72a48e106.png"],"rights":{"source":"wallstreetcn_hot_news","url":"https://wallstreetcn.com/articles/3714832","rn_cache_url":null,"directOrigin":true},"url":"https://stock-news.laohu8.com/highlight/detail?id=2435318865","pubTimestamp":1715652193,"sourceInfo":{"source_id":"wallstreetcn_hot_news","name":"华尔街见闻"},"weMediaInfo":null,"summary":"OpenAI在深夜发布了号称比GPT 4-Turbo还快2倍的新模型GPT-4o后，英伟达高级研究科学家Jim fan表示：从系统上看，如果每个视频帧都解压成RGB图像，就能实现低延迟。","collect":0,"end_time":0,"defaultTopTitle":"wallstreetcn.com","property":[],"viewcount":null,"language":"zh","relate_stocks":{"FSD":"First Trust High Income Long/Sho"},"translate_title":"Jim Fan sharp comment: The mystery of GPT-4o low latency is here","themeId":null,"isJumpTheme":false,"ttsUrl":null,"symbols_score_info":{"FSD":1},"content_text":"14日凌晨，OpenAI召开了一个简短的发布会，发布了新的AI模型：GPT-4o，除了可以给普通用户使用之外，还将开放相应API给GPT的开发者，比原来的GPT 4-Turbo快2倍，价格还便宜50%，妥妥的“加量又减价”。\n英伟达高级研究科学家Jim Fan对此发了篇长推文，点评OpenAI的这款新模型：低延迟，支持文字、图像和视频输入和输出，而且还会假装自己是有情感的人类...\n原文如下：\n\n我知道你的时间线上现在充斥着“疯狂的，电影《Her》，你错过的10个功能，我们又回来了”这样的文字。 坐下来，像Mark在演示中那样深呼吸，让我们一步步思考：\n从技术角度来看，OpenAI已经找到了一种方法，可以直接将音频映射到音频作为第一类模态，并实时将视频流传输到transformer大模型。这需要对标记化和架构进行一些新的研究，但总体上是一个数据和系统优化问题。\n高质量的数据至少可以来自以下两个来源：\n首先是YouTube、播客、电视剧、电影等内容包含的对话。\n可以训练Whisper来识别对话中的发言者顺序或分离重叠的讲话以进行自动注释。\n其次是合成数据。使用强大的模型分3阶段运行：\n语音1->文本1（自动语音识别ASR）\n文本1->文本2（大型语言模型LLM）\n文本2->语音2（文本到语音TTS）。\n期间大型语言模型LLM可以决定何时停止，也可以模拟如何从中断中恢复。它可以输出对话中暗含“想法”，以帮助生成更好的回复。\n然后GPT-4o直接从语音1>语音2过程中进行提取，可选的辅助损失函数基于3阶段数据。提取后，所有操作都被被嵌入到模型中，而不需要发出中间文本。\n在系统方面：如果每个视频帧都解压成RGB图像，就能实现低延迟。OpenAI可能已经开发了基于神经网络的流式视频编解码器，以token形式传输运动增量。通信协议和神经网络推理必须共同优化。\n例如，可以在终端设备上运行一个小型且节能的神经网络，如果视频有趣就传输更多token，否则传输较少。\n我没想到GPT-4o会离GPT-5更近，GPT-5是传闻中的“Arrakis”模型，可以输入和输出多模态。实际上，它很可能是GPT-5的一个早期训练点，但还没有完成训练。\nGPT-4o的定位透露出OpenAI某种不安全感。在Google I/O之前，OpenAI宁愿超越我们对GPT-4.5的心理预期，也不愿因为达不到对GPT-5的极高期望而令人失望。这是一个聪明的举措，可以争取更多时间。\n值得注意的是，GPT-4o更加活泼，甚至有点调皮。GPT-4o甚至尝试（也许有点过于努力）听起来像女性。OpenAI正在蚕食Character AI的市场份额，这两家的产品高度重叠，并且OpenAI拥有庞大的分销渠道。GPT-4o正尝试向更具情感的AI转变，OpenAI过去似乎积极抑制了这一点。\n谁先赢得苹果，谁就能大获全胜。我看到与iOS的整合有三个层次：\n1）放弃Siri。OpenAI为iOS提取一个较小级别的、纯粹的设备上的GPT-4o，可选的付费升级以使用云服务。\n 2）将相机或屏幕流式传输到模型，芯片级支持神经音频/视频编解码器。\n 3）与iOS系统级操作API和智能家居API整合。没有人使用Siri快捷方式，但现在是时候复活了。这可以立即成为拥有10亿用户的AI代理产品。智能手机的全自动驾驶（FSD）与特斯拉规模的数据飞轮。\n\n以下是他的推特原文：\n风险提示及免责条款\n\n            市场有风险，投资需谨慎。本文不构成个人投资建议，也未考虑到个别用户特殊的投资目标、财务状况或需要。用户应考虑本文中的任何意见、观点或结论是否符合其特定状况。据此投资，责任自负。","kind":null,"is_publish_news":true,"is_publish_highlight":false,"is_publish_live":false,"is_publish_wemedia":null,"editions":null,"column":"","sentiment":"0","news_tag":"","news_rank":0,"symbols":[],"gpt_button":1},"commentList":[],"isCommentEnd":true,"newsSizeData":{"likeSize":0,"commentSize":0,"repostSize":0,"favoriteSize":0,"likeStatus":false,"favoriteStatus":false},"APP":{"userAgent":"Mozilla/5.0 AppleWebKit/537.36 (KHTML, like Gecko; compatible; ClaudeBot/1.0; +claudebot@anthropic.com)","isDev":false,"isTTM":false,"deviceId":"web-server-community-laohu8-v3","version":"4.29.0","shortVersion":"4.29.0","platform":"web","vendor":"web","appName":"laohu8","isIOS":false,"isAndroid":false,"isTiger":false,"isTHS":false,"isWeiXin":false,"isWeiXinMini":false,"isWeiBo":false,"isQQ":false,"isBaiduSwan":false,"isBaiduBox":false,"isDingTalk":false,"isToutiao":false,"isOnePlus":false,"isHuaWei":false,"isXiaomi":false,"isXiaomiWebView":false,"isOppo":false,"isVivo":false,"isSamsung":false,"isMobile":false},"href":"/m/news/2435318865"}