谷歌放弃争夺 AI 第一的真正原因

全世界有超过 10 亿人在使用 Gemini。该服务每分钟处理 220 亿个 token。

然而在过去几个月里，开发这项服务的公司却得到了一个奇怪的评价：被认为在 AI 竞争中落后了。

如果你曾在搜索框中搜索过任何内容，那么你其实就已经在使用这家公司的服务了。即使你使用 Gmail、安卓手机或看过 YouTube，情况也一样。这篇文章要讨论的公司下一步决定做什么，比基准测试排行榜更贴近你的日常生活。

图片: StockCake (CC0, 免费使用)

落后的证据

落后的证据出现在三个方面。

最先显露的信号是产品本身。顶级模型 Gemini 3.5 Pro 在开发者大会上预告“下个月发布”。然而下个月过去了，又过了几个月。期间发布的绝大多数都是轻量且快速的“Flash”模型。

随之而来的信号来自开发者的钱包。在编码工具市场的支出份额中，Anthropic 的 Claude Code 占据 42%，OpenAI 的 Codex 占据 21%。谷歌的份额远不及这两者。

编程不仅仅是一种技能。它意味着拆解问题、自主调用工具并修复错误的能力。在这种能力上落后，意味着几乎等于放弃了下一代 AI 助手市场的主导权。

第三个信号是人才。Noam Shazeer 和 John Jumper 离开了公司。入职 27 年的 Jeff Dean 也为了创业而离职。

Demis Hassabis 转任 DeepMind 董事长，开始专注于新药开发。空缺的位置由负责产品化和商业化的副总裁 Koray Kavukcuoglu 接手。虽然 DeepMind 的名字还在，但实权已经易手。

一个在同一家公司工作了 27 年的人选择主动离开，从头开始。这并非个例，而是组织重心正在转移的典型表现。

每分钟 220 亿 token 是一个难以想象的数字。换算成秒约为 3.6 亿个。如果填满一张 200 字的原稿纸大约需要 150 个 token，那么这家公司每秒钟处理的文字量相当于 240 万张原稿纸。

既然拥有如此规模，为什么这家公司在基准测试第一名的竞争中看起来总是处于劣势？

改变规则的物种

生物学中有一个概念叫“生态位构建（niche construction）”。自然选择通常被解释为最适应环境的个体才能生存的过程。但有些物种采取了不同的策略：与其适应环境，不如直接改变环境。

海狸不会去竞争谁的牙齿最锋利。相反，它们会筑坝。通过改变河流流向并创造池塘，使池塘成为对自己有利的栖息地。获胜的不是啃木头最厉害的个体，而是改变了整条河流地形的个体。

现在 OpenAI 和 Anthropic 之间的竞争，更像是“谁的牙齿更锋利”。

基准测试的第一名每隔几周，最长几个月就会更换一次。如果不能赢得这场竞争，融资和生存都难以保障。因为创造模型本身就是业务的全部。

谷歌站在不同的位置。搜索、安卓、YouTube、Workspace——它已经拥有了整条河流。这家公司需要的不是最锋利的牙齿，而是让河流朝着对自己有利的方向流动的堤坝。

纵观技术产业史，这种模式并不陌生。并非最优秀产品的制造者，而是拥有分销网络和生态系统的公司最终吸收了市场，这种案例反复出现。制造最好的产品，与拥有人们每天落脚的土地，是两种不同的游戏。

筑坝的方式

堤坝正在四个方面同时建立。

第一点是模型本身的重新设计。谷歌不再为所有问题投入最大的模型，而是按任务单元拆解模型。它将性能超越上一代顶级模型、速度快四倍且成本低得多的“Flash”模型作为默认设置。只有在遇到真正困难的问题时，才会启用笨重的模型。

第二点是芯片设计。从第 8 代 TPU 开始，将“训练用”和“推理用”完全分开。这一决定本身就是一种宣言。它宣告了 AI 竞争的胜负点已从耗时数月的大规模训练，转向了每天重复数十亿次的日常响应——即推理阶段。

第三点是产品的形态。以“Gemini Spark”为代表的方向超越了回答问题的聊天机器人。其目标是成为 24 小时代理（Agent），有机地连接 Gmail、云端硬盘、日历、YouTube 和 Chrome，代替用户处理实务。

例如：读取邮箱中收到的会议请求，找到日历中的空闲时间并发送回复，从云端硬盘中找到相关文档并预先整理好。用户不再需要多次开关聊天机器人，服务会在后台持续工作。

最后一点，或许是最聪明的地方。谷歌在搜索 AI 模式的回答中植入了定向广告。对于贷款或保险等购买意向明确的问题，广告植入率超过 50%。

对竞争对手而言，回答变长意味着 token 成本增加。对谷歌而言，回答变长意味着植入广告的位置增加了。

这种变化对消费者产生了两方面影响。一是能更长时间、更广泛地使用免费或廉价的 AI 服务。二是广告正以更加自然的形式融入回答之中。

图片: StockCake (CC0, 免费使用)

---

但是，筑坝是有条件的。

“性能相当但价格更便宜”是创新。而“性能下降但价格便宜”只是低端模型。谷歌的整个策略都建立在这行字上。如果 Flash 模型无法真正完成工作、代理无法真正代替实务的前提崩溃，剩下的就只有“廉价货”的评价。

更根本的问题在于：顶级研究人员为何选择实验室？无论是 Noam Shazeer、John Jumper 还是 Jeff Dean，最终都是在追逐前沿。立志打造世界顶级模型的组织，才能汇集世界顶级人才。对于优先考虑成本和效率的二等组织，在那些人才的算盘里，它缺乏足够的吸引力。

编码代理市场中已经出现的差距也指向了同样的问题。无论基础设施配套多么完善，如果开发者每天使用的工具落后，那么该基础设施之上的代理市场本身就会拱手让给竞争对手。改变河流的地形，与让鱼儿持续在河里生活，是两个不同的问题。

再深究一步，就能看出谷歌为何不得不做出这个选择。

假设将超大型模型应用到 10 亿用户身上，地球上的计算资源是无法承受的。规模庞大既是自由，也是枷锁。

OpenAI 和 Anthropic 因为损失的用户相对较少，反而可以随心所欲地追求最高性能。而谷歌因为已经肩负了太多人的重任，不得不主动放弃那种自由。

10 亿用户，每分钟 220 亿 token。最初看到这个数字时，觉得它与谷歌“落后”的评价不符。

现在重新审视，有了不同的解读。这并非失败的数字，而是证明了它从一开始就在玩一种不同的游戏。

问题在于这场游戏的胜负尚未分晓。编码代理的完成度和服务生态系统的盈利能力，这两点将在未来几年内给出答案。究竟是打造最智能模型的公司会赢，还是为最多人提供每天都能使用的最廉价服务的公司会赢，目前尚未定论。

图片: StockCake (CC0, 免费使用)

下次在搜索框提问并得到长回答时，不妨思考一下。

这个回答变长，是因为努力变得更准确，还是因为需要更多植入广告的位置？