“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。

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。

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？

1

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。

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”。

2

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。

而 OpenAI 的胜利，不仅是一种创新型团队的成功，更是一种技术路线、技术理念的成功。

3

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”。