多模态，通用大模型新一轮竞争拉开了

通用大模型只拼生成内容，自动写代码，写文档是不行了。现在已经进入新一轮的竞争，就是多模态的大模型，大模型能够阅读和理解图像内容，还要能够创作图像，甚至视频。

OpenAI发布了新的图像生成的模型DALL-E 3，可以直接在ChatGPT里面通过对话，来生成图像，甚至进行创作了。

DALL-E 3看起来不逊色于文生图领域的王者MidJourney。看看用ChatGPT生成图像效果如何。

牛油果看医生的创意

心脏内的小宇宙创意

ChatGPT对图像能力的加强，可能对Midjourney是一个噩耗。不过对于用户来说，估计接下来会创造出茫茫多的有趣玩法。我就观察我9岁的儿子，发微信都是只发表情和动图的。只要大模型对图像和视频的阅读和生成能力上一个台阶，我甚至估计会出现很多有创意的To C的产品出来。

比方说，只是纯图像纯视频的沟通的社交App，不再需要文字了，甚至可以通过手机摄像头阅读用户表情，根据用户的心情随时变换头像的表情，想想就觉得很有趣。

其实OpenAI和Google这两个AI领域的重量级玩家，目前都在大模型的多模态方面持续发力。除了刚刚发布的DALL-E，很可能OpenAI还在研发下一代的GPT-5，代号戈壁(Gobi)。而Google的多模态的AI大模型产品Gemini也会在今年四季度正式发布。此外，今年11月6日，OpenAI在旧金山举办开发者大会，届时不知道会放出来什么大招。

总之，通用大模型下一个竞争热点会从文字转向图像和视频，特别是大模型如果能读懂图像，还是能创造很多新的需求场景的，想象空间真的很大，让我们拭目以待吧。