谷歌和Open AI的又一次對陣，剛剛落幕了。
北京時間5月14日凌晨，OpenAI發佈端到端多模態AI大模型GPT-4o，酷似科幻電影《Her》的AI語音對話迅速成爲關注焦點。
24小時後，攜新版Gemini AI大模型等產品，谷歌在北京時間5月15日凌晨1點的I/O 2024大會上重振旗鼓，試圖在AI賽道上重新奪回主動權。
在過往一年中，多次被Open AI搶走風頭的谷歌，能否打一個翻身仗？
不到兩小時，提到121次AI
將近兩個小時的發佈會上，關鍵詞“AI”貫穿了谷歌全場的演講展示。
“我猜想現場一定有人想數一數今天的發佈會上有多少次提到AI。”在I/O發佈會現場，谷歌CEO桑德拉·皮查伊打趣道，觀衆席內響起一片笑聲。
這個答案由谷歌AI現場完成統計，“一共提到了120次。”皮查伊說。話音剛落，屏幕上的數字跳到了121次。
不到兩小時的發佈會，谷歌講了121次AI
圖源：谷歌發佈會
由皮查伊開場，谷歌在發佈會上先後介紹了他們在軟件、硬件等方面的AI佈局。可以說，關注前沿發展的谷歌，在人們今年所能見到的AI應用方向上均有涉獵。
作爲基礎架構的大模型Gemini發佈1.5 Pro型號，再次打破100萬tokens（文本中最小語義單元）的紀錄，原版相當於一次可以處理長達1500頁文本、30000行代碼或是長達1小時的視頻，現在新模型將上下文窗口擴大一倍，達到200萬tokens。
聚焦於自有模型的能力突破之外，谷歌還面向開發者推出了輕量級模型Gemini 1.5 Flash，相較於舊有模型，Gemini Flash實現了低延遲響應並降低使用成本，其100萬tokens只要0.35美元。比前一天發佈的GPT-4o更加便宜。
谷歌披露大模型API的最新定價
圖源：谷歌發佈會
在多模態模型佈局上，谷歌一口氣發佈了圖片生成模型imagen和視頻生成模型Veo。其中，Veo支持生成60秒以上的1080P視頻，它被人們視爲對標Open AI的視頻生成模型Sora。
“生成視頻的難點在於解決物品在空間中的移動，並且隨着時間的推移需要保持一致性。”谷歌DeepMind負責人道格說。“AI發展15年，我們就知道它會改變一切，現在已經到了實現它的時刻。”
現場展示中，Veo發佈了多個演示視頻：在草地上奔跑的獵豹、穿梭在星際之間的宇宙飛船等。在演示片中，谷歌展示了他們和影視從業者的合作實踐。初步看起來，它擁有不輸於Sora的流暢體驗，但同樣不對外開放使用。
由Voe生成的視頻，汽車在公路上飛馳
圖源：谷歌發佈會
發佈會現場，皮查伊多次提及“Making AI more helpful for everyone ”，藉助大模型Gemini的能力，谷歌開發了一系列AI功能。比如支持用搜索方式查找手機圖片的Ask Photo、AI助理Project Astra。
讓人眼前一亮的是Project Astra，在演示視頻中，通過手機和AR眼鏡的聯合使用，AI能夠在目之所及的範圍內完成和用戶的實時交互。它不僅成功識別並向用戶解釋了圈出來的硬件，還能幫助用戶在桌子上找眼鏡、解答白板上的題目。Project Astra也被視爲GPT-4o的對手。
Gemini準確識別出電腦上的代碼用於加密和解密
圖源：谷歌發佈會
谷歌還將Gemini集成在包括搜索引擎、Gmail、Maps等在內的AI全家桶產品中。
備受關注的是，在這次發佈會上，谷歌正式宣佈推出AI搜索功能，目前僅支持向美國地區開放。在演示中，谷歌的AI搜索在解決複雜問題上應用“多步推理”，以往需要搜索十次才能獲得的答案，合併到一個問題解決。比如一次性納入用戶的通勤和時間安排，通過AI搜索爲用戶推薦適合的瑜伽館。
應用“AI Overview”推薦店鋪
圖源：谷歌發佈會
谷歌秀的肌肉，連自家員工也瞧不上
在谷歌這場秀肌肉的發佈會上，Open AI依然是那個站在巨頭背後的幽靈。
從ChatGPT開啓新一輪人工智能浪潮的時候，它就給了谷歌重重一擊。自GPT-4發佈之後，人們關注的目光更是開始向Open AI傾斜。
野心勃勃的Open AI CEO薩姆·阿爾特曼也將谷歌視爲頭號競爭對手。從宣傳時間的選擇到產品發佈戰略，Open AI的槍口多次瞄向谷歌。
一年以來，谷歌已經在與Open AI的對陣中多次嚐到苦果：
2月15日，Gemini 1.5 Pro 發佈。同一天，Open AI發佈Sora，雖然目前仍然處於無法測試使用的狀態，但Sora實現文生視頻的流暢性和畫面表現震驚科技圈。對比之下，Gemini的重大更新幾乎無人問津。
本次，Open AI剛剛舉辦的春季發佈會同樣是一次有備而來的伏擊。Open AI將發佈會時間由5月9日挪到了5月13日，剛好是谷歌舉辦I/O發佈會的前一天。
在昨日的發佈會上，Open AI只用了半個小時，就押到了谷歌今天的兩個重點。
一是輕量級模型的發佈，Open AI推出的GPT-4o同樣以低成本、快速響應的方式實現，官網介紹，GPT-4o達到了媲美GPT-4 Turbo的各項能力，但成本僅爲後者的一半。
另一個是AI助手，Open AI CTO米拉·穆拉蒂現場演示瞭如何和手機上運行的模型GPT-4o完成交談。“它對人類的情緒、語氣理解得十分自然精準，如同與一個真正的人類朋友或助理在聊天。”
在這段實時演示中，GPT-4o準確識別了人類的情緒，它會開玩笑，調侃人類的呼吸聲音太大；它能依照用戶要求，更改說話的語氣，比如用更誇張的戲劇腔代替冰冷的電子音；它還能實現同聲傳譯，準確地把意大利語翻譯成英文。
正如阿爾特曼在X中提前預告的那樣，科幻電影《Her》中的劇情走入現實，人類和AI實時對話的設想已經具備實現的雛形。
爲了防禦對手，谷歌曾經一個月發佈5次大模型。今年2月，谷歌曾先後發佈Gemini功能更新、推出Ultra版本、發佈Gemini 1.5 Pro，併發布開源模型Gemma和世界模型Genie。
但這些不痛不癢的更新不僅沒有起到防禦作用，甚至還引發了負面反饋。谷歌內部流傳出的圖片曾毫不留情地吐槽，“連內部員工都記不住這些大模型的名字”。
保守敗於瘋狂，只剩一張“生態牌”
回顧過往，人工智能曾在2014年、2017年多次引起科技界的關注，而在幾次浪潮中，谷歌都扮演着先驅者的角色。
追溯至2011年，谷歌就已經在公司內部成立了“谷歌大腦”(Google Brain)，專注於深度學習和神經網絡研究，目標是“讓機器也能擁有理解和學習的能力”。
2014年，谷歌斥資4億美元收購英國AI公司DeepMind，進一步夯實了在深度學習領域的實力，孕育出了具有里程碑意義的AlphaGo（阿爾法圍棋）。次年，谷歌將機器學習系統TensorFlow開源，並啓動研發AI芯片TPU，在算力層面爲後續訓練大模型打下硬件基礎。
2016年，皮查伊在當年的I/O開發者大會上宣佈，將AI置於公司首要發展戰略，正式向AI First轉型。在提出Transformer架構，併發布LaMda大模型後，從搜索、助理到Pixel手機、Nest家居等，谷歌開始全面把AI能力植入產品線。
谷歌更傾向於讓AI扮演一個輔助角色，對AI的態度偏保守。隨着時間軸滑向2023年，谷歌的風頭慢慢被Open AI壓過一籌。谷歌的前瞻性佈局和先發優勢，被Open AI的瘋狂打敗了。
在技術成熟的情況下，後起創業公司Open AI使用的核心技術正是由谷歌發明的。GPT的“T”就來源於2017年穀歌發佈論文中研究的Transformer架構。Open AI燒了大把的錢，砸出了訓練大模型的可行方向。
ChatGPT在2022年底發佈之時，谷歌可能也注意到了這家初創公司，但未能引起足夠的重視和警惕。2023年1月，谷歌AI負責人Jeff Dean在一個內部會議中表示，雖然谷歌擁有做AI產品的技術和能力，但和小型初創公司相比，谷歌做出決策必須更加保守。
直到2023年2月，ChatGPT引起巨大反響，被視爲衝擊搜索引擎的新出口。谷歌匆忙應戰，推出大模型Bard，卻因常識性失誤引發口碑崩盤——在發佈會現場，Bard將智利超大望遠鏡首次拍攝系外行星的功勞記在了詹姆斯·韋伯太空望遠鏡上，間接引發谷歌母公司市值暴跌1000億美元。
在之後的表現中，谷歌逐漸消磨掉了人們的信任。Gemini Ultra版本發佈一天後被質疑造假，有內部員工表示“這（視頻）是不切實際的”，谷歌最後也承認演示視頻是經剪輯製作的效果。
多次犯下致命失誤後，谷歌AI產品的信服力越降越低。谷歌正在盡力追趕並彌補過失。從這次發佈會的動作來看，谷歌的策略調整爲：以大而全的方式佈局所有AI細分賽道的機會。
對於算力、算法和人才儲備充足，技術功底深厚的谷歌而言，藉助於自家生態的優勢，谷歌將Gemini集成在方方面面，憑藉數據積累，谷歌自有生態構建的護城河壁壘，是Open AI所無法取代的。
“谷歌最堅固的護城河是分銷，Gemini 不必成爲最好的模型，也能成爲世界上最常用的模型。”英偉達高級研究科學家範麟熙（Jim Fan）在X上評價。
不再領先的谷歌，只好握緊生態的優勢牌。（魏琳華）