近几天，科(ke)技圈最大的新闻莫过(guo)于OpenAI和谷歌这两场发布会(hui)。
24小时(shi)之内(nei)，OpenAI、谷歌这两家AI巨头相继亮剑(jian)。
5月14日，OpenAI CEO Sam Altman亲自下场造势，在20多分钟的发布会(hui)中，用全新的多模态模型(xing)GPT-4o唤醒了人(ren)们对电影《Her》中人(ren)工智能系(xi)统“萨(sa)曼莎”的幻想。
次日，谷歌宣(xuan)布升级(ji)Gemini，推出(chu)“AI全家桶”，推出(chu)集成AI的搜索引擎，用AI重塑Android。它(ta)试图借此重振旗鼓，抢回(hui)AI赛道上的主动权。过(guo)去一年多里，OpenAI多次截胡谷歌，抢在谷歌之前发布新技术、产品。
无论是双方在技术上的比拼，还是OpenAI牵手苹果，都(dou)表明(ming)，OpenAI这家AI届的当红明(ming)星都(dou)对谷歌造成了前所未有威胁(xie)。
当然，手握搜索入口、安卓生态王牌的谷歌的护城河在短期内(nei)难以攻破。然而在颠覆产业(ye)格局的AI时(shi)代里，面对后浪的追赶，谷歌等(deng)科(ke)技巨头不能松懈，否(fou)者，便是一个时(shi)代的远去。
交(jiao)战(zhan)
尽管被OpenAI抢占了先(xian)机，但谷歌显然是有备而来(lai)。
OpenAI推出(chu)能说会(hui)道的GPT-4o，谷歌也有自己的萨(sa)曼莎——Project Astra。
“我脑海中已经(jing)有这个愿景很长一段时(shi)间了。”谷歌DeepMind的负责人(ren)、谷歌人(ren)工智能工作负责人(ren)Demis Hassabis说。这些(xie)年，他一直在思考和研究人(ren)工智能，思考如何让机器更像(xiang)人(ren)。
在他的设想中，一个人(ren)工智能Agent必须能像(xiang)人(ren)一样理解并对复杂灵活的世界做出(chu)反馈。它(ta)要能看到文本并且有所反应，并且必须有主动性、可被教育的而且有个性，所以能自然地，没有延迟(chi)地和它(ta)交(jiao)谈(tan)。最终(zhong)，这些(xie)所有的想象就成了Project Astra。“就是那(na)个帮手，”Hassabis说，“它(ta)很有用，你已经(jing)习惯(guan)它(ta)在你需要的时(shi)候一直在那(na)里。”
从演示视(shi)频来(lai)看，Project Astra与Hassabis的设想显然还有距离。甚至与GPT-4o相比，延迟(chi)也更高，交(jiao)流仍然不够自然。但当Project Astra准确说出(chu)“眼镜(jing)在书桌上，红色(se)苹果旁边”时(shi)，还是获得了在场观众的惊(jing)呼声。
Project Astra的出(chu)现，也被视(shi)作是对GPT-4o的正面回(hui)应。
这并非(fei)是OpenAI和谷歌的第一次正面交(jiao)战(zhan)。今年2月，在谷歌发布会(hui)一周后，OpenAI悄无声息抛出(chu)重磅炸弹，推出(chu)了首款文本转视(shi)频模型(xing)——Sora。尽管Sora至今未曾开放使用，仍然给(gei)整个科(ke)技圈带来(lai)了震撼。
对于OpenAI扔下的这颗炸弹，谷歌同样在开发者大会(hui)上给(gei)出(chu)反击，发布了AI媒体创作模型(xing)Veo。据介绍，Veo能够生成高质量的1080p视(shi)频，并且依托于Imagen 3这一最新的文本到图像(xiang)框架。这些(xie)AI生成的视(shi)频可以持续(xu)超过(guo)一分钟，Veo还能够理解电影制作和视(shi)觉技术的专业(ye)概念，如延时(shi)拍摄等(deng)。
不仅(jin)如此，谷歌将Gemini集成到了旗下几乎所有产品之中，尤其是其优势业(ye)务——搜索，将搜索能力变得更为(wei)强大。
尽管两场发布会(hui)，一个仅(jin)有20多分钟，一个长达2小时(shi)，对两家公司(si)而言，却是一次技术上的巅峰对决。
焦虑
两大AI巨头贴身肉搏背后，是AI厂商(shang)的商(shang)业(ye)化焦虑。
2015年，名不见经(jing)传的OpenAI在硅谷成立。彼时(shi)，它(ta)还是一家非(fei)营利机构。依靠着微软(ruan)的10亿(yi)美元投资，过(guo)着扫(sao)地僧的生活。
自2022年11月，ChatGPT问世后，OpenAI一炮打响，商(shang)业(ye)化进(jin)程也不断加速。2024年4月，OpenAI的COO称，目前企业(ye)版ChatGPT的注册用户超过(guo)60万，而今年1月这一数(shu)字为(wei)15万多。
受惠于企业(ye)对AI技术的需求，消息称，OpenAI2023年年收入已过(guo)20亿(yi)美元。
在这场由ChatGPT引发的AI热浪下，国内(nei)外科(ke)技大厂纷纷坐上牌桌。
2023年2月6日，谷歌宣(xuan)布推出(chu)对话式生成人(ren)工智能聊天机器人(ren)Bard，这是谷歌旗下大模型(xing)Gemini的前身；Meta则官(guan)宣(xuan)发布Llama；同年3月，美国公司(si)Anthropic推出(chu)Claude；国内(nei)公司(si)也立马跟上，百度发布文心一言，阿里推出(chu)通义千问，华(hua)为(wei)旗下则是盘古，商(shang)汤也上新日日新。
科(ke)技大厂纷至沓来(lai)，OpenAI想要走通商(shang)业(ye)化之路，抢占先(xian)机，就必须保(bao)证(zheng)其技术上的领先(xian)，不断推出(chu)新的更强大的模型(xing)。不过(guo)，目前看来(lai)，这一路径变得更加艰难。
经(jing)过(guo)一年多的发展，各厂商(shang)相继推出(chu)了对标GPT-4的大模型(xing)。
更具挑战(zhan)的是，OpenAI迭代的速度开始变慢了。从第一代ChatGPT到ChatGPT的发布，OpenAI只用了4个多月。但距离ChatGPT-4发布已经(jing)过(guo)去1年多，众人(ren)期待的ChatGPT-5仍未现身。GPT-4o的确令人(ren)印象深刻，但还不足以给(gei)整个行业(ye)带来(lai)足够的惊(jing)艳。
当然，OpenAI变慢，主要受制于大模型(xing)迭代的客观规律。越大越强的模型(xing)，数(shu)据和算(suan)力需求就更高。最终(zhong)，这些(xie)都(dou)转化成OpenAI的成本压力。
相比于OpenAI庞(pang)大的研发成本，超20亿(yi)美元的年收入依旧是杯水车薪。Sam Altman表示，由于构建和运行其模型(xing)的成本高昂，OpenAI仍然处于亏损状态。随着OpenAI开发更复杂的模型(xing)，预计(ji)支(zhi)出(chu)将继续(xu)超过(guo)收入增长。OpenAI可能还需要筹集数(shu)百亿(yi)美元才(cai)能满足这些(xie)成本。
除了外部竞争，OpenAI还要面临“内(nei)忧”。5月15日，自去年年底“宫斗”事件之后就未曾露面的Ilya Sutskever官(guan)宣(xuan)离开，表示自己已经(jing)有了下一个计(ji)划，但目前还不能透露细节。
作为(wei)OpenAI的联合创始人(ren)和首席科(ke)学家，Ilya Sutskever主导了GPT系(xi)列大模型(xing)以及DALLE系(xi)列模型(xing)的研发。尽管不曾出(chu)席GPT-4o的发布会(hui)，但在GPT-4o主页上，Ilya的名字出(chu)现在“额外领导者”一栏。Ilya Sutskever的离开，对OpenAI商(shang)业(ye)化的影响，仍然难以判断。
追赶
当技术之间的差距逐(zhu)渐缩小，AI厂商(shang)之间的竞争也步入下半场。
在两场发布会(hui)上，OpenAI和谷歌默契地开始关注端侧。GPT-4o推出(chu)Mac版本应用，谷歌则用Gemini重塑Android。
中国银河证(zheng)券(quan)分析认为(wei)，GPT-4o发布预示着AI Agent新一轮竞争序幕即将拉开，叠加macOS桌面版ChatGPT集成，端侧AI革命在即，此外B端企业(ye)服务市场可能会(hui)因为(wei)GPT-4o的易用性和普惠性而迎来(lai)新的增长机遇。
新的商(shang)机下，谁能抢得先(xian)机，占领更多终(zhong)端，谁就能先(xian)行占有市场。
在这方面，谷歌拥有天然的优势。谷歌旗下拥有谷歌搜索、Gmail、Youtube、Chrome浏览器等(deng)一系(xi)列应用，构建了强大的生态。
相较之下，作为(wei)第一个推出(chu)大模型(xing)的公司(si)，尽管OpenAI在AI红利之下，创下了一系(xi)列记录(lu)。其用户体量和谷歌相比，仍然有着不小差距。
Similarweb统计(ji)数(shu)据显示，ChatGPT今年4月全球访问量为(wei)18亿(yi)次，相比3月有所上升。与此同时(shi)，尽管谷歌4月的访问量相比3月有所减少(shao)，但仍达到了834.9亿(yi)次。
更不用说，谷歌还拥有Android。在今年开发者大会(hui)上，谷歌对Android Studio进(jin)行了升级(ji)，集成了更多AI功能，方便开发者调(diao)用Gemini API进(jin)行软(ruan)件开发。
英伟达人(ren)工智能工作室负责人(ren)Jim Fan表示，谷歌做对了一件事，他们终(zhong)于努力将人(ren)工智能整合到搜索框中。在他看来(lai)，分发是谷歌的护城河。在这一背景之下，Gemini不一定要做世界上最好(hao)的模型(xing)，就可以成为(wei)世界上使用量最多的模型(xing)。
在OpenAI和谷歌的这场战(zhan)争中，谷歌拥有Android等(deng)一系(xi)列产品，而OpenAI缺(que)一个苹果。
作为(wei)2023年手机出(chu)货(huo)量一哥，去年一年里，iPhone出(chu)货(huo)量达到了2.346亿(yi)台，市场份额为(wei)20.1%。如果OpenAI旗下大模型(xing)真能取(qu)代“Siri”，成为(wei)搭(da)载在数(shu)亿(yi)苹果设备上的AI 智能助手，在搜索体验、效率提升上颠覆现有生态，对于OpenAI而言，或许一切将变得不同。