新火种AI|谷歌“复仇”OpenAI，硅谷AI大战正在上演

2024-05-17 18:17

作者：一号

编辑：美美

谷歌起大早却赶了晚集，在AI上能否和OpenAI持续大战？

北京时间5月14日凌晨，知名人工智能公司OpenAI发布了他们新一代多模态AI大模型GPT-4o，展现出来的先进的AI对话技术，吸引了不少科技界人士的目光。

而仅一天以后，谷歌在15日凌晨的I/O 2024开发者大会上，也展示了诸如Gemini等尖端AI产品，两个小时的发布会，提及“AI”121次，干货满满。由于两场发布会距离如此之近，人们猜测，这是两家公司的正面对决，一场硅谷AI大战正在上演。

硅谷AI大战早已开始

实际上，这已经不是谷歌和OpenAI之间在AI领域上的首次对垒。在AI领域上，谷歌可以说是美国AI界的“黄埔军校”。时至今日，不少AI企业的资深员工，或多或少都有在谷歌工作过的履历，OpenAI不少的员工就是从谷歌“挖”来的。

早在2016年，谷歌就率先用其旗下DeepMind开发的AlphaGo，击败了围棋世界冠军李在石，并在之后击败了柯洁，早早就让大众对AI有所认识。而在这之后的2017年，谷歌研究人员发表了著名的论文《Attention Is All You Need》，并提出了Transformer架构。

而在当时，OpenAI才刚成立不久。Transformer架构的提出，引起了OpenAI的注意，并迅速将其应用到自己的研究上面，并在之后提出了Generative Pre-trained Transformer，也就是GPT。如今，OpenAI最著名的产品ChatGPT便是基于此所打造的。在那之后，ChatGPT风靡全球，也让OpenAI成功从一个小公司成长为世界知名的企业。可以说，OpenAI的成功，也有谷歌的一份功劳。谷歌可谓是起了大早，却赶了个晚集。

在ChatGPT发布之后，谷歌紧急发布了Bard，但效果并不理想。因此，在去年，几乎AI领域的光环都被OpenAI所夺去，谷歌这个AI领域的老大哥，却只能持续追赶。直到去年年底，OpenAI“宫斗”后不久，谷歌才拿出了备受期待的Gemini，展示了其原生多模态大模型的能力。

就在不少人认为其有机会和OpenAI的GPT-4一战时，却被相继爆出Gemini的演示视频有后期剪辑的嫌疑，中文训练语料使用了百度文心一言的生成内容还有数据对比并未采取统一标准等事件。让不少人怀疑，谷歌是否真的有能力在AI领域和OpenAI一战？

谷歌和OpenAI正面交锋

谷歌在今年早早就开始了自己I/O 2024开发者大会的预热，但OpenAI却赶在谷歌之前，突然宣布要在官网直播，发布一些“魔法一样的东西”，而时间，恰好就在谷歌I/O 2024开发者大会的前一天。这截胡谷歌的意图，可以说是十分明显了。

现在，我们知道，OpenAI所发布的东西，就是GPT-4o，一个能让人联想到电影《她》的多模态“全能（omni）”模型。它可以接受文本、音频和图像任意组合的输入，并生成这些格式的相应输出，并且在音频响应速度上，它平均耗时320毫秒，与人类对话中的反应事件相当，并且它还能感知用户情绪并调整语调等，十分会“察言观色”，可以说它已十分接近人了。

而之所以采用直播的形式，有人猜测，这是在表明其效果是真实可信的，并未经过任何后期剪辑，而这正是对谷歌在去年年底发布的Gemini演示视频是后期剪辑的这一事件的嘲讽。尽管遭受嘲讽和压力，谷歌在15日发布会上依旧给出了不少干货，推出了从新的搜索和聊天功能到面向云客户的AI硬件等十余种新品和升级产品。

其中包括升级后Gemini模型驱动的AI助手项目Astra，外界认为其与前一日OpenAI所推出的GPT-4o十分相似，同样可以用多模态的方式快速相应用户。在此之外，谷歌也推出了其第六代TPU Trillium芯片，似乎表明了其可以摆脱英伟达GPU的限制，而OpenAI则刚刚在前一天的发布会上感谢了英伟达。

最后，作为对OpenAI的正面回应，谷歌还推出了对标Sora的文生视频模型Veo，其生成的视频不仅是1080p的高清视频，生成时长还可以超过1分钟，并且强调了其展示的视频均是AI直接生成，并未经过任何后期合成。这被看作是之前OpenAI的Sora其中一段“气球人”的展示视频被曝光经过后期合成的事情。

两家公司对决仍将持续

值得注意的是，在OpenAI宣布官网直播发布会的时候，他们回应到，将要发布的东西既非GPT-5，也非搜索引擎。为什么会做这样的解释，GPT-5众人期待已久，对此进行回应很正常。之所以对搜索引擎进行回应，则是因为OpenAI此前被人爆料，正在研发基于ChatGPT的AI搜索引擎，甚至已经准备好了域名。