声明:本文来自于微信公众号雪豹财经社（id:xuebaocaijingshe），作者:魏琳华，授权站长之家转载发布。
谷歌和 的又一次对阵，刚刚落幕了。
北京时间5月14日凌晨，open发布端到端多模态gpt-4o，酷似科幻电影《her》的ai迅速成为关注焦点。
24小时后，携新版 ai大模型等产品，谷歌在北京时间5月15日凌晨1点的i/o2024大会上重振旗鼓，试图在ai赛道上重新夺回主动权。
在过往一年中，多次被open ai抢走风头的谷歌，能否打一个翻身仗?
不到两小时，提到121次ai
将近两个小时的发布会上，关键词“ai”贯穿了谷歌全场的演讲展示。
“我猜想现场一定有人想数一数今天的发布会上有多少次提到ai。”在i/o发布会现场，谷歌ceo桑德拉·皮查伊打趣道，观众席内响起一片笑声。
这个答案由谷歌ai现场完成统计，“一共提到了120次。”皮查伊说。话音刚落，屏幕上的数字跳到了121次。
不到两小时的发布会，谷歌讲了121次ai
图源:谷歌发布会
由皮查伊开场，谷歌在发布会上先后介绍了他们在软件、硬件等方面的ai布局。可以说，关注前沿发展的谷歌，在人们今年所能见到的ai应用方向上均有涉猎。
作为基础架构的大模型gemini发布1.5pro型号，再次打破100万tokens（文本中最小语义单元）的纪录，原版相当于一次可以处理长达1500页文本、30000行代码或是长达1小时的视频，现在新模型将上下文窗口扩大一倍，达到200万tokens。
聚焦于自有模型的能力突破之外，谷歌还面向开发者推出了轻量级模型gemini1.5flash，相较于旧有模型，gemini flash实现了低延迟响应并降低使用成本，其100万tokens只要0.35美元。比前一天发布的gpt-4o更加便宜。
谷歌披露大模型api的最新定价
图源:谷歌发布会
在多模态模型布局上，谷歌一口气发布了图片生成模型imagen和视频生成模型veo。其中，veo支持生成60秒以上的1080p视频，它被人们视为对标open ai的视频生成模型sora。
“生成视频的难点在于解决物品在空间中的移动，并且随着时间的推移需要保持一致性。”谷歌deepmind负责人道格说。“ai发展15年，我们就知道它会改变一切，现在已经到了实现它的时刻。”
现场展示中，veo发布了多个演示视频:在草地上奔跑的猎豹、穿梭在星际之间的宇宙飞船等。在演示片中，谷歌展示了他们和影视从业者的合作实践。初步看起来，它拥有不输于sora的流畅体验，但同样不对外开放使用。
由voe生成的视频，汽车在公路上飞驰
图源:谷歌发布会
发布会现场，皮查伊多次提及“making ai more helpful for everyone ”，借助大模型gemini的能力，谷歌开发了一系列ai功能。比如支持用搜索方式查找手机图片的ask photo、ai助理project astra。
让人眼前一亮的是project astra，在演示视频中，通过手机和ar眼镜的联合使用，ai能够在目之所及的范围内完成和用户的实时交互。它不仅成功识别并向用户解释了圈出来的硬件，还能帮助用户在桌子上找眼镜、解答白板上的题目。project astra也被视为gpt-4o的对手。
gemini准确识别出电脑上的代码用于加密和解密
图源:谷歌发布会
谷歌还将gemini集成在包括搜索引擎、gmail、maps等在内的ai全家桶产品中。
备受关注的是，在这次发布会上，谷歌正式宣布推出ai搜索功能，目前仅支持向美国地区开放。在演示中，谷歌的ai搜索在解决复杂问题上应用“多步推理”，以往需要搜索十次才能获得的答案，合并到一个问题解决。比如一次性纳入用户的通勤和时间安排，通过ai搜索为用户推荐适合的瑜伽馆。
应用“ai overview”推荐店铺
图源:谷歌发布会
谷歌秀的肌肉，连自家员工也瞧不上
在谷歌这场秀肌肉的发布会上，open ai依然是那个站在巨头背后的幽灵。
从chatgpt开启新一轮人工智能浪潮的时候，它就给了谷歌重重一击。自gpt-4发布之后，人们关注的目光更是开始向open ai倾斜。
野心勃勃的open ai ceo萨姆·阿尔特曼也将谷歌视为头号竞争对手。从宣传时间的选择到产品发布战略，open ai的枪口多次瞄向谷歌。
一年以来，谷歌已经在与open ai的对阵中多次尝到苦果:
2月15日，gemini1.5pro 发布。同一天，open ai发布sora，虽然目前仍然处于无法测试使用的状态，但sora实现文生视频的流畅性和画面表现震惊科技圈。对比之下，gemini的重大更新几乎无人问津。
本次，open ai刚刚举办的春季发布会同样是一次有备而来的伏击。open ai将发布会时间由5月9日挪到了5月13日，刚好是谷歌举办i/o发布会的前一天。
在昨日的发布会上，open ai只用了半个小时，就押到了谷歌今天的两个重点。
一是轻量级模型的发布，open ai推出的gpt-4o同样以低成本、快速响应的方式实现，凯发ag旗舰厅官网介绍，gpt-4o达到了媲美gpt-4turbo的各项能力，但成本仅为后者的一半。
另一个是ai助手，open ai cto米拉·穆拉蒂现场演示了如何和手机上运行的模型gpt-4o完成交谈。“它对人类的情绪、语气理解得十分自然精准，如同与一个真正的人类朋友或助理在聊天。”
在这段实时演示中，gpt-4o准确识别了人类的情绪，它会开玩笑，调侃人类的呼吸声音太大;它能依照用户要求，更改说话的语气，比如用更夸张的戏剧腔代替冰冷的电子音;它还能实现同声传译，准确地把意大利语翻译成英文。
正如阿尔特曼在x中提前预告的那样，科幻电影《her》中的剧情走入现实，人类和ai实时对话的设想已经具备实现的雏形。
为了防御对手，谷歌曾经一个月发布5次大模型。今年2月，谷歌曾先后发布gemini功能更新、推出ultra版本、发布gemini1.5pro，并发布开源模型gemma和世界模型genie。
但这些不痛不痒的更新不仅没有起到防御作用，甚至还引发了负面反馈。谷歌内部流传出的图片曾毫不留情地吐槽，“连内部员工都记不住这些大模型的名字”。
保守败于疯狂，只剩一张“生态牌”
回顾过往，人工智能曾在2014年、2017年多次引起科技界的关注，而在几次浪潮中，谷歌都扮演着先驱者的角色。
追溯至2011年，谷歌就已经在公司内部成立了“谷歌大脑”（google brain），专注于深度学习和神经网络研究，目标是“让机器也能拥有理解和学习的能力”。
2014年，谷歌斥资4亿美元收购英国ai公司deepmind，进一步夯实了在深度学习领域的实力，孕育出了具有里程碑意义的alphago（阿尔法围棋）。次年，谷歌将机器学习系统tensorflow开源，并启动研发ai芯片tpu，在算力层面为后续训练大模型打下硬件基础。
2016年，皮查伊在当年的i/o开发者大会上宣布，将ai置于公司首要发展战略，正式向ai first转型。在提出transformer架构，并发布lamda大模型后，从搜索、助理到pixel手机、nest家居等，谷歌开始全面把ai能力植入产品线。
谷歌更倾向于让ai扮演一个辅助角色，对ai的态度偏保守。随着时间轴滑向2023年，谷歌的风头慢慢被open ai压过一筹。谷歌的前瞻性布局和先发优势，被open ai的疯狂打败了。
在技术成熟的情况下，后起创业公司open ai使用的核心技术正是由谷歌发明的。gpt的“t”就来源于2017年谷歌发布论文中研究的transformer架构。open ai烧了大把的钱，砸出了训练大模型的可行方向。
chatgpt在2022年底发布之时，谷歌可能也注意到了这家初创公司，但未能引起足够的重视和警惕。2023年1月，谷歌ai负责人jeff dean在一个内部会议中表示，虽然谷歌拥有做ai产品的技术和能力，但和小型初创公司相比，谷歌做出决策必须更加保守。
直到2023年2月，chatgpt引起巨大反响，被视为冲击搜索引擎的新出口。谷歌匆忙应战，推出大模型bard，却因常识性失误引发口碑崩盘——在发布会现场，bard将智利超大望远镜首次拍摄系外行星的功劳记在了詹姆斯·韦伯太空望远镜上，间接引发谷歌母公司市值暴跌1000亿美元。
在之后的表现中，谷歌逐渐消磨掉了人们的信任。gemini ultra版本发布一天后被质疑造假，有内部员工表示“这（视频）是不切实际的”，谷歌最后也承认演示视频是经剪辑制作的效果。
多次犯下致命失误后，谷歌ai产品的信服力越降越低。谷歌正在尽力追赶并弥补过失。从这次发布会的动作来看，谷歌的策略调整为:以大而全的方式布局所有ai细分赛道的机会。
对于算力、算法和人才储备充足，技术功底深厚的谷歌而言，借助于自家生态的优势，谷歌将gemini集成在方方面面，凭借数据积累，谷歌自有生态构建的护城河壁垒，是open ai所无法取代的。
“谷歌最坚固的护城河是分销，gemini 不必成为最好的模型，也能成为世界上最常用的模型。”英伟达高级研究科学家范麟熙（jim fan）在x上评价。
不再领先的谷歌，只好握紧生态的优势牌。
chatgpt源码推荐：