Google AI编年史：搜索巨头的创新者困境

Google AI编年史：搜索巨头的创新者困境

品玩 · 关注本文来自微信公众号：硅星GenAI，整理：周华香

题图来自视觉中国（谷歌在纳斯达克公开上市，2004.8.19）

史上最经典的创新者困境

想象这样一个场景：

你拥有一家极其赚钱的公司，在全球**的市场之一中占据90%的份额，被美国政府认定为垄断企业。

然后，你的研究实验室发明了一项革命性技术——这项技术比你现有的产品在大多数应用场景中都要好得多。

出于“纯粹的善意”，你的科学家们将研究成果发表了出来。很快，创业公司们开始基于这项技术构建产品。

你会怎么做？当然是全力转向新技术，对吧？

但问题是：你还没有找到让这项新技术像旧业务那样赚钱的方法。

这就是今天的Google。

2017年，Google Brain团队发表了Transformer论文——这篇论文催生了OpenAI的ChatGPT、Anthropic、以及NVIDIA市值的暴涨。

整个AI革命都建立在Google的这一项发明之上。

更令人惊讶的是：10年前，几乎所有AI领域的顶尖人才都在Google工作——Ilya Sutskever（OpenAI首席科学家）、Dario Amodei（Anthropic创始人）、Andrej Karpathy（前Tesla AI负责人）、Andrew Ng、所有DeepMind创始人……

这就像在计算机时代的黎明，IBM雇佣了全世界每一个会编程的人。

今天，Google依然拥有**的AI资产组合：**模型Gemini、年收入500亿美元的云服务、**可与NVIDIA GPU抗衡的TPU芯片，以及全球**的搜索流量入口。

但问题依然存在：Google应该如何抉择？是冒险全力投入AI，还是保护搜索广告这棵摇钱树？

让我们回到故事的起点，看看Google如何走到今天这一步。

**章：起源（2000—2007）

微厨房里的对话改变了一切

故事要从2000年或2001年的某一天说起。在Google的某个微厨房（micro kitchen）里，三个工程师正在吃午餐：Google最早的10名员工之一George Herrick、**工程师Ben Gomes，以及新入职的Noam Shazeer。

George随口说了一句改变历史的话：“我有个理论——压缩数据在技术上等同于理解数据。”

他的逻辑是：如果你能把一段信息压缩成更小的形式存储，然后再还原成原始形态，那么执行这个过程的系统一定“理解”了这些信息。就像学生学习教科书，在大脑中存储知识，然后通过考试证明理解了内容。

年轻的Noam Shazeer停下了手中的动作：“哇，如果这是真的，那太深刻了。”这个想法预示了今天的大型语言模型——将全世界的知识压缩到几TB的参数中，然后“解压”还原出知识。

PHIL的诞生：**个语言模型

接下来的几个月里，Noam和George做了一件最“Google”的事情：他们停下了所有其他工作，全身心投入研究这个想法。这恰好是2001年Larry Page解雇了所有工程经理的时期——每个人都在做自己想做的事。

很多人觉得他们在浪费时间。但Sanjay Ghemawat（Jeff Dean的传奇搭档）说：“我觉得这很酷。”George的回应令人印象深刻：“Sanjay认为这是好主意，而世界上没人比Sanjay更聪明，所以为什么要接受你认为这是坏主意的观点？”

他们深入研究自然语言的概率模型——对于互联网上出现的任何词序列，下一个词序列出现的概率是多少？（这就是今天LLM的基本原理。）他们的**个成果是Google搜索的“你是不是要找”拼写纠正功能。然后他们创建了一个相对“大型”（在当时）的语言模型，亲切地称之为PHIL（Probabilistic Hierarchical Inferential Learner）。

Jeff Dean的周末项目

2003年，Susan Wojcicki和Jeff Dean准备推出AdSense。他们需要理解第三方网页的内容，以便投放相关广告。Jeff Dean借用了PHIL，用一周时间写出了AdSense的实现（因为他是Jeff Dean）。Boom，AdSense诞生了。这为Google一夜之间带来了数十亿美元的新收入——因为他们把原有的AdWords广告投放到了第三方网页上，瞬间扩大了库存。

Jeff Dean传奇时刻

在那个“Chuck Norris Facts”流行的年代，Google内部流行起了“Jeff Dean Facts”：真空中的光速曾经是每小时35英里，直到Jeff Dean花了一个周末优化了物理学。Jeff Dean的PIN码是圆周率的最后四位数字。对Jeff Dean来说，NP问题意味着“No Problemo”（没问题）。

到2000年代中期，PHIL已经占用了Google数据中心15%的基础设施——用于AdSense广告投放、拼写纠正等各种应用。

第二章：黄金十年（2007—2012）

从12小时到100毫秒的奇迹

2007年，Google推出了翻译产品。首席架构师Franz Och参加了DARPA的机器翻译挑战赛。Franz构建了一个更大的语言模型，在两万亿词的Google搜索索引上训练，取得了天文数字般的高分。Jeff Dean听说后问：“太棒了！你们什么时候上线？”Franz回答：“Jeff，你不明白。这是研究项目，不是产品。这个模型翻译一个句子需要12小时。”

DARPA挑战赛的规则是：周一给你一组句子，周五提交翻译结果。所以他们有足够时间让服务器运行。Jeff Dean的回应是：“让我看看你的代码。”几个月后，Jeff重新架构了算法，让它可以并行处理句子和单词。因为翻译时不一定需要按顺序处理——可以把问题分解成独立的部分。而Google的基础设施极其擅长并行化。结果：平均翻译时间从12小时降到了100毫秒。然后他们在Google翻译中上线了这个模型，效果惊人。这是Google在产品中使用的**个“大型”语言模型。

斯坦福AI实验室的秘密

2007年4月，Larry Page从斯坦福挖来了Sebastian Thrun——斯坦福人工智能实验室（SAIL）的负责人。有趣的是，Sebastian几乎是被“收购”进来的——他和几个研究生正在创业，已经拿到了Benchmark和Sequoia的term sheet。Larry直接说：“不如我们用签字费的形式收购你们还未成立的公司？”SAIL不仅汇聚了世界上***的AI教授，还有一批斯坦福本科生在那里做研究助理。其中一位是Meta的首席产品官Chris Cox。另一位大一大二学生后来辍学了，参加了YC 2005年夏季**批，创办了一个失败的本地移动社交网络……那就是Sam Altman，公司叫Loopt。是的，Sam Altman曾在SAIL做研究，还在WWDC上和乔布斯同台展示，穿着双层翻领衬衫——那是不同的科技时代。

Google X与Google Brain的诞生

Sebastian加入Google后，首个项目是Ground Truth——重新创建所有地图数据，摆脱对Tele Atlas和Navtech的依赖。这个项目非常成功。Sebastian开始游说Larry和Sergey：“我们应该大规模做这件事——把AI教授们引入Google做兼职。他们可以保留学术职位，来这里参与项目。他们会喜欢的——看到自己的工作被数百万人使用，赚钱，拿股票，还能继续当教授。”Win-win-win。

2007年12月，Sebastian邀请多伦多大学一位相对不知名的机器学习教授Geoff Hinton来Google做技术演讲——谈谈他和学生们在神经网络方面的新工作。Geoff Hinton，现在被称为“神经网络教父”，在当时是边缘学者。神经网络不受尊重——30~40年前的炒作已经破灭。有趣的冷知识：Geoff Hinton是George Boole的曾曾孙——布尔代数和布尔逻辑的发明者。讽刺的是，布尔逻辑是符号化、确定性的计算机科学基础，而神经网络恰恰相反——是非确定性的。

Geoff和前博士后Yann LeCun一直在传播：如果我们能实现多层深度神经网络（深度学习），就能实现这个领域的承诺。到2007年，摩尔定律的发展让测试这些理论成为可能。Geoff的演讲在Google引发轰动——这可以让他们的语言模型工作得更好。Sebastian把Geoff引入Google，先是顾问，后来Geoff在2011~2012年左右成为Google的暑期实习生——当时他已经60岁了。

到2009年末，Sebastian、Larry和Sergey决定成立一个新部门：Google X，登月工厂。**个项目Sebastian自己领导。第二个项目将改变整个世界——Google Brain。

Google Brain：Distbelief与猫论文

Andrew Ng接任SAIL负责人后，也被Sebastian招募来兼职。2010~2011年间的某天，Andrew在Google园区碰到了Jeff Dean。他们讨论了语言模型和Geoff Hinton的深度学习工作。他们决定：是时候在Google高度并行化的基础设施上，尝试构建一个真正大型的深度学习模型了。2011年，Andrew Ng、Jeff Dean和神经科学博士Greg Corrado三人启动了Google X的第二个官方项目：Google Brain。Jeff为此构建了一个系统，命名为Distbelief——既是双关“分布式”（distributed），也是“难以置信”（disbelief），因为大多数人认为这不会成功。

技术突破：异步分布式学习当时所有研究都认为需要同步训练——所有计算需要密集地在单机上进行，就像GPU那样。但Jeff Dean反其道而行之：Distbelief在大量CPU核心上分布式运行，可能跨越整个数据中心，甚至不同数据中心。理论上这很糟糕——每台机器都需要等待其他机器同步参数。但Distbelief采用异步更新——不等待最新参数，基于过时数据更新。理论上不应该有效。但它成功了。

改变世界的猫论文 2011年底，他们提交了一篇论文：《使用大规模无监督学习构建高级特征》——但所有人都叫它“猫论文”（Cat Paper）。他们训练了一个九层神经网络，使用16000个CPU核心（跨1000台机器），从YouTube视频的未标注帧中识别猫。Sundar Pichai后来回忆说，看到猫论文是他在Google历史上最关键的时刻之一。后来的TGIF（全员大会）上展示这个结果时，所有Google员工都意识到：“天啊，一切都变了。”

猫论文的商业影响 Jeff Dean的描述：“我们构建的系统在1000万个随机YouTube帧上进行无监督学习。经过一段时间训练后，模型在最高层构建了一个表示——有一个神经元会对猫的图像兴奋。它从未被告知什么是猫，但它见过足够多的猫正面照片，那个神经元就会为猫点亮，基本不为其他东西点亮。”这证明了：大型神经网络可以在没有监督、没有标注数据的情况下学习有意义的模式。而且可以在Google自己构建的分布式系统上运行。YouTube的问题是：人们上传视频，但不擅长描述视频内容。推荐系统只能基于标题和描述。猫论文证明，可以用深度神经网络“看懂”视频内部的内容，然后用这些数据决定推荐什么视频。这导致了YouTube的一切，让YouTube走上了成为全球**互联网资产和**媒体公司的道路。

重要观点：AI时代始于2012年 所有人都说2022年后是AI时代。但对于任何能充分利用推荐系统和分类系统的公司来说，AI时代始于2012年。

第三章：大爆炸时刻（2012—2017）

AlexNet：深度学习的“宇宙大爆炸” 2012年，除了猫论文，还有Jensen（NVIDIA CEO）所说的“AI大爆炸时刻”：AlexNet。回到多伦多大学，Geoff Hinton有两个研究生：Alex Krizhevsky和Ilya Sutskever（未来OpenAI的联合创始人和首席科学家）。三人用Geoff的深度神经网络算法参加**的ImageNet竞赛——斯坦福李飞飞组织的年度机器视觉算法竞赛。李飞飞组建了1400万张手工标注图像的数据库（用Amazon Mechanical Turk标注）。竞赛内容是：哪个团队能写出算法，在不看标签的情况下——仅看图像——最准确地预测标签？

GPU的关键作用 多伦多团队去本地百思买（Best Buy）买了两块NVIDIA GeForce GTX 580显卡——当时NVIDIA的**游戏卡。他们用NVIDIA的编程语言CUDA重写神经网络算法，在这两块现成的GTX 580上训练。结果：他们比任何其他参赛者好40%。这就是AlexNet——引发深度学习革命的时刻。

**次AI拍卖 三人做了很自然的事：成立公司DNN Research（Deep Neural Network Research）。这家公司没有产品，只有AI研究人员。可以预见的是，它几乎立即被收购了——但有个有趣的故事：**个出价的实际上是百度。Geoff Hinton做了任何学者都会做的事来确定公司的市场价值：“非常感谢。我现在要举办一场拍卖。”他联系了百度、Google、微软和DeepMind。拍卖以4400万美元结束，Google赢了。团队直接加入Google Brain。几年后，负责Google X的Astro Teller在《纽约时报》上被引用说：“Google Brain为Google核心业务（搜索、广告、YouTube）带来的收益，已经远超Google X和整个公司多年来所有其他投资的总和。”

DeepMind：AI界的YouTube收购 但Google的AI故事还有另一个重要部分——一次外部收购，相当于Google AI领域的YouTube收购：DeepMind。2014年1月，Google花5.5亿美元收购了一家伦敦的不知名AI公司。人们困惑：Google在伦敦买了个我从未听说过的做AI的东西？事实证明，这次收购是蝴蝶扇动翅膀的时刻，直接导致了OpenAI、ChatGPT、Anthropic，基本上导致了一切。

DeepMind的起源 DeepMind成立于2010年，由神经科学博士Demis Hassabis（之前创办过视频游戏公司）、伦敦大学学院的Shane Legg，以及第三位联合创始人Mustafa Suleyman共同创立。公司标语：“解决智能，然后用它解决一切。”Founders Fund领投了约200万美元的种子轮。后来Elon Musk也成为投资人（经过一次关于AI风险和火星的对话）。

收购大战 2013年底，Mark Zuckerberg打电话来要收购。但Demis坚持要独立性和特定的治理结构，Facebook不同意。Elon Musk提出用特斯拉股票收购，但希望他们为特斯拉工作，这不符合DeepMind的愿景。Larry Page（据说在和Elon的飞机上）得知此事，与Demis建立了联系。Demis感觉Larry理解他们的使命。经过谈判，Google提供5.5亿美元，交易达成，建立了独立的伦理委员会（包括PayPal黑帮的Reid Hoffman）。DeepMind团队保持独立，专注于AGI研究。收购后进展顺利，包括大幅节省运营成本（数据中心冷却降低40%能耗），后来的AlphaGo震惊世界。

第四章：Transformer革命（2017）

改变一切的八人团队 2017年，Google Brain团队的八名研究人员发表了一篇论文。Google本身的反应是：“酷。这是我们语言模型工作的下一次迭代。很好。”但这篇论文和它的发表，实际上给了OpenAI机会——接过球并奔跑，构建下一个Google。因为这是Transformer论文。

从RNN到Transformer的演进 在Transformer论文之前，Google已经用神经网络重写了翻译系统，基于循环神经网络（RNN）和LSTM——当时的***技术，是巨大进步。但持续研究发现了局限性——特别是一个大问题：它们太快地“遗忘”上下文。Google Brain内部团队开始寻找更好的架构，既能像LSTM那样不会太快忘记上下文，又能更好地并行化和扩展。研究员Jakob Uszkoreit一直在探索拓宽语言处理中“注意力”（attention）范围的想法。如果不只关注紧邻的词，而是告诉模型：注意整个文本语料库会怎样？Jakob开始合作，他们决定把这个新技术称为Transformer。

Noam Shazeer的魔法 还记得Noam Shazeer吗？早期语言模型PHIL的创造者，AdSense的关键人物。Noam听说这个项目后说：“嘿，我在这方面有经验。听起来很酷。LSTM确实有问题。这可能有前途。我要加入。”在Noam加入之前，他们有Transformer的工作实现，但实际上没有比LSTM产生更好的结果。Noam加入团队，基本上“pull了一个Jeff Dean”——从头重写了整个代码库。完成后，Transformer现在碾压了基于LSTM的Google翻译解决方案。而且他们发现：模型越大，结果越好。他们发表了论文：《Attention Is All You Need》（注意力就是你所需要的一切）——明显呼应披头士经典歌曲。Transformer产生***的结果，极其高效，成为GPT等的基础。截至2025年，这篇论文被引用超过173000次，是21世纪被引用第7多的论文。

人才流失的开始 当然，在几年内，Transformer论文的全部八位作者都离开了Google，要么创办要么加入AI创业公司，包括OpenAI。残酷。

第五章：OpenAI的崛起（2018—2022）

GPT系列的诞生 2018年6月，OpenAI发表了一篇论文，描述他们如何采用Transformer，开发了一种新方法：在互联网大量通用文本上预训练；然后将这种通用预训练微调到特定用例；他们还宣布训练并运行了这种方法的**个概念验证模型：GPT-1（Generatively Pre-trained Transformer version 1）。2019年，在**次微软合作和10亿美元投资后，OpenAI发布GPT-2——仍然早期但非常有前途。2020年6月，GPT-3问世。仍然没有面向用户的前端界面，但已经非常好。开始出现大量炒作。之后，微软再投资20亿美元。2021年夏天，微软使用GPT-3发布GitHub Copilot——这是**个，不仅是微软产品，而是任何地方**个将GPT融入的产品。

ChatGPT：改变游戏规则的时刻 到2022年底，OpenAI有了GPT-3.5。但仍有个问题：我该如何实际使用它？Sam Altman说：我们应该做一个聊天机器人。这似乎是自然的界面。一周内，内部就做出来了。他们只是把对ChatGPT 3.5 API的调用变成一个产品——你和它聊天，每次发送消息就调用GPT-3.5 API。结果证明这是神奇的产品。2022年11月30日，OpenAI推出GPT-3.5新界面的研究预览版：ChatGPT。那天早上，Sam Altman发推：“今天我们推出了ChatGPT。试试和它聊天：chat.openai.com”不到一周：100万用户；一个月后（12月31日）：3000万用户；两个月后（1月底）：1亿注册用户——史上达到这一里程碑最快的产品。完全疯狂。

第六章：Google的Code Red（2023—2025）

错失的机会 讽刺的是，在ChatGPT之前，Google就有聊天机器人。Noam Shazeer——那个不可思议的工程师，重新架构了Transformer，Transformer论文的主要作者之一，在Google拥有传奇职业生涯——在Transformer论文发表后立即开始向Google领导层倡议：“我认为Transformer将如此重大，我们应该考虑抛弃搜索索引和10个蓝色链接模型，全力将整个Google转变为一个巨大的Transformer模型。”Noam实际上构建了一个大型Transformer模型的聊天机器人界面。Google继续研究Mina项目，发展成Lambda——也是聊天机器人，也是内部的。2022年5月，他们发布了向公众开放的AI Test Kitchen——一个AI产品测试区，人们可以试用Google的内部AI产品，包括Lambda聊天界面。但有个限制：Google将Lambda Chat的对话限制在五轮。五轮后，就结束了。谢谢，再见。原因是：安全考虑。

存在威胁时刻 ChatGPT问世，成为史上最快达到1亿用户的产品。对Sundar、Larry、Sergey，所有Google领导层来说，显而易见：这是对Google的存在性威胁。ChatGPT做Google搜索同样的工作，但有更好的用户体验。2022年12月，甚至在大规模推出之前但在ChatGPT时刻之后，Sundar在公司内部发布了Code Red（红色警报）。

Bard的灾难性发布 **件事：他们把Lambda模型和聊天机器人界面拿出来，重新命名品牌为Bard。2023年2月，立即发布，向所有人开放。也许这是正确的举动，但天啊，这是个糟糕的产品。很明显它缺少ChatGPT拥有的某种魔力——用人类反馈进行强化学习（RLHF）来真正调整响应的适当性、语气、声音、正确性。更糟糕的是：在Bard的发布视频中——一个精心编排的预录视频——Bard对其中一个查询给出了不准确的事实回应。Google股价单日暴跌8%，市值蒸发1000亿美元。5月，他们用Brain团队的新模型PaLM替换Lambda。稍好一点，但仍然明显落后于GPT-3.5。而且2023年3月，OpenAI推出了GPT-4——更好。

第七章：Gemini时代（2023至今）

Sundar的两个重大决策 此时，Sundar做出了两个非常非常重大的决定：决策一：统一AI团队 “我们不能再在Google内部有两个AI团队。我们要把Brain和DeepMind合并为一个实体：Google DeepMind。”Demis Hassabis担任CEO，Jeff Dean继续担任首席科学家。决策二：一个模型统治一切 “我要你们去做一个新模型，我们只有一个模型。这将是Google所有内部使用、所有外部AI产品的模型。它将被称为Gemini。不再有不同的模型，不再有不同的团队。只有一个模型用于一切。”这也是巨大的决定。

Gemini的快速发展 Jeff Dean和Brain的Oriol Vinyals与DeepMind团队合作，开始研究Gemini。后来当他们通过Character AI交易把Noam带回来时，Noam加入Gemini团队。现在Jeff和Noam是Gemini的两位联合技术负责人。关键特性：Gemini将是多模态的——文本、图像、视频、音频，一个模型。时间线：2023年5月：在Google I/O主题演讲中宣布Gemini计划；2023年12月：早期公开访问；2024年2月：推出Gemini 1.5，具有100万token上下文窗口；2025年2月：发布Gemini 2.0；2025年3月：一个月后推出Gemini 2.5 Pro实验模式；2025年6月：GA（全面可用）。六个月构建、训练、发布。疯狂。他们宣布Gemini现在有4.5亿月活跃用户。

AI全面整合 AI Overviews（搜索AI概览）：首先作为Labs产品推出，后来成为所有使用Google搜索的人的标准；AI Mode：深度AI搜索模式；多模态生成工具：Veo（视频）、Genie（游戏）等；企业应用：Google Workspace全面AI化。

第八章：创新者困境

Bull Case（乐观情景）：Google的优势 ①无与伦比的分发渠道，依然是全球“互联网入口”；②全栈AI能力（**模型Gemini、自研芯片TPU、云基础设施年收入500亿美元）；③基础设施优势（私有光纤网络、定制硬件）；④数据与个性化潜力（海量个人数据，1.5亿Google One付费用户）；⑤新市场机会（Waymo、视频AI等）；⑥**自给自足的模型制造商——所有模型制造商都依赖外部资本，除了Google。

Bear Case（悲观情景）：巨大挑战 ①变现难题（AI产品形态不适合广告，谁会为AI付费400美元/年？）；②市场份额下降（搜索占90%，AI市场可能只占25%-50%）；③高价值场景流失（旅行规划等场景被AI蚕食）；④产品优势不明显（1998年Google立即是**产品，今天有4-5个同等优秀的AI产品）；⑤失去生态支持（现在是在位者，不再是挑战者）；⑥人才流失（Transformer八位作者全部离开）。

战略困境的本质 “这是有史以来最引人入胜的创新者困境案例。”Larry和Sergey控制着公司。他们多次被引用说宁愿破产也不愿在AI上失败。但他们真的会吗？如果AI不像搜索那样是个好生意——仅仅因为它创造的巨大价值——如果不是，他们在两个结果之间选择：实现我们的使命（组织世界信息，使其普遍可访问和有用）VS拥有世界上最赚钱的科技公司。哪一个会赢？

第九章：未来展望

Google正在做对的事情 “如果看所有大型科技公司，Google——尽管事情的开始看起来多么不太可能——可能是目前在AI上尝试穿针引线做得**的。”他们在做艰难的决定：统一DeepMind和Brain；整合并标准化为一个模型；快速发布产品；同时不做鲁莽的决定。“快速但不鲁莽（Rapid but not rash）。”

战略建议 继续大胆整合，坚持Gemini统一战略；探索新变现模式；激活创新文化；利用全栈优势；务实预期管理；主动预判风险。

总结：一个时代的轮回 25年前，Larry Page说：“人工智能将是Google的**版本。如果我们有**搜索引擎，它将理解网络上的一切，理解你想要什么，并给你正确的东西。这显然是人工智能。我们现在还远未做到。但我们可以逐步接近，这基本上就是我们在这里工作的内容。”那是2000年。今天，Google拥有世界上**的AI模型之一、最强的AI芯片、**规模的云基础设施、以及数十亿用户的分发渠道。但他们也面临着有史以来最经典的创新者困境：发明了改变世界的技术（Transformer）；看着自己培养的人才创建竞争对手（OpenAI、Anthropic）；拥有**的资源却被自己的成功束缚；必须在保护现金牛和拥抱未来之间做出选择。这将是商业史上最引人入胜的案例研究之一。

Google能否成功穿过这根针？能否在不牺牲搜索业务的情况下赢得AI时代？能否证明在位者也可以主导下一个时代？答案将在接下来几年揭晓。而无论结果如何，Google AI编年史已经告诉我们：有时候，发明未来和拥有未来，是两件截然不同的事。