杠上 Google I/O？OpenAI 抢先一天直播，ChatGPT 或将具备通话功能
本周的 AI 圈注定热闹非凡。
当地时间 5 月 13 日，OpenAI 将直播发布 ChatGPT 与 GPT-4 的更新。次日，Google I/O 如约而至。不同于 I/O 大会是谷歌的年度盛会，OpenAI 此次的临时发布颇有点抢热度的意思。这对纠缠已久的「老对头」此次又会如何出招呢？我们不妨来一起回顾一下双方的渊源，并进行大胆猜想！
多轮对垒，激战正酣
自从 OpenAI 一鸣惊人后，谷歌便被贴上了「恨铁不成钢」、「起步慢」、「追赶」等标签。其中最值得探究的便是「AI 黄埔军校」这一称谓，看似褒奖，实则是谷歌的「一把辛酸泪」。
众所周知，奠定 OpenAI 王座的 ChatGPT 是基于 Transformer 架构的，而 Transformer 正是由谷歌在「Attention Is All You Need」这篇论文中提出的里程碑式架构。此外，ChatGPT 发布界面的致谢中也出现了多位前谷歌大佬的身影，随后更是有多位谷歌骨干员工跳槽至 OpenAI……更有意思的是，每当谷歌试图「绝地反击」时，总会伴随一些小插曲。
2023 年 2 月，为应对 ChatGPT 谷歌提出了 Bard，但在发布后不就便被爆出，在演示时出现事实性错误——
在回答「关于詹姆斯·韦布空间望远镜 (JWST)，我可以告诉我 9 岁孩子它有何新发现？」这一问题时，Bard 给出的一个答案是：第一张太阳系外行星的照片由 JWST 拍摄。但哈佛—史密森天体物理中心的研究人员格兰特·特朗布莱指出，是欧洲南方天文台的甚大望远镜 (VLT) 于 2004 年拍摄了第一张系外行星照片。
2023 年 5 月的 I/O 大会上，谷歌展示了 Bard 的产品升级，例如支持更多语言、识别图像信息、接通谷歌应用程序以及部分外部应用等等。同时，谷歌还发布了 PaLM2，作为对标 GPT-4 的产品，其在数学、编码、推理、自然语言生成方面都有所提升。
谷歌健康研究团队还基于此创建了 Med-PaLM 2，具备检索医学知识、解码医学术语等功能。不出意外，模型上对标 GPT，应用上也要对标微软，谷歌将其 AI 能力整合到了文案写作、制作表格等办公场景中，推出了 Google Workspace 。
随后，不少网友以各种形式将 PaLM 2 与 GPT-4 进行了对比，OpenAI 仍然领先的呼声更高。
2023 年 12 月，谷歌发布了其「规模最大、能力最强」的 AI 模型 Gemini，演示效果的确惊艳，高配版本在性能上也能够与 GPT-4 一搏，但是却被爆出演示视频经后期处理，效果被部分夸大。
2024 年 2 月 8 日，谷歌宣布将 Bard 正式更名为 Gemini，其最强模型 Gemini Ultra 加持的聊天机器人 Gemini Advanced 也正式开放，设定与 ChatGPT 相同的 20 美元为「月租」，颇有些打擂台的意思。这次发布更重要的意义是，将谷歌 AI 统一整合为 Gemini——既是模型名、也是产品名。
2024 年 2 月 16 日，自家最强的 Gemini 1.0 Ultra 发布没几天，谷歌便一鼓作气地推出了 Gemini 1.5 。其中，Gemini 1.5 Pro 最高可支持 100 万 token 超长上下文，在 token 数碾压 GPT-4，从而在音频、视频处理等任务上取得了优异的表现。如果没有 Sora，Gemini 1.5 恐怕会在很长一段时间内都是 AI 圈的热议话题。
就在 Gemini 1.5 发布后几个小时，OpenAI 便祭出了文生视频模型 Sora，用前所未有的视频生成能力瞬间站到了舞台的最中央，长达 1 分钟的演示视频直接抢走了 Gemini 的话题度。
这一轮，从技术上无从对比，话题度上显然是胜负已分，OpenAI 也借助 Sora 进一步巩固了自己的地位。
OpenAI 又要截胡热度？
值得注意的是，5 月 1 日，X 网友 Jimmy Apples 爆料，OpenAI 的搜索引擎可能会在 5 月 9 日发布，这位网友曾经准确预测了 GPT-4 的发布日期。随后，他又称发布日期推迟到了 5 月 13 日。
5 月 8 日，彭博社报道也称，OpenAI 内部正在开发全新的搜索引擎，通过生成式 AI 的问答方式带来全新搜索体验。彭博社表示该搜索引擎的特点之一，是可以用书面文字和图像来回答问题。彭博社报道称，OpenAI 的搜索产品是其旗舰产品 ChatGPT 的延伸，使 ChatGPT 能够从网络上直接获取信息，包括引文。在此前的报道中，The Verge 曾爆料，OpenAI 正在挖角谷歌搜索部门的工程师，推进其 AI 搜索产品的快速上线。
OpenAI 此番向本来已经格局稳定的搜索业务下手，有点「直捣黄龙」的意味？
不过，就在 5 月 11 日，OpenAI 官方发布推文称，13 日的发布会只会带来 ChatGPT 和 GPT-4 的更新，只字未提「搜索引擎」。但 5 月 13 日这个日期颇有意思，因为谷歌早已宣布将在 5 月 14 日召开 Google I/O 大会。
随后，Sam Altman 直接明牌了——不是 GPT-5，不是搜索引擎，但是我们一直在努力开发一些我们认为人们会喜欢的新东西！对我来说就像魔法一样。
在 Sam Altman 去除了两个错误答案之后，网友们围绕「OpenAI 到底会发布什么」的大猜想仍然热情高涨，同时也有更多的蛛丝马迹被曝光，其中便包括了语音交互。
据 The Information 报道，OpenAI 已经向其用户展示了一个既能够交谈也能够识别物体的新模型，该模型能够提供更快、更准确的图像与音频理解。据 The Verge 报道，开发人员 Ananay Arora 称，ChatGPT 或将具备通话功能。 Arora 还发现证据表明，OpenAI 提供了用于实时音频和视频通信的服务器。
此外，Hallid 联合创始人 indigo 在其推特 (X) 账号上发布了更加详细的预测，不仅提到了 GPT-4.5，同样也预测了 OpenAI 的新 AI Assistant 助手将支持全语音交互。
不过，从某种角度来看，Sam Altman 虽然否认了「搜索引擎」，但其并未表示不会给 ChatGPT 加点「搜索 buff」。其实，最近一段时间里，网友已经扒出了大量证据——OpenAI 已经进军搜索领域了。
首先是前 Mila 研究员、麻省理工讲师 Lior S 爆料，OpenAI 最新的 SSL 证书日志显示，search.chatgpt.com 子域名已经创建。
国内有网友接到了灰度测试，「赛博禅心」在其公众号上发布了试用效果：
可以看到，ChatGPT 回答的还是很精准的，「赛博禅心」表示回答速度也还可以。然而，在实时信息的获取上，ChatGPT 则显现出了不足，赛博禅心搜索比特币价格，并与谷歌搜索出的价格进行了比对:
此外，有网友直接在推特上发布了一段号称是 OpenAI 官方 AI 搜索页面的演示 demo，但与灰度测试的界面有很大不同：
目前，OpenAI 的搜索产品最终是否会以灰度测试的形式与大家见面仍是未知数，整体来看，其所要面对的竞争者也不光是谷歌一家，还有 Perplexity AI 。其实，从某种意义上讲，Perplexity AI 才是 OpenAI 在搜索业务上应该直接对标的产品。
如今，这个自诩为「世界上首个对话式搜索引擎」的 AI 工具风头正盛，获得了黄仁勋的力挺、贝佐斯等大佬的投资，其独特之处在于将 ChatGPT 式的问答和传统搜索引擎的链接列表相结合。
OpenAI 将以何种形式参与到 AI 时代的搜索引擎市场竞争中呢？先期待一下 5 月 13 日的发布会上是否会揭秘 ChatGPT 的搜索功能。
Google I/O 只能靠 Gemini 挑大梁了？
OpenAI 有心还是无意的发布会是否会爆出重大更新仍未可知，但是相信谷歌势必会准时观看这场直播，如果真的有惊喜，不知道劈柴哥是否能够快速应对，并在一天后的 Google I/O 大会上及时反击？
相较而言，一年一度的 Google I/O 大会则是缺乏了一些神秘感，在其官方页面上预告的会议重点是——移动、 Web 、 ML/AI 、云。
按照惯例，公司 CEO Sundar Pichai 将在主题演讲中分享 Android 的更新、新一代硬件产品、谷歌在 AI 领域的最新进展与成果，以及其 AI 能力与谷歌全生态的融合。
* Gemini 赋能谷歌全生态
毫无疑问，Gemini 肯定是今年 Google I/O 大会的重头戏。今年 2 月才更新的 Gemini 1.5 已经将上下文长度拉到了百万级，在性能上已经可以与 GPT-4 一战。所以，谷歌下一步则是需要考虑落地应用的问题了——如何将 Gemini 与其搜索、照片和视频工具、谷歌地图、以及 Gmail 和 Google Docs 等工作空间的工具整合到一起。
此外，谷歌也已经逐渐将其 AI 能力注入到了 Google Assistant 中，Gemini 的强大能力是否能够打造一个更加先进的、更像一个人类的自然语言语音助手呢？
值得注意的是，作为同时拥有先进大模型与硬件业务的企业，Gemini 与 谷歌自家的 Pixel 能碰撞出什么样的火花？去年便有消息称，名为 Pixie 的 AI 助手可能会在 Pixel 9 上亮相。
去年 Google I/O 大会上亮相的 Pixel 8 便已经搭载了谷歌的 AI 能力。其配备了 Google 自研芯片 Tensor G3 处理器，具备音频魔术橡皮擦、 Best Take 、翻译并朗读网页等功能。例如，Best Take 功能可以将多张集体照片组合在一起，从不同的图片中选择不同人物的表情来创建完美合影。
按照惯例，今年的大会上将发布 Pixel 9，但目前的爆料中并未见其身影，反而是 Pixel 8a 呼声较高，至于 AI 助手 Pixie 是否亮相只得拭目以待。
此外，今年 4 月，外媒爆出苹果和谷歌正联手将 Gemini 整合到 iOS 系统中，两家公司都没有正式证实这一消息，如果消息属实，也算得上是两家在多业务上处于竞争关系的巨头，进行了一次「世纪大合作」。不知道劈柴哥会不会在 Google I/O 大会上宣布相关消息。
* Android 和 AR/XR
作为谷歌的基石，Android 永远是 Google I/O 大会上不可或缺的内容。今年，Android 15 已经解开了神秘面纱，开发者预览版和最初的测试版已经发布，Pichai 势必会在演讲中进一步介绍系统的重磅更新。根据此前披露的信息来看，其还将介绍基于 Android Auto 实现的智能车载以及智能手表软件 Wear OS 。
此外，有媒体爆出，Pichai 将会分享谷歌 AR 软件的消息，并介绍其为三星及其他头显厂商开发的 Android XR 平台。根据今年早些时间的报道，谷歌的这一轮裁员的重灾区是 AR 硬件团队，所以有媒体猜测，其已经放弃开发自己的 AR 硬件，而是完全致力于 OEM 合作模式，换言之，谷歌将专注于软件层面。
除了 劈柴哥的主题演讲外，今年的 Google I/O 大会还有多个主题论坛，例如 Google AI 的新动态、 Android 的新动态、面向生成式 AI 时代的 ML 框架等等，但并未提供直播，将在演讲结束后放出相关视频素材，HyperAI 超神经也将持续关注，并围绕 AI 带来深度报道，敬请期待~
写在最后
过去，工业是衡量国家实力的重要度量，如今，科技实力也跻身谈判桌，甚至成为了大国博弈的筹码。尤其是在大模型热度高居不下之际，硅谷巨头们的一举一动都备受关注。犹记得 2022 年末，OpenAI 、微软、谷歌等总是突袭发布重磅更新，网友们直呼——一觉醒来，AI 圈又变天了？
进入 2024 年，战况仍在持续升温，从技术层面的竞速、到应用场景的开发，从老牌劲旅、到新晋独角兽，能够在风口持续霸榜的一定是有护城河的企业。至于在金字塔顶端的大佬们将如何斗法，让我们一起搬好小板凳，静观神仙打架！
参考资料：
1.https://36kr.com/p/2660898993824512
2.https://techcrunch.com/2024/05/09/google-i-o-2024-what-to-expect/
3.https://www.spiceworks.com/tech/tech-general/articles/google-io-2024-expectations
4.https://www.theverge.com/2024/5/11/24154307/openai-multimodal-digital-assistant-chatgpt-phone-calls