Google AI非坦途

  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/

谷歌会重蹈过去几年的尴尬,还是会成为绝对的赢家?

总体来说,这是一个15分钟的深入研究,提供了谷歌当前和未来的最新快照,帮助大家决定这是一个成功的企业,还是一个等待爆发的灾难。为什么要关心这个?了解谷歌的未来对投资者来说是必修课。然而,谷歌的文化影响力让任何想了解AI和世界运作方式的人都必须关注。这些人掌握了你在搜索网络时看到的内容,他们也决定了你孩子在空闲时间看到的内容,决定了你GPS屏幕上出现的餐厅,甚至掌握了娱乐业的未来。这是关于这家公司的故事,你将会看到,谷歌最大的敌人就在公司内部。

在聚焦谷歌之前,我们需要了解一下市场的状况,现在市场正处于疯狂状态。过去一个月,罗素2000指数(美国小盘股指数)上涨了近11%,而标准普尔500指数(大盘股指数)下跌了0.43%。这看起来并不是一个明显的轮换,但当你看看“壮丽七巨头”(苹果、亚马逊、谷歌、微软、Meta、特斯拉和英伟达)时,情况就变得清晰了,因为这七家公司在同一时期内下跌了30%。更糟糕的是,著名投资者汤姆·李认为标准普尔500指数在8月份将保持平稳,而小盘股可能会再上涨15%。请注意,这不是财务建议,这些投资者的预测很少准确;分享这个只是为了说明当前的市场情绪。

周二,Alphabet(谷歌母公司)公布了上一季度的业绩。简而言之,收入为840亿美元,比去年同期增长14%,净收入为236亿美元。87%的收入来自谷歌服务,谷歌的广告业务占总收入的76%。谷歌云首次超过100亿美元收入,营业收入达到10亿美元。YouTube广告收入继续增长,达到近90亿美元。自由现金流(衡量公司有效生成自由支出的关键指标)总计130亿美元,使谷歌的总现金额达到惊人的1007亿美元。

虽然这些数字看起来很大,但有两点要注意。根据Wiz董事会成员杰森·莱姆金的说法,谷歌刚刚未能以230亿美元收购Wiz,原因是后者担心交易不会通过Lina Khan对大科技并购的严格审查。应付账款(短期债务)占60亿美元,意味着大部分自由现金流将用于偿还债权人。但这里是问题所在:谷歌的网络业务,即从第三方网站上显示广告赚取的钱,连续第八个季度下滑。

如我们所述,谷歌还通过销售智能手机、订阅和云服务赚钱。也就是说,在这些情况下,AI仍将发挥重要作用。关于YouTube,谷歌正在推出几项新的AI功能以改善用户体验,但可能会使新兴创作者感到灰心。至于其Pixel智能手机产品线,AI被视为终端升级的关键催化剂,这也是苹果自宣布Apple Intelligence以来价值增长如此之大的原因,因为近年来iPhone销售并不理想。关于云服务,生成AI被视为未来几年增长的关键驱动力,因为所有云服务提供商在AI数据中心投资巨大。

总而言之,谷歌不仅需要把AI做好,不这样做可能会带来终结,因为其所有未来收入都可以追溯到AI。知道了这些,有哪些理由相信或失去对谷歌的信心?唯一可以告诉大家的是,这里有很多理由让你有两种看法。

如开头所说,谷歌拥有所有赢的牌。但正如大家将看到的,如果有一家公司能够搞砸,那就是他们。在进入真正的AI未来之前,需要分析一下谷歌的非搜索产品的前景。毫无疑问,谷歌之所以如此受赞誉,其中一个原因是YouTube的统治地位。YouTube不仅在观看其产品的眼球数量上远超其他流媒体服务(占有25%的市场份额),而且还是电视上观看最多的服务。

换句话说,无论屏幕类型如何,YouTube在屏幕时间上都占据主导地位。谷歌收入的另一大块是谷歌地图,根据一些统计,这可能至少是一个价值100亿美元的业务,考虑到其高市场份额(估计在50-70%之间)和研究人员估计地图上显示广告是一个200亿美元的市场。不过,苹果刚刚宣布推出浏览器版的Apple Maps,这可能会导致谷歌失去市场份额。至于边缘设备,谷歌在智能手机上的地位较小。然而,它在任何有意义的国家市场中都未能达到两位数。

AI有三个重要支柱:数据、计算和机器学习算法。数据和计算对训练模型至关重要,算法的选择决定了模型的学习效果。从战略角度看,甚至连OpenAI和微软也只能梦想在这三方面处于谷歌的位置。关于数据,他们通过谷歌搜索索引了整个公共互联网(尽管像CommonCrawl这样的努力减少了这一竞争优势)。但他们最大的胜利是,随着时间的推移,AI应逐渐从文本数据转向视频数据。

虽然文本只是通过人类写作的镜头提供了对世界的高层次视角,但视频允许机器捕捉到文本永远无法企及的低层次细节。例如,阅读关于纽约的文章和观看纽约的视频是同样的体验吗?用外行的话来说,视频为机器提供了视觉感(事物的外观)和时间感(事物的演变),为模型学习的表示提供了更多的细节和深度(模型实际感知和理解的世界)。在这个领域,没有人能接近谷歌的数据量。例如,每天上传到YouTube的视频长达720,000小时,占到4.2PB。

将这个数字进行比较,如果我们看看最近的Llama 3.1模型,这是LLM的最新前沿,他们在15万亿个标记(11.25万亿字)上训练了模型。每个标记2字节,这大约是30TB的数据,用于训练最新的前沿AI模型。而这只是每天上传到YouTube数据的0.7%。相信AI跨越到视频只是时间问题,而不是是否会发生的问题。当那一天到来时,谷歌将拥有巨大的优势。

转向计算,这是最有趣的地方,几乎到了侮辱人的地步。谷歌不仅拥有无与伦比的数据优势,他们还掌握了大量的计算资源。谷歌的TPU(张量处理单元)已经在处理全球范围内的AI工作负载,与传统的GPU相比,TPU在处理特定AI任务上表现更为出色。此外,谷歌的云服务也为其AI计划提供了强大的后盾,这使得他们在竞争中占据了有利地位。

机器学习算法方面,谷歌的研究团队一直处于行业前沿。DeepMind和Google Brain团队不断推出突破性的研究成果,推动了AI领域的发展。谷歌不仅拥有最先进的算法,还能够迅速将这些技术应用于其广泛的产品和服务中。从搜索引擎优化到自动驾驶技术,谷歌的AI无处不在。

尽管谷歌在AI领域拥有如此多的优势,但他们并非没有挑战。首先是来自其他科技巨头的竞争,特别是微软和OpenAI。微软通过与OpenAI的合作,在生成式AI领域迅速崛起,并且在市场上引起了广泛关注。其次是公众对隐私和数据安全的担忧。随着AI技术的进步,如何保护用户数据和隐私成为一个关键问题,谷歌需要在这一方面表现出色,才能赢得公众的信任。

还有一个更大的挑战,那就是如何将AI技术转化为实际的商业收益。尽管谷歌在AI研究方面投入巨大,但如何在市场上实现盈利仍然是一个悬而未决的问题。谷歌的广告业务目前仍是其主要收入来源,但随着AI技术的进步,用户行为和市场需求也在不断变化。谷歌需要不断创新,以保持其在市场上的领先地位。

总的来说,谷歌在AI领域的未来充满了机遇和挑战。他们拥有无与伦比的数据资源、强大的计算能力和顶尖的研究团队,这些都是他们在AI竞赛中获胜的有力保障。然而,他们也面临来自竞争对手的压力、公众对隐私的担忧以及如何将技术转化为商业价值的挑战。谷歌能否在这场竞赛中胜出,将取决于他们如何应对这些挑战并抓住机遇。

对于投资者和关注科技发展的公众来说,了解谷歌的未来是至关重要的。无论是作为投资机会,还是作为科技行业的风向标,谷歌在AI领域的表现将对未来产生深远影响。希望通过这篇文章,大家能更好地了解谷歌的现状和未来,做出明智的决策。

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/876902.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

Pytorch框架之神经网络

一、全连接神经网络的整体结构 二、全连接神经网络的单元结构 找出一组w,b使得结果最优 三、常见激活函数 四、前向传播 学习率是指训练模型时每次迭代更新模型参数的步长。 五、梯度下降法 六、反向传播计算 七、总结 1、准备数据 2、搭建模型 3、开始训练(设置学习率、…

【TS】TypeScript中的接口(Interface):对象类型的强大工具

🌈个人主页: 鑫宝Code 🔥热门专栏: 闲话杂谈| 炫酷HTML | JavaScript基础 ​💫个人格言: "如无必要,勿增实体" 文章目录 TypeScript中的接口(Interface):对象类型的强大工具引言1. 接口的基本概念1.1 什…

【基于PSINS】UKF/SSUKF对比的MATLAB程序

UKF与SSUKF UKF是:无迹卡尔滤波 SSUKF是:简化超球面无迹卡尔曼滤波 UKF 相较于传统的KF算法,UKF能够更好地处理非线性系统,并且具有更高的估计精度。它适用于多种应用场景,如机器人定位导航、目标跟踪、信号处理等。…

【人工智能】深度剖析:Midjourney与Stable Diffusion的全面对比

文章目录 🍊1 如何选择合适的AI绘画工具1.1 个人需求选择1.2 比较工具特点1.3 社区和资源 🍊2 Midjourney VS Stable Diffusion:深度对比与剖析 2.1 使用费用对比 2.2 使用便捷性与系统兼容性对比 2.3 开源与闭源对比 2.4 图片质量对比 2.5 上…

19145 最长无重复子数组

这个问题可以使用滑动窗口的方法来解决。我们可以使用两个指针,一个指向子数组的开始,一个指向子数组的结束。然后我们使用一个哈希表来记录每个元素最后出现的位置。当我们遇到一个已经在子数组中出现过的元素时,我们就将开始指针移动到这个…

Mac文件拷贝到移动硬盘怎么做Mac拷贝之后Win电脑里看不到

在日常使用mac电脑的过程中,我们经常需要将一些重要的文件备份到外部硬盘上,以防止数据丢失或电脑故障。传输文件到硬盘可以通过多种方法实现,比如拖拽或者复制至移动硬盘,但有时也会遇到移动硬盘无法粘贴,或拷贝后无法…

SSRF (服务端请求伪造)

🎼个人主页:金灰 😎作者简介:一名简单的大一学生;易编橙终身成长社群的嘉宾.✨ 专注网络空间安全服务,期待与您的交流分享~ 感谢您的点赞、关注、评论、收藏、是对我最大的认可和支持!❤️ 🍊易编橙终身成长社群&#…

图像生成中图像质量评估指标—PSNR的详细介绍

文章目录 1. 背景介绍2. 实际应用3. 总结和讨论 1. 背景介绍 峰值信噪比(Peak Signal-to-Noise Ratio,简称PSNR)是一种广泛应用于图像和视频处理领域的客观图像质量评价指标。它主要用于衡量图像的噪声水平和图像质量,可以用来评…

Python酷库之旅-第三方库Pandas(051)

目录 一、用法精讲 186、pandas.Series.is_monotonic_increasing属性 186-1、语法 186-2、参数 186-3、功能 186-4、返回值 186-5、说明 186-6、用法 186-6-1、数据准备 186-6-2、代码示例 186-6-3、结果输出 187、pandas.Series.is_monotonic_decreasing属性 187…

嵌入式人工智能(34-基于树莓派4B的红外传感器、紫外传感器、激光传感器)

这三种光传感器都是不可见光传感器,光是由电场和磁场交替传播而形成的波动现象。光是一种电磁辐射,属于电磁波的一种。下图是电磁波的频谱范围,生活中多数光是看不到的,但是确真实存在,本文介绍几种光传感器&#xff0…

C++从入门到起飞之——友元内部类匿名对象对象拷贝时的编译器优化 全方位剖析!

🌈个人主页:秋风起,再归来~🔥系列专栏:C从入门到起飞 🔖克心守己,律己则安 目录 1、友元 2、内部类 3、 匿名对象 4、对象拷⻉时的编译器优化 5、完结散花 1、友元 • 友元提供…

基于爬虫和机器学习的招聘数据分析与可视化系统,python django框架,前端bootstrap,机器学习有八种带有可视化大屏和后台

在现代招聘领域,数据驱动的决策已成为提升招聘效率和质量的关键因素。基于爬虫技术和机器学习算法,结合Django框架和Bootstrap前端技术,我们开发了一套完整的招聘数据分析与可视化系统。该系统旨在帮助企业从海量招聘信息中提取有价值的数据&…

学习Numpy的奇思妙想

学习Numpy的奇思妙想 本文主要想记录一下,学习 numpy 过程中的偶然的灵感,并记录一下知识框架。 推荐资源:https://numpy.org/doc/stable/user/absolute_beginners.html 💡灵感 为什么 numpy 数组的 shape 和 pytorch 是 tensor 是…

等保2.0测评 — 容器测评对象选取

之前有小伙伴提问到,关于容器到底要测评哪些内容,也就是测评对象的选取。 首先要区分的是容器与容器集群这两个概念。容器集群概念可参考该篇文章。 不使用容器扩展要求情况 当仅使用容器技术时,采用安全通用要求,无需使用容器…

昇思25天学习打卡营第15天|探索 Diffusion 扩散模型:从构建到应用的全过程

目录 环境配置 构建Diffusion模型 位置向量 ResNet/ConvNeXT块 Attention模块 组规一化 条件U-Net 正向扩散 数据准备与处理 训练过程 推理过程 环境配置 首先进行环境配置、库的导入和一些设置操作,具体代码如下: %%capture captured_output …

土体的有效应力原理

土体的有效应力原理 有效应力原则1. 总应力的测定2. 孔隙水压力的测定3. 有效应力的确定 有效应力的重要性 土体中的有效应力原理是卡尔太沙基在1936年提出的重要理论之一。它是总应力和孔隙水压力之间的差值。下面简要说明土壤中有效应力的更多特征和测定。 有效应力原则 有…

人工智能入门第一篇:简单理解GPU和CPU

目录 1,GPU就是显卡吗2,CPU和GPU到底是什么区别3,CUDA是什么4,为什么人工智能离不开GPU 1,GPU就是显卡吗 ‌不是,显卡和‌GPU是两个相关但不完全相同的概念,GPU是显卡的核心部分,但…

Google Test 学习笔记(简称GTest)

文章目录 一、介绍1.1 介绍1.2 教程 二、使用2.1 基本使用2.1.1 安装GTest (下载和编译)2.1.2 编写测试2.1.3 运行测试2.1.4 高级特性2.1.5 调试和分析 2.2 源码自带测试用例2.3 TEST 使用2.3.1 TestCase的介绍2.3.2 TEST宏demo1demo2 2.3.3 TEST_F宏2.3…

wincc 远程和PLC通讯方案

有 5个污水厂 的数据需要集中监控到1个组态软件上,软件是WINCC。每个污水厂监控系统都是独立的,已经投入运行了, 分站也是WINCC 和西门子PLC 。采用巨控远程模块的话,有两种方式:一种是从现场的PLC取数据,一种是从分站…

2019数字经济公测大赛-VMware逃逸

文章目录 环境搭建漏洞点exp 环境搭建 ubuntu :18.04.01vmware: VMware-Workstation-Full-15.5.0-14665864.x86_64.bundle 这里环境搭不成功。。patch过后就报错,不知道咋搞 发现可能是IDA加载后的patch似乎不行对原来的patch可能有影响,重新下了patch&…