重返开源战场，谷歌打响AI“斯大林格勒保卫战”

图片来源@视觉中国

昨天晚上，谷歌毫无预兆地发布了开源模型Gemma，主打轻量级、高性能，剑指Meta的Llama。Gemma的发布意味着谷歌大模型策略的转变：从过去押注闭源追赶OpenAI，到重返开源赛场，兼顾开源和闭源。

显然，谷歌这一转变是被迫的。自去年下定决心闭源后，谷歌明显低估了追赶OpenAI的技术难度，持续被OpenAI压制，甚至毫无还手之力。就连不久前发布的大模型核弹Gemini 1.5，风头也全让Sora抢走了。

不过相比闭源，谷歌在开源战场也面临着不小挑战。尽管谷歌拥有着明显的技术优势，而且在开源社区构建上也有丰富的经验。但在Meta、Mistral等玩家逐渐主导开源市场的情况下，不占天时的谷歌想要追赶，必须投入更多的资源。

回顾科技竞争史，每一个新时代的来临，都意味着上个时代科技霸主的衰落。谷歌能否免于这种结局？从这个角度上说，开源就是谷歌在人工智能战场的“斯大林格勒保卫战”。

最强开源大模型来了！

Gemma在拉丁语中意为“宝石”， 是由谷歌DeepMind和其他团队共同合作开发，采用了与Gemini相同的研究和技术构建。

此次Gemma发布了20亿和70亿两种参数规模的版本，每个规模又分预训练和指令微调两个版本。在Gemini的技术加持下，Gemma形成了对现有开源大模型的碾压。Gemma在18个基准测评中平均成绩击败目前的主流开源模型Llama 2和Mistral，特别是在数学、代码能力上表现突出。

其中，Gemma-7B模型在涵盖一般语言理解、推理、数学和编码的8项基准测试中，性能已经超越了Llama 2 7B和13B。安全性方面，经过指令微调的Gemma-2B IT和 Gemma-7B IT模型，在人类偏好评估中都超过了Mistal-7B v0.2模型。

不过不同于支持多模态的Gemini，Gemma模型不是多模态的，也没有针对多语言任务进行训练。但根据谷歌发布的技术报告Gemma的分词器词表大小达到256k。

这个怎么理解？大模型理解用户提问是将文本转化为数字之后再进行推理的，词汇表就类似它的字典，其规模越大，对于复杂句式和生僻字词的理解就越强，同样也就能够更快理解其它语言。Gemma的分词器词表大小达到256k，意味着它可以很快学会使用其他语言。

除了模型本身，另一个值得关注的点是，Gemma从最开始的设计和训练之时，就非常注重安全性，这意味着它非常适合部署在本地使用。例如，谷歌使用Google Cloud数据丢失防护 (DLP) 工具，从训练集中自动过滤掉隐私信息和敏感数据。该工具根据隐私数据的类别（例如姓名、电子邮件等）输出三个严重级别。据谷歌发布的技术报告显示，最为敏感的信息几乎完全不会被储存，潜在隐私数据会有部分储存。

在模型发布后，Gemma也第一时间上线了 HuggingFace 和 HuggingChat，用户可以直接在这些平台上进行下载和试用。发布才几个小时，已有不少用户分享了试用体验，甚至部分用户还对其做出了很高的评价，社交平台X用户@indigo11称其“速度飞快”、“输出很稳定”。

“拧巴”的谷歌压力很大

算上此次发布的Gemma，已经是谷歌在短短一个月内放出的第三次大招。

2月9日，谷歌宣布其最强大模型Gemini Ultra免费用，Gemini Ultra于2023年12月发布时在MMLU（大规模多任务语言理解）测评上超过人类专家，在32个多模态基准中取得30个SOTA（当前最优效果），几乎全方位超越GPT-4。

2月16日大年初七，谷歌放出其大模型核弹——Gemini 1.5，并将上下文窗口长度扩展到100万个tokens。Gemini 1.5 Pro可一次处理1小时的视频、11小时的音频、超过3万行代码或超过70万字的代码库，向还没发布的GPT-5发起挑战。

尽管谷歌动作频频，但风头却全让OpenAI的的文生视频大模型Sora抢走了。而此次谷歌之所以没有预告地突然发布开源模型，恰恰不想重蹈覆辙。毕竟有消息称，Meta将在本周内发布Llama的升级版。

从表面上看，谷歌抢先Llama发布开源模型是为了挽回近期“颓势”。但更深层次的原因是，谷歌希望改变长期以来被OpenAI压制的局面，探索更多“弯道超车”的可能性。

一个无比残酷的事实是，自2022年12月ChatGPT发布以来，曾经AI领域的扛把子谷歌就一直被OpenAI压制得死死的，毫无还手之力。

去年2月，OpenAI的ChatGPT风靡全球，谷歌草草推出了聊天机器人Bard，产品却不如预期。先是演示中出现事实错误，让谷歌母公司一夜之间市值蒸发千亿美元；而后也没能以性能表现吸引足量用户，据Similarweb的数据，Bard全球月访问量只有2.2亿次，仅为ChatGPT的1/8。

去年12月7日，谷歌又发布了最强大模型Gemini，尽管效果惊艳却令市场有些意兴阑珊。2024年1月31日，谷歌最新财报显示其收入亮眼，却因AI方面进展不及预期市值一夜蒸发超1000亿美元。

随着Sora的发布，越来越多人意识到一个问题：在Scaling Law的推动下，OpenAI在闭源模型上的优势越来越大。也就是说，此次宣布进军开源，更像是谷歌在人工智能竞赛的被迫之举。

一方面，相比Meta在去年年中进军开源模型，谷歌进军开源模型晚了整整半年，这意味着其需要花数倍的努力进行模型的差异化以及推广的投入，才有可能在众多开源模型中脱颖而出。另一方面，至少从披露的内容看，相较于其他开源模型，谷歌推出的开源模型也并没有太多超预期的地方。

但即使如此，进军开源模型仍然对谷歌意义重大。毕竟，在对阵OpenAI节节败退的情况下，谷歌亟需一场胜利来扭转颓势。而开源模型可能成为谷歌在人工智能战场的斯大林格勒战役。

谷歌重回开源

从历史上看，开源对谷歌来说并不陌生，甚至在相当长时间里，谷歌都是技术开源的坚定支持者。历史上，Transformers、TensorFlow、BERT、T5、JAX、AlphaFold和AlphaCode，都是谷歌为开源社区贡献的创新。

2015年11月，谷歌公布了TensorFlow，一度成为最流行的开源深度学习框架之一。任何人只要拥有电脑和网络连接（并且懂一点点深度学习算法）就能使用有史以来最强大的机器学习平台。自 2015 年至今，成千上万的开源贡献者、开发人员、社区组织者、研究人员都投入到了这一开源软件库上。

2018年，谷歌宣布将BERT进行开源，这是一种基于神经网络的自然语言预训练处理技术，其使用不仅限于搜索算法，任何人都可以在其他类型的问答系统中使用 Bert。更别说，在移动互联网时代，谷歌还建立了足以匹敌苹果的安卓开放生态。

与OpenAI不同，简单粗暴的Scaling Law并不是谷歌唯一的路。此次开源Gemma，不仅意味着想要重塑自己在AI社区的影响力，也代表谷歌大模型策略的转变：兼顾开源和闭源。

放在当下的AI行业，发力开源模型也确实是谷歌一个不错的选择。

一方面，相比于闭源模型，开源模型的竞争相对较小，竞争主要来自Meta的 Llama。像谷歌在闭源模型的技术实力和开源社区方面的经验，使其更有可能形成碾压的局面。

另一方面，在AI落地的故事里，开源模型仍然存在着不小的潜力。原因在于，开源模型的成本优势将更有利于模型的落地。在很多场景里，使用GPT就像是开兰博基尼送外卖，成本过于高昂。有AI研究员做过一笔测算，GPT-3.5的API价格几乎是开源模型Llama2推理成本的3-4倍，更别提GPT-4了。

在移动互联网时代，接近衰落的微软靠着云计算实现了最终的翻盘。如今，在人工智能故事里不如意的谷歌能否复制这一路径，我们拭目以待。