当地时间9月25日，OpenAI官网宣布推出新版ChatGPT，增加了语音输入和图像输入两项新功能。据悉，新功能将在未来两周内向ChatGPT Plus订阅用户和企业用户推出，开发人员等其他用户群体也有望在不久的将来体验。此外，语音输入功能将在iOS和Android平台推出，图像输入功能将登陆所有平台。
其中，语音输入功能就类似于语音助手，用语音替换原本的文字输入，ChatGPT会将其转换成文本，并以语音的方式将答案播放给用户;图像输入功能，就类似于图片搜索，用户拍下自己感兴趣的事物或者想表达的问题，甚至与语音和文本输入相配合，上传至ChatGPT，就会收到相应的回答。与图片搜索不同的是，ChatGPT可以进行多轮对话，并非简单的搜索，用户可以多次提问，以获得更准确且全面的答案为止。
事实上，具备语音、图像等多模态特征的生成式AI应用已经成为AI大模型发展的必然趋势。例如，Meta具备AI生成音乐能力的AudioCraft、苹果正在试验的AI生成语音应用Personal Voice等。同时，百度文心一言、阿里云通义千问、科大讯飞星火大模型等均已具备多模态能力。
今日上午，A股AI概念集体爆发，包括生成式AI、大模型、多模态等十余支个股大涨。例如，智能语音厂商海天瑞声涨停，涨幅达20%。万兴科技、大华股份、寒武纪、科大讯飞等个股也有不同程度的上涨。
目前，生成式AI的商业化进程有望加速。其中，微软近日宣布将旗下所有GPT-4加持的Copilot功能全部统一为“Microsoft Copilot”，并将于9月26日开始通过Win11免费推送。同时，国内也有一大批AI大模型获批，向公众开放，全面迈向To C端。
然而，在多模态和商业化等趋势下，生成式AI对算力的需求自然水涨船高，行业或将迎来新一轮的算力竞赛。