谷歌于近日推出了多模態大模型Gemini，并對其能力做出了高度評價。那么，在Gemini出現之后，如何解讀當下的大模型競爭呢？這篇文章里，作者給出了他的看法，一起來看一下吧。

沉寂一年后，谷歌帶著它的多模態大模型Gemini（雙子座）高調殺回AI圈。

此前，谷歌曾憑借AlphaGo在全球掀起了一波AI浪潮。但新一輪AI浪潮的風頭卻被ChatGPT搶走，谷歌迫切需要一款現象級AI產品來證明自己的實力，這也就不難理解，為何谷歌要冒著風險在演示視頻中夸大自家大模型的性能。因為他們太想讓Gemini「看起來」優于競品了。

從命名也能看出，谷歌對Gemini的功能寄予了超越人腦的厚望。官方稱Gemini是AI模型的巨大飛躍，其多項能力超過ChatGPT。自此，谷歌正式向競爭對手OpenAI和微軟宣戰，爭奪人工智能霸主地位。AI圈最強終于不再是ChatGPT的獨角戲。

01

最強大模型之戰硝煙正濃。

作為應對ChatGPT-4的殺手锏，谷歌在發布會上稱Gemini是其迄今為止規模最大、能力最強、最靈活的AI模型。不僅如此，谷歌稱Gemini是自己從頭開始構建的多模態模型，更接近人類認識世界的方式。

不同于ChatGPT的逐步更新，谷歌一次性就發布了三種模式的Gemini，分別是Gemini Nano、Gemini Pro和Gemini Ultra。不同版本在性能上有著明顯差異，現在大家能用上的都是Gemini Pro，但在功能上能迎戰ChatGPT的是Gemini Ultra。

雖然宣傳視頻翻車，但Gemini的數據表現還是相當優異。在運算效能方面，Gemini幾乎“吊打”GPT-4。Gemini Ultra在32個多模態基準測試中，其中30個測試集的性能超過當前SOTA結果。在數學問題、Python代碼任務、閱讀等方面，Gemini的性能都超過了此前最先進的水平。

在純文本問題上，Gemini是第一個在MMLU（大規模多任務語言理解）測評上超過人類專家的模型。Gemini的得分為90%，人類專家得分約為89%，而GPT-4在這類問題上的得分為86%；在多模式問題上，Gemini得分為59%，GPT-4得分為57%，Gemini的表現均為最佳。

除了在常規能力上全面超越GPT-4，Gemini最大的特色是多模態，也就是可以同時識別和理解文本、圖像、音頻、視頻和代碼五種信息，用戶可以交錯添加文字、圖像、視頻等內容，Gemini也可以輸出相應交錯的文本和圖像。從一開始，Gemini就在不同模態上進行預訓練，再通過額外的多模態數據進行微調，這進一步提升了模型的有效性。

02

搶跑就一定能將優勢保持到最后嗎？答案可能是：未必。

對于剛起步的大模型行業來說，行業格局未定，后續的競爭依然充滿變數。谷歌一開始在AI領域遙遙領先，最后卻淪為OpenAI的追趕者；ChatGPT一出現便技驚四座，現如今又被Gemini趕超……這樣的故事在不斷上演。谷歌視頻里演示的多模態能力，實際上在一年內就能實現。但一年時間里ChatGPT也會不停迭代，到時候Gemini還會是ChatGPT的對手嗎？

谷歌的野心絕不止步于追趕，而是希望全方位碾壓。Gemini的發布不僅是為了與ChatGPT一較高下，背后潛藏的是一個更大的項目。除了Gemini，谷歌還發布了迄今為止最強大、最高效，并且可擴展的TPU系統——Cloud TPU v5p，專為訓練尖端的AI模型而設計。新一代TPU將加速Gemini的發展，幫助開發人員和企業客戶更快地訓練大規模生成式AI模型，開發出新產品和新功能。一個更可靠、可擴展的訓練模型和最高效的服務模型，才是谷歌做出Gemini的重要目標。

這一戰，谷歌布局深遠，奪回AI霸主的野心昭然若揭。面對已經打出王炸的谷歌，對手OpenAI肯定不會坐以待斃，而OpenAI的絕招正是你根本猜不到它會出什么牌。最強大模型之爭，槍聲已經打響。

03

大模型的競爭才剛開始，國產同行們要加把勁了。

這一年來，國內發布比較知名的大模型有百度文心一言、阿里通義千問、騰訊混元、科大訊飛星火、商湯商量、字節跳動豆包、智譜AI-ChatGLM等。

表面上看各家大模型都各有優勢，但其實都還處于起步階段，算法上還未取得突破性的成果，和國外大模型相比還有一定差距，Gemini的出現或許可以加速行業內的優勝劣汰，讓大量沒有足夠競爭力的產品加速出局，同時，它也啟發了國產大模型：與其跟進式研發，不如將AI功能盡快賦能在已有的產品和服務之中，這樣反而成本更低、見效更快。

在大模型的競賽中，頭部選手的經驗或多或少會被其他追趕者復用，這對后來者來說是寶貴的學習機會，只要保持住追趕的勢頭，就有超越的可能，這次是谷歌，下次又會是誰呢？