文丨俊俊
OpenAI与Google时间仅差一天的两场发布会，被视为是这两家科技企业在AI领域真刀明枪的激烈对垒。
OpenAI重磅发布了可跨文本、视频、音频推理的多模态大模型GPT-4o，其多元化的玩法、低延迟以及拟人化的声音，让11年前的科幻电影《Her》成为现实，人人都能拥有一个超强语音AI助手，似乎人类离AGI又更近了一步。
Google 一口气发布了多个新模型、新工具、新功能及新基建，重点分享了 Gemini 的最新进展，及其与Google核心业务的融合应用，所有创新都指向一个方向，Google 已全面进入 Gemini 时代。
谷歌和OpenAI的发布会，不约而同地强调了AI与现实世界的真正交互。
不过，在产品功能重点方面，两家公司各有千秋。
Google与OpenAI，各显神通
这次，OpenAI并未推出搜索引擎，也未推出GPT-4.5或GPT-5，而是发布了GPT-4系列新模型GPT-4o以及AI聊天机器人ChatGPT的桌面版本。
这可以看作是对GPT-4的一次阶段性更新，而根据OpenAI官方网站介绍，GPT-4o中的“o”代表Omni，也就是“全能”的意思。
GPT-4o文本、推理、编码能力达到GPT-4 Turbo水平，速度是上一代AI大模型GPT-4 Turbo的两倍，但成本仅为GPT-4 Turbo的一半，视频、音频功能得到改善，总的来说，就是回应速度更快，能以平均320毫秒作出响应，已经达到了人类的级别！并支持多模态输入，且ChatGPT免费用户也能用上新发布的GPT-4o。
Altman表示，GPT-4o的平均延迟只有200—300毫秒左右，这种交互效率在之前是无法想象的，也极大地拓宽了应用场景。
例如，可以帮助人们进行实时翻译、语音交互和视频分析等，眼睛有障碍的人通过GPT-4o可以实现重现“光明”。而听力受损的用户可以基于文本和视觉功能完成日常交流。医生可以使用 GPT-4o 实时解析医学图像、转录患者数据以及分析医疗记录中的文本数据。所以，医学领域将是GPT-4o最大受益群体之一。
而OpenAI这次颠覆谷歌的真正杀器，是它放出的ChatGPT桌面APP。通过这个程序，我们就能快速访问ChatGPT。
并且，还可以选择让它「透视」你的屏幕，实现「看你所看」，还可以像使用ChatGPT一样，和它实时语音交互。更是可以直接在ChatGPT中直接打开数据文件，进行实时分析！
谷歌则全面发布Gemini 1.5 Pro，可提供具有增强的性能和突破性、最高200万Token长文本能力，并且已经向全球开发者开放。
全新Gemini 1.5 Pro具有原生音频理解、系统指令、JSON 模式等，能够使用视频计算机视觉来分析图像（帧）和音频（语音）的视频，这使其具有人类水平的视觉感知。使用深度神经网络，Gemini 1.5 可以以超人的精度识别图像（和视频帧）中的物体、场景和人物，谷歌同时推出全新Gemini 1.5 Flash 模型。
关于如何将AI进一步集成到搜索中，谷歌有着更复杂的研究和规划。除了Veo视频工具和Astra多模态AI助手外，谷歌所有现有产品都会得到AI的注入，包括Google Docs、Gmail和 Chrome。但谷歌冗长繁杂的发布会内容，却给人这样一种感觉：它大概是自觉在模型上追不上OpenAI了，所以干脆以量取胜，把AI融进自己的一揽子产品内。
显然在AI助手这方面，OpenAI的尝试更大胆，谷歌则更谨慎。
从呈现效果上，GPT-4o的现场演示让OpenAI直接「暴杀」，而谷歌Projetct Astra则一如既往的是提前录好的demo。
当然，战火并不止两场发布会之间，GPT-4o的热度确实足够强劲，Sam Altman丝毫不隐藏对谷歌的嘲讽，在x上po文表示，自己「无法不去思考OpenAI和谷歌之间的美学差异」。
而谷歌大脑的研究工程师则po文暗讽Altman：一方面不想竞争对手，一方面所有的发布都和对手保持同步，你可真是太「茶」了。
纷争不止于此，谷歌也早已试图通过重组的方式进行反击。
不仅CEO劈柴重新设计了他的领导团队，从而加快行动速度，促进业务中以往各自为政的部门达成合作。
并在在上月的重组中，包括构建机器学习模型、构建负责任的AI等等各类和AI相关的团队，都被并入了Google DeepMind，目的是帮助Hassabis和Google DeepMind团队更快地朝着AGI迈进。
此外，谷歌越来越重视诸如Pixel这类的硬件产品，尤其是希望抓住「AI on Android」这一关键机会，合并服务和硬件部门。
就在今年3月，谷歌更是任命了一位专注于开发AI功能公司元老——Liz Re，担任生成式搜索业务（SGE）的负责人。随着谷歌生成式AI搜索功能开始推出，Reid的团队正面临着巨大的挑战。
聊天机器人正在蚕食谷歌搜索主导地位，自然让谷歌不得不处于如此被动的地位。
在Altman看来，AGI并不会像电影《星球大战》里的浮空车那样充满科幻感，AGI就是可以帮助用户自动处理、协调好所有工作。例如，这个工作之前需要100人来做，现在通过AGI一个人就能做好。
本次ChatGPT发布会，某种程度，AGI已经实现了，且OpenAI被曝出的的搜索产品SearchGPT，也将在未来某个时间推出。
想象力，才能推开新世界的大门
Sam Altman接受红点（Redpoint）采访时表示，对于GPT-5现在暂时可以称它为GPT-5，但发布的时候会很特别，可能会换一种叫法，功能也与现在的有很大不同。例如，从OpenAI发布GPT-1到现在的GPT-4，产品功能和叫法都是比较偏传统的。
到真正发布GPT-5时，可能名字会变，功能可能类似“虚拟大脑”一样去帮助用户处理各种任务，将是一种非常特别的尝试。
确实，在一个新技术的时代，一个无比需要去开创可能性的时代中，想象力可能才是最重要的。
毫无疑问，谷歌的技术力还在，那些模型都很能打。但那些让人赞叹的技术突破，让人兴奋的产品演示，都没有了。
难超同行的诸多功能，完全可预期的诸多表现，只能令台下的观众昏昏欲睡，或许只是在拖延时间。
如果您有什么想说的，欢迎在评论区留言讨论！
如果您想要获取最新的科技趋势分析、行业内部的独家见解、定期的互动讨论和知识分享、与行业专家的直接面对面交流的机会！