導語：“弱小和無知都不是生存的障礙，傲慢才是”。

最近幾個月，微軟和谷歌在AI領域的一系列競爭，可謂進行得如火如荼。

【資料圖】

然而，在這場決定下個時代的對決中，資金更充足，技術也更雄厚的谷歌，非但在第一回合的較量中敗給了微軟的chatGPT，甚至如今淪落到連自身的“鎮家之寶”也保不住了。

今年3月，谷歌得到了一則震驚不已的消息：三星正在計劃用必應搜索引擎來替換谷歌，作為其默認引擎。

新必應，是一款集合了GPT功能的新式搜索引擎

有分析指出，倘若三星真的轉投必應，谷歌潛在的利潤流失在當年就可能達到30億美元。

這無疑給了長期穩居搜索引擎霸主的地位的谷歌一記當頭棒喝。

為了應對微軟的新“必應”帶來的威脅，谷歌正在準備著一項“激進的”產品升級計劃，其中就包括了原有搜索引擎升級和全新的搜索引擎推出計劃。

據《紐約時報》報道，這項全新的搜索引擎，將會嘗試預測用戶的需求，希望提供“更加個性化的體驗”。該項目代號為Magi，將在下月發布，目前有 160 名員工參與研發這個搜索引擎項目。

那么，為何將搜索作為核心業務的谷歌，會喪失了行業前瞻性，以至于到了火燒眉毛的地步，才倉促研發新產品呢？

因為自從GPT這類AIGC誕生的那天起，搜索引擎就陷入了一個岌岌可危的地位中。

谷歌老員工、Gmail的創建者之一Paul Buchheit就曾表示，像ChatGPT這樣的人工智能聊天機器人，將會摧毀谷歌，就像當年搜索引擎徹底干掉黃頁電話簿一樣。

畢竟，有了能自動生成答案的AI，誰還會費力去搜索結果中大海撈針呢？于是，谷歌愈是賣力地研發AI，就等于愈是加快了“干掉”自己的進程。

根據公開財報顯示，2021年，谷歌2576.4億美元的收入中約有80%來自廣告，廣告收入是谷歌的生命線，而搜索引擎則是廣告的展示平臺。

但是，ChatGPT這種對話AI，或新必應這樣的新搜索引擎，根本沒有為廣告的存在提供位置。

在這樣的情況下，將對話AI商業化融合進搜索引擎，對谷歌來說，成了一件吃力不討好的事。

2020 年前后，兩位谷歌的工程師（Daniel De Freitas 和 Noam Shazeer）開始在公司內部各種拉資源，決心打造一款在當時絕無僅有，且功能異常強大的 AI 聊天機器人（Chatbot)。

為了讓這個項目落地，兩人做了很多努力。他們曾經嘗試讓外部的研究人員訪問這款聊天機器人，也試過將機器人集成到谷歌助理（功能類似蘋果 Siri) 里，后期，他們還曾推動公司直接公開發布這款產品。

只不過，這些嘗試和訴求全被高管擋了回去。

Daniel 和 Noam 很是挫敗，他們在 2021 年離開谷歌，成立了一家新公司，繼續做著他們在谷歌未竟的事業。他們曾對前同事說，只要還在谷歌，他們的 AI 工具就沒法真正面向大眾。

其實，做出類似決定的，不只Daniel 和 Noam兩位。

作為OpenAI的聯合創始人的Sutskever，之前也曾在谷歌擔任了近三年的科學家，但卻于2015年離開了谷歌。

而之前備受關注的重磅論文Transformer，也是由前谷歌的員工所發表的，當時這被認為是自然語言處理方面的一個重大突破。

Transformer 對 AI 發展有跨時代的意義，研究人員發現，Transformer 在自然語言處理（NLP) 領域效率奇高，以至于 OpenAI 的工程師們寢食難安，直接把 Transformer 引入了自己正在開發的產品。

然而，這篇論文的八位作者，除了Llion Jones，都已經離開了谷歌。

而這樣的人才流失，在過去的幾年中，在谷歌已經成了一種常態。究其原因，是谷歌內部陳腐、臃腫的官僚系統，和難以觸碰的利益蛋糕。

今年2月，前谷歌員工Praveen Seshadri在一篇題為《迷宮在老鼠里》的博客文章中稱，該公司已經迷失方向，效率低下，管理不善，并因風險而走向癱瘓。

Praveen Seshadri博客文章的配圖：迷宮里的老鼠

Seshadri認為大多數谷歌的員工最終不是為客戶服務，而是為其他谷歌員工服務。他將公司描述為一個“封閉的世界”，加倍努力工作不一定會得到回報。

他補充說，員工還被困在一長串的批準、法律審查、績效審查和會議中，幾乎沒有給創造力或真正的創新留下空間。

如果說，對搜索領域的執念，以及僵化的制度所造成的人才流失，是谷歌在這場AI競賽中落后于微軟和OpenAI的“軟差距”，那么具體在大模型的競爭上，數據的差距則是谷歌短時間內沒法追上的“硬功夫”。 技術歧途

與谷歌相比，OpenAI對數據有強大的執念，而數據的差距，則直接決定了大語言模型是否強大。

在ChatGPT的成功中，至關重要的一環，就是高質量的標注數據。憑借著雇傭大量廉價勞工做語義標注，以及上億用戶不斷給OpenAI提供新的數據，谷歌和OpenAI的差距只會越來越大。

那么，原先在AI賽道上占盡先機的谷歌，為何在這一關鍵的環節掉鏈子了呢？

要知道，谷歌當年的AlphaGo可是接連取得了擊敗圍棋頂尖選手李世石和柯潔的驕人戰績啊。

其實，最重要的原因，是二者在具體的技術路線上，選擇了截然不同的兩條道路。

在2015年之前，人工智能基本是小模型的天下。

過去的微軟小冰、蘋果Siri、智能音箱，以及各個平臺的客服機器人背后都是小模型，在其系統中包含若干Agent（知行主體，可以理解為執行具體任務的程序），一個專門負責聊天對話。

但是ChatGPT不再是這種模式，而是采用了“大模型+Prompting（提示詞）”。

這樣的選擇背后，是OpenAI渴望開發通一種全領域用人工智能（AGI）的意圖。

而谷歌雖然也意識到了大模型的作用，但只是將其作為自己備選方案中的一個，并未全力投入研究。其在BERT之后也推出了T5、Switch Transformer等模型，類似于賽馬機制。

雖然從事后諸葛亮的角度來看，這種多頭押注的決策，顯然是不明智的，但在最初的較量中，谷歌的BERT表現卻一點也沒讓人失望。

2018年，OpenAI推出了1.17億參數的GPT-1，谷歌推出了3億參數的BERT，雙方展開了一場NLP的較量，結果是GPT-1被BERT打得完敗。

在當時的競賽排行榜上，閱讀理解領域已經被BERT屠榜。此后，BERT也成為了NLP領域最常用的模型。

這主要是因為，BERT是一種基于預訓練+微調的語言模型，微調過程是在預訓練模型的基礎上，使用更小的標記數據來調整模型參數。這樣可以使得模型更適合特定的任務。

然而，初嘗敗績的OpenAI，卻依然選擇“頭鐵”地走走“大模型路線”。

接下來的兩年（2019、2020年），在幾乎沒有改變模型架構的基礎上，OpenAI陸續推出參數更大的迭代版本GPT-2、GPT-3，前者有15億參數，后者有1750億參數。

到了GPT-2時，隨著訓練參數的擴大，其在性能上已經超過BERT，到GPT-3又更進一步，幾乎可以完成自然語言處理的絕大部分任務。

而后來的“人類反饋強化學習機制”，則完成了chatGPT誕生的關鍵一步。

通過人工標注對模型輸出結果打分建立獎勵模型，然后通過獎勵模型繼續循環迭代，OpenAI獲得了更真實、更無害，并且更好地遵循用戶意圖的語言模型InstructGPT。

至此，GPT正式開啟了自己在通用人工智能領域突飛猛進的進程，直至2022年11月30日ChatGPT誕生，谷歌終于在這場持續數年的大模型競爭中落了下風。

總結如果要問，OpenAI與谷歌的較量，帶給人們最重要的啟示是什么，那恐怕就是：在科技前進的道路上，是容不得短視的功利主義、機會主義的。

因為雖然能在局部領域取得優勢的技術有很多，但真正能改變時代的關鍵技術可能只有一個。

而谷歌之所以在這方面，犯了多頭下注的錯誤，究其原因，還是之前定下的“AI first”戰略。

而這一戰略的造成的影響，就是占坑和排他。

換句話說，但凡有人想出來的AI產品，谷歌就要有類似的。

于是，谷歌對AI first的理解，變成了Google first in AI。

也正因如此，谷歌在戰略出發點上選擇了大而全的模式，谷歌有類似蘋果Siri的谷歌語音助手，有類似亞馬遜Echo的智能音箱，有對標Facebook的信息和圖片助手等等。

這樣的戰略，看似鞏固了谷歌的江山，卻也讓其逐漸失去了研究的重心與焦點。

雖然在2019年，谷歌相繼展示了更出名、尺寸更大的智能顯示器、AR搜索結果、AR地圖、Google Lens更新、網絡Duplex等成果，

它們大多只是一個現成的東西，區別僅僅是得到了AI的推動。

時至今日，谷歌仍然占據著全球最大的搜索市場份額，與之相比，必應在全球的份額僅為3%。

但在這個生成式AI日益進步的今天，大多數用戶，已經厭倦了從海量的搜索結果中，大海撈針似地尋找自己想要的信息。

這樣的現實，似乎告訴了我們：在技術革新的浪潮下，龐大的體量，從來不是什么堅不可摧的護城河。

用《三體》中的一句話來說：“弱小和無知都不是生存的障礙，傲慢才是”。

這句話用于評價今天的谷歌，也同樣適用。

關鍵詞：