OpenAI一开会，多少AI医疗公司洗洗睡

一个段子，投资人睡醒后的第一件事就是询问相关创业者：“你们和OpenAI所做的差异性在哪？”。

创业者回复：“差异性就是比他差。”

谁也没有想到，OpenAI召开首届开发者日，仅仅短短45分钟，OpenAI带给人们巨大的震撼，未来人人都能够无代码构建专属GPT，距离理想的AI又更近了一步。
更梦幻的是，从ChatGPT发布到多模态的GPT-4，再到如今的GPT-4 Turbo，还不到一年。
一步快，步步快。

国内外还在吭哧吭哧做提升大模型性能的AI公司还好吗？接入ChatGPT的医疗AI公司们又该何去何从？

自定义GPT秀翻全场
本次更新的最大看点是推出了GPT-4 Turbo，让任何人都可以使用自然语言在几分钟内构建应用程序。
Sam Altman亲自在现场演示，通过几轮对话，无需任何代码就创建了创业导师GPT。
它学习了Sam此前的演讲内容，直接为创业者提供建议，以后再也不需要抖音上精通人性的导师了。
图：Sam Altma现场演示
显然，OpenAI对生态重新进行了梳理，插件功能上线的时候，就有人将其比喻为AI的安卓市场，期待值被拉满。
然而当初的插件功能承载不了人们对它的期待，ChatGPT的用户增长开始一再下跌，有消息称10月的增长率仅为2%，且用户平均使用时间变短。
自定义GPT，成为留住用户一把新钥匙。

简单而言，GPT-4 Turbo是一个将AI大模型变成AI应用生态的新时刻，ChatGPT从单个应用晋升成了程序中台。
GPT-4 Turbo不仅把价格打下来，API约是GPT-4的 1/3，应对此前开发者抱怨价格太贵的问题，还将响应时间提速，每分钟token输出速度快2倍。

此外，OpenAI将推出GPT商店，直接上架用户生成的个性化模型，与创作者进行收益分成。
GPT整个生态由以往的插件过渡到个性化模型商店。

任何人都能够通过简单的操作，根据需求定制自己的GPT模型，同时还能够支持与他人分享赚取收益。

或许未来ChatGPT开发者将会取代IOS开发者，但是不需要懂代码设计、前端和美术，AI基础大模型已经成为了巨大杠杆，撬动所有的超级应用。

GPT还支持128K的上下文长度，相当于300的标准文本；更好的 JSON / 函数调用；
模型知识更新，由以往的2022年1月更新到了2023 年 4 月；
支持多模态，Dall-E 3、GPT4-V 和 TTS 模型已经集成在 API 中；

推出Assistant API：进一步方便应用开发者开发程序；

仅仅一天时间，有权限的网友们已经开始”脑洞大开”，定制自己的日程管家；定制自己的网页；运用GPT作为瑜伽教练矫正姿势；运用AI绘画调整自己最喜欢的画风……
例如沃顿商学院教授 Ethan Mollick 分享了一段视频，展示了他的 GPT 工具，其可查找市场特定细分市场的趋势，然后创建新产品的原型图像。
搭好环境后，难题留给网友，可以预见更多B端和C端应用将出现。

背刺友军，干翻初创？
此前智药局整理了约15家运用ChatGPT/GPT-4在医疗保健开展业务的公司。
这些公司接入了大模型的API，用于电子医疗笔记、患者沟通、健康管理、基因数据分析、电子操作系统等各种各样的场景。

然而OpenAI一更新，基于ChatGPT/GPT接口的创业公司的产品失去了意义。对于这些公司而言壁垒已经被打破，没有了护城河。

这一波OpenAI属实是“背刺友军”了。
未来，个人用户有望能在GPT Store内用更低的价格，体验不输上述完整应用的服务。

瞄准AI Agent为痛点的初创公司更是直接迎来降维打击，而前不久还有部分公司拿下了融资，如今他们的业务面临强劲的对手。
杜克大学的陈怡然教授表示，按照这个趋势，凡是所有希望在细分领域依靠领域知识（domain knowledge）和OpenAI掰腕子的人，都是死路一条，至少在学术界和中小公司几乎不可能。

OpenAI只要找到一个愿意的合作方，或者在公开领域能找到相应的训练集(都不需要比你手里的好，只要不是几个数量级的区别），剩下的就是降维式打击。
此前，人们认为ChatGPT展示了通用能力，在特定的行业和环节，专业性的知识仍然难以得到专家承认。

似乎在特定领域，经过专业知识训练的小模型比大型模型的效果更好。很多创业公司选择制作更加场景化和定制化的模型，有自己的“小而美”的特色，这个壁垒开始逐渐被打破。
如今，企业和个人可以通过外接知识库定制自己专属领域的模型，既是OpenAI的创举，也是小型创业公司的噩梦。
例如当前卷生卷死的AI对话医生。
例如智药局此前分享，国外一名母亲4 岁的孩子 Alex 因慢性疼痛，在 3 年时间内共看了 17 个医生，直到注册了ChatGPT将病情上传，才诊断为脊髓栓系综合征(TCS)这个罕见病。
ChatGPT已经显现了其诊断病症的能力，从技术上来看，通过知识库和微调，未来很有可能出现专业的AI医疗模型。
海外大模型的趋势一直被视为国内的风向标，OpenAI模式也很有可能被带到国内科技巨头上。
据智药局不完全统计，国内今年来发布的医疗健康类大模型已接近20个，使用场景基本集中在智能问诊、智能诊断、临床辅助决策、医学影像、医学报告生成等领域，总体而来差别并不大。

当OpenAI不断自我革命时，这些医疗AI模型可能也得好好梳理，哪些应用容易被个性化GPT取代？

以月为单位的模型迭代推演下，未来又有哪些可能会被取代？

AI圈一夜无眠。

—The End—
推荐阅读