【FOCUS】当ChatGPT4独领风骚、SamAltman人设如神、微软股价创下新高……蛰伏多时的谷歌周三(6日)终于以雷霆万钧之势，揭盅下一代AI大模型「王者」--Gemini1.0。主打「多模态(multimodal)模型」，文字理解功夫了得，更凭藉同门Youtube海量视频，练就图片、音频、视讯的跨模态(cross-model)分析、推理神技，预示AI竞赛下一焦点将从「知识力」晋级至「行动力」。

*主打「跨模态」，分析、推理、规划*

从Gamil的「帮我写信」，到Google地图的沉浸式街景，再到Google相册的魔法编辑，身为AI先驱的谷歌，自去年11月起就相当憋屈，皆因OpenAI旗下ChatGPT问世抢尽光芒。眼看ChatGPT4上月再下一城推出Turbo版，谷歌5月就预告的Gemini始终只闻楼梯响，直到昨日。

被谷歌首席执行长SundarPichai称为「我们迄今为止最强大、最通用模型」的Gemini，1.0版本分为三种尺寸:用于高度复杂任务的Ultra、用于大规模增强效能的Pro、用于行动装置应用程式的Nano。谷歌指，GeminiUltra在MMLU(大规模多任务语言理解)基准测试(覆盖57门专业学科)中，以90.0%得分击败GPT4的86.4%，且是首个超越人类专家的大模型。

但Gemini最让人惊艳的技能仍是「跨模态」，即同时识别文字、图片、视讯、语音，并进行分析、推理、规划。例如，当展示一段人身体后倾、舞动双臂动作的视频，Gemini会推理为这是模仿电影「Matrix」的子弹时间镜头;当输入「提供三个用两种颜色制作勾针作品的主意」，Gemini会规划出蓝黄耳朵的狗、黄色触手的蓝色水母、黄鼻子的蓝猫。

*初创融资方兴未艾，助升全球生产力*

伴随AI大模型的强大进化，通过提问获取精简资讯，输入文本获取摘要报告，提交指令撰写简历、创作故事等「知识力」技能比拼，将升级至「行动力」之争。

早前获亿万富翁、NBA球队班主MarkCuban垂青的初创公司Bot-it，就利用AI为每个人量身定制音乐会、餐厅、露营、限量运动鞋的自动预定、付款、取消功能。而公司「AutomationMadeEasy」，正正一语道出AI下半场「行动力」的精要。

看看4月成立的AI视讯生成工具PikaLabs，短短半年获得融资5500万美元;类似的还有允许用户自订3D角色、并可用于游戏、电影、电子商务的AI初创公司Character.ai，据报正获谷歌洽谈投资，估值超过50亿美元。此外，被视作OpenAI后继者的AdeptAI，旨在为人类建立浏览互联网、使用软件、指示AI工作等「最好的助手」，获得英伟达、微软、SV天使投资等大手投资。

据普华永道估算，到2030年，AI料可为全球经济贡献15.7万亿美元，其中6.6万亿来自生产力提高，另9.1万亿来自消费端效应。对打工者、创作者、创业者来说，务必仅记:未来取代你的不是AI，而是擅于运用AI的人。