對標Sora，GPT4o，被截胡的谷歌開始反擊_風聞

好傢伙，這兩天的硅谷比我老家的大集都熱鬧。

每年5月份的都是谷歌I/O大會主場，最新版本的安卓，谷歌最新的AI都是在I/O大會上發佈的，沒想到就在I/O大會前一天，OpenAI來了個截胡，讓自家的新模型GPT4o刷了屏。

但從今天凌晨的I/O來看，谷歌還是那個橫貫硅谷25年的老大哥，不僅帶來了和GPT4o同樣效果的個人助理，甚至還帶來了反擊Sora的Veo模型。不過我認為接連兩場的發佈會，更重要的是向全世界展示了硅谷的大廠們，正在用AI做一些什麼。

GPT4o？谷歌：我也有

劈柴（谷歌CEO的中文諢名）上來沒講技術，直接"duang，duang"展示了幾個AI在谷歌應用中的案例，比如在谷歌相冊中，當你忘了自己車的牌照，就可以直接問AI，它會幫你從存在谷歌相冊中的所有照片尋找車牌的照片，當你想查看自家小孩的游泳成長曆程，谷歌相冊也會幫你按順序排好。

谷歌相冊能有這般能力，都是基於自家的Gemini大模型，期間劈柴一直強調，自家的Gemini是原生的多模態大模型，這背後針對的是誰，OpenAI和它的GPT4o最清楚。

劈柴統領全文後，就是谷歌的各個部門負責人上來演講了，與前幾年大不同，這次DeepMind率先登場，這支打造出AlphaGo而舉世聞名的團隊，今年已經和谷歌其它AI研究團隊徹底完成整合，成為了目前谷歌公司中，唯一研發AI的部門。

這也是DeepMind首次登上I/O，出場即巔峯，可以看出谷歌對於AI的重視。DeepMind也未辜負眾望，甩出了兩個王炸——Project Astra和Veo。

Project Astra是谷歌目前打造AI助理的計劃，按照谷歌的想法，未來的AI助理，不止是通過文字和人類交流，它應該能看人類所看，聽人類所聽，並且反應迅速，不能有延遲感。這不就是GPT4o麼？這針鋒相對的味道，太沖了。下面是Project Astra的演示視頻，強烈推薦觀看，尤其是找眼鏡那段，絕了！並且，這次谷歌也吸取了Gemini發佈時教訓，特意強調，這是一鏡到底的視頻。

接下來，還介紹了最新的Imagen3文生圖模型，效果確實不錯，但也沒有到領先Midjourney，Dall-E的地步。同樣的情況也發生在音樂模型上。只不過到了視頻模型Veo這裏，谷歌的聲音就大了很多。

下面這個視頻是由Veo生成的，老爺們可以先看看。Veo目前可以生成高品質，1080P，超過1分鐘時長的視頻。這1分多鐘可以是由一句提示詞生成，也可以是由多個提示詞組而生成。下面演示的這個視頻就是由4個提示詞組生成的。不知道大家感覺怎麼樣，整體看下來，我覺得它已經超過目前的Runway，但是和Sora相比，還略遜一點，但Veo優勢在它支持多個提示詞，來生成一個長視頻，這是Sora目前做不到的一點。

總之，牌桌上多一個玩家，肯定是用户收益，希望能早點用上這樣的視頻模型吧。

Gemini：更快，更長，更便宜

自從谷歌放棄了PaLM和Bard，轉投到Gemini下，這個模型的成長速度飛快。一年多的時間，已經進化到1.5版本了。這次I/O上，谷歌把Gemini1.5 Pro版本的大模型進行了蒸餾，推出了Gemini1.5 Flash版。這個版本的相應速度更快，每Token的價格更便宜，但是處理複雜問題的時候，就不如Pro版了。也就是説，這是介於Nano和Pro版本之間的一個模型。按照老羅的話説，谷歌現在有了，小杯（Nano），中杯（Flash），大杯（Pro）和超大杯（Ultra）。

Gemini除了增加型號，在單個窗口的Token數量上也是猛增，目前單次對話已經支持到一百萬了。這是什麼概念呢？你可以上傳1500頁的PDF，或30000行的代碼，甚至是1個小時的視頻，AI都可以對上面這些數據進行分析。這也是目前大模型當中，唯一支持一百萬Token對話的，可以説是遙遙領先了。不過谷歌似乎還不滿足，劈柴説今後會把這個數字提升到兩百萬！

AI已經滲透到谷歌產品血液中I/O剩下的部分都是在講AI如何和自家產品結合的。我這裏舉幾個例子，大家感受下。當你網購的鞋子，尺碼小了，只需要跟AI説一聲，Gemini會自動從你的郵箱裏獲取訂單信息，從裏面分析出退貨地址，然後自動從快遞官網給你下單取貨，你唯一要做的，就是在最後確認下運費的價格。

遇到不會的問題，打開搜索引擎輸入文字或圖片是最常見的做法，而現在有了Gemini的加持，谷歌已經可以根據視頻來搜索回答問題了。比如I/O中的演示：眼前的黑膠唱機不工作了，支臂不停的"抽搐"，把這段錄下來，發給谷歌，就會得到相應的解決辦法。

另外一個令我印象深刻的例子，就是谷歌家的多APP聯動，演示中，郵箱中塞滿了來自客户的賬單，Gemini站出來，直接就幫助把這些賬單用Excel給列好了，並且分類非常清楚，還會把相應的賬單照片放到雲盤裏歸類好。

説到這，日常很少用Email的老爺們可能感受不深，這樣想一下，你是個個體户老闆，每天微信上都有收不完的轉賬，以前你還得拿小本本記，在截屏備份，有了AI後，它把每一筆收款的都記錄到Excel中，並且都誰給的，什麼時間，買了啥都分類記好，然後再把截屏備份，放在一個AI創建好帶有日期的文件夾內。這是不是很爽？

最後一個例子就是關於通話的，當AI檢測到你通話中有詐騙話術的時候，會跳出窗口提示你——目前的通話中疑似詐騙，銀行不會讓你轉移資金，建議掛斷電話。

能把AI集成到如此多的APP中，縱觀世界上，目前也只有谷歌一家能做到這一點。安卓，Gmail，Youtube，WorkSpace不僅市佔率非常高，並且基本上貫通了日常用的場景，像OpenAI，它要想做到以上，需要一家，一家的敲開其它APP大門才可以。

我們到底需要怎麼樣的AI？大家有沒有發現，AI進化的速度慢下來了，GPT5遲遲不見蹤影，其他家也沒有什麼更聰明的模型出來，這是為啥？

根據ScalingLaw來看，想要更強大的模型，需要從數據，算法，算力來看，目前AI基本上已經把互聯網上的資料"吃幹抹淨"，算法沒有大突破，算力部署也被能源所限制。這麼一看，我們離那種高智商AI還有很遙遠的距離，對吧？

但是，我們真的需要如此的AI麼？我想説出一個逆天回答：大多數的情況下，可能不需要！

以我用GPT4的經驗來看，關於知識類的回答，它已經有百分之90的正確率，也就是説你問它任何一個問題，它都可以以本科生的水平來回答你。只是對於數學等強邏輯回答，它還是個初中生。但對於日常生活來講，解數學題不是其中的主旋律，如何讓AI參與到其中才是。

OpenAI的GPT4o以及今天的Project Astra都是大廠們給出的類似解，現在的AI應該在更多的感官途徑上展示出的它的能力。

而今天谷歌另外一個重點，也讓我們窺探到了在打通系統和主流APP的情況下，AI到底能給我們帶來多大的方便。不過很可惜，在短時間內，我們可能很難感受到。想要騰訊，阿里等一眾大廠互通，是不容易的一件事。

連續兩天的發佈會，也許在提醒我們，相比一個能解微積分，在每個行業都是頂級專家的AI，我們可能更需要一個普通的AI穿插在我們生活中。