Bard 首发失利、Gemini AI 推迟发布，谷歌的大模型之路为何如此坎坷？

来源：Founder Park

11 月 16 日，来自 The Information 的独家消息，谷歌决定推迟发布 Gemini AI——这是旨在与 OpenAI 竞争的大模型产品。

自 3 月份 Bard 发布以来，谷歌的 LLM 研发和产品推进一直比较缓慢，虽然在 Google Docs 和 Gmail 中都集成了 AI 工具，但市场反响一般，行业的注意力都聚焦在 OpenAI 和 ChatGPT 。

很明显，目前大模型赛道，与竞争对手 OpenAI 和微软相比，谷歌属于暂时失意的一方。至于原因，最近一篇分享在谷歌工作经验的 blog，提供了一个难得的内部视角，回答了为什么是 OpenAI 而不是谷歌成为了 LLM 革命的领导者。

文章编译自 The Information 和公众号「待字闺中」，Founder Park 有所增删。

Gemini 难产，追赶 OpenAI 比预期困难

今年早些时候，谷歌告诉一些云客户和业务合作伙伴，他们将在 11 月之前使用该公司新的对话式人工智能——名为 Gemini 的大型语言模型。但据两位直接知情人士透露，该公司最近告诉他们，要到明年第一季度才能实现。这次推迟对谷歌来说来得不是时候，谷歌的云服务增长已经放缓，而其更大的竞争对手微软的增长却在加速。众所周知，微软的成功部分来自于销售 OpenAI 的产品。

周二，OpenAI 首席执行官 Sam Altman 表示，由于 ChatGPT 付费版本的注册人数激增，服务器压力太大，已经暂缓了 plus 会员的注册。

而与此同时，谷歌自己的 Bard 却没有取得应有的成功。

周四，谷歌 CEO Sundar Pichai 在一次公开活动中表示，该公司「专注于尽快推出 Gemini 1.0，确保其具有竞争力、最先进，我们将从那里开始。」知情人士表示，谷歌推迟为云客户推出大型 Gemini 模型意味着，该公司希望在允许外部软件开发人员使用新技术之前，先用新技术来支持其消费者产品。

谷歌对 Gemini 寄予厚望，不仅仅只是促进企业软件的销售。还希望它能够为 YouTube 上的创作者提供新工具，例如为视频生成自定义背景的能力，并改进 Bard 以及 Google Assistant 的功能。

谷歌已经开发了几个版本的 Gemini 用于处理不同复杂度的任务。外部开发人员已经测试了模型的较小版本，据参与这项工作的人士表示，目前谷歌仍在最终确认对外发布的 Gemini 的参数量级和版本。Gemini 团队面临的一个关键挑战是确保主要模型与 OpenAI 最先进的 GPT-4 一样好或更好。这位人士表示，目前尚不清楚谷歌是否达到了这一标准。

谷歌对在 Bard 中使用 Gemini 比较谨慎，Bard 自从今年三月份推出后一直由能力较弱的 LLM 提供支持。在此前备受关注的演示中，Bard 犯了一个事实错误，这个问题至今仍在困扰一些项目员工。

谷歌的 Gemini 还将应用于另一个关键领域——广告业务。

这是谷歌的主要盈利来源。据知情人士透露，谷歌高管已经讨论过利用新模型来为广告客户提供自动生成广告活动的工具，包括定制文案和视觉素材。最初将涵盖静态展示广告的图片，但最终可能还会包括音频和视频广告。（亚马逊和 Meta 等其他公司也已推出了基于人工智能的广告工具。）

与早期的 Google LLM（例如 Palm 2）相比，Gemini 对用户交互的记忆也更长，Palm 2 目前为 Bard 和 Google 搜索中的生成人工智能结果提供支持。知情人士表示，更长的内存可以让广告商比较一段时间内广告活动的效果。

谷歌对 Gemini 的开发寄予厚望，项目开发还得到联合创始人谢尔盖·布林 (Sergey Brin) 的帮助，他回到公司继续开发该模型，现在每周与该公司位于加利福尼亚州山景城总部的模型开发人员一起工作四到五天。

机构官僚主义，让谷歌错失 LLM 领导者的机会

11 月 9 日，被谷歌收购的教育 app Socratic 的创始人 Shryans Bhansali 在博客上发表一篇文章（见下文），回顾了其团队被谷歌收购后如何融入谷歌和在其中工作的经历。英伟达 AI 科学家 Jim Fan 在推特上转发了这篇文章并且进行了详细的点评，「提供了一个罕见窥见谷歌内部运作的视角，也解释了尽管大多数基础技术都起源于谷歌，为什么领导 LLM 革命的却是 OpenAI。」