对中国大模型厂商而言，市场期待的，也恰是这些真正可落地的应用和实践。这些实践可以在社交，在电商，在低代码，在供应链，也更可以在一个个中国产业数字化转型的新洼地。

作者|思杭皮爷

出品|产业家

(资料图片仅供参考)

在微软GPT-4遇到诸多问题的最近，谷歌终于向外界展示出了其强劲的实力。

就在昨天，一年一度的Google I/O开发者大会在美国加州山景城的海滨露天剧场拉开帷幕。与往年不同的是，今年的大会主题是近期火爆全球的「AI大模型」，因此格外热闹。

在会上，最重磅的消息是，谷歌推出了最新语言模型——PaLM 2，并作为本次发布会中大部分AI功能的基础模型。

尽管从AI模型整个领域来看，PaLM 2并未取得突破性进展，只是在多语言、推理和翻译功能有所改进，诸如数据隐私和AI“幻觉”等问题依旧存在，但就部分性能而言，PaLM 2已经超过GPT-4。

从各项参数来看，谷歌的大模型已经覆盖到了自身的产品应用，这些产品应用包括文档等办公产品，也更包括和底层云计算的打通，同时还有“个性化AI”概念的提出，这些动作无不在向外界传递出一个信号：谷歌大模型已经可以全面落地，不论在C端还是B端，不论是轻量级部署，还是本地部署。

在过去的一两个月中，中国市场风起云涌，TO B市场的变化更是一日千里。在大模型这条道路上，出现了各种形形色色的模型的定义，不论是大模型、产业模式，还是小模型等等，都以一种全新的概念姿态出现。但细看其具体的应用，其中的很多功能接近同质化，尤其是在TO B领域的应用上，同时更不乏基于开源进行开发的“套娃”模型。

于此之中，落地场景和产品也更是寥寥无几。

差距是客观存在的，不论是对标微软的Open-AI，还是谷歌的PaLM 2，中国的大模型目前仍需要更大程度的在底层能力上的补齐，而透过谷歌的这次发布会，未来中国大模型的路该朝向何方？或许会有一些答案。

一、PaLM 2：有望超越GPT-4

PaLM 2作为谷歌最新大语言模型，是本次发布会的重磅消息。

据美国科技媒体记者Federic，“PaLM 2将应用于谷歌最新发布的Bard聊天工具中，成为OpenAI的ChatGPT的最大竞争者。此外，PaLM 2也是今天宣布的大部分AI功能的基础模型。”

多语言性：PaLM 2 在多语言文本方面进行了严格的培训，涵盖100多种语言。这极大提高了其理解、生成和翻译各种语言的能力，包括理解习语、诗歌和谜语。

推理：PaLM 2有广泛的数据集，包括科学论文和网页。因此，它展示了在逻辑、常识推理和数学方面的改进能力。

编码：PaLM 2在大量公开可用的源代码数据集上进行了预训练。这意味着它擅长Python和JavaScript等流行的编程语言，还可以用Prolog，Fortran和Verilog等语言生成专门的代码。

与其他大语言模型一样，搭建PaLM 2需要耗费大量的时间成本和资源。然而，PaLM 2能应用于C端和B端两种环境，企业客户可根据特定领域的数据进行微调，以便在特定场景下执行任务。

如今，PaLM 2已应用于谷歌的25个功能和产品，包括Google Bard聊天机器人和Google Workspace协同文档。

其中，PaLM 2的最轻版本Gecko足够小，可以在手机上运行，每秒处理20个tokens，大约相当于16或17个英文单词。不过，虽然PaLM 2虽然在推理和语言等方面取得了较为显著的成绩，但它仍面临着技术挑战和大模型的共性问题。

比如一些专家已经开始质疑创建语言模型所使用训练数据的合法性。因为这些数据从互联网上抓取，通常包括受版权保护的文本和盗版电子书。而谷歌在PaLM 2的升级中，也并没有披露更多关于数据源的细节。

另外，AI“幻觉”问题也未得到解决。大模型擅长编造信息，谷歌研究副总裁Zoubin Ghahramani在接受The Verge采访时表示，在这方面，PaLM 2是对早期模型的改进，“从某种意义上说，我们正在投入大量精力不断改进基础性和归因指标”，但他指出，在AI领域，打击人工智能产生的虚假信息，“还有很长的路要走”。

二、大模型会“魔法”——编辑器和创作器

在这次发布会中，两个具体的功能成为焦点。

第一个是Google推出的人工智能驱动的魔法编辑器（Magic Editor）。用户可以在照片的特定部分进行复杂编辑，并填补照片空白。

另一个功能是魔术创作器（Magic Compose），利用生成式AI帮助人们撰写个性化信息。它可以以不同风格撰写信息，甚至可以莎士比亚风格的信息。

基于AI大模型，谷歌地图还发布「沉浸式路线视图」，在洛杉矶、旧金山、纽约、伦敦、阿姆斯特丹、柏林等15个城市进行试点。用户可在导航时使用该功能，提前看到整个路线的动态街景视角，包括交通模拟、自行车道、复杂十字路口、停车等详细信息。

除了谷歌的“魔法工具”和谷歌地图，还有更多基于PaLM 2的AI新功能。比如，在音乐方面，谷歌推出了MusicLM，可将文本转化为音乐。假设你在举办一个晚宴，通过简单输入“晚宴的深情爵士乐”，该工具即可创建歌曲的多个版本。

此外，Google Workspace也实现了AI办公功能。据了解，谷歌将在180多个国家和地区提供英语版本的Bard聊天机器人，而且还推出了对日语和韩语的支持。在不久的将来，Bard会支持40种语言。

在此基础上，谷歌还通过Bard与Adobe合作，开发了艺术生成功能。

在谷歌文档的侧面，将会出现一个新面板——Sidekick，可以帮助用户在写作时阅读并整理文档，根据上下文提供与内容有关的建议，可以对标Notion。

同时，优化的还有自身的搜索。据了解，谷歌正在试验一种由人工智能驱动的对话模式。用户搜索时会看到建议的后续步骤，可以根据对话模式进入建议的下一步。此外，谷歌还引入了“观点”过滤器。

三、AI生成代码，Codey比肩GitHub Copilot

本次，Google发布的代码生成工具「Codey」，是对GitHub Copilot的一个回应。Codey经过专门培训，可以处理与编码相关的提示，并且还接受过处理与Google Cloud相关查询培训。

Codey是基于谷歌的PaLM 2大语言模型的编码工具。谷歌表示，该工具是在大量获得许可的开源代码、大量内部谷歌代码、公司所有代码示例及其参考应用程序的基础上进行训练的。

谷歌表示，该模型是在大量获得许可的开源代码、大量内部谷歌代码、公司所有代码示例及其参考应用程序的基础上进行训练的。开发人员能够直接在他们的IDE聊天框中与Codey聊天，或者在文本文件中写评论，让它生成相关代码。

对于Codey，谷歌的愿景是，它希望通过这种聊天机器人技术，在不久的将来，开发人员可以管理他们在谷歌云上的所有服务，包括部署和扩展应用程序。

四、谷歌云的“三大基础模型”

从Transformer架构到PaLM 2，除却GPT模型之外，实际上，谷歌一直保持领导者地位。

在本次在Google I/O 2023大会上，Google Cloud又迈出了一大步，对代码生成模式和模型调整都做出了改善。以下为本次更新的三大基础模型：

Codey，文本到代码模型，帮助开发人员完成代码、生成和聊天

Imagen，文本到图像模型，帮助客户生成和编辑高质量图像，满足任何业务需求

Chirp，语音转文本模型，用于翻译、沟通和交流

这些基础模型可通过API访问，也可以在生成式AI Studio中的UI进行调整，或部署到数据科学笔记本。

值得一提的是，独特的调优功能能够结合人工反馈来训练，可用于微调基础模型的奖励模型。这对于医疗、金融和电子商务等行业有着十分重要的应用。

写在最后：

今年，Google I/O大会之所以备受关注的一个焦点在于，其基于自身的大模型，谷歌做到了将固有的全部产品接近重塑的程度，这种重塑不单纯是产品逻辑上的重塑，更是能真实落地、真实使用的重构。

比如面向C端的办公文档，比如与Adobe结合的图片设计，比如文生图、图生文、文生音乐等等，相较于Open-AI的发布，谷歌的大模型表达更加具象和入微，也更贴近人们生活的场景。

而在B端业务上，更是如此。

不论是其在低代码/无代码上的进一步迈步，还是基于谷歌云三大模型的梳理和拆解，再或者是在机器人智能的结合下进行智能交互、智能指令的新企业模式，都展示出谷歌可以将AI大模型真正应用到企业生产和TO B场景中。这种应用不是单纯的AI算法，而是真正基于大模型的特定业务表达。

从这些视角来看，这也更是中国大模型应该去践行的。

在过去的多年时间里，中国在移动互联网方面处于领先地位，这种领先体现在互联网的广泛使用、智能手机的极高普及率，这些领先最终沉淀出的就是真实有价值的数据，而这也是如今百度腾讯阿里京东以及其它企业做大模型的基础。

但在数据训练之上，基于软件层面和基于开发层面的真实场景的表达，如今却甚为少见。

或者说，单纯的比较参数量级仅代表的是大模型本身的能力，而并不是其能赋能产业的能力，谷歌和微软的成功应用也在昭示这一点：大模型应该和真正的场景结合，基于此才能释放更大的想象力和价值。

不论是谷歌，还是微软，在其大模型发布后，都能看到的是其矩阵内的产品的迅速跟进，对中国大模型企业而言，也更应该强化大模型的应用层，在具备微信、淘宝等一众全球移动互联网时代最有明星价值的产品的土壤上，在这个制造业发达，供应链众多，数字化转型迫切的环境里，中国本土的大模型具备的价值将更大，其能搅动的市场变化也会更为剧烈。

对中国大模型厂商而言，市场期待的，也恰是这些真正可落地的应用和实践。这些实践可以在社交，在电商，在低代码，在供应链，也更可以在一个个中国产业数字化转型的新洼地。

特别声明：本文为合作媒体授权DoNews专栏转载，文章版权归原作者及原出处所有。文章系作者个人观点，不代表DoNews专栏的立场，转载请联系原作者及原出处获取授权。(有任何疑问都请联系idonews@donews.com)