OpenAI 与 Google，暂时没有赢家

6月前

两位劲敌在 AI 赛场上正面交锋的场景再次出现。

5 月 14 日，OpenAI 在产品发布会上发布了最新的 GPT-4o 多模态大模型，具有实时的语音、视频和文本交互能力。而就在这场发布会结束后的第二天，Google 也举办了 2024 年 I/O 开发者大会，一口气发布了好几款 AI 产品，其中最引发关注的是与 GTP-4o 对标的 Project Astra。

谁会胜出？

两位 AI 领域的创业者——出门问问创始人兼 CEO 李志飞与受邀参加 OpenAI 发布会的 jobright.ai 联合创始人郑玉典，对于这个话题给出了一个有趣的观点，那就是留给 Google 和 OpenAI 两大巨头的时间都不多了。为什么会得出这样的结论？以下是与他们的对话。

文末还有完整对话音频，也可在各大音频、播客平台搜索「科技早知道」收听，不要错过。

声动活泼

玉典受邀参加了此次 OpenAI 发布会，能否分享一下你在现场的感受？

郑玉典

Open AI 这次发布会规模并不大，只有 40 多人参加，CEO 山姆·阿尔特曼（Sam Altman）没有上台发言，并且在发布会结束后很快离开了。

▲ OpenAI CEO 山姆·阿尔特曼在发布会现场。| 郑玉典摄

发布会 95% 的时间都在介绍 GPT-4o 模型。GPT-4o 的 o 代表 omni（意为全能），用 OpenAI 官方的话说，这是它们目前最先进的旗舰版多模态模型。

OpenAI 此前的模型主要是以文字、图片和音频为主，GPT-4o 新增了一个视频维度，也就是说它的输入可以是文字、图片、音频和视频，输出可以支持文字、图片和音频。

此外最关键的一点，是该模型是面向开发者的，可以供开发者使用。

▲ OpenAI 发布会直接在公司办公室举行。| 图源：OpenAI

声动活泼

就在 Open AI 发布会的后一天，谷歌举办了 Google I/O 大会，发布了 Project Astra。志飞在 NLP 人机交互，以及虚拟个人助理（VPA）等领域深耕了数十年。你如何看待这两家公司的产品？

李志飞

这两家科技巨头此次发布会聚焦人机交互，在发布的大模型中，重要的关键词就是多模态和实时。这也是人机交互里非常重要的两个维度。

在此之前的 Siri、Google Assistant，包括国内的各种语音助手，基本上只是语音交互系统，无法集成图片、视频，更不可能集成在一个模型里。但人的交互方式就是多模态的，我们在聊天的过程中，我不仅可以看着你说话，也能注意到周边的环境，这就是一个典型的多模态交互过程。过去并没有这种真正的多模态交互助理，因此看完这两场发布会，我感到两家公司在这个领域有很大的突破。

但与此同时也存在一个很大的问题，我认为他们过度抬高了消费者对产品的期待值。同样的情况就出现在 2011 年 Siri 发布期间，当时苹果把 Siri 包装为一个充分理解用户感情的语音助手，导致很多用户预设 Siri 能像人一样聪明，结果与 Siri 语音交互时的效果并不好。而 Google Assistant 的产品定位就是一个冷冰冰的工具，我认为这是更明智的选择。因此无论是 GPT-4o 还是 Project Astra，它们所彰显的多模态和实时性特点，都会把用户的期望提得很高。

但真正的使用效果，依然需要观察。如果当一个硅谷以外的普通用户也能像发布的 Demo 里展示的那样使用流畅，那我认为人机交互的革命就真的到来了，甚至能引发下一波科技革命。过去很多革命都是因为人机交互设备或方式改变后诞生了新产品、新商业场景，并最终涌现出很多新的科技公司。

▲ Google 发布最新的多模态 AI 项目 Project Astra。| 图源：Google

声动活泼

Google 发布了多模态模型 Project Astra 意在与 GPT-4o 同台竞争，那么 Astra 是否比 GPT-4o 更胜一筹？

郑玉典

实际上，Google 的新模型还只是提前调试和录制好的 Demo，与真实投入使用的产品仍有差距。与之相对，OpenAI 不仅录了好几段 Demo，还由专门人员在现场演示了 Demo 里的功能。这样对比来看，大家看了 OpenAI 再看 Google，确实不太有惊喜感。目前来看，OpenAI 仍然领先，因为它至少将 API 公布了出来，能使更多人受益。

李志飞

从技术能力和表现出的产品形态来看，两家公司其实半斤八两。毕竟从长期竞争过程来看，这两三个月的研发时间并不长。

在我看来，这类 AI 语音助手有几大类应用。第一类是闲聊，即表现得像一个真人，能够陪伴用户聊天；第二类是命令，即发布指令让助手帮你完成某项操作，这也是语音助手最常见的功能；第三大类则是回答信息或知识类的问题。

从这三个角度来说，在闲聊方面，OpenAI 肯定能做得很好，可以说 Google 的产品在某种程度上来说并不太会聊天。但是命令类功能，尤其是在手机平台中，需要获得系统权限，跟硬件深度整合，相应的体验也会非常不一样。因此我认为 Google 未来的语音助手在这方面会有更大优势。

但事实上，闲聊和命令这两类对用户而言价值不一定大，信息知识类才是未来。信息和知识类是能基于上下文的，假如像 Google 这样的公司能够给语音助手提供更多不同应用的权限，那这些应用都可以成为语言大模型的上下文来源。它不再只是一个知识库，而是可以做得更加个性化。

作为一个语音助手，最核心的要求就在于无处不在、无所不能，如同一个私人秘书。基于这点，目前来看，Google 的生态系统足够完善，有海量的用户，每一个用户又基本上拥有很多数据，基于上下文就更可以做到个性化。所以这是我觉得 Google 相对于 OpenAI 来说，可能更加有优势的地方。

硅谷徐老师

Google 在发布会上同时发布了好几个新产品的 Demo。我们能够看到，这其实是一个很宽的产品线，从这个角度来看，OpenAI 是没有可比性的。

OpenAI 更多还是技术先行，至少我并不认为 OpenAI 是能够做很多产品的公司。但是 Google 已经开始炫技，秀肌肉。尽管目前更多的还是 Demo，并未落地，到最终实现商业化还有很长的路要走，但是至少它能够给大家展示出如此宽的 AI 产品线。

所以实际上 OpenAI 和 Google 是两个截然不同的形态。一个是技术先行，一个是大量产品先行，这是我认为此次展现出的比较明显的不同点。

郑玉典

如果用几个词来描述 OpenAI 和 Google 发布会，我认为 OpenAI 是「小而美」，主要面对开发者；Google 就是「大而全」。因为 Google 本来就有很大的生态，以及强大的操作系统等，目前就需要把自己的基本盘稳住，再逐渐进行 AI 渗透。对于 OpenAI 来说，看它是不是要和 Apple 集成，如果集成得好，对于 OpenAI 意味着很大的发展空间。

声动活泼

OpenAI 发布会中，有一支 Demo 展示了 AI 可以探测情绪的功能，这项功能在我们用户看来还是十分超前的。志飞你如何看待这项功能的技术难度呢？

▲ GPT-4o 指导演示人员如何深吸慢呼平复心情。| 图源：OpenAI

李志飞

从技术上来看，这对 Google 而言并没有太大难度。我们对于 Google 的技术水平应该保持基本的信仰，作为一家科技巨头必然有它的优势所在。但 Google 的确在组织效率等各种问题上需要不断追赶。

而且科技竞争肯定是一个长期的过程，在技术上不用太纠结谁先谁后。我比较担心的，是 Google 产品的基因是否足够好，以及 Google 能否真正改变态度。从 Google 发布会就能看出，它依然把自己当作 AI 领域的 C 位，但其实在我们的这些外人看来，它已经是老二。作为老二，就应该表现得更加开放，甚至要激进一点，不能过于保守。

比如发布会本身，OpenAI 只花了不到半个小时就完成了演示，非常年轻化，而且效果也很好。然而Google 的发布会更像一个国企汇报会，无数产品部门、研发部门分别上台展示，最后花了两个多小时，但最终效果肯定不如前者。

以及这次 Google 发布会光是产品模型的名字可能就有二三十个，但 OpenAI 的主要产品就是 GPT-4o 和 Sora。这也表明这种大公司的内部需要平衡。从这个角度来看， Google 还是没有觉醒，它还是按照以前的惯性在做产品、做发布。

硅谷徐老师

我非常同意志飞提到的大公司「船大难掉头」的问题。但是我们还是要认可 Google 至今所做出的努力，Google 已经做了很多大刀阔斧的尝试与改革。

声动活泼

除了我们刚刚提到的是否与苹果等第三方进行集成的问题，OpenAI 目前还面临了哪些挑战？

李志飞

今天我们看 OpenAI 跟 Google 竞争，或者看 OpenAI 自身发展时，很多时候都在关注技术，这虽然很重要，但我认为最紧急的一个问题，在于 ChatGPT 是否是一个正确的产品，会员收费和 API 收费是否是一个正确的商业模式。

这两个问题才是决定 OpenAI 生与死的一点。关于 ChatGPT 是否是正确的产品，也就是说用户是否真的对这个产品有需求而且愿意持续使用。目前来看，OpenAI 的活跃用户不再增长。在渗透率还很低的情况下，说明这款产品其实并没有真正进入大众生活圈。

此外就是 OpenAI 的商业模式。目前一个是靠收会员费，另一个就是靠 API 收费。但会员营收迟早会消失，因为竞争越来越激烈，消费者是不会为这种东西付钱的，会员模式不一定能够持续。

而此后 API 领域的竞争者也会越来越多，还有小公司参与进来，那 API 只会越来越便宜，甚至可能慢慢逼近于零。所以这两个商业模式目前来看都不太可持续。

OpenAI 能否成功，就是看它能否在这两个问题上找到突破点，这也是它能否成为一个伟大的公司，或者说进入到下一个阶段的重要考验。

▲ GPT-4o 帮助盲人用户观察环境。| 图源：OpenAI

硅谷徐老师

我觉得这里面还有一个点，就是要看 OpenAI 和行业第二、第三的差距有多大。当Anthropic 和 Gemini 紧紧追赶，OpenAI 公司价值的领先地位是否能长久地保持下去？这是一个问题。

李志飞

尽管我们现在无法预判开源和闭源的终局。但是我觉得留给 OpenAI 的时间越来越少，尤其是在技术的迭代曲线上，OpenAI 没有像大家预测地那样一骑绝尘。而其他公司都达成了「All in AI」的共识，相信今后的社会资源，例如开源资源会越来越多，这是一个现状。

所以在我看来，OpenAI 的模型就算纯在技术层面也应该更加专注。当年 OpenAI 能够倾尽一个创业公司所有资源开发 GPT 1，乃至 GPT 3，我认为是非常厉害的决策。但如今来看，OpenAI 在很多事上都存在机会主义，或者说惯性动作。比如说发布 GPT Store，搞个新插件，这些在我看来就是浪费时间。包括前一阵子所说的 AI 搜索等产品，我觉得都已经晚了。

科技创业公司要想取得成果，从我自己创业的体感来说，时机特别重要，这也是非常残酷的一件事。有些东西的时间窗口一过，后续将会越发艰难。无论是 OpenAI 还是 Google，都应该有很强的危机感。当然我们作为普通群众，还是希望两家公司竞争得越厉害越好。

硅谷徐老师

如果 Google 大手笔把 Gemini 开源，那留给 OpenAI 的时间就没有了。好在对 OpenAI 来讲，它今天最大的竞争对手 Google 还没有那么高的觉悟。