陈根：落败一年后，谷歌终于发布了AI大模型

当地时间12月6日，谷歌宣布正式推出大语言模型Gemini，这是其在ChatGPT发布一年后推出的“规模最大、功能最强”的AI模型，分为三个版本满足不同场景需求，在性能和多模态能力上表现突出，同时发布了配套芯片，但目前仅有英语版本。Gemini的三个版本Gemini Nano：轻便版本，可在安卓设备上离线运行，适合对算力要求不高且需要本地化处理的场景，如移动端的简单文本生成、智能回复等，能为用户提供便捷的AI服务，无需依赖网络连接。Gemini Pro：更强大的版本，从12月6日开始接入Bard，并将很快为谷歌的产品提供动力。该版本在性能上有较大提升，能够处理更复杂的任务，如多轮对话、知识推理等，可应用于智能客服、智能写作助手等领域，提升产品的智能化水平。Gemini Ultra：功能最强大、规模最庞大的版本，主要为数据中心和企业应用设计，谷歌计划于明年推出。它具备处理大规模数据和复杂计算的能力，适用于科研、金融分析、医疗诊断等对计算能力和准确性要求极高的领域，可为企业提供更深入的洞察和决策支持。Gemini的性能表现在32项基准测试中，Gemini有30项领先于GPT - 4，涵盖了多任务语言理解基准测试等广泛的整体测试，以及生成Python代码能力等专项测试。这表明Gemini在语言理解、逻辑推理、代码生成等多个方面具有更强的能力，能够更好地满足用户在不同场景下的需求。功能最强大的Gemini Ultra得分率高达90.0%，是首个在大规模多任务语言理解MMLU中超越人类专家的模型。MMLU综合运用了数学、物理、历史、法律、医学和伦理等57个科目，用于测试世界知识和解决问题的能力。这说明Gemini Ultra具有广泛的知识储备和强大的综合解决问题的能力，在处理复杂问题时能够表现出色。Gemini的多模态能力与市面上主要聚焦在文本处理的大模型不同，Gemini具有出色的多模态能力。它可以写诗、画画、编歌、剪视频，实现无缝理解，是一个全才。例如，在处理图像和文本结合的任务时，Gemini能够准确理解图像中的信息，并结合文本进行合理的回应和创作，为用户提供更加丰富和多样化的服务。打个比方，如果说ChatGPT是一台高效的单屏电脑，提供基本的计算和办公功能，那么Gemini大概就是一套全功能的多屏工作站，可以同时处理多个任务，展示更多信息。这种多模态能力使得Gemini在实际应用中具有更大的优势，能够适应更多样化的场景和需求。配套芯片发布除了发布大模型，谷歌还同时发布了专门训练AI的最强芯片Cloud TPU v5p。这款芯片为Gemini的运行提供了强大的硬件支持，能够提高模型的训练和推理速度，降低能耗，使得Gemini能够更高效地处理大规模数据和复杂任务。谷歌在发布Gemini的同时推出配套芯片，显示其在AI领域的全面布局和强大实力。通过软硬件的协同优化，谷歌能够为用户提供更优质、更高效的AI服务，进一步提升其在AI市场的竞争力。语言版本及未来集成计划目前，谷歌的Gemini只有英语版本，其他语言版本将在未来陆续推出。这可能会在一定程度上限制其在非英语地区的应用和推广，但随着其他语言版本的发布，其受众范围将不断扩大。谷歌首席执行官Sundar Pichai表示，该模型最终将集成到谷歌的搜索引擎、广告产品、谷歌浏览器等等。这将进一步提升谷歌产品的智能化水平，为用户提供更加个性化、精准的服务，同时也将加强谷歌在各个领域的市场竞争力。对国内企业的启示谷歌在年初被认为是惨败的情况下，依然投入足够的资源和时间，分出不同版本提供给B端用户和C端用户，最终发布了今天的模型。这种“好饭不怕晚”的做法值得国内企业学习。去年ChatGPT刚推出来的时候，国内很多企业急于推出自己的大模型，但推出来后不是闹出笑话，就是连公测都不敢公测，只能停留在发布会层面。国内企业应该更加注重技术研发和产品质量，避免盲目跟风和急于求成，以提供真正有价值的产品和服务。