大模型公司对标系列之三：Google公司

chzh4719

天翼智库  

天翼智库推出“大模型公司对标”系列，将持续关注主流大模型公司进展。本文系统梳理了Google公司在AI大模型方面的发展情况，从大模型技术、产品与服务、市场拓展、组织与运营、资本运作和生态合作等方面，分析总结Google公司的大模型发展策略和商业变现模式。

公司档案

Google成立于1998年，由拉里·佩奇和谢尔盖·布林在斯坦福大学的研究项目BackRub基础上创建。1999年秋，“Google”网站正式启用。2000年AdWords系统的推出不仅确立了其商业模式基石，也开启了Google的盈利之路。随后，Gmail、Google Maps等标志性产品相继问世。2004年，Google成功上市，为其全球扩张战略注入强大动力。2015年Google重组为Alphabet旗下子公司，展露了向科技前沿深度迈进的雄心。2017年 Google 把发展战略从 Mobile First 转变为 AI First,加大在深度学习框架、算法模型、算力等方面的布局。目前，Google已发展成为涵盖搜索、人工智能、云计算等多领域领先的科技巨头。

图1 Google公司发展历程

表1 Google母公司Alphabet最近三年关键指标

天翼智库根据Google母公司Alphabet公司年报整理

AI大模型技术、产品与服务

1. 技术：深耕大模型算法和算力设施，为大模型领域奠基者

深耕大模型算法：Google在AI算法方面拥有深厚的积累，2017年发布NLP模型Transformer，该模型通过引入Self-Attention机制来提高模型训练速度，为后续大语言模型的升级迭代奠定了基础。2018年，发布大规模预训练模型BERT，该模型可以进行双向预测，进一步提升了自然语言理解及处理的精度。2022年，推出模型PaLM，该模型在语言理解、逻辑推理、代码生成等方面均表现出色。2023年以来，Google先后推出PaLM2及Gemini，模型算法能力进一步提升。

海量数据和强大计算能力：Google拥有海量的数据资源，包括来自搜索引擎、YouTube、Gmail等产品的用户行为数据，以及来自Google Cloud客户的各种业务数据。这些数据为训练大模型提供了充足的素材。此外，Google还拥有强大的计算能力，从2016年推出TPU v1开始布局AI模型算力，最新发布了第六代TPU。

深度学习框架：Google从2011年开始研发DistBelief机器学习系统，在其基础上推出的Tensorflow一度成为最流行的深度学习框架。

2. 产品与服务：全方位布局AI大模型、AI延展产品及TPU等硬件产品

Google在人工智能（AI）领域的布局广泛而深入，以Gemini为代表的顶尖大模型，不仅在多模态智能测试中领先，还深化了从搜索引擎优化、Google Assistant智能交互到Cloud AI平台的企业级解决方案。此外，通过Waymo推动自动驾驶创新，以及在医疗、硬件等多领域的AI融合，Google正全方位引领技术与生活的深度整合。

5月 15 日凌晨，Google在 I/O 开发者大会上发布了一系列全新和升级的AI大模型产品系列，其中 Project Astra 和 Veo直接对标了目前 OpenAI 领先的 GPT-4o 与 Sora。GoogleCEO桑达尔 皮查伊表示，希望每个人都能从 Gemini 的技术中受益，这些突破性的功能将进入搜索、图片、生产力工具、安卓系统等方方面面。

　　表2 Google 5月最新发布的AI大模型产品系列

AI市场拓展

赋能原有搜索、广告、云等核心产品，实现增收和商业变现。一是提升搜索效率和广告转化率，通过产品迭代创新打造优势业务护城河，率先获取市场增量。Google在2023年推出了Performance Max，利用AI生成技术，根据广告主提供的广告目标、预算、行业、受众等信息，自动生成广告的标题、描述和相关图像，以及匹配最合适的广告形式和投放渠道。数据显示，Performance Max在测试阶段帮助数千家广告主提升了平均30%的转化率。二是AI为云业务带来了技术和架构层面的变革，通过对AI技术的集成与创新，Google Cloud 通过其 Gemini 模型系列等 AI 技术，提高工作效率和优化应用程序生命周期，直接促进了收入增长。在过去的2023年，谷歌云成功扭亏为盈，在2024年一季度，谷歌云的收入达到95.7亿美元，同比增长28.4% ，高于预期的93.7亿美元，增速环比上升。

积极探索付费AI功能和其他商业化模式。一是Google最近表示将为苹果 iOS 18 用户提供各种付费AI功能，还计划与苹果等合作伙伴共同开发AIStore应用商店，为用户提供一个集中获取AI应用的平台。这一举措将进一步推动AI技术的普及和应用，同时也为谷歌带来更多的商业机会。二是Google表示正在考虑扩充推出付费 AI 搜索服务，包括将某些基于人工智能的搜索功能添加到其高级订阅服务中。

AI大模型组织与运营

连续两年对AI组织结构进行重要调整：2023年4月合并了其两大知名AI研究部门——DeepMind与Google Brain，组成了全新的Google DeepMind，旨在简化管理结构，集中资源应对人工智能领域的复杂挑战。2024年4月，将专注于大模型以及负责AI技术安全等研究的谷歌研究部门GoogleResearch，全面整合到AI业务部门GoogleDeepMind中。Google CEO桑达尔·皮查伊称此举将有助于该科技巨头更迅速、更高效率地开发人工智能产品和服务。

全球扩张与人才吸纳：Google不仅在美国本土加强了AI团队建设，还在全球范围内搜罗顶尖人才，意图构建多元化的研究力量，以应对不同市场的需求和挑战。比如，2017年在中国和加拿大组建AI研发团队。2018年在法国巴黎建立人工智能研究中心，该中心计划在未来几年内招聘数百名工程师和研究人员，专注于基础AI研究。2019年，在非洲的加纳阿克拉设立了其首个AI研究中心，旨在利用非洲的创新潜力，推动AI研究和应用的发展。

AI大模型资本运作

通过风险及战略投资加强产业布局：通过其风险投资部门GV（前身为Google Ventures）AI初创公司进行投资。Axios曾报道，GV与Google会对人工智能项目进行联合投资，金额从100万美元至1000万美元不等。承诺向AI研究公司Anthropic投资高达20亿美元，此前已有预投资和逐步追加投资的记录，表明其对高级AI研究的重视和长期投资策略。

战略并购增强了其技术优势：Google历史上有多次重要的AI相关并购，如2014年收购DeepMind，不仅加强了其在深度学习和强化学习方面的能力，也为后续在医疗、游戏等领域的突破奠定了基础。通过并购，Google还整合了如API.AI（后改名为Dialogflow）这样的对话平台，专注于深度学习和机器学习系统的印度初创公司Halli Labs，以及一家使用基于神经网络的人工智能平台来处理图像的计算机视觉公司AIMatter。

DeepMind CEO Demis Hassabis在最近举行的 TED 大会上表示Google将着力加强在AI领域的相关投资，预计到2025年，Google在AI领域的总投入将达到1000亿美元。

AI大模型生态体系

Google通过自身的技术积累、产品创新、行业应用拓展，以及广泛的合作伙伴网络，构建了一个既深且广的AI生态系统。

1. 从技术研发、基础设施到行业解决方案，全栈布局AI生态体系

技术研发与创新：Google通过DeepMind、Google Brain等研究机构，持续在大模型领域进行基础研究和技术创新，如Gemini等大模型的发布，展现了其在多模态、高精度AI技术的领先地位。同时，不断优化的TensorFlow、JAX等开源框架，降低了开发者的进入壁垒，促进了技术的普及与共享。

基础设施与计算资源：Google Cloud提供了强大的计算能力，包括专门针对AI和机器学习优化的TPU（张量处理单元），为大模型训练和部署提供了坚实的基础。

产品和服务AI化：Google将其AI技术深度融入到旗下几乎所有的产品中，包括搜索引擎、Google Maps、Android操作系统、Google Home智能音箱等，提升了用户体验，同时推动了AI技术在日常生活中的普及。

行业解决方案：Google Cloud平台在全球范围内扩展，进入23个地区，提供包括Vertex AI在内的AI平台服务，助力企业客户实现数字化转型和智能化升级。Google还利用AI分析海底定位、助力农业和航空等领域，显示了其在行业应用上的广泛探索。

2. 积极开展对外合作，推动全球AI生态建设

开放生态与合作：通过开放API、工具包和平台，Google鼓励开发者、研究人员和企业参与到AI生态中，共同推动技术进步和应用创新。同时，Google通过投资、并购等方式与外部伙伴合作，不断拓宽其AI技术的应用场景和影响力边界。

支持初创企业和研究机构：Google通过投资、孵化器项目或直接合作，支持AI初创企业及研究机构，比如与大学AI研究团队的合作，旨在推动AI技术的前沿探索和应用落地。

与各行各业的企业合作拓展AI应用：共同开发AI解决方案，如与农业、航空领域的伙伴合作，使用AI和地理空间技术解决实际问题。

国际会议与社区互动：Google通过参加Google I/O等大型会议，分享最新的AI研究成果和技术进展，与全球开发者、企业和研究者保持紧密沟通，增强其在全球AI生态中的影响力。

总体来说，Google在AI大模型部分领域中被赶超，在应用和商业化落地方面落后于OpenAI和微软。不过，Google在算法模型和芯片算力层面依然进度领先，并且相对于竞争对手来说核心环节布局的完整程度更高，在未来几年中仍将具有优势。