世事政情

        追趕GPT，對標Gemini，中國國內一眾摸索前行的大模型，近日突現基於實際應用的「爆款」新星－－名為Kimi的聊天機器人，周四（21日）甚至因訪問量激增而一度死機。創始方月之暗面去年3月甫一成立，年內即完成兩輪20億人民幣融資，2月據報完成第三輪10億美元融資，估值一躍為獨角獸級別，背後是生成式人工智能「To C」商業應用的等待突圍時刻。

長文本能力吸睛，助擴應用場景

　　百度(09888)的文心一言、阿里(09988)的通義千問、騰訊(00700)的混元、360的智腦、科大訊飛(深:002230)的星火、字節跳動的豆包……中國互聯網巨頭的生成式人工智能圈地戰，早已各出奇謀。如同老牌微軟因慧眼投資OpenAI而躋身市值三萬億美元俱樂部，連蘋果亦據報擬跟隨三星步伐擁抱谷歌Gemini，大廠固然各有「親生仔」，但要想保持領先或彎道超車對手，砸錢廣撒新創公司必不可少。

Kimi界面簡單，可直接閱讀分析網頁或文件。

　　芸芸新星中，如今最亮眼的一顆當屬月之暗面旗下Kimi，取自創始人楊植麟的英文名，明確走「To C」應用，主打支持20萬字中英雙語長文本的輸入和輸出。最具效率的是，只要簡單提供網頁鏈接，或上傳文檔，Kimi就能迅速閱讀、分析其中內容。

　　例如，Kimi能數秒內，從美聯儲議息聲明網頁、華爾街投行研究報告、甚至美國聯邦最高法院就特朗普對科羅拉多州的判案書，整理出要點。公司內測確定支持長文本能力高達200萬字，意味通用的世界模型內存大幅擴容，有助擴大更多應用場景、執行更複雜的指令。

盈利＋高頻應用，為可持續關鍵

　　已經歷三輪融資的月之暗面，投資方包括阿里、美團、小紅書等互聯網巨頭，無疑是看中長文本這一定制模型的關鍵技術。對於最終實現AGI（通用人工智能），長文本不單推動規模化，更支持個人化迭代。而個人化正是微軟整合ChatGPT到搜索引擎Bing、雲計算Azure而大翻身的原因。

微軟整合ChatGPT到搜索引擎Bing、雲計算Azure而大翻身。

　　技術派的理想無遠弗屆，但最終AI大模型能否落地、盈利、商業化、成為高頻應用，才是可持續的關鍵。以「AI四小龍」之首的商湯為例，最新股價低至0.81元，不到2022年初歷史高位的十分一；公司僅2018年至2022年就虧損逾438億元，二股東軟銀上月錄第七度減持手中股份。

　　不過，AI浪潮催生FOMO（害怕錯過）心態，投資者仍前仆後繼擁抱潛力公司，最新是全球最大電腦網路設備商思科（Cisco Systems），宣布以280億美元全現金收購網絡安全公司Splunk，後者業務包括以AI解析大型網絡生成的數據並協助檢測潛在的網路攻擊。

　　如同電動車企業以低價戰爭奪市佔率，AI大模型新星以燒錢戰競逐技術巔峰，入局的創業者、投資者最終將剩下多少？從等待突圍到大浪淘沙，最終市場或仍只信盈利，不聽故事。

　　OpenAI憑藉ChatGPT躍居為生成式AI市場的領頭羊，AI界老大哥Google當然不甘於落後，本月初發表號稱最強的大型語言模型「Gemini」，不但在32項AI測試中有30項評分超越 GPT-4，還可以同時辨識與理解文字、聲音、圖片與影片。Google更一口氣推出3個不同版本模型，涵蓋企業應用、消費者應用、以及智能手機3大層面，似乎想一舉翻盤，奪回生成式AI的話語權。

Gemini多模態設計可理解手繪圖畫

　　2023年5月舉行的Google I/O開發者大會上，該公司發表了新一代大型語言模型「PaLM 2」，具備更強的邏輯推理、數學和編程能力，並支援逾100種語言，為Google聊天機械人Bard提供最強「大腦」，但仍不足以壓倒ChatGPT與其背後的GPT-4模型。

　　7個月後，Google在12月6日再發表另一組更強大的AI模型「Gemini」。它是原生設計成多模態（Multimodal）的模型，從一開始就接受不同模態資訊（包括文字、圖像、音訊）的數據訓練，故此能夠同時理解和操作文字、圖片、影片、程式碼等多元形式內容，並能夠正確解答有關數學和物理的複雜問題。

在Google提供的示範影片中，測試人員拿出一個鴨子玩偶，將之擠壓並發出響聲，然後詢問Gemini這個玩偶能否浮在水上。Gemini回應指，它能夠發出聲音，那麼它一定可以浮起來。由此看來，Gemini可藉由聲音和畫面判斷鴨子內藏空氣，並理解含有空氣的物體能夠浮在水上的原理。（圖片來源：翻攝Google官方影片）

測試人員拿著２張線條簡單的手繪汽車圖畫，詢問Gemini哪輛車會行駛得比較快，結果Gemini回答右方那輛會較快，因其外形較為符合空氣動力學設計。（圖片來源：翻攝Google官方影片）

測試人員以雙手動作模擬蝴蝶，Gemini能夠認出這是展翅中的蝴蝶，足證Gemini具有分辨人類手勢意思的能力。（圖片來源：翻攝Google官方影片）

Gemini分設3個版本針對不同場景

　　為求靈活部署在不同應用場景，Gemini設有大中小3個版本：規模最大、功能最強的為「Gemini Ultra」，可以部署到大型數據中心和企業應用方案中，執行高度複雜任務，將於2024年初開放給企業使用。Google宣稱，在32項學術基準測試中，Gemini Ultra有30項評分高過GPT-4；其中MMLU（Massive Multitask Language Understanding）測試更達到90%水平，成為首個得分超越人類專家的AI模型。

Gemini模型分為Ultra、Pro、Nano大中小三個版本，最小的Nano可以直接安裝手機上。（圖片來源：翻攝Google官方影片）

　　「Gemini Pro」屬中等規模的模型，為最靈活通用的版本，現已跟Bard整合，提供更高質的文案生成能力；自12月13日起，開發者可以透過Google Cloud Vertex AI或AI Studio上提供的Gemini API，把它導入到消費級應用軟件中。

Gemini採用Google自行研製的TPU晶片進行數據訓練，圖中為由Cloud TPU v5p所組成的超級電腦。（圖片來源：Google官方網誌）

Gemini Nano可塞入手機離線運作

　　「Gemini Nano」則為規模最小的模型，可以塞進Android流動裝置上，現已開放給開發者申請使用，創建各款生成式AI手機APP。Google Pixel 8 Pro手機已升級內建此模型，成為市場上第一款嵌入AI模型的智能手機。

　　在Gemini Nano支援下，Pixel 8 Pro可以一鍵完成會議或訪問錄音內容的摘要，即使在離線狀況下仍能使用；啟動Gboard智能回覆功能後，AI可以根據收到的Whatsapp短訊，給予回覆建議，為用戶節省打字時間。

Google欲以通路優勢壓倒OpenAI

　　綜觀以上布局，Google似乎不是要從技術層面壓倒OpenAI，而是要搶佔AI企業應用、AI消費者應用、以及AI手機應用3大市場板塊，意圖建立完整的Google AI生態圈，將ChatGPT排除在外。

　　Bard聊天機械人於2023年2月面世至今，始終未能動搖ChatGPT的龍頭地位，後者依然是全球用戶首選的AI工具，讓Google明白到繼續拿Bard跟ChatGPT單挑，勝算著實不高，於是今次改為推出3個全新AI模型進駐不同通路，希望以本身完整的通路優勢碾壓ChatGPT。

　　Google旗下企業和消費者雲端應用Google Workspace，提供Gmail、Google Calendar、Google Drive、Google Docs、Google Sheets、Google Slides等多種協作和文書處理工具，企業客戶高達800萬以上，全球用戶數更超過30億。至於採用《Android OS》的智能手機，全球也有15.7億部。

OpenAI推GPT Store自建生態圈

　　由此可見，Google手握極為廣闊的發行通路，只要把Gemini導入Google Workspace和Android手機，短時間內即可觸及數以億計的用戶；當龐大的用戶群建立起來後，開發者就會蜂擁而上，爭相利用Gemini創建各式各樣的AI應用；當AI工具選擇變得更多元化後，又會吸引更多用戶加入，令用戶群進一步壯大起來。如此一來，Gemini便有機會一舉超越ChatGPT，成為市場上最多人使用的AI模型。

　　當然，OpenAI亦深知自己欠缺通路優勢，所以在2023年11月發表「GPT Store」計劃，容許開發者利用GPT Builder創建針對特定用途的ChatGPT，然後放上GPT Store發售，藉此建立自家的AI生態圈。不過，原定11月底開張的GPT Store，因受到近期OpenAI的宮鬥風波影響，推出時程將延後至2024年初。

　　觀乎Google已有現成通路可供Gemini作廣泛滲透，OpenAI則要由零開始建立自家通路，開局上顯然是前者穩佔上風，但最終勝負還要看GPT Store開幕後的市場反應如何。