Google在AI大戰中慢半拍關鍵:皮蔡的「溫良恭儉讓」!防守策略哪邊錯了?
Google在AI大戰中慢半拍關鍵:皮蔡的「溫良恭儉讓」!防守策略哪邊錯了?

近幾個月,微軟和Google 的兩位CEO 不斷為自家的AI 進展拋頭露面。

當微軟投資OpenAI、推出New Bing、將GPT-4 融入Office,大刀闊斧規劃出工作的未來,稍遲發布Bard 的Google,顯得更加謹小慎微。

一招定勝負的爽文並不存在,但Google 沒能搶占先機必然有原因。

Google 與微軟兩位CEO 行事風格的不同,其實也是放置在天秤之上的一塊籌碼。

厭惡衝突的執行長

The Information 的一篇特稿,側寫了Google CEO 桑德爾·皮蔡的形象。多位Google 員工認為,當前階段,他可能不是CEO 的合適人選。

時代要求皮蔡首次成為戰時CEO,我們還沒有看到他是否準備好迎接挑戰。

報導裡的皮蔡,少了點殺伐果斷,也不夠鐵血強勢。

桑德·皮蔡(Sundar Pichai)
圖/ ifanr
  • 他厭惡衝突;
  • 他傾向於漸進式改進產品而不是大刀闊斧;
  • 他容忍膨脹的員工人數、懶散的企業文化和低效的組織結構;

與此同時,皮蔡在Google 的話語權,似乎沒有一個CEO 該有的那麼強。

部分高階主管並不聽從他的調度,比如皮蔡無法讓DeepMind 的執行長確定項目的優先級,或與Google Brain 共享代碼。這或許是因為,大權壓根不在皮蔡手裡。

皮蔡2004 年加入Google 擔任產品經理,2015 年晉升為CEO,當初得到Google 聯合創辦人拉里·佩奇的青眼,部分是因為在一眾分裂的高階主管裡,他是最冷靜、最循規守矩的那個。

拉里·佩奇Larry Page
拉里·佩奇Larry Page
圖/ ifanr

時至今日,拉里·佩奇雖然已經不太插手Google 內部事務,但他仍然是Alphabet 的董事會成員,並通過特殊股票控制著公司,近幾個月還參加了多場內部AI 戰略會議。

行事低調的CEO 背後,是積重難返的Google。

自從成為Google 母公司Alphabet 的CEO,皮蔡便對管理這個「龐然大物」的困難直言不諱。內部的權力鬥爭、監管機構的監督、員工的施壓,都讓他困擾不已。

內憂外患之中,Google 被籠罩在了類似學術或政府機構的企業文化之下,充斥長僚主義,高層又總是規避風險。

惡果已經顯現出來。部分從事AI 研究的Google 員工覺得,這阻礙了他們推出新產品。2021 年,一批Lamda(Bard 前身)研發人員集體離職,原因是他們不被允許在語音助手Google Assistant 中引入聊天機器人。

Google 的謹慎可以理解,畢竟現在的聊天機器人確實錯漏百出。剛從Google 出走、為AI 風險奔走相告的「AI 教父」Geoffrey Hinton,也高度評價了前東家的責任心。

延伸閱讀:「我對畢生工作感到後悔!」AI教父Geoffrey Hinton離開Google:他為何對AI悲觀?

但在商業競爭的角度,「開發產品但不發布」的謹慎,讓Google 多次失去先機。例如,Google 之前開發了文生圖的擴散模型Imagen,但出於風險考慮沒能更快推出,結果被OpenAI 的Dall-E 2 搶先,後者很快在全球聲名大噪。

Imagen
圖/ ifanr

與之相反,在ChatGPT 發布的前幾個月,OpenAI 挖來了一些Google 的AI 研究人員和工程師,並承諾一定推出實際性的產品,這些員工充分發光發熱,後來全世界都看到了結果。

其實往回追溯,皮蔡內斂克制的行事風格,不僅體現在AI 之上。

去年初,TikTok 越來越受年輕人的歡迎,甚至被當成新的搜尋引擎。這背後隱藏著一個趨勢:在TikTok「稱霸」的世界裡,網路比以前更視覺化、更具互動性,搜尋也不例外。

雖然沒有生成式AI 那麼革命性,但這對Google 搜尋也造成了一些威脅。然而,最終皮蔡只決定微調搜尋引擎的外觀和體驗,比如在搜尋結果中顯示更大的圖片。

負責Pixel 手機開發的Google 高級副總裁Rick Osterloh,曾在談到皮蔡時說,如果皮蔡發覺有團隊不太聽從他的意見,他仍會強調自己的觀點,但從來不會提高嗓門。

我認為這就是他給人的印象,既恭敬又謙遜。他並沒有宣稱自己是公司的領導者。

桑德·皮蔡(Sundar Pichai)
圖/ ifanr

挑戰者與守城者

對比來看,納德拉領導下的微軟,更加步調一致,目的也更加明確,果斷地投資數十億美元,讓微軟與OpenAI 的未來血脈相連。

兩家公司結盟的背後,微軟內部必然做出了一些妥協與犧牲。為訓練AI 模型分配算力和資金、將OpenAI 的技術植入微軟的核心產品等業務,成了公司上下最為重要的事情。

最近幾乎同步發布的財報,以及財報後的電話會議,也鮮明體現著兩位CEO 的不同。

4 月25 日,微軟和Google 都交出了不錯的季度業績。

微軟在9月宣布買下Zenimax Media後,執行長納德拉表示,接下來仍會收購更多遊戲開發商。(圖
微軟執行長納德拉。
圖/ 財訊

其中,微軟一季度收入同比成長7% 至529 億美元,各項業務表現均超預期,雖然AI 是微軟最近的關鍵詞,目前它的「搖錢樹」主要還是軟體和雲端服務,具體如下:

  • 生產力和商業業務同比成長11% 至175 億美元;
  • 智能雲端收入同比成長16% 至221 億美元;
  • PC 相關業務同比下滑9% 至133 億美元;

Google(Alphabet)一季度收入同比成長3% 至698 億美元,主要有兩大亮點:

  • 雲端業務收入同比成長28% 至74.5 億美元,並在披露以來首季度盈利;
  • 佔比最大的廣告收入,同比下降0.2% 至545.5 億美元,好過預期的1.6%,其中最為重要的搜尋廣告收入,同比成長近2% 至403.6 億美元;

從兩家財報看來,Google 的搜尋業務還沒有被真正撼動,日活躍用戶用戶突破1 億的微軟New Bing 還未正式啟動廣告業務。雲端業務則是兩者共同的成長曲線。納德拉指出,Azure 為企業客戶提供的AI 模型和工具,已經在收入上初見成效。

從Coursera 和Grammarly,到梅賽德斯-賓士和殼牌,我們現在擁有2500 多個Azure OpenAI 服務客戶,環比成長10 倍。

在廣告收入前途灰暗的時候,雲端業務實現首個季度盈利,也挺直了Google 的腰板。Google 雲端負責人Thomas Kurian 最近升了職,負責帶領團隊為AI 設計芯片。向雲端客戶銷售AI 服務這件事,兩家巨頭估計還有得一戰。

Thomas Kurian
圖/ ifanr

如果將目光放得更長遠,AI 在未來該如何發展,怎麼和公司業務緊密結合,是兩家的投資者都最關心的問題。

在這方面,納德拉給了投資者更多信心,他明確地強調了,微軟將是創新下一代AI 的首選平台,微軟接下來還會加大雲端基礎設施,特別是與AI 相關的投資。

我們期待繼續參與,最大的軟體類別「搜尋」的代際革命。

而在皮蔡這邊,態度顯得更加保守。

他也對分析師們說,Google 正在大力投資AI,未來將把Bard 背後的AI 技術引入搜尋產品,但淡化了AI 對搜尋廣告業務的意義。畢竟,搜尋廣告業務仍然是Google 的造血中心,話不能說得太死。

皮蔡樂觀地認為,用戶將繼續重視在線廣告,即使搜尋結果由大語言模型生成,而不是傳統的網頁鏈接列表。

我們將以數據和多年經驗為指導,不斷測試和迭代,因為我們知道人們相信Google 會提供正確的資訊。

從後續股票的漲跌來看,投資者更喜歡微軟面對AI 的「巨硬」態度。

催化劑效應的失效

當然,人們從來沒有對Google 的AI 失去信心。畢竟,Google 是全世界最懂AI 的公司之一。從搜尋、YouTube 到Gmail,幾乎每項業務都有AI 的存在,Google 還用AI 打敗了圍棋世界冠軍,翻譯133 種語言,將智能手機推向了計算攝影,就連ChatGPT 使用的Transformer 模型也是出自Google。

皮蔡曾經說過:

自2016 年以來,我們一直是AI-first 公司,AI 是實現我們使命的最重要方式。

人們真正擔心的,其實是Google 在AI 浪潮中是否會遭遇 「柯達時刻」,即公司擁有領先的產品,但由於擔心蠶食核心業務,將它擱置一旁,反而導致核心業務面臨巨大威脅。

2022 年末,隨著ChatGPT 的危機顯現,警鐘開始在Google 敲響。皮蔡要求團隊將新的AI 技術整合到眾多Google 產品中。這必然是一場傷筋動骨的變革。

成本和利潤就是最顯性的門檻。一方面,大語言模型的對話搜尋比傳統搜尋更貴;另一方面,比起傳統搜尋頁面,廣告更難整合到聊天機器人界面。固有的商業模式,過於龐大的瀏覽器用戶群體,成了Google 嘗試新事物的阻礙。所以,Google 看似穩住了的財報,也瀰漫著山雨欲來的氛圍,佔營收絕大部分的廣告收入原地踏步,反而讓人們覺得前途不夠明朗。

Google 不會坐以待斃,另一場風雲端變幻正在發生。4 月20 日,皮蔡宣布將Google Brain 和DeepMind 團隊合併為Google DeepMind。

皮蔡認為合併有利於提高AI 研究的效率,某種程度上確實如此,因為兩個部門開發過一些相同的軟體,合併後或許可以解決各自為政、算力和人力浪費的問題。

延伸閱讀:Google集中火力拚AI!合併兩大部門Brain、DeepMind,文化會是大問題?

Demis Hassabis
新部門由DeepMind 首席執行長Demis Hassabis 領導
圖/ ifanr

但叫好聲中也有疑慮存在。兩個團隊的組織文化不同,合併可能導致動盪和內耗。

Google Brain 在合併後失去了它的名字,似乎也有些象徵意味。最近,Google 前員工Brian Kihoon Lee發了篇專欄文章,解釋Google Brain 存在的意義。其中提到了一個有意思的「催化劑理論」:

通過發表與Google 核心業務相關的研究,該研究將朝著有利於Google 的方向發展。

Jeff Dean
Jeff Dean 擔任新部門首席科學家
圖/ ifanr

比如,Google 一直對NLP(自然語言處理)很感興趣,Transformers 等研究的發表,催化了整個NLP 領域的發展。但是,催化劑理論並不會一直有效。

和平時期,花X 美元擴大整個蛋糕是有意義的,只要分到的那塊蛋糕成長超過X 美元。當戰時模式到來,競爭對手的蛋糕份額成長了多少也很重要,OpenAI 與微軟的聯盟意味著又一個巨頭的誕生,催化劑理論在這時候就不適用於Google 了。

因為行業已有共識,機器學習將為產業帶來經濟效益,Google 不再像以前一樣,總是帶來革命性的效率迭代,反而在橫向拓展時陷入與其他巨頭近乎紅海的競爭。

自稱AI-first 的Google,在近來幾個月確實有不少挫敗時刻。

3 月14 日,Google 宣布全面更新Workspace, 讓AI 模型覆蓋整個辦公場景,包括編郵件、寫文檔、生成公式、創建幻燈片等,先面向開發者內測,展示的效果看著還挺能打。或許運氣使然,OpenAI 在同一天發布了GPT-4,Google 的風頭就被蓋過了。3 月17 日,微軟又發布了爆炸性消息,將GPT-4 裝進Office 套件,推出AI 功能Copilot,同樣給出了漂亮的展示。現在,人們彷彿只聞Copilot,不知Workspace。

在趕潮的過程中,最難的也最必要的,或許是狠下心革自己的命。最近,Google 似乎加快了AI 領域的佈局,更為進取和積極。

3 月,Google 緊急發布了Bard,但限制了功能,並且只向少數地區的用戶開放。有觀點認為,這是一種節省成本的措施,Google 特意選擇了一個能力較弱的機器學習模型,它的計算強度不如Google 開發的其他模型。

不過最近幾週,Google 正在將Bard 的機器學習模型規模擴大約一倍,從而讓它表現得更好。與此同時,一個代號為「Gemini」的項目正在推進,計劃開發一種新的大型機器學習模型,讓Google 趕上ChatGPT 的腳步,皮蔡也對此十分上心。

2 月,因為Bard 公開的失誤,Google 市值蒸發了千億美元。5 月10 日的Google I/O 大會,又已經近在眼前了。壓力在肩的皮蔡,預計將宣布搜尋、Google 文檔和Google 雲端產品的新AI 功能。

巨頭的AI 遊戲只上演了第一局,依然需要時間解答,這位謙遜低調的CEO,和船大難掌舵的Google,在屬於AI 的未來將交出怎樣的答案卷。

本文授權轉載自:愛范兒 ifanr

責任編輯:傅珮晴、錢玉紘

關鍵字: #Google #微軟
往下滑看下一篇文章
從模型競爭走向算力經濟,INFINITIX 助客戶打造軟體定義 AI 基礎建設
從模型競爭走向算力經濟,INFINITIX 助客戶打造軟體定義 AI 基礎建設

過去兩年,人工智慧技術以史無前例的速度翻轉企業營運與競爭態勢,從客服、知識管理到軟體開發,越來越多企業將大型語言模型(LLM)導入企業營運流程,隨著應用程度的深化與廣化,越來越多發現,真正的挑戰早已不只是「選擇哪個模型」,而是如何管理算力、控制成本、確保資料安全,以及讓不同世代GPU、模型與AI應用可以持續共存與調度。

代理式AI崛起後,AI應用從回答問題進展為執行任務、操作系統以及串接流程,連帶拉升對AI基礎設施的需求與架構複雜度,而這意味著,想要發揮AI綜效,光只有模型與技術尚不夠,必須將整體IT環境逐步升級為AI基礎建設(AI Infra)。

深耕AI管理領域多年的數位無限(INFINITIX),近年積極布局軟體定應AI基礎建設(Software Defined AI Infrastructure)市場,除持續深化與GPU、伺服器與AI硬體生態系的合作關係,如於2021年取得NVIDIA Solution Advisor全球夥伴資格,2025年亦獲AMD GPU生態建設夥伴獎,也因應市場需求推出AI-Stack與ixCSP兩大產品線,協助企業、雲端服務供應商(CSP)與新世代AI雲端業者,更有效率地管理跨世代AI算力資源。

數位無限執行長陳文裕表示:「我們的目標是協助客戶打造軟體定義AI基礎架構,讓其可以視需求向下整合不同世代GPU、儲存與網路設備,同時,向上鏈結模型、Token跟AI應用,加速企業的AI創新轉型腳步。」

數位無限執行長陳文裕.JPG
數位無限執行長陳文裕
圖/ 數位時代

從AI模型到AI經濟,企業競爭焦點轉向算力與Token調度能力

過去市場談AI,焦點多半放在模型參數、推論效能與模型能力,但在大型語言模型推論需求暴增的現下,AI Infra早已從單純GPU採購演變成涵蓋機櫃、網路、儲存、散熱與電力的整體工程;企業真正需要的,不是更多GPU、而是如何更有效率地調度與利用算力。

尤其在NVIDIA提出Token Factory概念後,全球AI產業正逐步從模型競賽轉向「AI經濟」,亦即,影響企業AI決策的再也不是使用哪個模型、部署多少GPU,而是消耗多少Token、產生多少AI服務,以及算力是否能被有效共享與調度。

換言之,在AI新世界,算力調度能力的重要水漲船高。對此,陳文裕十分認同的說:「企業想要提升AI競爭力,不僅要掌握模型與應用,還必須進一步思考如何有效切割GPU資源、讓不同部門甚至集團子公司共享算力、延長舊世代GPU的使用壽命,甚至是如何將閒置算力轉變成可交易的資源等。」

事實上,這也是大量AI資料中心(AIDC)跟新世代AI雲端服務(Neo Cloud)業者出現的原因,包括CoreWeave、Nebius、Lambda Labs、GMI Cloud等業者皆試圖以更具彈性的方式,提供企業所需的GPU服務與AI算力平台。

看準這波趨勢,數位無限除透過AI-Stack提供GPU切片、模型部署、模型管理與MLOps等服務,協助客戶提升GPU使用率,更進一步推出ixCSP平台,讓雲端服務供應商與新世代AI雲端業者,能從過去單純販售GPU資源轉型為提供GPU as a Service、Token as a Service與Model as a Service等創新AI服務。

以Software Defined AI Infrastructure助企業以「通用化、鬆耦合」迎戰瞬變AI世代

因應AI新世代帶來的挑戰:模型快速升級、算力需求攀升、GPU世代交替迅速,企業在追逐AI落地的同時,勢必得面臨基礎建設更新速度過快、硬體投資壓力升高,以及資源利用效率難以最佳化等挑戰。

為協助企業在AI快速演進與基礎建設投資之間取得平衡,數位無限的作法是,透過AI-Stack將底層硬體抽象化,以Token或模型服務形式提供,讓企業客戶、AIDC與Neo Cloud業者可以延長不同世代與不同品牌的AI硬體設備的生命週期、創造更高的使用價值、甚至是展開更多元的營收模式。

例如,高雄醫學大學附設中和紀念醫院便透過數位無限的AI-Stack解決GPU資源調度效率不彰問題,加速39項AI模型進入臨床應用階段,成功建立起「從模型開發到臨床落地」的完整生態系統。而日本精密製造大廠–Union Tool Co.–則是透過AI-Stack簡化GPU資源共享、加速AI模型的開發與測試腳步,為提升生產效率做最佳準備。

「如果大型企業或AIDC業者擁有閒置資源,也可以透過ixCSP平台,把算力共享或調度給集團內部團隊、子公司,甚至上下游合作夥伴使用,進一步提升整體資源利用率。」數位無限執行長陳文裕如是說道。

隨著AI從工具演變成企業核心基礎建設,企業真正需要的,也不再只是單一模型,而是一套能持續適應AI快速演進的AI Infra,而這與數位無限近年來的重要轉型方向一致:從AI管理軟體提供者轉型為軟體定義AI基礎建設供應商,更好協助客戶打造具備「通用化」與「鬆耦合」特性的AI基礎建設。

除以AI-Stack與ixCSP協助客戶提升算力使用效率與價值,數位無限亦計畫與硬體合作夥伴推出Agentic AI一體機方案,協助企業快速建立可驗證、可部署、可切割、可共享的AI運算環境,降低企業從PoC走向實際導入的門檻,加速AI落地。

總的來說,隨著AI競爭從模型能力延伸到算力治理,企業比拚的不僅是導入速度,而是能否建立一套足夠彈性、可持續演進的AI Infra,而這與數位無限的發展目標一致,將持續不斷優化產品服務,化身企業搶進AI新世代的關鍵合作夥伴。

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
代理式商務連動百兆商機
© 2026 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓