文｜烏鴉智能說
在OpenAI 春季發(fā)布會的第二天，2024 年谷歌 I/O大會正式召開。
或許出于反擊OpenAI的需要，谷歌為這個大會準備了很多東西：從基座模型 Gemini 升級到新的AI語音助手 Astra、新的文生視頻模型Veo，以及更強大的文生圖模型Imagen3。
這個大會開了整整兩個小時，時長是OpenAI發(fā)布會的四倍。但從結果來說，似乎沒有任何令人驚艷的地方。就連最可能成為爆款的AI語音助手Astra，也在GPT-4o襯托下顯得“平平無奇”。
發(fā)布會效果比不過就算了，關注度也比不過。甚至在谷歌發(fā)布會召開的今天，OpenAI還主動釋放出首席科學家Ilya Sutskever離職的消息。
這兩場緊緊挨著的發(fā)布會，也很好詮釋了兩者當下的處境：在OpenAI不斷阻擊下，谷歌始終是那個活在OpenAI陰影下的人。
/ 01 / AI產(chǎn)品全面升級
在發(fā)布會上，最重要的自然是基座模型Gemini的升級，此次升級大致可以歸結為：更長上下文、輕量版本、個性化機器人。
升級后的Gemini 可以分析比以前更長的文檔、代碼庫、視頻和音頻記錄。據(jù)透露，它最多可以容納 200 萬 token。這是之前的兩倍，新版 Gemini 1.5 Pro支持所有商用型號中最大的輸入。
為了滿足不同場景的需求，谷歌還發(fā)布了新的輕量級模型：Gemini 1.5 Flash。據(jù)介紹，Gemini 1.5 Flash是 Gemini 1.5 Pro 的“精煉”版本，同樣擁有多達 200 萬個 token 上下文窗口，且和Gemini 1.5 Pro一樣，擁有多模態(tài)功能，適合處理摘要、聊天、圖片分析和視頻字幕、以及從長文本和表格中提取數(shù)據(jù)等。
在定價上，Gemini 1.5 Flash 的價格定為每 100 萬 tokens 35 美分，這比 GPT-4o 的每 100 萬 tokens 5 美元的價格要便宜得多。
對于 Gemini 的訂閱用戶，可以使用谷歌新推出的「Gems」功能，類似于 OpenAI 的 GPT 商店。用戶可以自行創(chuàng)建Gems，與其進行交流互動。
除了Gemini外，谷歌還對文生圖模型Imagen2進行了升級。DeepMind 負責人 Demis 聲稱，與 Imagen 2 相比，Imagen 3 能夠更準確理解圖像的文本提示詞，并且生成的圖片更具創(chuàng)造性和細節(jié)。為了減輕人們對深度偽造的可能性的擔憂，Imagen3將使用SynthID，可將不可見的加密水印應用于媒體。
在升級模型的同時，谷歌還發(fā)布了多款新品，包括新的AI語音助手Astra以及文生視頻模型 Veo。
Astra 能夠通過設備的攝像頭識別物體和場景，并用自然語言進行交互。官方介紹，Astra 使用了 Gemini Ultra 的高級版本。在演示視頻中，谷歌的 AI 助手能夠通過攝像頭視頻，識別 " 什么東西能發(fā)出聲音 "、" 現(xiàn)在身處何地 " 等指令。
DeepMind CEO Demis Hassabi表示，這樣的 AI 助手需要像人類一樣理解這個動態(tài)且復雜的世界。需要記得住它看到的東西，這樣才能理解對話并付諸于行動。同時它也得能積極主動接受教導，以及自然、無延遲地進行交流。
而視頻生成模型Veo直接對標OpenAI 的 Sora，可以根據(jù)文本提示創(chuàng)建大約一分鐘長的 1080p 視頻剪輯。Veo 可以捕捉不同的視覺和電影風格，包括風景和延時鏡頭，并對已生成的鏡頭進行編輯和調(diào)整。
與Sora類似，Veo展現(xiàn)了對物理規(guī)律的一定理解，比如流體動力學和重力等。這與其訓練數(shù)據(jù)有關，官方人員承認有些數(shù)據(jù)來自 YouTube。
/ 02 / 更強的AI搜索來了
AI搜索的升級，也是本次發(fā)布會的一大亮點。
在此次發(fā)布會上，谷歌推出了AI Overviews(AI 概覽），該功能將AI結果加入到搜索內(nèi)容呈現(xiàn)，即當用戶進行提問時，頁面頂部將提供 AI 生成的答案。
官方人員表示，AI 概覽不會出現(xiàn)在每個搜索結果中，目前主要針對于更復雜的問題。每次用戶進行搜索時，谷歌會在后臺進行算法價值判斷，以決定是否提供由 AI 生成的答案還是直接提供傳統(tǒng)的網(wǎng)頁鏈接。
去年以來，谷歌一直在通過其搜索生成體驗（SGE）測試 AI 驅(qū)動的可能性。谷歌搜索主管 Liz Reid 表示，在其 AI 概述功能的測試期間，谷歌觀察到人們點擊了更加多樣化的網(wǎng)站。據(jù)介紹，該功能面向全平臺推出，從 Web 網(wǎng)頁、App 到 Android 設備，預計將在本周內(nèi)全面開放，在年底推廣到更多國家。
除了提供答案外，搜索還新增了行程規(guī)劃功能，幫用戶制定更為詳細的規(guī)劃。比如，用戶可以輸入諸如“為四口之家計劃三天的膳食”之類的查詢，并獲取這三天的鏈接和食譜。
與此同時，谷歌也強化了多模態(tài)方面的搜索表現(xiàn)。比如，谷歌推出了AI 驅(qū)動的“圈搜索”功能，允許 Android 用戶使用轉(zhuǎn)圈等手勢立即獲得答案。這一設計的初衷是，讓用戶在手機上的任何地方都可以更自然地通過一些操作（例如圈選、突出顯示、涂鴉或點擊）來使用 Google 搜索。
此外，用戶還能通過結合視頻進行搜索。比如，用戶在舊貨店買了一臺唱片機，但打開時無法工作，帶有針頭的金屬部件在意外漂移。用視頻搜索能夠，更清晰、準確地反饋這個問題。
此次谷歌推出AI搜索，是對Perplexity等AI搜索玩家崛起的直接回應。自生成式AI崛起開始，搜索被認為是AI應用最成熟的場景。無論是流量數(shù)據(jù)還是估值，Perplexity都有著不錯的表現(xiàn)。
根據(jù)Similarweb數(shù)據(jù)，Perplexity今年前三月的流量分別為4560萬、4954萬和6149萬，不斷增長。在估值方面，根據(jù) TechCrunch 最新報道，Perplexity 正在籌集至少 2.5 億美元資金融資，最新估值在 25～30 億美元之間。
盡管用戶體量依然差谷歌幾個量級，但Perplexity仍然在一個Google長期霸占的市場利用AI獲得了階段性顛覆成果。
從此次發(fā)布會看，與其他AI搜索相比，谷歌AI搜索的差異性有限，更多體現(xiàn)在多模態(tài)。換句話說，僅從功能上看，谷歌的AI搜索并未與Perplexity們拉開質(zhì)的差距。
/ 03 / 被“壓制”的谷歌
谷歌的I/O大會僅比OpenAI的春季功能更新會晚一天，兩者很容易被人拿來進行對比。
要說重視程度，谷歌肯定完爆OpenAI。OpenAI的發(fā)布會開了僅僅半個小時，主要介紹了新模型GPT-4o和ChatGPT在語音和視覺功能上的升級。而谷歌則開了整整兩個小時，一口氣拿出來十來款新品及升級，所有武器庫傾巢而出，全面對標OpenAI。
但努力并不意味著最后的結果。盡管谷歌發(fā)布產(chǎn)品很多，但沒有任何一款給人帶來GPT-4o那樣的驚艷感，顯得多少有些“雞肋”。
發(fā)布會效果比不過就算了，流量也比不過。就在谷歌發(fā)布會的同一時間，OpenAI首席科學家Ilya Sutskever在X發(fā)布了自己離開OpenAI消息，再次搶走了谷歌發(fā)布會的關注度。
一個無比殘酷的事實是，自2022年12月ChatGPT發(fā)布以來，曾經(jīng)AI領域的扛把子谷歌就一直被OpenAI壓制得死死的，毫無還手之力。
去年2月，OpenAI的ChatGPT風靡全球，谷歌草草推出了聊天機器人Bard，產(chǎn)品卻不如預期。先是演示中出現(xiàn)事實錯誤，讓谷歌母公司一夜之間市值蒸發(fā)千億美元；而后也沒能以性能表現(xiàn)吸引足量用戶，據(jù)Similarweb的數(shù)據(jù)，Bard全球月訪問量只有2.2億次，僅為ChatGPT的1/8。
2月16日大年初七，谷歌放出其大模型核彈——Gemini 1.5，并將上下文窗口長度擴展到100萬個tokens。Gemini 1.5 Pro可一次處理1小時的視頻、11小時的音頻、超過3萬行代碼或超過70萬字的代碼庫，向還沒發(fā)布的GPT-5發(fā)起挑戰(zhàn)。沒過幾天，OpenAI發(fā)布了文生視頻大模型Sora，后來的結果大家都知道了。
如今，這樣的故事還在延續(xù)。至少到目前為止，OpenAI的策略很成功，通過錨定谷歌的產(chǎn)品發(fā)布節(jié)奏，死死壓制住了谷歌。這也谷歌AI始終擺脫不了一個外界印象：
谷歌AI很強，但與OpenAI相比，還不夠。