谷歌vs.微软:AI军备竞赛的好处、坏处以及丑陋之处
从现在开始,努力学习吧!本文《谷歌vs.微软:AI军备竞赛的好处、坏处以及丑陋之处》主要讲解了等等相关知识点,我会在golang学习网中持续更新相关的系列文章,欢迎大家关注并积极留言建议。下面就先一起来看一下本篇正文内容吧,希望能帮到你!
在过去几周,微软和谷歌在大型语言模型方面的竞争正在不断升级。这两家科技巨头正在就人们在未来如何搜索信息展开激烈的拉锯战。或者更准确地说,谷歌正在努力保护其搜索业务不受微软和OpenAI的大型语言模型的影响。

自OpenAI去年11月发布ChatGPT以来,有关这个大型语言模型的杀手级应用就有很多猜测。其中一个被反复提及的话题是ChatGPT和其他大型语言模型是否会让谷歌搜索变得过时。一些行业专家认为,像ChatGPT这样的聊天机器人将会取代谷歌搜索,这可能会对谷歌构成巨大威胁,因为它的大部分收入来自搜索业务。
总体来看,谷歌和微软之间的竞争对于搜索引擎市场发展来说可能是积极的。但它也有不好的一面,特别是将如何影响规模较小的AI开发商和AI研究的未来发展。以及,谷歌和微软的仓促行动可能会对互联网用户产生更广泛的影响——这是其更为丑陋的一面。
好处:AI为搜索带来了创新
谷歌一直是搜索引擎市场无可争议的主导者,拥有90%以上的份额,拥有庞大的用户群体和广告网络,还是两个全球最流行浏览器(Chrome和Safari),以及Android和iOS系统默认搜索引擎的开发者。
这种主导地位使得谷歌在享受绝大部分市场份额的同时,没有任何创新的冲动。当然,谷歌搜索在过去的几年里有一些改进,包括更好的解答能力和深度学习的增强,但其搜索体验的核心并没有改变。许多用户抱怨说,这些年来搜索体验变得更糟,广告越来越多了。
微软现在计划在其Microsoft Edge浏览器上提供一种新的搜索体验,用户可以使用经典的搜索模型以及由ChatGPT支持的对话界面。
微软这一举措极有可能会获利,而且即使失败也不会有什么太大损失,因为其本身在搜索引擎市场上的份额微不足道,有很大的空间来尝试新产品和商业模式。
而另一方面,谷歌却有可能会失去产一切,因为搜索业务是谷歌最大的收入来源,即使失去一小部分市场份额也会带来可怕的后果。
目前,谷歌对微软Bing+ChatGPT项目的回应是仓促演示了自己的Bard,不幸的是该演示错误地陈述了事实,导致该公司市值蒸发1000亿美元。
谷歌现在必须创新和重塑自己,否则就会看到其他科技公司蚕食其搜索引擎业务。激烈的市场竞争并没有结束,谷歌仍然有很多资金来解决这个问题。
坏处:AI研究将集中到科技巨头
随着竞争的加剧,科技巨头试图以各种方式战胜对手。其中之一是推出新技术,并在现有AI产品上添加功能。但创新的另一条捷径是与一些具有发展前途的初创公司和研究实验室合作,甚至可能收购他们,或者为他们提供更多的资源并提供保护。
人们可以从微软最近斥资数十亿美元与OpenAI达成合作伙伴关系,以及谷歌最近向Anthropic(由前OpenAI科学家创建的AI研究实验室)投资3亿美元看到端倪。
作为投资的回报,微软已经获得OpenAI技术的独家授权。微软Azure已经成为OpenAI研究的独家云计算提供商。谷歌云平台也已成为Anthropic的提供商。
随着谷歌和微软之间的AI竞争加剧,这种循环会重演。这两家科技巨头试图在预算支出上超过对方,以吸引更多的AI初创公司加入自己的阵营。他们还有很多选择,例如Cohere AI、Stability AI、Midtravel、You.com、Perplexity A、Copy.Ai和Hugging Face。
虽然这些初创公司和研究实验室(其中大多数还没有盈利)将从注入的现金和补贴中获益,但也将陷入谷歌和微软之间的争斗中。他们的研究将逐渐失去自由和灵活性,并受制于金融支持者的短期利益。这意味着他们将更多地研究可以快速变现的技术,并减少对未探索或非盈利技术的研究。
人们已经在OpenAI上看到了这一点。虽然大型语言模型和生成式AI很吸引人,而且还提供很多功能和用途,但它们并不是唯一有前途的研究领域。为了更专注于微软将从中受益的那种技术,有迹象显示OpenAI已经对机器人、游戏AI等其他领域失去了兴趣。
丑陋之处:糟糕的AI将充斥互联网
目前,人们热衷于在生成式AI领域抢占市场份额,这与Facebook早期的“快速行动,打破僵局”时代不同。因为这两家科技巨头是规模非常大的公司,拥有数十亿用户,因此其技术和产品出现任何变化都会立即对全球市场产生影响。
但这两家公司却越来越急于推出新的AI功能,而越是仓促决定,就越会产生破坏性的后果。
在某种程度上,这让人们想起了约10年前企业对于物联网技术的狂热追捧。制造商们争先恐后地赶上智能设备的潮流,推出了自己的物联网解决方案,但这些解决方案往往充斥着安全漏洞,结果造成数十亿台不安全的设备连接到互联网,其中许多设备没有办法修补漏洞。
它们后来被网络攻击者用于大规模的分布式拒绝服务(DDoS)攻击、间谍活动和其他恶意活动。在发生大量的破坏性事件之后,设备制造商才认真考虑为物联网和工业物联网(IIoT)制定安全标准。
同时,人们仍在探索大型语言模型的法律、伦理和社会影响。像ChatGPT这样的大型语言模型产生事实错误,就是一个尚未完全解决的问题。例如,网站可以利用它们生成语法正确但事实错误的文章,这最终会稀释网络和搜索结果,产生大量糟糕的内容,让用户体验更加糟糕。
还有人担心学生使用ChatGPT完成作业或在考试中作弊。虽然这是一个次要的问题,但这表明现在许多社会结构(包括教育系统)需要自我调整以适应这一新的现实。这些变化可能不会像科技公司推出大型语言模型驱动的产品那样快。
人们更大的担忧还是数据安全和隐私。为了让大型语言模型适用于所有组织,科技公司已经创建了一些工具,让用户可以在没有数据工程技能的情况下,使用专有数据对模型进行微调。然而,以错误的方式训练和微调机器学习模型会导致模型泄露敏感数据。随着大型语言模型集成到生产工具中变得越来越普遍,这可能变成一场噩梦。
总之,大型语言模型和生成式AI等研究可以为人类带来巨大的利益,但如果科技公司陷入一场无法估量的市场战争中,可能会带来糟糕的后果。不幸的是,这种情况可能正在发生!
本篇关于《谷歌vs.微软:AI军备竞赛的好处、坏处以及丑陋之处》的介绍就到此结束啦,但是学无止境,想要了解学习更多关于科技周边的相关知识,请关注golang学习网公众号!
80%白领危了!OpenAI发布GPT时代就业秘笈:34大铁饭碗保命
- 上一篇
- 80%白领危了!OpenAI发布GPT时代就业秘笈:34大铁饭碗保命
- 下一篇
- Apple 推出采用全新 M2 处理器的重新设计的 MacBook Air
-
- 科技周边 · 人工智能 | 11小时前 | 人工智能 · 重试 AI Agent 幂等 工具调用 Idempotency Key
- AI Agent 工具调用失败后的重试与幂等设计
- 236浏览 收藏
-
- 科技周边 · 人工智能 | 1天前 | 人工智能 · Python教程 · 图像尺寸 Pillow ControlNet diffusers 条件图
- Diffusers ControlNet 条件图尺寸匹配的处理
- 314浏览 收藏
-
- 科技周边 · 人工智能 | 1天前 | python · 人工智能 · 模型评测 Hugging Face Evaluate 指标输入格式 predictions references
- Hugging Face Evaluate 统一指标输入格式
- 134浏览 收藏
-
- 科技周边 · 人工智能 | 1天前 |
- RAG 检索结果去重与上下文长度控制
- 357浏览 收藏
-
- 科技周边 · 人工智能 | 4天前 |
- Tokenizer padding_side 影响批量生成的对齐
- 206浏览 收藏
-
- 科技周边 · 人工智能 | 4天前 | python · 人工智能 · 数据迭代 Hugging Face Datasets streaming IterableDataset 大语料
- Datasets streaming 读取大语料的迭代方式
- 337浏览 收藏
-
- 科技周边 · 人工智能 | 4天前 | python · Transformers generate 停止条件 批量输出
- Transformers generate 的停止条件与批量输出
- 133浏览 收藏
-
- 科技周边 · 人工智能 | 4天前 | 人工智能 · LoRa 显存优化 bitsandbytes QLoRA 4-bit量化
- bitsandbytes 量化模型配合 LoRA 训练的显存边界
- 249浏览 收藏
-
- 科技周边 · 人工智能 | 4天前 | 人工智能 · LoRa PEFT load_adapter set_adapter 适配器切换
- PEFT LoRA 适配器按任务切换的加载方案
- 268浏览 收藏
-
- 科技周边 · 人工智能 | 4天前 | 人工智能 · LoRa PEFT merge_and_unload 适配器合并
- PEFT 适配器合并后为什么输出会变化
- 221浏览 收藏
-
- 科技周边 · 人工智能 | 5天前 |
- Tokenizer 左填充和右填充应该怎么选
- 399浏览 收藏
-
- 科技周边 · 人工智能 | 5天前 |
- Safetensors 为什么支持按需读取权重切片
- 258浏览 收藏
-
- 前端进阶之JavaScript设计模式
- 设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
- 543次学习
-
- GO语言核心编程课程
- 本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
- 516次学习
-
- 简单聊聊mysql8与网络通信
- 如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
- 500次学习
-
- JavaScript正则表达式基础与实战
- 在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
- 487次学习
-
- 从零制作响应式网站—Grid布局
- 本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
- 485次学习
-
- PubMedQA
- 深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
- 308次使用
-
- H2O EvalGPT
- H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
- 366次使用
-
- LMArena
- LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
- 361次使用
-
- HELM
- 深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
- 329次使用
-
- MMBench
- MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
- 153次使用
-
- 本地大模型反复输出同一句话怎么调整生成参数
- 2026-09-06 501浏览
-
- Python 调用大模型时如何用结构化输出校验 JSON:从解析失败到可重试
- 2026-08-29 501浏览
-
- AI写作工具免费版安装教程(含豆包Clawdbot)
- 2026-05-30 501浏览
-
- WPS AI能自动生成PPT吗?输入主题一键制作演示文稿
- 2026-05-27 501浏览
-
- Canva手机闪退解决方法及适配指南
- 2026-05-25 501浏览

