数据中心市场规模（亿元）

35.00%

300030.00%

250025.00%

200020.00%

150015.00%

100010.00%

5005.00% 0 2019 2020 2021 2022 2023

2024E

0.00%

资料来源：中商情报网，国联证券研究所

1.2大模型性能提升，成本下降

1.2.1GPT-4o迈向更自然的人机交互

GPT-4o实现原生多模态。北京时间5月14日凌晨，OpenAI发布了新一代多模态人工智能（AI）大模型GPT-4o，跨文本、视觉和音频端到端训练了一个新模型，这意味着所有输入和输出都由同一神经网络处理。GPT-4o可接受文本、音频、图像和视频的任意组合作为输入，并生成文本、音频和图像的任意组合输出。它可以在短至232毫秒的时间内响应音频输入，平均为320毫秒，与人类的响应时间相似。根据基准测试，GPT-4o在文本、推理和编码智能方面实现了GPT-4Turbo级别的性能，同时在多语言、音频和视觉功能上达到了新的谷歌全面升级基础大模型及应用

Gemini模型全面升级。北京时间5月15日，谷歌召开了年度开发者I/O大会，发布了一系列AI驱动的产品和功能。Gemini模型全面升级：（1）升级版Gemini1.5Pro上下文长度突破200万token，超过目前所有商用大模型；（2）轻量级模型Gemini

1.5Flash发布，相较于旧有模型，实现了低延迟响应并降低使用成本，100万tokens只要0.35美元；（3）GeminiNano将具备多模态能力。多模态模型方面：（1）谷歌发布文生图模型Imagen3模型，能够更准确理解图像的文本提示词，并且生成的图片更具创造性和细节；（2）发布视频生成模型Veo，可以根据文本提示创建大约一分钟时长的1080p视频剪辑，可捕捉不同的视觉和电影风格，包括风景和延时镜头，并对已生成的镜头进行编辑和调整。