GPT大模型之后,谷歌、微软、百度们AI争霸的下一战

news2025/1/21 0:46:27

又来了一个大模型!

fb87ec23c2b0dc663f084a1be4f7d72e.png

4 月 14 日,雷军宣布推出小米的大规模语言模型;4 月 11 日,在阿里云峰会上,阿里云智能首席技术官周靖人正式宣布推出大规模语言模型——通义千问,并宣布要在钉钉、天猫精灵等阿里所有产品接入通义千问。这是继百度、360 之后,在短短的一个月之内,国内又两个互联网巨头正式推出的 ChatGPT 产品与技术。

其实,不止百度、360,华为、腾讯、字节、商汤等国内众多互联网或 AI 厂商,甚至是王小川、王慧文等业界大佬新成立的创业公司,也都要推出相关产品。

一场 AI 大战迅速在国内市场激烈上演。这一切,都源于诞生两个月即吸引 1 亿个用户的 ChatGPT!也源于今年 1 月以来微软和谷歌在全球上演的一场环环相扣的 AI 争霸战。

微软、谷歌、阿里云百度等国内厂商,他们的 AI 战略各有什么特点?谁将赢得这场关乎未来智能世界主导者的王者之战呢?

微软:快速把AI商业化

从当前的战局来看,微软暂时成了战场的“大赢家“:它不仅快速发布了赢得一片叫好声的智能化产品,Azure 还成了 OpenAI 提供算力的最大赢家。对此,富国银行分析师 Michael Turrin 甚至预测,这一切加起来将为微软带来超过 300 亿美元的新财年的营收,而其中大约一半来自 Azure。

微软在这次 AI 大战的定位与布局,可以从梳理微软在人工智能领域一系列的重要事件看出些端倪。

01

1月23日

ChatGPT 的开发商 OpenAI 官宣和微软展开更深层次合作:微软确定向 OpenAI 投资 100 亿美元,微软也成为 OpenAI 唯一云服务商,并拥有 OpenAI 技术集成的优先授权。

同在 1 月,微软推出 Azure OpenAI 服务;

02

2 月 1 日

路透社报道 ChatGPT 用户突破 1 个亿,成为史上用户数量增长最快的公司!微软抓住这个重磅消息,以迅雷不及掩耳之势,在 2 月 7 日,宣布正式推出由 OpenAI 提供技术支持的最新版 Bing(中文名“必应”)搜索引擎和 Edge 浏览器。随后,在3月初便立即宣布,Bing 的每日活跃用户首次突破 1 亿人,每天大概有三分之一的 Bing 用户,会与基于 ChatGPT 开发的 Bing Chat AI 进行交互!

03

3 月 8 日

微软宣布为整个微软商业应用产品线,带来由全新一代人工智能驱动的产品升级,并正式推出国际版 Dynamics 365 Copilot (” Dynamics 365 Copilot”),为各项商业应用全面引入互动式的人工智能助手。

03

3 月 10 日

发布于 Microsoft Azure 的企业级 Azure OpenAI ChatGPT 服务(国际预览版)发布。借助 Azure OpenAI 独家服务,Azure 用户可以使用各种领先的 AI 模型(包括 Dall-E 2、GPT-3.5、Codex 和其他的大语言模型);

03

3 月 17 日

发布 Microsoft 365 Copilot(Microsoft 365 Copilot),为其工作场所生产力工具带来全新一代人工智能的强大功能。微软 Copilot 将大型语言模型(LLM)与业务数据和 Microsoft 365 应用相结合,实现 Copilot in Word、Copilot in PowerPoint、Copilot in Excel、Copilot in Outlook、Copilot in Teams、Copilot in Power Platform,以发布新工具 Business Chat;

043689b80eba803d213cdec670c5fda7.png

03

3 月 23 日

在 OpenAI 于 3 月 15 日发布 GPT-4 之后,微软立即宣布企业级 Azure OpenAI GPT-4(国际预览版)服务发布;

03

3 月 28 日

微软宣布推出下一代人工智能产品 Microsoft Security Copilot,将 AI 技术应用于网络安全领域,为安全专业人员提供一个有效的工具,以快速检测和响应威胁,并更好地了解整个隐患存在的态势;同一天,发布 Microsoft Teams 新版本,强调是完全基于 AI 的新版本。Teams  将成为下一代 AI 体验的基础,智能回顾和 Copilot for Microsoft Teams 等智能化成为重要应用。

……

从以上可以看出,微软在这场大战中一气呵成,几乎将其所有软件和云服务都快速进行了智能化升级,由此取得这些应用软件和云服务的竞争优势,快速地实现了 GPT 的商业化运作。

从这些重大事件中,我们还可以发现,对 LLM 本身,微软完全依靠 OpenAI,没有自身的核心技术。这估计也是萨提亚的无奈之举。

萨提亚在上任之初就提出微软三大战略方向:虚拟现实、人工智能和量子计算,并对人工智能进行各种布局。但从结果来看,过去的一二十年,微软只是在人工智能的一些应用领域有所创新,但在人工智能的高端人才、大模型等底层技术创新方面,完全被谷歌等碾压,几乎没有任何的存在感。

但这次微软够狠,他抓住机会,成功地将自身在人工智能领域的弱势品牌地位实现大反转,成为引领人工智能发展的、具有强大创新活力的领先品牌。

谷歌:快速构建AI生态

颇有意思的是,一直在 AI 领域处于前沿地位、一直引领 AI 技术和产品创新的谷歌却在这一场大战中给人感觉“处处被动“。很多媒体甚至认为,在 AI 领域,谷歌已被微软超越。

事实上真是这样的吗?

让我们先看看谷歌在这场大战的重要事件:

01

2 月 7 日

就在微软发布 NewBing 的同一天,谷歌母公司 Alphabet 首席执行官桑达尔·皮查伊在一篇博客文章中表示,谷歌正在开放一项名为 Bard 的对话式人工智能服务项目。据皮查伊所述,这一工具软件将于今日提供给一组“值得信赖的测试者”,并在未来几周内公开发布。他还表示,谷歌计划在其搜索引擎增加人工智能功能。

02

2 月 8 日

谷歌举行了“Google presents: Live from Paris”大会,向外界正式披露对标 ChatGPT 的产品——Bard。在预热中,谷歌介绍,Bard 是一项实验性对话式 AI 服务,由谷歌自身的大语言模型 LaMDA 模型提供支持,并利用网络信息获得知识。因为 LaMDA 模型体量相对较小,所以需要的算力更小。但备受期待的 Bard 在演示现场却出现了“翻车“,她在回答问题时给出了错误的答案!

03

3 月 14 日

Google 发出重大新闻,谷歌开始正式为企业和开发者提供生成式 AI 接口服务。

和微软 Azure 提供 OpenAI 服务不同的是,Google 提供了两种大模型服务方式。一种是,他们为正在开展 AI 实验的开发者推出了 PaLM API。该 API 还附带一个名为 MakerSuite 的直观工具,让开发者可以快速基于构思设计原型,后续还会增加提示 (prompt) 工程设计、合成数据生成和自定义模型微调功能,并且都配以强大的安全工具为后盾。

另一种是,他们在 Google Cloud AI 产品组合中添加了全新生成式 AI 功能 Generative AI support in Vertex AI:开发者和企业可以使用 Vertex AI 平台大规模构建和部署机器学习模型及 AI 应用,并帮助开发者和机构获享企业级安全与隐私保障,同时集成其现有 Cloud 解决方案。

fc340a44e741474775d25575793cabbc.png

另外,Google Cloud 还提供了一个独特的 AI 应用开发工具:Generative AI App Builder。企业和政府机构可以通过它来自行构建由 AI 技术驱动的聊天界面或数字助理应用。这个开发工具将对话式 AI 流与开箱即用的搜索体验和基础模型相结合,可帮助企业在几分钟或几小时内构建出生成式 AI 应用。

03

3 月 14 日

同样是在 3 月 14 日,比微软 Office Copilot 正式发布抢先三天,微软 Office 的最有力挑战者——Google Workspace 推出全新 AI 功能,用户可以在利用生成式 AI 的功能来进行创作、交流和协作。

谷歌宣称,从 Gmail 中的智能撰写功能,到 Google 文档中的摘要自动生成功能,Google Workspace 已为超过 30 亿使用者提供 AI 应用。

现在他们为受信任的测试人员推出一套全新功能,让创作过程更加轻松。在 Gmail 和 Google 文档中,您只需输入一个写作主题,系统便会即时为您生成一份草稿。

如果您是负责新员工入职事宜的经理,Workspace 可帮您节省撰写迎新电子邮件的时间和工作量。在 AI 生成的初稿基础上,您只需按几下鼠标,就能扩写内容或精简措辞,或是更改行文语气,采用更随和或更专业的文风。

值得注意的是,除了发布全新 Google Cloud AI 产品之外,在当天,Google Cloud 还发布了全新的 AI  合作伙伴关系和计划。Google Cloud 表示,他们致力于成为一家高度开放的云服务提供商,并持续为技术合作伙伴、关注 AI 的软件提供商和初创公司,拓展 AI 生态系统和专业计划。

Google Cloud 宣布,将提供包括 Anthropic 和 Cohere 等在内的多种大型语言模型(LLM)。

同时,谷歌还与 AI21Labs、Midjourney 和 Osmo 等三个业界领先且专注于建构、训练基础模型和生成式 AI 平台的企业将加入 Google Cloud 的 AI 生态系中。为更好促进 AI 生态的发展,Google Cloud 对加入 Google for Startups Cloud Program 的 AI 新创企业(从种子轮到 A 轮)提供独家的优惠政策。主要包括:

  • 超过两倍的 Cloud 抵免额。为以 AI 优先的新创企业在第一年提供高达 250,000 美元的云端费用折抵,这是平常为新创企业提供折抵金额的 2.5 倍。此外,在他们参与该计划的第二年,Google Cloud 将承担他们 20% 的云端成本,最高可达 100,000 美元。

  • 免费提供技术支持服务:为 AI 新创企业提供 24 小时全年无休,快速优质的技术支持,以加速 Google Cloud 架构的导入与实施。

  • 与 Google Cloud 专家和社群互动交流:参与计划的 AI 创新企业将有机会与 Google Cloud 成功经理(success manage)、客户工程师交流,并参与新创企业社群的社交活动。

03

3 月 21 日

谷歌正式上线了 Bard 并向部分用户开放。谷歌还表示,很快会将生成式人工智能整合到其搜索引擎中。

从这些事件可以看出,2 月 8 日谷歌 Bard 上线的演示活动,成为 Google 在这次大战中的转折点。它是导致谷歌当天股价在盘后大跌 7.4%,市值一夜蒸发近千亿美元,也让大家产生了微软在 AI2.0 时代超越了谷歌的印象。

但仔细分析,谷歌在这场大战中也并非完全被动。一方面,它在 Google WorkSpace 等方面抢先出手,一定程度上影响了微软的节奏;更关键的是另一方面,Google 展现了和微软不一样的 AI 战略:Google Cloud 不仅仅是将生成式 AI 融入到现有产品之中,更是重视大模型等底层技术,想尽一切办法地打造全新的 AI 生态,千方百计地吸引 AI 创新企业加入到谷歌 AI生态之中。

此次大战中 Google 推出的 MakerSuite 和 Generative AI App Builder,都是微软所没有、但对合作伙伴开发生成式 AI 应用至关重要的工具。它会在发展 AI 生态中起到重要作用。

国内大厂:忙于推出大模型

ChatGPT 不仅引发了微软和谷歌的 AI 争霸之战,也在国内掀起了一股大模型热潮。

百度首先开枪。

01

3 月 16 日

百度对外正式发布文心一言。这个外界充满期待、却被舆论认为是“很差“的一场发布会。发布会只是在对外展示 PPT,没有正式的现场演示。这被很多人认为是产品不行,其股价在发布会后一度大跌。但在文心一言正式对外测试之后,人们发现,其产品表现力也是还可以,不仅可以多模态,还在中文理解的某些方面比 ChatGPT 更好一些。现在,百度文心一言已在文本生成、聊天等方面已基本扭转业界的”产品差“形象,但在绘图模型方面还存在不少质疑。文心一言未来会怎样,业界也还在期待它的更精彩表现。”

02

3 月 30 日

互联网公司 360 创始人周鸿祎在 2023 数字安全与发展高峰论坛上展示了旗下首个大语言模型机器人。有意思的是,吸取了百度发布会只讲 PPT 的教训,周鸿祎在现场进行了实测演示。

但不幸的是,现场演示也出现了“大意外”。在回答”梅西在阿根廷国家队进了几个球?”时,360 版 GPT 给出了错误答案。和百度一样,周鸿祎也是急于将自己的大语言模型发布,不仅其产品的可靠性还不成熟,甚至这个产品的名字都还未取好。

03

4 月 10 日

国内独立的 AI 公司商汤科技正式发布全新“日日新 SenseNova”大模型体系,以及自研的中文语言大模型应用平台“商量”,参数量达千亿,可实现文本生成、图像生成、多模态内容生成等能力与场景应用。

目前商汤版的 GPT 主要面向企业端(B2B)业务。商汤“日日新 SenseNova”大模型体系已全面支持了智能汽车、智慧生活、智慧商业、智慧城市等业务板块,将向客户提供涵盖图片生成、自然语言对话、视觉推理和标注服务等 API 接口。

03

4 月 11 日

2023 阿里云峰会在北京举行。阿里云智能 CTO 周靖人峰会现场正式发布阿里云“通义千问”大语言模型,并宣布阿里所有产品未来都将接入通义千问并进行全面改造,钉钉、天猫精灵率先接入测试。

同时,阿里云将开放通义千问的能力,为每一家企业打造自己的专属大模型。和 GPT4 一样,通义千问是一个超大规模的语言模型,功能包括多轮对话、文案创作、逻辑推理、多模态理解、多语言支持。

除此之外,还有京东、华为、字节、腾讯等互联网巨头在排队,等待适当时机发布自己的大语言模型;还有李开复、王慧文、王小川等业界大佬的新创业公司,也在全速进入 GPT 领域。可以说,国内 AI市场上,接下来将会快速出现众多实力不凡的 GPT 玩家。

他们当前面临的重要任务即是,做好自己的大语言模型,实现多模态的生成式 AI 能力。

有想像空间的是,这些国内巨头们也有巨大雄心,他们心中的 GPT,面向的不仅仅是中文领域、国内市场,他们心里还装着全球市场。

谁将笑到最后?

OpenAI、微软、谷歌、百度阿里云等国内厂商,他们火力全开,争相进入了智能世界的 AI 争霸战。在当前,无疑是 OpenAI、微软成了最大赢家。但放眼 5 年、10 年甚至更长时间的未来,谁将笑到最后?

笔者认,OpenAI、微软在当前的成功,并不能代表未来的成功。从本质上说,当前的状态也并不能说他们已取得了商业上的成功。当前只是做到了品牌宣传、Marketing 上的成功,但因为商业化才刚刚开始。未来微软、OpenAI 能否得到最终用户的认可、取得百亿乃至千亿美元的收入,才是终极的成功。我的判断是,在完善自己的大语言模型之后,AI 生态将会成为未来决战的关键因素。生态伙伴多、生态产品丰富的巨头,将占据最大的市场份额,并成为笑到最后的人。

从搭建生态的视角看,谷歌有可能在未来笑到最后。一方面是因为 Google 自身拥有大语言模型、开发框架等各种 AI 底层核心技术,GPT 的 Transformer 模型,就是 Google 最先提出的;另一方面是因为 Google 在打造生态方面,具有极强的经验与资源。它成功地打造了移动互联网时代的 Android 生态。

而微软在 AI 生态的建树则不会太高,主要原因在于微软没有 AI 底层的核心技术。微软更大的成功概率会是在 AI 应用。

例如,将 Mircrosoft365、微软 Teams 打造成智能化的超级应用,成为工作的入口。智能化应用,会产生比移动互联网时代更大的巨无霸。另外,微软 Azure 会迎来 AI 大模型训练算力需求的发展高潮。微软在和 OpenAI 深入合作的过程中,形成了为 AI 大模型训练提供算力的极有竞争力的解决方案。

这将帮助微软 Azure 在未来和亚马逊科技的云服务市场竞争中取得在 AI 领域的差异化优势,迎来云市场中宝贵的第二增长曲线。

OpenAI 也有可能在未来 AI 生态中扮演一席之地。但由于他和微软的紧密捆绑,会影响他生态的发展。未来,很有可能会被微软收购。

百度、阿里云等国内厂商,将在国内的 AI 生态中占据主导地位。从竞争优势来看,百度拥有较大优势,很有可能会成为未来国内 AI 生态的霸主。

最后有一点要特别声明的是,AI 生态中,还有一个不能忽视的重要角色——IBM。IBM 一直在 AI 领域有长期的耕耘和积累,并且也拥有全面的核心技术。虽然 IBM 似乎没有特别参与这一次的 AI 之战,但它的实力不可小视。IBM 很有可能会成为金融、医疗等行业领域的 AI 生态领导者。

741486f4f462c2a04e94d9ed1fe36cf5.gif

END

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/434566.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

Ghidra使用之Options页面功能介绍

Apply Processor Defined Lables 在Ghidra中,apply processor defined labels功能可以为汇编代码中的地址和数据自动添加注释,这可以大大提高反汇编代码的可读性。 使用步骤如下: 打开您要反汇编的文件,进入Code Browser窗口。点击Edit菜单,选择Apply Processor Defined Labels…

Mysql不同服务器跨库查询解决方案

项目场景: Mysql在不同服务器实现跨库查询,类似dblink。 解决方案: 在两台不同服务器,实现跨库查询,其实现原理类似一个虚拟映射,需要用到mysql的另一个存储引擎Federated,FEDERATED存储引擎访问在远程数据…

另一个世界的人

休假 赶在假期无效前,休了个长假回了趟老家。不仅是为了逃离工作的繁忙,也为了看望老家的婆婆爷爷。回趟老家对于我们这种社会人来说确实太难了,如果只是周末回去也就休息一天就得往回赶,太累。自己的假期本来就不多,如…

如何对HDFS进行节点内(磁盘间)数据平衡

当HDFS的DataNode节点挂载多个磁盘时,往往会出现两种数据不均衡的情况: 1.不同DataNode节点间数据不均衡; 2.挂载数据盘的磁盘间数据不均衡。 特别是这种情况:当DataNode原来是挂载了几个数据盘,当磁盘占用率很高之…

7.1 参数的点估计

小结: 点估计是一种统计推断方法,它用于通过样本数据估计总体参数的值。在统计学中,总体是指一个包含所有个体的集合,而样本是从总体中选出的一部分个体。总体参数是总体的某种特征,如平均值、标准差、比例等。 点估…

全志V851s、V853内g2d模块sample深究

1. g2d 模块概述 g2d 主要功能: 1)旋转:支持90、180、270旋转; 2)镜像反转:H / V; 3) scale:放缩 4)格式转换:yuv 转 rgb 等,多种格式相互间转换&#xff1b…

python学习——缺失值、重复值处理、排序及替换

文章目录 1 缺失值处理1.1 查看缺失值 df.isnull()1.2 统计缺失值 df.isnull().sum()1.3 删除缺失值 df.drop()1.4 填充缺失值 df.fillna()1.4.1 固定值填充 df.fillna(value)1.4.2 线性插值填充 df.fillna(df.interpolate()) 2 重复值处理2.1 查看重复值 df.duplicated()2.2 筛…

最佳实践:Android应用中的网络请求和数据缓存

最佳实践:Android应用中的网络请求和数据缓存 网络请求在Android应用中的重要性 在现代移动应用中,网络请求扮演着重要的角色,涉及到数据的获取、上传、更新等功能。网络请求在Android应用中具有关键地位,对于提供优秀的用户体验和…

如何使用山海鲸可视化绘制堆叠双轴图?

简介 堆叠双轴图是一种数据可视化图表类型,它结合了堆叠柱状图和双轴图的特点,将两个或更多个数据系列以不同的颜色或图案堆叠在一起,同时使用两个垂直轴来表示不同的数据范围,以显示它们之间的关系和趋势。其中一个轴通常代表数…

一个实例讲解如何使用BP神经网络(附代码)

本站原创文章,转载请说明来自《老饼讲解-BP神经网络》bp.bbbdata.com BP神经网络是一个广泛应用的模型, 本文以一个实例作为主线,面向初学者讲解如何构建和使用一个BP神经网络 帮助没接触进BP神经网络的初学者,快速上手BP神经网络…

传统机器学习(四)聚类算法DBSCAN

传统机器学习(四)聚类算法DBSCAN 1.1 算法概述 DBSCAN(Density-Based Spatial Clustering of Applications with Noise,具有噪声的基于密度的聚类方法)是一种基于密度的空间聚类算法。 该算法将具有足够密度的区域划分为簇,并在…

【C++学习】类和对象--对象特性(2)

静态成员 静态成员就是在成员变量和成员函数前加上关键字static,称为静态成员。 静态成员变量: 所有对象共享同一份数据 在编译阶段分配内存 类内声明,类外初始化 静态成员函数: 所有对象共享同一个函数 静态成员函数只能访问静态…

MyBatis小技巧

一、MyBatis中接口代理机制及使用 我们不难发现,以前编写dao/mapper实现类中的方法代码很固定,基本上就是一行代码,通过SqlSession对象调用insert、delete、update、select等方法,这个类中的方法没有任何业务逻辑,既然…

【Cadence】 ADS Dynamic Link使用教程

ADS Dynamic Link使用教程 1.新建一个Cadence Schematic2.打开ADS3.在ADS新建Schematic4.加入控件OPTIONS5.加入Netlist6.仿真测试7.写在最后 1.新建一个Cadence Schematic 随便搭了一个Cascode 注意这个时候不要新建symbol 2.打开ADS 3.在ADS新建Schematic 选择对应的Cade…

BI技巧丨计算组环形图

当我们使用Power BI时,会发现其内置了许多可视化组件,这些组件可以帮我们快速地创建各种类型的报表和仪表板,这是非常方便的。但是,我们也会发现,有些组件的细节功能并不是很完善,这就导致了我们在平常使用…

解决 mapper.xml 文件的 resultType 爆红问题:Cannot resolve symbol ‘xxx‘

解决mapper.xml文件的resultType爆红问题:Cannot resolve symbol xxx 1.问题描述2.问题分析3.问题解决3.1 配置注解(推荐)3.2 配置全类名3.3 删除插件 4.事件感悟 系统:Win10 JDK:1.8.0_333 IDEA:2022.2.4 …

【C++】Qt环境下的五子棋小程序

实现要求 这个程序是一个基于Qt的五子棋游戏,实现了人机对战和双人对战两种游戏模式,提供了基本的棋谱记录和游戏音效功能。程序采用了MVC模式,将数据与界面分离,实现了代码的模块化和可扩展性。主要构建包括三个文件&#xff0c…

Java - 数据结构,哈希表

一、概念 顺序结构以及平衡树中,元素关键码与其存储位置之间没有对应的关系,因此在查找一个元素时,必须要经过关键码的多次比较。顺序查找时间复杂度为O(N),平衡树中为树的高度,即O( ),搜索的效率取决于搜…

Ambari【部署 01】最新版本ambari-2.7.7下载编译打包安装使用(踩坑实录)

Ambari 官网 本次安装的为当前最新版本 2.7.7 文档 。 1.环境及准备 1.1 环境 # 系统 [roottcloud ~]# cat /etc/centos-release CentOS Linux release 7.9.2009 (Core) # JDK [roottcloud ~]# java -version java version "1.8.0_241" Java(TM) SE Runtime Envir…

java模板/策略模式打怪兽

模板&策略模式 实现姿势 我们会从简单到复杂,讲解代码正确的实现姿势,分别为最 Low 方式、常规方式、模板模式和策略模式。 最 Low 方式 假如现在有 3 个奥特曼,都喜欢 “训练,飞翔,打怪兽” public class OldTig…