谷歌 VS OpenAI：当搜索霸主和屠龙少年迈入同一条河流

原文来源：硅基研究室

作者丨山核桃

图片来源：由无界 AI生成

鸽了太久的谷歌大模型 Gemini 终于来了。

北京时间12月6日，谷歌在深夜发布了此前备受科技圈关注的Gemini 1.0，不仅一口气推出了Ultra、 Pro 和 Nano 三个版本，同时也在应用层，Gemini 也与谷歌的生态相融合，例如类 ChatGPT 应用 Bard也已升级到了 Gemini Pro 版本，针对移动端的 Gemini Nano 版本也已接入谷歌旗下的智能手机Pixel 8。

在Gemini对外展现的各项能力测试中，也暗戳戳地剑指 OpenAI。谷歌提供的技术报告显示，在MMLU 90%（大规模多任务语言理解）测试框架中，Gemini Ultra 的得分高达 90.0%，超过GPT-4的86.4%。同时，Gemini Ultra 在推理、数学、代码等方面的表现也都高过GPT-4。

而作为首个「原生多模态」模型，在一系列多模态基准测试中，对标GPT-4V，Gemini Ultra 也展现出了先进的性能。

图源：谷歌新闻稿

在chatGPT发布一周年之际，谷歌通过 Gemini 赶了个晚集，想要再度证明自己在AI时代「霸主候选人」的实力。而OpenAI 和谷歌，一个是经历了「宫斗」后的屠龙少年，另一个则是领先的搜索霸主，在关于谁究竟能成为大模型时代的最终赢家这一问题上，也存在两极分化的观点。

有人认为，在经历了风波之后的 OpenAI，解决了过往管理层的风险，凭借着与微软间的联盟，会持续扩大身位优势。而有的人则认为，AI时代未来仍将属于谷歌，尽管被质疑「行动缓慢」，但在应对巨大的外力挑战面前，谷歌总是能够出招给对手致命一击。

为了 Gemini ，谷歌有多拼？

正如英伟达资深科学家 Jim Fan 在社交媒体上所期待的：“我想要看到一群使用GPT-4的人和Gemini Ultra的人玩一局《太空狼人杀》，这将会是一场史诗级的对抗。”

图源：X 截图

为什么姗姗来迟的 Gemini 会被视为是 GPT-4 的有力劲敌，谷歌又为什么有底气在官方新闻稿直接写：“Gemini ：我们规模最大、能力最强的 AI 模型”。原因其实有三点：

一是，Gemini 是原生多模态的，这也是与 GPT-4 形成差异的关键。GPT-4 尽管一种多模态模型，但 GPT-3.5 是一种自然语言处理模型。而 Gemini 从一开始就使用多模态数据（包括文字、音频、图片、视频、PDF文件等）进行了预训练和微调。

二是，多平台部署的灵活性，Ultra、 Pro 和 Nano，实现从数据中心到移动设备的高效运用。比如，谷歌已在升级Pixel 8 Pro使用了Gemini Nano，可提供总结与归纳手机语音等功能。

三是，基础设施的创新。Gemini是由谷歌 TPU V5e 和 TPU V4 训练，其中 TPU v5e 专为提供大中型训练与推理所需的成本效益和性能而设计。根据此前 Google Cloud Next 2023大会上的信息，TPU v5e 的成本不到 TPU v4 的一半，但可以让更多企业训练和部署更大、更复杂的AI模型。

Google 数据中心内一排 Cloud TPU v5p AI 加速器超级计算机。

除此以外，在训练过程中也展现出工程化创新。根据民生证券的分析，如将4096个 TPU V4 每个芯片连接到一个专用的光学交换机，可以在大约10秒内动态重新配置4x4x4芯片立方体为任意的3D环形拓扑结构的超级节点，对 Gemini Ultra 还有热维护等功能的针对性部署。

而 Gemini 所呈现出的能力跃升，得益于过去一段时间内谷歌的行动。我们来看看谷歌究竟做了什么：

一是，搭建超级团队。在今年4月，Google的CEO Sundar Pichai 就宣布合并DeepMind和Google Brain，成立Google DeepMind，集合Google在AI领域的人才、算力等资源，开启对标GPT-4的研究。当时，Google DeepMind CEO Demis Hassabis 在接受采访时就表示，当时他们所面临的问题是两个团队之中如何协调，形成一个「超级团队」。

Hassabis 曾在播客中表示：“我们作为一个领导小组讨论了大量需要考虑的因素，然后从中得出结论，并采取行动：包括合并、未来几年的计划是什么以及合并后的重点是什么？”。在这之中，灵魂人物的回归也起到了关键作用，比如谷歌联合创始人 Sergey Brin 就重返谷歌工作。根据外媒的报道，他通常每周到谷歌山景城的办公室工作三到四天，和研究人员密切合作，还研究AI程序「损失曲线」之类的问题。