冷眼與嘲諷之后，谷歌的AI大模型翻盤之路

 作者|貝貝俠 來源|錦緞

“我認(rèn)為2025年將至關(guān)重要。我認(rèn)為我們必須意識(shí)到這一刻的緊迫性，并需要作為一家公司加快步伐。風(fēng)險(xiǎn)很高。這些都是顛覆性的時(shí)刻。在2025年，我們需要堅(jiān)持不懈地專注于釋放這項(xiàng)技術(shù)的優(yōu)勢(shì)并解決真正的用戶問題。”12月18日舉行的2025年戰(zhàn)略會(huì)議上，谷歌首席執(zhí)行官桑達(dá)爾·皮查伊（Sundar Pichai）如是說。

聽起來像是公司生死存亡的時(shí)刻，事實(shí)是遠(yuǎn)沒有到這地步。谷歌剛剛經(jīng)歷了一個(gè)揚(yáng)眉吐氣的12月，當(dāng)然揚(yáng)眉吐氣之前是灰頭喪氣。

而在2023-2024年，能讓谷歌的命運(yùn)如此波折的事件，只有當(dāng)下最受矚目的新賽道——大模型。谷歌在大模型的賽場(chǎng)上可謂受盡了冷眼和嘲諷。

首先要說，谷歌的大模型或者人工智能起步非常早，幾乎是Mag-7中起步最早的，甚至在OpenAI發(fā)布了3.5之后，馬上在2023年出發(fā)布了自己的第一代成熟大模型Bard。但幾乎招來的不是贊嘆，而是近乎嘲諷的對(duì)待，股價(jià)也隨之低迷。直到現(xiàn)在，谷歌仍然是Mag-7中PE最低的。

作為上個(gè)移動(dòng)互聯(lián)網(wǎng)時(shí)代的絕對(duì)勝利者，早在2001年就已經(jīng)開始機(jī)器學(xué)習(xí)研究的谷歌來說，這是無法容忍的。

01

坎坷的大模型之旅

【1】起大早趕晚集

作為上個(gè)移動(dòng)互聯(lián)網(wǎng)時(shí)代絕對(duì)的勝利者，谷歌向來在技術(shù)儲(chǔ)備和技術(shù)創(chuàng)新方面不遜色于任何公司。尤其是在深度學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)這類人工智能領(lǐng)域，需要絕對(duì)比拼算力和算法的領(lǐng)域，谷歌一直都處于領(lǐng)導(dǎo)地位。

2001年，谷歌開始利用機(jī)器學(xué)習(xí)來幫助人們糾正關(guān)鍵詞輸入的錯(cuò)誤拼寫。

2006年，推出基于機(jī)器學(xué)習(xí)的谷歌翻譯。

2015年，開源機(jī)器學(xué)習(xí)框架 TensorFlow推出，使得人工智能更易于訪問、可擴(kuò)展和高效，由此推薦算法進(jìn)入主流移動(dòng)應(yīng)用場(chǎng)景。

2016年，DeepMind開發(fā)的AlphaGo擊敗世界圍棋冠軍，人工智能這個(gè)曾經(jīng)出現(xiàn)在科幻作品中的詞匯變成現(xiàn)實(shí)。

同年，DeepMind就推出了機(jī)器學(xué)習(xí)發(fā)明并針對(duì) TensorFlow 優(yōu)化的定制芯片TPU，這種定制化芯片可以更快、更有針對(duì)性地訓(xùn)練和運(yùn)行AI模型，2024年12月谷歌的新一代大模型Gemini 2.0 就是基于第六代TPU訓(xùn)練得來。

2017年，谷歌推出了新型神經(jīng)網(wǎng)絡(luò)架構(gòu)Transformer，奠定了生成式 AI 系統(tǒng)的基石。

2019年2月，GPT-2正式基于Transformer架構(gòu)的語言模型，隨后催生了GPT-3.5、GPT 4.0，GPT o1等等。遺憾的是，谷歌自己的初代大模型反而不是基于Transformer架構(gòu)。

【2】競(jìng)爭來的太快太急

為了應(yīng)對(duì)2022年底GPT-3.5的爆紅，2023年2月6日谷歌發(fā)布大模型Bard，3月份首批在美國和英國推出。

初代版本的Bard，是基于谷歌2021年發(fā)布的LaMDA（Language Models for Dialog Applications）大模型。這款模型具有多達(dá) 1370 億個(gè)參數(shù)，更注重自然對(duì)話能力，對(duì)于信息和數(shù)據(jù)處理的能力不夠強(qiáng)，因此在巴黎的直播發(fā)布會(huì)中表現(xiàn)不佳，導(dǎo)致谷歌的股價(jià)下跌了8％。

谷歌內(nèi)部和媒體紛紛批評(píng)和質(zhì)疑谷歌的大模型能力。我們的測(cè)試中，也發(fā)現(xiàn)和ChatGPT相比，Bard更像是上個(gè)時(shí)代的產(chǎn)物，對(duì)話效果比Apple的Siri好不了多少。

2023年4月10日，Bard的底層模型升級(jí)為更強(qiáng)大的通用語言模型PaLM(Pathways Language Model)。和前代LaMDA模型相比，PaLM擁有更強(qiáng)大的語言理解和生成能力，對(duì)話過程更為流暢自然。

5月10日，Bard升級(jí)為PaLM2大模型，在PaLM的基礎(chǔ)上增加大大提升了邏輯推理能力，來減少對(duì)話中的笑話。谷歌在這個(gè)階段開始了大模型和自身產(chǎn)品的集成，從PaLM2開始大模型已經(jīng)為多款 Google產(chǎn)品提供生成式AI功能，包括Gmail 和Workspace等。

一直到2023年12月，Bard才再次迎來大升級(jí)，谷歌官方給出的表現(xiàn)報(bào)告顯示Gemini Pro性能表現(xiàn)全面超越GPT-3.5，模型從PaLM切換為Gemini Pro。Gemini Pro在文本理解、總結(jié)、推理、編碼和規(guī)劃等方面都得到了顯著加強(qiáng)。

在整個(gè)2023年中，盡管谷歌在不斷迭代模型，但始終并未進(jìn)入“大模型頂流”行列，甚至應(yīng)用范圍沒有走出谷歌自己的生態(tài)鏈。要知道彼時(shí)已經(jīng)有不少套殼產(chǎn)品依靠OpenAI的chatgpt開始盈利了。

谷歌周圍，強(qiáng)敵環(huán)伺。OpenAI占據(jù)大模型絕對(duì)的領(lǐng)頭羊第二，Anthropic的Claude每次迭代都能帶來驚喜，并不斷投Amazon等一輪輪融資，大有趕超OpenAI氣勢(shì)。Meta索性將自家大模型開源，劍走偏鋒。

谷歌自己的基本盤搜索業(yè)務(wù)上，又有垂直AI搜索產(chǎn)品Preplexy爆火，直接改革了搜索結(jié)果這一谷歌搜索廣告的重要流量源。

谷歌大概很多年沒有感受到這么強(qiáng)烈的危機(jī)感了。大模型競(jìng)賽就像一場(chǎng)開卷考試，比拼的就是算法、算力和基建，幸好這幾樣谷歌都不缺。

【3】老牌霸主憑實(shí)力趕上

2024年2月8日 Bard正式更名為Gemini，谷歌開始了趕超之旅。

2024年5月14日Gemini 1.5Pro和Gemini1.5Pro，2024年12月6日Gemini發(fā)布2.0 Flash。

在迎頭趕上垂直大模型產(chǎn)品之外，谷歌還拓展了大模型外圍產(chǎn)品，廣受好評(píng)的就是NotebookLM。

NotebookLM是2024年9月份谷歌發(fā)布了一款A(yù)I筆記應(yīng)用。該產(chǎn)品可以對(duì)輸入進(jìn)行理解和摘要，生成一個(gè)對(duì)談式的音頻內(nèi)容，堪稱播客制作的先天圣體。12月份NotebookLM進(jìn)行了重大升級(jí)，包括新外觀、新功能（例如“加入”音頻概覽以與主持人交談的能力）以及高級(jí)版本 NotebookLM Plus。

我們?cè)跍y(cè)試了兩款由該筆記應(yīng)用制作的播客節(jié)目，談話的嫻熟程度已經(jīng)超過播客從業(yè)者初級(jí)水平，AI主持人的音色自然，聊天過程中的不乏由談話內(nèi)容產(chǎn)生的抑揚(yáng)頓挫，幾乎無法識(shí)別是真人還是AI節(jié)目。唯一的不足就是對(duì)內(nèi)容的理解，過于“AI”化，對(duì)輸入內(nèi)容的挖掘無法跟進(jìn)時(shí)下熱門內(nèi)容。

但這款A(yù)I音頻制作工具帶來的強(qiáng)大效率是真人播客無法比擬的，不僅可以應(yīng)用在播客制作，還可以應(yīng)用在論文理解和解讀方面，大大降低了人們對(duì)高深內(nèi)容的閱讀門檻。Spotify Wrapped 的粉絲們推出一檔Spotify Wrapped AI 播客，該播客完全使用NotebookLM 構(gòu)建。

多模態(tài)方面，2024年2月，谷歌推出了文生圖模型Imagen 2。但推出后不久，就被用戶發(fā)現(xiàn)混淆了真實(shí)歷史錯(cuò)誤而蒙上陰影。隨后進(jìn)行“回爐再造”直到8月才迭代到Imagen 3。

重生后的Imagen 3模型細(xì)節(jié)準(zhǔn)確性方面得到了增強(qiáng)，并支持多種畫面各種風(fēng)格和更豐富的紋理，文生圖像質(zhì)量得到顯著提高。

5月份，谷歌發(fā)布視頻生成模型Veo來對(duì)抗OpenAI的Sora。初期Veo主要面向內(nèi)容創(chuàng)作者，可以支持高清晰度的視頻生成，用戶能夠輕松制作分辨率達(dá)1080p、時(shí)長超過60秒的高質(zhì)量視頻，還支持多種電影效果的視頻風(fēng)格。

多家媒體測(cè)評(píng)發(fā)現(xiàn)，盡管Veo在畫質(zhì)方面細(xì)膩度更勝一籌，但視頻內(nèi)容“科幻感”太強(qiáng)，無法做到Sora的現(xiàn)實(shí)感，幾乎一眼假。

DeepMind還為天氣預(yù)測(cè)研發(fā)了AI天氣模型GenCast，可以做到比其他天氣預(yù)報(bào)系統(tǒng)提前15天預(yù)報(bào)氣象變化，這對(duì)于農(nóng)業(yè)地區(qū)氣象災(zāi)難預(yù)警極為有利。

2024年10月份DeepMind因?yàn)榈鞍踪|(zhì)結(jié)構(gòu)預(yù)測(cè)模型AlphaFold順便拿了一個(gè)諾比爾化學(xué)獎(jiǎng)，盡管是和David Baker均分的。無論是天氣還是在生物醫(yī)藥領(lǐng)域，都表明谷歌AI在科研領(lǐng)域滲透遠(yuǎn)超OpenAI等AI新秀。

經(jīng)過2024年一年的煎熬和打磨，谷歌找到了自己的節(jié)奏，在24年最后一個(gè)月份迎來了豐收。不僅以Gemini 2.0打破了OpenAI連續(xù)12天產(chǎn)品發(fā)布會(huì)的連續(xù)劇，更是以量子芯片Willow證明了自己在科技界不可撼動(dòng)的地位。

12月11日Gemini 2.0發(fā)布前，谷歌已經(jīng)“不引人注意”地發(fā)布了gemini-exp-1206模型。這是一款實(shí)驗(yàn)性模型，甫已發(fā)布就在小范圍內(nèi)成為了多個(gè)LLM評(píng)分榜單的top，甚至超過自家后來發(fā)布的2.0 flash。預(yù)計(jì)這個(gè)版本的模型會(huì)是未來更先進(jìn)模型的測(cè)試版。

更轟動(dòng)的當(dāng)然是12月11日的Gemini 2.0 Flash，從“flash”這個(gè)單詞可以看出，大概率這還不是Gemini 2.0的完整版，但目前釋放出的功能就足以幫谷歌拿回技術(shù)引領(lǐng)者地位。

其強(qiáng)大之處不僅在于強(qiáng)大的推理能力，更在于一步到位的多模態(tài)支持能力。

這點(diǎn)和OpenAI相比就良心很多，說實(shí)話這兩年OpenAI的發(fā)布有點(diǎn)像評(píng)估的擠牙膏，每隔一段時(shí)間就發(fā)布一款模型，能力上絕對(duì)高于上一代，但提高的不多，對(duì)于多模態(tài)的支持更是相當(dāng)滯后。

Gemini 2.0 Flash比上一代的推理能力更強(qiáng)，相應(yīng)速度更快。谷歌官方稱，2.0 Flash 在關(guān)鍵基準(zhǔn)測(cè)試中甚至比 1.5 Pro 更快，速度是 1.5 Pro 的兩倍。

2.0 Flash作為一款原生多模態(tài)模型，可以支持支持圖像、視頻和音頻等多種信息模態(tài)的輸入和輸出。還可以原生調(diào)用 Google 搜索、代碼執(zhí)行等工具以及第三方用戶定義函數(shù)。尤其是在數(shù)學(xué)運(yùn)算、編程等方面，lmarena ai給出的評(píng)測(cè)結(jié)果是力壓OpenAI 的o1-preview和o1-mini。

除了性能和多模態(tài)能力的提升外，Gemini 2.0 Flash也在積極推進(jìn)AI代理的產(chǎn)品形態(tài)演進(jìn)和應(yīng)用，伴隨這次模型發(fā)布谷歌還推出了一系列相關(guān)功能，包括對(duì)多模態(tài)人工智能助手Project Astra 的更新，推出了瀏覽器助手Project Mariner和代碼助手Jules。

人工智能助理Project Astra最早于2024年5月推出，用戶可以借助攝像頭、麥克風(fēng)等端口和AI互動(dòng)，用來進(jìn)行物體識(shí)別、語音信息交互等操作。更新之后的Project Astra增加了對(duì)多語言、口音和生僻詞的支持。同時(shí)和谷歌產(chǎn)品生態(tài)進(jìn)行了更好的融合，借助Project Astra用戶可以使用谷歌的搜索、Lens和地圖產(chǎn)品，增加了上下文記憶功能，可以擁有長達(dá)10分鐘的對(duì)話記憶，語音延遲方面也有了很大的改善。

現(xiàn)階段的Project Mariner以一款實(shí)驗(yàn)性質(zhì)的瀏覽器擴(kuò)展形態(tài)存在，該拓展可以理解當(dāng)前頁面上的像素、文本、代碼、圖像和表單等元素，并根據(jù)用戶的指令輸入完成特定的任務(wù)，如下單購物、填寫表單、瀏覽關(guān)閉等操作。

Jules是一款為開發(fā)者打造的代碼助理，目前已經(jīng)集成到GitHub 工作流中，幫助開發(fā)者進(jìn)行代碼分析和指導(dǎo)。

這次發(fā)布還推出了二代的視頻和圖像生成模型，Veo 2 和 Imagen 3。視頻大模型Veo2，基于對(duì)現(xiàn)實(shí)世界的物理有了更好的理解——因此它可以制作出非常高質(zhì)量的視頻，整體上細(xì)節(jié)和真實(shí)感都有所提高。

以及為研究人員打造的研究工具Deep Research，它直接使用高級(jí)推理模式幫助研究人員進(jìn)行研究主題的探索和編寫研究報(bào)告，根據(jù)筆者在多個(gè)社媒論壇潛水發(fā)現(xiàn)不僅各類學(xué)科的學(xué)生、教師群體第一時(shí)間已經(jīng)使用上了Deep Research，某些從事復(fù)雜技術(shù)工作的企事業(yè)員工也正常嘗試將其作為大模型的首選產(chǎn)品。

可以說這次發(fā)布會(huì)將谷歌帶回了人工智能超一流行當(dāng)，取得了大模型競(jìng)賽階段性的全方位的勝利。更重要的是，借助其產(chǎn)品生態(tài)鏈完整的優(yōu)勢(shì)，谷歌有能力在AI大模型競(jìng)賽的下一個(gè)賽場(chǎng)——AI Agent研發(fā)和應(yīng)用上比其他廠商走的更遠(yuǎn)。

谷歌的在大模型領(lǐng)域的領(lǐng)先不僅包含其“大模型”產(chǎn)品本身的性能、多模態(tài)能力領(lǐng)先，更包含谷歌在模型芯片、模型訓(xùn)練平臺(tái)和下游應(yīng)用場(chǎng)景的全方位覆蓋。

隨著2.0flash模型的發(fā)布，其背后的核心硬件也浮出水面——第六代TPUTrillium。Gemini2.0的訓(xùn)練和推理100%由該芯片支持。

TrilliumTPU是谷歌云AI超級(jí)計(jì)算機(jī)的關(guān)鍵組件，這是一種突破性的超級(jí)計(jì)算機(jī)架構(gòu)，它采用性能優(yōu)化的硬件、開放式軟件、領(lǐng)先的ML框架和靈活的消費(fèi)模型的集成系統(tǒng)。

與上一代TPU v5e相比，Trillium TPU可將密集型LLM（如Llama-2-70b和gpt3-175b）的訓(xùn)練速度提高高達(dá)4倍，將MoE模型的訓(xùn)練速度提高高達(dá)3.8倍。主機(jī)動(dòng)態(tài)隨機(jī)存取內(nèi)存(DRAM)是v5e的3倍，有助于最大限度地提高性能和規(guī)模吞吐量。

現(xiàn)在Trillium已經(jīng)走向?qū)嶋H應(yīng)用階段，任何廠商都可以購買來構(gòu)建自己的大模型產(chǎn)品。

但面對(duì)NVIDIA的強(qiáng)大競(jìng)爭壓力，Trillium目前只取得了參數(shù)層面的領(lǐng)先，以及一個(gè)成功的大模型案例，其與上下游硬件的兼容能力和業(yè)界的接受度還需要時(shí)間的檢驗(yàn)。

02

谷歌的優(yōu)勢(shì)和隱憂

【1】優(yōu)勢(shì)：生態(tài)與金錢

一直以來谷歌都是個(gè)“愛折騰”的公司，最為著名的就是曾經(jīng)的“谷歌20%時(shí)間政策”，允許谷歌員工每周可以花費(fèi)20%的工作時(shí)間開展自己感興趣的項(xiàng)目。在類似的鼓勵(lì)創(chuàng)新的企業(yè)氛圍下，谷歌內(nèi)部誕生了大量大大小小的項(xiàng)目，盡管大部分都悄然下線，但其中也誕生了不少至今仍帶給谷歌滾滾財(cái)源的營收產(chǎn)品，據(jù)說Gmail、Adsense就是這一政策的產(chǎn)物。

這條政策能夠執(zhí)行至今，都說明谷歌是個(gè)鼓勵(lì)創(chuàng)新的企業(yè)，這是新技術(shù)和新產(chǎn)品的溫床。

除了鼓勵(lì)創(chuàng)新，谷歌在算力、云服務(wù)方面的基建能力和技術(shù)架構(gòu)、人才儲(chǔ)備是其他垂直廠商和Meta、Amazon等大公司短時(shí)間無法追趕的。

除了發(fā)展大模型所必須的軟硬件條件，下游應(yīng)用生態(tài)的比拼中谷歌也是一枝獨(dú)秀。谷歌自己的視頻平臺(tái)Youtube天然就是多模態(tài)最佳應(yīng)用場(chǎng)景、谷歌的搜索已經(jīng)上線了AI Overview來應(yīng)對(duì)Preplexity AI的追趕。谷歌的無人駕駛平臺(tái)Waymo，未來也未必不能應(yīng)用語音模型產(chǎn)品。

豐富的產(chǎn)品生態(tài)，使得谷歌可以嘗試AI Agent、AI硬件、機(jī)器人多個(gè)方向的大模型應(yīng)用。更重要的，谷歌有錢。

根據(jù)三季度財(cái)報(bào)，谷歌當(dāng)季營收883 億美元，同比增幅達(dá)到16%，凈利潤263億美元，同比增長35%。谷歌云服務(wù)營收114億美元，同比增長 35%。三季度實(shí)現(xiàn)了 176 億美元的自由現(xiàn)金流，季度末現(xiàn)金儲(chǔ)備達(dá)到了930億美元。

經(jīng)過兩年的大模型競(jìng)賽，谷歌依然手握近千億美元現(xiàn)金。這樣大的現(xiàn)金儲(chǔ)備，什么算力、芯片、人才問題還會(huì)是問題嗎？

谷歌幾乎具備大模型從0到1，再到100以至于工業(yè)級(jí)應(yīng)用所需的軟硬件條件。只要管理層不再想2023年初那樣亂了節(jié)奏，大模型給谷歌的營收和股價(jià)貢獻(xiàn)力量是就是不遠(yuǎn)的現(xiàn)實(shí)。

【2】隱憂：反壟斷風(fēng)險(xiǎn)

谷歌的股價(jià)偏低，其主要原因就是反壟斷官司可能導(dǎo)致的業(yè)務(wù)被拆分的風(fēng)險(xiǎn)。最新的反壟斷審判中谷歌落敗之后，給谷歌核心業(yè)務(wù)的前景蒙上一層陰影。

美國司法部（DOJ）要求谷歌出售Chrome瀏覽器，解除與蘋果等公司達(dá)成的搜索引擎默認(rèn)位置的協(xié)議，甚至未來可能要求出售安卓操作系統(tǒng)。

這一系列要求對(duì)于谷歌最為核心的搜索業(yè)務(wù)無疑會(huì)造成巨大的影響，無他這幾項(xiàng)調(diào)整關(guān)系到搜索的主要流量入口，沒有這幾個(gè)入口谷歌搜索的市占率勢(shì)必會(huì)受到影響，進(jìn)而影響到搜索廣告的收入。出售安卓操作系統(tǒng)則可能會(huì)影響谷歌的移動(dòng)端應(yīng)用生態(tài)完整性。

為了應(yīng)對(duì)司法部的要求，谷歌提出數(shù)項(xiàng)針對(duì)性瀏覽器協(xié)議、Android廠商的谷歌商店和瀏覽器改為非獨(dú)占性質(zhì)，或者是搜索的默認(rèn)設(shè)置進(jìn)行年度評(píng)定來減少公眾對(duì)其“壟斷性”地位的認(rèn)定。

近期日本公平交易委員會(huì)也做出了谷歌搜索違反日本《壟斷禁止法》的判決，這意味著未來谷歌日本的業(yè)務(wù)也會(huì)受到影響。甚至由此引發(fā)其他國家也會(huì)陸續(xù)對(duì)谷歌做出反壟斷相關(guān)的判決。

樹大招風(fēng)，曾經(jīng)幫助谷歌搜索崛起的因素似乎開始出現(xiàn)不穩(wěn)定的波動(dòng)，谷歌面對(duì)內(nèi)外強(qiáng)大的競(jìng)爭對(duì)手和核心業(yè)務(wù)的多重打擊，很是需要一個(gè)穩(wěn)定強(qiáng)硬的管理層。無怪乎桑達(dá)爾·皮查伊內(nèi)部公開說，2025年風(fēng)險(xiǎn)很高，谷歌到了緊迫性時(shí)刻。

谷歌正在逐漸奪回大模型競(jìng)賽的行業(yè)關(guān)注度和開發(fā)者認(rèn)同，反壟斷大錘還尚未真正落下，谷歌獲得了一個(gè)難得的發(fā)展窗口來在新的技術(shù)革新潮流中暫時(shí)站穩(wěn)腳跟，為下一個(gè)人工智能時(shí)代真正到來前做好準(zhǔn)備。

編者按：本文轉(zhuǎn)載自微信公眾號(hào)：錦緞，作者：貝貝俠