导语：“弱小和无知都不是生存的障碍，傲慢才是”。
最近几个月，微软和谷歌在AI领域的一系列竞争，可谓进行得如火如荼。
然而，在这场决定下个时代的对决中，资金更充足，技术也更雄厚的谷歌，非但在第一回合的较量中败给了微软的chatGPT，甚至如今沦落到连自身的“镇家之宝”也保不住了。
(资料图片仅供参考)
今年3月，谷歌得到了一则震惊不已的消息：三星正在计划用必应搜索引擎来替换谷歌，作为其默认引擎。
新必应，是一款集合了GPT功能的新式搜索引擎
有分析指出，倘若三星真的转投必应，谷歌潜在的利润流失在当年就可能达到30亿美元。
这无疑给了长期稳居搜索引擎霸主的地位的谷歌一记当头棒喝。
为了应对微软的新“必应”带来的威胁，谷歌正在准备着一项“激进的”产品升级计划，其中就包括了原有搜索引擎升级和全新的搜索引擎推出计划。
据《纽约时报》报道，这项全新的搜索引擎，将会尝试预测用户的需求，希望提供“更加个性化的体验”。该项目代号为Magi，将在下月发布，目前有 160 名员工参与研发这个搜索引擎项目。
那么，为何将搜索作为核心业务的谷歌，会丧失了行业前瞻性，以至于到了火烧眉毛的地步，才仓促研发新产品呢？
人才尽失其实，对于谷歌而言，这是个尴尬的问题。因为自从GPT这类AIGC诞生的那天起，搜索引擎就陷入了一个岌岌可危的地位中。
谷歌老员工、Gmail的创建者之一Paul Buchheit就曾表示，像ChatGPT这样的人工智能聊天机器人，将会摧毁谷歌，就像当年搜索引擎彻底干掉黄页电话簿一样。
毕竟，有了能自动生成答案的AI，谁还会费力去搜索结果中大海捞针呢？于是，谷歌愈是卖力地研发AI，就等于愈是加快了“干掉”自己的进程。
根据公开财报显示，2021年，谷歌2576.4亿美元的收入中约有80%来自广告，广告收入是谷歌的生命线，而搜索引擎则是广告的展示平台。
但是，ChatGPT这种对话AI，或新必应这样的新搜索引擎，根本没有为广告的存在提供位置。
在这样的情况下，将对话AI商业化融合进搜索引擎，对谷歌来说，成了一件吃力不讨好的事。
2020 年前后，两位谷歌的工程师（Daniel De Freitas 和 Noam Shazeer）开始在公司内部各种拉资源，决心打造一款在当时绝无仅有，且功能异常强大的 AI 聊天机器人（Chatbot)。
为了让这个项目落地，两人做了很多努力。他们曾经尝试让外部的研究人员访问这款聊天机器人，也试过将机器人集成到谷歌助理（功能类似苹果 Siri) 里，后期，他们还曾推动公司直接公开发布这款产品。
只不过，这些尝试和诉求全被高管挡了回去。
Daniel 和 Noam 很是挫败，他们在 2021 年离开谷歌，成立了一家新公司，继续做着他们在谷歌未竟的事业。他们曾对前同事说，只要还在谷歌，他们的 AI 工具就没法真正面向大众。
其实，做出类似决定的，不只Daniel 和 Noam两位。
作为OpenAI的联合创始人的Sutskever，之前也曾在谷歌担任了近三年的科学家，但却于2015年离开了谷歌。
而之前备受关注的重磅论文Transformer，也是由前谷歌的员工所发表的，当时这被认为是自然语言处理方面的一个重大突破。
Transformer 对 AI 发展有跨时代的意义，研究人员发现，Transformer 在自然语言处理（NLP) 领域效率奇高，以至于 OpenAI 的工程师们寝食难安，直接把 Transformer 引入了自己正在开发的产品。
然而，这篇论文的八位作者，除了Llion Jones，都已经离开了谷歌。
而这样的人才流失，在过去的几年中，在谷歌已经成了一种常态。究其原因，是谷歌内部陈腐、臃肿的官僚系统，和难以触碰的利益蛋糕。
今年2月，前谷歌员工Praveen Seshadri在一篇题为《迷宫在老鼠里》的博客文章中称，该公司已经迷失方向，效率低下，管理不善，并因风险而走向瘫痪。
Praveen Seshadri博客文章的配图：迷宫里的老鼠
Seshadri认为大多数谷歌的员工最终不是为客户服务，而是为其他谷歌员工服务。他将公司描述为一个“封闭的世界”，加倍努力工作不一定会得到回报。
他补充说，员工还被困在一长串的批准、法律审查、绩效审查和会议中，几乎没有给创造力或真正的创新留下空间。
如果说，对搜索领域的执念，以及僵化的制度所造成的人才流失，是谷歌在这场AI竞赛中落后于微软和OpenAI的“软差距”，那么具体在大模型的竞争上，数据的差距则是谷歌短时间内没法追上的“硬功夫”。 技术歧途
与谷歌相比，OpenAI对数据有强大的执念，而数据的差距，则直接决定了大语言模型是否强大。
在ChatGPT的成功中，至关重要的一环，就是高质量的标注数据。凭借着雇佣大量廉价劳工做语义标注，以及上亿用户不断给OpenAI提供新的数据，谷歌和OpenAI的差距只会越来越大。
那么，原先在AI赛道上占尽先机的谷歌，为何在这一关键的环节掉链子了呢？
要知道，谷歌当年的AlphaGo可是接连取得了击败围棋顶尖选手李世石和柯洁的骄人战绩啊。
其实，最重要的原因，是二者在具体的技术路线上，选择了截然不同的两条道路。
在2015年之前，人工智能基本是小模型的天下。
过去的微软小冰、苹果Siri、智能音箱，以及各个平台的客服机器人背后都是小模型，在其系统中包含若干Agent（知行主体，可以理解为执行具体任务的程序），一个专门负责聊天对话。
但是ChatGPT不再是这种模式，而是采用了“大模型+Prompting（提示词）”。
这样的选择背后，是OpenAI渴望开发通一种全领域用人工智能（AGI）的意图。
而谷歌虽然也意识到了大模型的作用，但只是将其作为自己备选方案中的一个，并未全力投入研究。其在BERT之后也推出了T5、Switch Transformer等模型，类似于赛马机制。
虽然从事后诸葛亮的角度来看，这种多头押注的决策，显然是不明智的，但在最初的较量中，谷歌的BERT表现却一点也没让人失望。
2018年，OpenAI推出了1.17亿参数的GPT-1，谷歌推出了3亿参数的BERT，双方展开了一场NLP的较量，结果是GPT-1被BERT打得完败。
在当时的竞赛排行榜上，阅读理解领域已经被BERT屠榜。此后，BERT也成为了NLP领域最常用的模型。
这主要是因为，BERT是一种基于预训练+微调的语言模型，微调过程是在预训练模型的基础上，使用更小的标记数据来调整模型参数。这样可以使得模型更适合特定的任务。
然而，初尝败绩的OpenAI，却依然选择“头铁”地走走“大模型路线”。
接下来的两年（2019、2020年），在几乎没有改变模型架构的基础上，OpenAI陆续推出参数更大的迭代版本GPT-2、GPT-3，前者有15亿参数，后者有1750亿参数。
到了GPT-2时，随着训练参数的扩大，其在性能上已经超过BERT，到GPT-3又更进一步，几乎可以完成自然语言处理的绝大部分任务。
而后来的“人类反馈强化学习机制”，则完成了chatGPT诞生的关键一步。
通过人工标注对模型输出结果打分建立奖励模型，然后通过奖励模型继续循环迭代，OpenAI获得了更真实、更无害，并且更好地遵循用户意图的语言模型InstructGPT。
至此，GPT正式开启了自己在通用人工智能领域突飞猛进的进程，直至2022年11月30日ChatGPT诞生，谷歌终于在这场持续数年的大模型竞争中落了下风。
总结如果要问，OpenAI与谷歌的较量，带给人们最重要的启示是什么，那恐怕就是：在科技前进的道路上，是容不得短视的功利主义、机会主义的。
因为虽然能在局部领域取得优势的技术有很多，但真正能改变时代的关键技术可能只有一个。
而谷歌之所以在这方面，犯了多头下注的错误，究其原因，还是之前定下的“AI first”战略。
而这一战略的造成的影响，就是占坑和排他。
换句话说，但凡有人想出来的AI产品，谷歌就要有类似的。
于是，谷歌对AI first的理解，变成了Google first in AI。
也正因如此，谷歌在战略出发点上选择了大而全的模式，谷歌有类似苹果Siri的谷歌语音助手，有类似亚马逊Echo的智能音箱，有对标Facebook的信息和图片助手等等。
这样的战略，看似巩固了谷歌的江山，却也让其逐渐失去了研究的重心与焦点。
虽然在2019年，谷歌相继展示了更出名、尺寸更大的智能显示器、AR搜索结果、AR地图、Google Lens更新、网络Duplex等成果，
它们大多只是一个现成的东西，区别仅仅是得到了AI的推动。
时至今日，谷歌仍然占据着全球最大的搜索市场份额，与之相比，必应在全球的份额仅为3%。
但在这个生成式AI日益进步的今天，大多数用户，已经厌倦了从海量的搜索结果中，大海捞针似地寻找自己想要的信息。
这样的现实，似乎告诉了我们：在技术革新的浪潮下，庞大的体量，从来不是什么坚不可摧的护城河。
用《三体》中的一句话来说：“弱小和无知都不是生存的障碍，傲慢才是”。
这句话用于评价今天的谷歌，也同样适用。
关键词：
