计算机行业周报：GPT-4V：多模态最新里程碑

　　多模态能力跃迁，GPT-4V 开启视觉交互时代。1）9 月25 日，OpenAI 官方宣布，其开始在ChatGPT 中推出新的语音和图像功能；同日，OpenAI发布《GPT-4V(ision) system card》，探索并展示此次大模型在视觉上的能力及其边界，GPT-4V 的训练在2022 年完成，OpenAI 从2023 年3 月开始提供早期访问；9 月29 日微软发布《大型多模态模型的曙光：GPT-4V 的初步探索》，详细测评GPT-4V 在多类任务上的表现。2）支持图像输入为GPT-4V 的主要革新。在输入方式上，GPT-4V 支持图像、子图像、文本、场景文本、视觉指针及其混合集；在能力上，GPT-4V 在视觉理解和解释、视觉参考提示、时间序列与视频理解、抽象视觉推理与智力测试、情商测试等实验中均表现优秀。
　　微软深度测评，LMM 应用场景广阔。微软基于对GPT-4V 的测评，探讨了大型多模态模型有哪些有前景的应用场景，设计了GPT-4V 在各场景的新兴应用测试用例。1）工业领域，可用于缺陷检测、安全检查、杂货结账。2）医疗领域可用于放射学报告生成。3）汽车保险领域可生成损伤评估和保险报告。4）图像标题生成功能可用于图像整理以及带分割密集标题生成。5）图像生成领域可用于生成图像评估以及图像编辑提示词生成。6）具身智能领域可用于操作机器和导航。7）GUI 导航领域，可用于网络浏览、在线购物、通知理解和观看视频。
　　插件、自我反思等工具加持，LMM 潜力无限。微软探讨了GPT-4V 未来可能的研究方向，这些方向可能进一步增强GPT-4V 的能力。包括多模态插件（例如使用Bing 图像搜索插件）、多模态链（例如将图像裁剪插件用于计数任务）、自我反思、自一致性（聚合多个输出以产生最后答案）和检索增强（通过检索相关信息并将其集成到提示中来增强LMM）。
　　建议关注：
　　1）多模态应用：大华股份、海康威视、中科创达、千方科技、虹软科技、当虹科技等。
　　2）办公应用：金山办公、科大讯飞、万兴科技、福昕软件等。
　　3）落地快&估值性价比：大华股份、漫步者、传音控股、海康威视、新国都、赛意信息、紫天科技等。
　　4）算力侧：英伟达、中科曙光、浪潮信息、中际旭创、工业富联、云赛智联、神州数码、拓维信息、四川长虹、烽火通信、海光信息、恒润股份、新易盛、创业黑马、万马科技、恒为科技、易华录、阿尔特、润建股份、寒武纪、景嘉微、中贝通信、汇纳科技等。
　　5）机器人：硬件供应商：三花智控、拓普集团、鸣志电器、斯菱股份、绿的谐波等。
　　风险提示：AI 技术迭代不及预期风险；经济下行超预期风险；行业竞争加剧风险。
【免责声明】本文仅代表第三方观点，不代表和讯网立场。投资者据此操作，风险请自担。

   【免责声明】本文仅代表第三方观点，不代表和讯网立场。投资者据此操作，风险请自担。