谷歌凭借其强大的计算能力储备和基础设施，正在快速开发下一代AI模型。AI“一哥”的位置暂时被OpenAI取代后，位置可能很快会回到Google。根据半分析，谷歌下一代大模型双子星的训练计算能力已经达到GPT-4的5倍。
众所周知，计算能力是AI大模型开发的“超级引擎”，使模型能够更快地学习和分析数据。计算力不仅影响模型的开发进度，还直接影响模型的性能和可靠性。
因此，在AI热潮席卷全球的那一刻，引发了一场前所未有的“计算力之战”。从大企业到创业公司，都在争夺提供计算能力资源的GPU，最终导致GPU短缺。
就连早期手握大量GPU资源的OpenAI等公司，现在也面临GPU短缺。今年6月，OpenAI的CEO Sam Altman提到，现在OpenAI最大的问题来自GPU。由于GPU的短缺，客户抱怨OpenAI提供的API的可靠性和速度。更长上下文等功能的开放性也受到GPU的限制。为了解决GPU短缺的问题，OpenAI目前正在积极寻求融资。
与此同时，当OpenAI等公司担心GPU时，谷歌有自己的TPU(张量处理单元)。TPU是谷歌开发的人工智能加速器专用集成电路，2015年开始在谷歌使用。自发布以来，谷歌已经构建了六种不同的AI芯片(TPU、TPUv2、TPUv3、TPUv4i、TPUv4和TPUv5)。
TPU是专门为机器学习设计的芯片，在AI研发的某些方面可能比GPU更高效。并且可以高度优化以适应谷歌的软硬件生态和人工智能计算工作量。虽然TPUv5单芯片和H100 GPU芯片的性能还有差距，但TPU通常在谷歌自己的生态系统(如TensorFlow框架)中有更好的性能和性价比。
TPU可以快速处理神经网络中使用的大量矩阵运算。来源:Google据了解，Google的新多模态模型Gemini正在以不可思议的速度迭代。最新迭代的计算能力高达1e26 FLOPS，是GPT-4训练的5倍。据半分析，这个数字到明年年底可能变成20倍。
谷歌的计算能力资源仍在快速增长。据报道，即使OpenAI在两年内使GPU总数翻两番，谷歌的计算资源仍处于领先地位。目前OpenAI、Meta、CoreWeave、甲骨文、亚马逊的GPU总数仍然少于Google拥有的TPUv5数量。
由于计算能力的重要性，计算能力资源的差距很可能成为谷歌拉近和拉开与OpenAI距离的关键因素。毕竟，拥有更多的计算资源意味着更多的实验和更快的模型迭代。
除了在计算能力上的优势，谷歌还在全球拥有大规模的数据中心，为大模型的训练和部署提供了强大的基础设施。这使得它在与其他公司(如OpenAI)竞争时优势明显。这种优势不仅体现在现有的资源上，还体现在其持续增长和未来发展的潜力上。
总的来说，谷歌可能在资源、技术、生态系统、商业模式、全球战略等方面都有优势，这使得它在大型号的研发方面相当有竞争力。至少从训练前的计算规模扩张和研发速度来看，谷歌最终应该会胜出。
相比之下，OpenAI虽然在模型设计和算法研究上有先进的成就，但在硬件资源上相对薄弱。这种差距可能会限制OpenAI在模型规模和应用场景上的拓展能力。
充足的计算资源和高效的基础设施将成为Google在AI研究和商业应用中的利器，也可能成为Google和OpenAI竞争的重要分水岭。当然，最终还是要看成品，也就是谷歌的下一代机型双子星是否会比GPT-4更有优势。这个结果可能会在接下来的几个月里看到，据说Gemini会在今年秋天发布。是否会取代ChatGPT值得期待。
-结束-
微信扫码
QQ扫码
