谷歌的AI大变革:商业模式转型

  每周跟踪AI热点新闻动向和震撼发展 想要探索生成式人工智能的前沿进展吗?订阅我们的简报,深入解析最新的技术突破、实际应用案例和未来的趋势。与全球数同行一同,从行业内部的深度分析和实用指南中受益。不要错过这个机会,成为AI领域的领跑者。点击订阅,与未来同行! 订阅:https://rengongzhineng.io/

经过几个月的高度猜测,谷歌终于展示了其关于AI和未来搜索的计划,这可能成为资本主义历史上最激烈的商业模式转变之一。

谷歌准备重新定义其主要收入来源,尽管其最新的GenAI产品发布再次自取其辱。然而,随着向AI的转变,谷歌可能会摧毁数百家小企业,整个职业生涯都将不得不适应以求生存。

但谷歌在这种改变中会把自己仍然健康的业务置于风险之中吗?

并不会。

实际上,谷歌作为一家公司极有可能取得成功,但其中的原因可能会让你感到惊讶:蛋白质和多元化。

适应变化的时代


2022年12月,也就是ChatGPT公测发布一个月后,某作者写了一篇题为《ChatGPT能杀死谷歌吗?》的文章。在那篇文章中,作者认为随着AI的发展,标准化搜索的商业模式正在走向灭亡。顾客最看重的是速度和相关性,因此直接向ChatGPT寻求答案而不是通过无数SEO优化的链接搜索是明智的选择。当然,ChatGPT当时完全没有准备好担任这个角色,但讨论的不是现在,而是未来。随着大型语言模型(LLM)的发展,成为主要搜索产品只是时间问题。

17个月后,作者的预测部分正确。

对搜索的高度依赖


虽然作者在预测上是对的(搜索的现状是沉船),但对谷歌克服这一问题的能力过于怀疑和悲观,讽刺的是,这一问题正是谷歌自己造成的。谷歌创造并公开发布了导致ChatGPT诞生的大部分技术进步,如Transformers和词嵌入。

原因无他,搜索当时代表了其直接业务的58%以上,同时与从YouTube和Google网络(站内广告)广告份额中衍生的额外20%密切相关:

简单来说,为了在这个由AI主导的世界中生存,谷歌必须颠覆(婉转地说“杀死”)其主要收入来源,这看起来很复杂。而更雪上加霜的是,整个2023年,他们的AI策略充满争议,像Bard这样糟糕的产品对于一家多年来推动AI行业进步的公司来说是不可接受的。

然而,初创公司如Perplexity抓住了机会,推出了一款让搜索变得更愉快的产品。

最终,到了年底,谷歌放弃了Bard,推出了Gemini,一款首次真正与OpenAI的GPT-4 LLM相媲美的LLM。就这样,事情开始转变,直到我们看到了谷歌的新形态。

准备迎战


虽然许多人可能因为谷歌的坏消息和糟糕的时间执行而过于激动,但如果仔细观察,它仍然处于有利位置。


除了向AI搜索转型是不可避免的,谷歌长期以来一直在努力提高其搜索引擎提供的内容质量。作为几十年来互联网的大门,一个专门帮助公司在搜索引擎中排名更高的行业出现了,即SEO。然而,随着任何营利模式的出现,取悦股东的压力最终引诱谷歌越来越多地向愿意付费排名靠前的公司倾斜,形成了完美风暴。

一方面,SEO模式促使内容创作者更多地关注SEO优化而不是创造价值,使搜索过程变得令人厌烦和无关紧要。另一方面,追求利润导致前几个(有时更多)的十个蓝色链接是赞助链接,进一步恶化了体验。

在某个时刻,谷歌的商业模式被简化为向数十亿顾客强行灌输无关内容和广告,他们接受这种命运不是因为它是一个伟大的产品,而是因为他们别无选择。但在今年的Google I/O大会上,公司终于迈出了我们所有人(除了现有利益相关者)期待的一步:全面拥抱AI搜索,即使执行得很糟糕。

改变游戏规则


即将到来的范式转变是明确的:人类将提问,而AI将搜索。然而,谷歌实际上复制了Perplexity的策略,将搜索过程变成了以下步骤:

用户写下搜索查询。Gemini接收查询,识别主要关键词,制定搜索计划——基本上就是确定要搜索的内容。使用谷歌的API执行搜索并将其捆绑成一个提示,Gemini模型然后用它来生成对用户查询的响应。


最后,将生成的文本显示在谷歌称之为“AI概述”页面上,如果你想探索Gemini用来汇总响应的任何网站,会将主要相关链接添加在下面。


简而言之,除非用户对AI生成的响应不满意,否则Gemini会完成所有点击操作,这对用户行为来说是一个巨大的转变,毫不奇怪,这对某些人来说会带来严重的后果。

一个未解的问题


简而言之,依赖Google AdSense来实现内容货币化的网站可能会看到收益大幅下降。当然,谷歌对此予以否认,因为自3月以来的搜索负责人Liz Reid认为这实际上会导致开放网络上的点击量增加。老实说,这很难让人相信。

当然,如果你的网站被Gemini持续选中来响应用户的请求,你会增加流量,但这非常难以预测。Gemini是一个大型语言模型(LLM),即一个完全的黑箱。这意味着模型计划搜索(选择搜索内容)的步骤是高度不可预测的。换句话说,这个过程是非确定性的,这意味着一个完全相同的字母搜索可能在每种情况下都会产生略有不同的搜索计划,从而产生略有不同的网站候选。

这假设Gemini用于查找网站的API由谷歌的专有算法驱动是确定性的,但这是未知数。否则,你会在搜索中增加一个额外的自由度,也是“随机”的,这使得预测搜索流量成为一场梦幻,即使是对谷歌来说。如果谷歌无法预测网站流量,这可能会影响广告客户的转化率,这种不确定性可能会阻止他们使用谷歌的广告软件。

这可能会诱使谷歌对赞助链接赋予更高的权重,使API结果更具可预测性,将整个过程变成一个“付费取胜”的局面。当然,这纯粹是猜测。主要结论是,决定显示什么内容远未完全在谷歌的控制之下。这意味着即使他们不想影响你的流量,他们也无法保证这种情况除非他们强制执行,这意味着对付费排名赋予更高的权重。

谷歌无法控制AI的最大证明无非是其令人尴尬的AI概述发布。简而言之,模型的回应常常出错,有许多例子证明这一点。回到正题,依靠站内广告生活的人不是唯一可能受影响的人。流行的电子商务品牌也可能受到严重打击。

这一点在谷歌CEO桑达尔在会议上展示的演示中变得明显,Gemini返回了一双鞋。这尤其重要,因为AI也可能潜在地驱动顾客的整个购买流程并简化退货过程。

因此,如果AI能够提供顾客正在寻找的确切产品,而AI完成所有搜索工作,由于许多电子商务网站的大部分流量来自于其域名权重,而不是寻找特定产品(与品牌网站不同),不太知名的电子商务网站可能因为拥有顾客所寻找的确切产品而获胜,而顾客无需在更受欢迎的市场中搜索一秒钟。这也可能导致价格的底线竞争,因为价格对用户来说可能是一个重要因素。

然而,到目前为止,还没有讨论谷歌为何在所有混乱中做出了正确的举动。

以AI为中心的现金奶牛


目前,谷歌和AI的未来是完全交织在一起的;它们是同义词。但幸运的是,谷歌对AI的“新依赖”是精妙地多元化的。

广告……以不同的方式. 首先,谷歌可能会将Google Network(根据引用的来源不同,目前收入的10–12%左右),用于站内广告,作为牺牲品。无论这是否属实,将取决于谷歌能否继续保证高付费客户的流量。目前,展示广告(在YouTube或其他谷歌产品上)似乎并没有受到这一变化的特别影响。

云服务,持续的礼物
至于云业务,不足为奇的是,许多大科技公司正在慢慢成为云服务提供商。它是亚马逊的主要利润来源,它是微软最大的收入部分,甚至NVIDIA也在GPU层面涉足云计算.对于谷歌来说,这大约是业务的10%,并且在增长。随着对AI的需求持续增长,预计到2030年将实现28%的复合年增长率,这一收入部分将随着时间的推移显著增加。考虑到谷歌是全球最大的计算提供商,显然最适合抓住这块大蛋糕。

然而,最令人兴奋的收入来源可能直接来自AI产品:Gemini和AlphaFold。

一个新的医疗巨头


从Gemini的角度来看,就像微软通过OpenAI或其内部LLM,或者Meta一样,构建LLM的公司创造价值的机会难以忽视。不仅如此,谷歌在AI管道的每一层中都扮演着角色:

它构建自己的AI硬件,TPU,这意味着它对NVIDIA等硬件提供商的依赖性较小(尽管仍然是客户)。它通过云计算业务提供基础设施服务。它构建并提供其专有模型,即Gemini系列,并且还参与了像Anthropic(Claude模型)这样的公司。它还在应用层具有强大的存在,推出了强大的工作空间工具,如AI Teammate,作为B2B模型,并且拥有现金和专业知识可以垂直进入任何行业。
谈到这一点,它可能有第一个“目标”:医疗保健。

如果我们看看谷歌的AI模型发布,每一个通用模型总会发布一个医学专用版本。Med-Palm和最近的Med-Gemini就是明显的例子。换句话说,谷歌在医疗虚拟助手领域占据主导地位,帮助医生和护士提供更好的病人护理并不令人惊讶。然而,谷歌医疗保健战略中最光明的机会最近浮现,即同构实验室,通过AlphaFold 3将其行业变革性发现货币化。

AlphaFold是一个蛋白质折叠预测器。换句话说,它输入氨基酸序列并输出其蛋白质结构。仅凭模型的早期版本,该模型已被认为是生物学家不可或缺的工具,而根据著名投资者和亿万富翁Chamath Palihapitiya的说法,它单凭一己之力就可能轻松成为一个价值1000亿美元的业务,这可能是谷歌应对新搜索范式不确定性的秘密武器。

多元化的巨兽


长期以来被认为是历史上最好的商业模式,在过去一年多时间里,谷歌终于因为对搜索的过度依赖而显得脆弱。当然,风险是存在的。Perplexity、微软和据称的OpenAI都准备在搜索领域一较高下。谷歌搜索的最终形态尚未显现。许多悬而未决的问题依然存在,谷歌可能也没有答案。如果谷歌的AI搜索实现笨拙,广告目标客户可能会转向Meta等其他平台。使用AI推动搜索有可能为用户提供下一个级别的服务,但它为这一过程增加了大量随机性,谷歌可能通过将其转变为“付费取胜”的业务来解决。这将影响搜索用户和争夺流量的公司。

至于同构实验室,它显然是一个可能为公司带来万亿美元收益的冒险,也可能是一个巨大的失败。不管怎样,不要低估Demis Hassabis的能力,但结果如何无人知晓。尽管存在风险,Gemini的出现和Google Deepmind在生物学和机器人学方面的惊人发现,使得谷歌在AI竞赛中处于有利地位。

这一切,再加上谷歌惊人的计算能力,这对于以预期规模交付AI至关重要,表明谷歌可能终于击中了所有正确的音符(除了产品发布方面.

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/849413.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

界面控件DevExpress WinForms的流程图组件 - 可完美复制Visio功能(二)

DevExpress WinForms的Diagram(流程图)组件允许您复制Microsoft Visio中的许多功能,并能在下一个Windows Forms项目中引入信息丰富的图表、流程图和组织图。 P.S:DevExpress WinForms拥有180组件和UI库,能为Windows F…

【论文速读】| BIOCODER:一个具有上下文实用知识的生物信息学代码生成基准测试

本次分享论文:BIOCODER: A Benchmark for Bioinformatics Code Generation with Contextual Pragmatic Knowledge 基本信息 原文作者:Xiangru Tang, Bill Qian, Rick Gao, Jiakang Chen, Xinyun Chen, Mark Gerstein 作者单位:耶鲁大学, Go…

爬取基金收盘价并用pyecharts进行展现

爬取基金收盘价并用pyecharts进行展现 一、用到的第三方包 因为使用到了一些第三方的包,包还是比较大的如果直接从社区下载比较费劲,所以建议配置国内镜像源,这里以清华的镜像源为例。 pip config set global.index-url https://pypi.tuna…

具有 MOSFET 的电压到电流 (V-I) 转换器电路

设计说明 该单电源、低侧、V-I 转换器向可以连接到比运算放大器电源电压更高的电压的负载提供经过良好调节的电流。该 电路接受介于 0V 和 2V 之间的输入电压,将其转换为介于 0mA 和 100mA 之间的电流。通过将低侧电流检测电 阻 R3 上的压降反馈到运算放大器的反相…

十、C语言:数据存储(大端小端存储,整型、浮点型存储)

一、大端存储与小端存储 大端字节序: 数据的低位字节序内容存放在高地址处,高位字节序内容存放在低地址处 小端字节序: 数据的低位字节序内容存放在低地址处,高位字节序内容存放在高地址处 //每个地址单元对应一个字节 二、 整型存…

AI绘画如何打造高质量数据集?

遇到难题不要怕!厚德提问大佬答! 厚德提问大佬答11 你是否对AI绘画感兴趣却无从下手?是否有很多疑问却苦于没有大佬解答带你飞?从此刻开始这些问题都将迎刃而解!你感兴趣的话题,厚德云替你问,你…

鸿蒙开发教程:新手入门必看

一 开发设备要求 Windows环境运行要求: 根据华为官方文档,为了开发基于鸿蒙系统的应用,电脑的配置需求如下: 操作系统:建议至少为Windows 10 64位或Windows 11 64位版本。内存:至少需要8GB以上。硬盘空间…

使用Redis缓存实现短信登录逻辑,手机验证码缓存,用户信息缓存

引入依赖 <dependency><groupId>org.springframework.boot</groupId><artifactId>spring-boot-starter-data-redis</artifactId></dependency> 加配置 spring:redis:host: 127.0.0.1 #redis地址port: 6379 #端口password: 123456 #密码…

毫米波雷达深度学习技术-1.6目标识别1

1.6 目标识别 利用检测和跟踪在距离、多普勒和角度这两个维度中的任意一个进行精确的目标定位后&#xff0c;将检测到的目标分类到所需的类别中。与检测类似&#xff0c;提出了多种框架来同时使用图像和点云进行目标分类。使用图像进行目标分类的最常见方法是从检测到的目标特征…

10款必备软件,每款都是神器,赶快用起来吧!

AI视频生成&#xff1a;小说文案智能分镜智能识别角色和场景批量Ai绘图自动配音添加音乐一键合成视频https://aitools.jurilu.com/最近有很多小伙伴在咨询&#xff0c;我也抓紧时间整理了一些不错的软件和我陆续收到的&#xff0c;希望对大家有所帮助。 1. 全球鼠标——MouseI…

vue2组件封装实战系列之space组件

组件之 GfSpace 多个同类型的内容比如 div/span/button/li 等&#xff0c;实现水平、垂直方向的均匀布局的功能 效果预览 属性 参数类型说明可选值默认值flexBoolean是否 flex 布局true/falsefalsegapNumber内容间距-10directionString内容排列方向row/columnrow 代码实现 这…

机器学习扩展包MLXtend绘制分类模型决策边界

公众号&#xff1a;尤而小屋编辑&#xff1a;Peter作者&#xff1a;Peter 大家好&#xff0c;我是Peter~ 继续更新机器学习扩展包MLxtend的文章。本文介绍如何使用MLxtend来绘制与分类模型相关的决策边界decision_regions。 导入库 导入相关用于数据处理和建模的库&#xff…

技术对比:eMMC、SD NAND与NOR Flash存储特性详解

在电子技术迅猛前进的今天&#xff0c;存储技术成为了整个行业发展的基石。SD NAND、eMMC和NOR Flash&#xff0c;这三种存储技术各自以其独特的架构和特性&#xff0c;满足了多样化的存储需求。让我们来看看它们之间的一些关键对比&#xff1a; 1. 存储单元架构&#xff1a; S…

Perfectly Clear WorkBench v4 解锁版安装教程 (图像修复增强工具)

前言 Perfectly Clear WorkBench 是一款图像修复工具&#xff0c;可以帮助用户对自己的图片素材进行修复&#xff0c;很多的照片因为拍摄问题&#xff0c;或者设备限制&#xff0c;会导致拍摄效果不好&#xff0c;使用这款软件可以进行一定程度的修复&#xff0c;当拍摄时亮度…

Ant Design+react 表单只读

表单禁用&#xff0c;样式不好看&#xff0c;不符合甲方标准&#xff0c;看了一下文档&#xff0c;select、radio等都不支持只读状态。 解决方法&#xff1a; 利用css3的point-events属性&#xff0c;设置为none 在查看弹窗时&#xff0c;传入一个变量&#xff0c;当变量为true…

了解光隔离器和光耦合器:主要区别和应用

光隔离器和光耦合器是现代电子电路中必不可少的组件&#xff0c;提供一项关键功能&#xff1a;电路不同部分之间的电气隔离。虽然它们在许多方面相似且经常互换使用&#xff0c;但两者之间存在明显差异&#xff0c;主要基于它们的工作电压能力。本文深入探讨了这些组件的基础知…

最新23道vue2+vue3面试题带答案汇总

文章目录 MVVM与MVC的区别Vue 2与Vue 3的主要区别Vue 3的优势Vue 2 是如何实现数据绑定的&#xff1f;Vue 2 中的 v-model 是如何工作的&#xff1f;Vue 2 的生命周期钩子有哪些&#xff1f;Vue 3 使用了什么技术来实现响应式系统&#xff1f;Vue 3 中的 Composition API 带来了…

windows系统内查看电脑SN号

cmd命令行模式下&#xff0c;输入代码wmic bios get serialnumber可以查看到当前计算机的SN号码

Python爬取与可视化-豆瓣电影数据

引言 在数据科学的学习过程中&#xff0c;数据获取与数据可视化是两项重要的技能。本文将展示如何通过Python爬取豆瓣电影Top250的电影数据&#xff0c;并将这些数据存储到数据库中&#xff0c;随后进行数据分析和可视化展示。这个项目涵盖了从数据抓取、存储到数据可视化的整个…

记一次Linux下Docker镜像服务器磁盘空间清理

我们开发环境Jenkins构建项目时报服务器磁盘空间不足&#xff0c;导致项目自动化构建部署失败&#xff0c; Docker镜像服务器磁盘空间清理我们做了多次了&#xff0c;之前在清理Docker镜像服务器时走了不少弯路&#xff0c;查了不少Docker镜像服务器空间清理&#xff0c;都大同…