山姆-奥特曼怒喷谷歌，GPT-4o 抢了 Gemini 风头
作者｜孙鹏越
编辑｜大 风
这几天的硅谷，可以说是热闹非凡，战火纷飞。
OpenAI的CEO山姆-奥特曼直接在社交平台上开火，公开调侃谷歌的审美水平。他发帖说：我尽量不去多想我们的竞争对手，但OpenAI和谷歌之间的美学差异，实在让人无法忽视。
帖子下面附了两张发布会现场对比图，左边是OpenAI，右边是谷歌。意思再明显不过：OpenAI的现场简洁、明亮，充满未来感；而谷歌的布置，则显得有些疏离和过时。
山姆-奥特曼这次亲自下场“怼人”，事出有因。就在上周，OpenAI和谷歌几乎同时亮出AI新品，双方你来我往，火药味十足：一边宣称GPT-4o全球最先进，另一边则强调Gemini家族能实现全生态覆盖。
两大科技巨头的正面交锋，将竞赛强度直接拉满，连CEO本人都坐不住了，可见战况之激烈。
1、谷歌 AI 全家桶上线
话说回来，山姆-奥特曼的嘲讽也并非空xue来风。单从观看体验来说，这场谷歌I/O大会确实有些差强人意。
首先是时长，接近两个小时的发布会，主持人前后提了121次“AI”，信息密度高到让人应接不暇，甚至有观众在社交媒体上抱怨“快看睡着了”。
其次是产品线，与OpenAI专注推出GPT-4o一款核心产品不同，谷歌这次祭出了“全家桶”战术，一口气发布了十余项Gemini大模型的升级和新品：
发布 AI 搜索：Google Search；
升级了 Gemini 大模型：Gemini 1.5 Flash（100 万上下文）、Gemini Pro（200 万上下文）；
新发布了手机版 Gemini App：以手机应用程序形式，支持和 AI 视频对话；
发布视觉语言模型 Project Astra：拥有 Imagen3（图像）、Music AI Sandbox（音乐）、Veo（视频生成）三种能力。
阵容看似豪华炫酷，但若与OpenAI的GPT-4o同台较量，差距就显现出来了。谷歌的许多更新更像是硬件参数的常规升级，或者是在既有框架内的“缝缝补补”。
整场发布会下来，真正让人印象深刻的功能，主要集中在两项：AI搜索Google Search，以及AI助手Project Astra。
先说Google Search。搜索是谷歌的立业之本，但近年来承受着来自微软的巨大压力。微软的Bing借助ChatGPT，给传统搜索引擎带来了堪称“降维打击”的AI体验。更有传言称，OpenAI自身也在研发AI搜索产品，意图蚕食谷歌的市场。
重重压力之下，谷歌推出Google Search，决心重塑搜索体验，稳固自己的护城河。从演示来看，其核心在于“搜索摘要功能”AI Overview。
这个功能，其实就是谷歌之前提出的“搜索生成式体验（SGE）”的落地。用户在搜索框输入问题后，页面最上方会直接出现由AI整理的信息摘要，包括对结果的总结概括以及相关推荐链接。此外，AI Overview还整合了“多步推理”、“搜索规划”以及“视频提问”等新能力。
另一个亮点Project Astra，则被普遍视为对标GPT-4o的产品。其产品形态和交互逻辑与ChatGPT颇为相似，支持实时对话和视频聊天。同样，它也提供了文生图（Imagen 3）和文生视频（Veo）功能。
唯一的不同点在于，Project Astra额外集成了一个音乐生成模型Music AI Sandbox。用户可以上传一段音乐小样，模型能在此基础上进行拓展和风格调整，实现二次创作。
总而言之，谷歌这场发布会给人的感觉是：产品很多，但碘伏性的精品很少。在一系列新品中，不难看到ChatGPT的影子，更像是在GPT-4o已经搭建好的范式里做增量升级。至于能给用户带来震撼感的“杀手级应用”？抱歉，暂时还没看到。
2、越来越像人类的 GPT-4o
与谷歌的“多而杂”形成鲜明对比的，是OpenAI的“少而精”。
整个发布会仅半小时左右，全程由公司CTO和两位工程师以面对面对话的形式演示产品，电影感十足。甚至CEO山姆-奥特曼都未亲自登场，完全依靠产品本身说话。
演示过程极具冲击力：嘉宾用手机摄像头让GPT-4o识别自己的表情，AI迅速回应：“你看起来很开心，带着灿烂的笑容，甚至有一丝兴奋，能分享一下快乐的来源吗？”
当嘉宾在纸上写下“I love you”展示给它时，GPT-4o竟能以带着一丝娇羞又热情洋溢的语气回应这份“爱意”。
它能感知你的呼吸节奏，能“读出”文字中的情绪，甚至能在对话被打断后，无缝衔接新语境并完美回应……这样的AI，让你想到了什么？
没错，一个理想的伴侣。这不禁让人联想到电影《Her》中的场景，斯嘉丽·约翰逊配音的人工智能与人类发展出情感。这一幕，正在加速照进现实。一个能提供丰富情绪价值、事事有回应的伙伴，谁能拒绝呢？哪怕它并非血肉之躯。
GPT-4o的演示，不仅给了后来者谷歌一个下马威，更为AI大模型的未来发展方向提供了一个近乎满分的答案：生成式AI或聊天机器人的终极目标，或许不该再纠结于硬件和参数，而是如何变得更像“人”。
OpenAI没有过多渲染算力或硬件升级，首席技术官穆里·穆拉蒂只是平静地指出，GPT-4o在文本、图像和语音处理上均实现了显著提升，能够综合利用多模态信息进行推理。现在的GPT-4o，已经突破了文本、图片或语音的单一维度，进化出了“听觉”和“视觉”。
它能通过“听”来捕捉情绪变化，比如判断呼吸是否急促；能通过“看”来识别纸上的数学方程，并一步步引导解题；甚至能通过手机摄像头，回答“这个人穿的是什么牌子的衬衫？”
对比谷歌令人眼花缭乱、不知从何入手的“全家桶”，GPT-4o在体验的深度和人性化层面，显然已经领先了不止一个身位。
3、免费，但又不完全免费
除了在能力上碾压，OpenAI还祭出了另一记重拳：宣布GPT-4o将免费向所有用户开放。
穆里·穆拉蒂在会上明确表示，不仅现在免费，未来OpenAI的产品策略也将坚持免费优先，目标是让更多人能够使用。山姆·奥特曼也强调，这是OpenAI迄今为止最好的模型，所有ChatGPT用户，无论是免费版还是付费版，都能用上。
这听起来颇具碘伏性。毕竟，当服务免费时，用户本身就成了产品。如果GPT-4o真能彻底取消付费门槛，其将获得的数据量将是天文数字。
然而，现实往往没有理想中那么慷慨。OpenAI似乎还缺少“用免费改变世界”的彻底决心，公告背后藏着不少限制。
根据官网公告，免费用户在使用GPT-4o时，会面临明确的权限分级。虽然数据分析、报表生成、图像处理、文件上传、记忆功能等GPT-4的核心能力都已开放，但免费用户会有消息数量限制。具体来说，Plus用户的消息额度是免费用户的5倍，而Team和Enterprise用户则享有更高限制。
关键问题来了：每天具体能用多久？能发多少条消息？GPT-4o的公告并未详细说明。不妨参考一下上一代GPT-4的策略：免费用户通常有每天3小时的使用时间上限，以及大约25条的消息数量限制。
这种限制，固然有助于提升信息质量和用户专注度，但也不得不让人感叹：互联网世界的“免费”，从来都不是真正的免费。即便到了AI时代，这条法则依然适用。
