Google Gemini 与 AI 竞赛：为什么基础设施可能胜过用户情绪
- Aisha Washington
- 6月6日
- 讀畢需時 7 分鐘
已更新：6月17日
围绕 AI race 的叙事已经发生了转变。长期以来，头条新闻一直是 Google 在 OpenAI 和 Microsoft 奋力冲刺时反应迟缓。最近的报道，包括《华尔街日报》的深度分析和 Reddit 上的社区讨论，都表明风向正在改变。Google 声称凭借最新迭代的 Google Gemini 终于实现了对竞争对手的超越。
但在企业新闻稿的说法与用户的实际体验之间存在着巨大的鸿沟。如果只看底层架构，Google 似乎势不可挡。但如果看 user experience，情况则显得混乱、具有侵入性，且往往令人沮丧。
AI 竞赛现状：基础设施 vs 产品
要了解 Google Gemini 的真实地位，你必须观察其底层架构。 这场 AI race 不仅仅关乎谁在今天拥有最智能的聊天机器人； 更关乎谁能负担得起在明天继续运行它们。
这就是对 Google 消费级产品的怀疑与其后端现实发生碰撞的地方。《华尔街日报》指出，Google 对其自研定制芯片——张量处理单元（TPU）的依赖，赋予了其巨大的经济优势。当 Microsoft 和 Meta 还在为 H100 芯片支付“Nvidia 税”时，Google 已经在其自主设计并拥有的硬件上训练 Google Gemini 了。
这使得 Google 能够通过暴力手段推进。他们比那些受制于第三方硬件供应链的竞争对手迭代得更快、成本更低。然而，如果车开起来不舒服，拥有最好的引擎也无济于事。AI 炒作周期往往忽略了技术上的优越性并不总能转化为人们真正想要使用的产品。
Google 生态系统集成：是实用工具还是臃肿软件？
该策略针对 Google Gemini 正在大刀阔斧地进行 产品整合。其目标显而易见：通过将其嵌入到 Google 生态系统—Docs, Gmail, Drive 和 Android。
从纸面上看，这似乎是将军抽车。但实际上，用户正在抵制。各大科技论坛的情绪是，这种集成往往让人感到强迫。它让老用户想起了“Clippy”，那个臭名昭著的 Microsoft Office 助手。它在不需要的地方弹出，并提供未被请求的帮助。
“强制”更新问题
当你打开一个电子表格时，你通常是想做数学计算，而不是进行对话。用户已经注意到，用概率性 AI 取代确定性工具会产生摩擦。如果你需要计算预算，你需要 100% 的准确性。Google Gemini与所有 LLM 一样，是基于“感觉”和概率运行的。将一个创意写作工具塞进数据分析环境中，会造成用户体验的不匹配。
人们有一种感觉，Google 正在降低其核心搜索和办公产品的质量，以支撑其 AI 投资。由 AI 概览驱动的“新” Google Search 因幻觉答案和埋没用户寻找的实际链接而受到批评。这是一个典型的公司优先考虑其战略目标的案例（赢得 AI race) 而非优先考虑其客户的直接需求。
用户体验：裂痕显现之处
尽管有说法称 Google Gemini 在基准测试中超越了 GPT-4，但这些技术的日常使用者却给出了不同的评价。
竞品对比
在编程和逻辑任务方面，舆论通常倾向于 Anthropic 的 Claude。在日常对话和创意头脑风暴方面，ChatGPT 通常在流畅度上更具优势。Google Gemini 经常被描述为“追赶者”。 它固然不错，但往往让人觉得束缚过多，或者由于过度调优的安全过滤器而拒绝回答一些无害的问题。
可穿戴设备的倒退
没有任何地方比硬件领域更能体现 用户体验 的挣扎。Google 在 Pixel Watch 和其他 Wear OS 设备上用 Gemini 取代了传统的 Google Assistant。结果如何？这是一个显著的退步。
传统的语音助手虽然笨拙但反应迅速。它们运行简单的脚本：设定计时器、开灯。而 Gemini 试图“思考”这些请求，这引入了延迟。等待 AI 花五秒钟来解析“设定 10 分钟计时器”的指令，违背了语音助手的初衷。用户发现，这个更“聪明”的新 AI 在充当基础助手方面反而表现更差。
实用指南：修复 Google Gemini 问题
如果你正因过渡到 Google Gemini, 特别是关于隐私或在可穿戴设备上的性能表现，你并不孤单。根据社区反馈和界面分析，以下是你可以减轻一些最常见困扰的方法。
恢复 Wear OS 的性能
如果你的手表在 Gemini 更新后感觉反应迟钝，或者语音命令失效，最有效的解决方案是恢复到旧版 Google Assistant。Google 允许这样做，尽管该设置隐藏得很深。
打开手机上的 Gemini application（或直接在手表界面上）。
点击你的个人资料图标并选择 Settings。
找到标记为的菜单 "来自 Google 的数字助手。"
你将看到一个可以在 Gemini 和 Google Assistant 之间切换的选项。
选择 Google Assistant。
这将立即恢复闹钟、计时器和家庭控制功能，虽然它“没那么聪明”，但响应更迅速。
管理隐私与“聊天记忆”
这些讨论中的一个主要长尾关键词是隐私担忧。默认情况下，Google Gemini可能会保留您的对话历史记录，以改进其模型或为未来的聊天提供“上下文”。如果您讨论工作项目或个人健康问题，您可能不希望这些数据被存储或审查。
若要限制此权限：
访问设置，通过 Gemini 应用或网页界面。
找到“Gemini 应用 Activity”。将其关闭可防止 Google 将您的聊天记录保存到您的 Google 帐号。这也能防止人工审核员看到匿名版本的聊天内容。
找到“个性化背景信息”。将其关闭可防止 Gemini 扫描您过去的交互记录来更好地“了解”您。
如果您只需要临时的隐私保护，请使用“临时聊天”功能（通常位于分层菜单中）。其功能类似于 Chrome 中的无痕模式——会话关闭后，任何内容都不会保存到您的历史记录中。
房间里的隐私隐忧
Google ecosystem是建立在数据之上的。这就是其商业模式。当 Google 将 Gemini 集成到 Workspace（Docs、Drive、Mail）时，人们最直接的担忧是 AI 会读取您的私密文件来进行自我训练。
Google 明确表示，Workspace（针对企业客户）中的数据不会用于训练公共基础模型。然而，对于免费个人账户，即使服务条款另有规定，普通用户仍会感到界限模糊。隐私感知与现实情况同样重要。
当 AI 根据邮件上下文建议回复时，它证明了它已经阅读了该邮件。对许多人来说，这已经越界了。这里的隐私担忧不仅关乎数据窃取，还关乎“令人不安”的程度。用户越来越意识到，在AI 竞赛中，他们就是被挖掘的原材料。
硬件优势与未来展望
抛开批评不谈，我们必须着眼于长远。Reddit 上的讨论和行业分析都达成了一个共识：Google 在这一领域大到不能倒。
该硬件优势的重要性再怎么强调都不为过。通过掌握从数据中心里的 TPU 芯片到口袋里的 Android 手机的完整技术栈，——Google 拥有一条 OpenAI 所缺失的霸权之路。OpenAI 依赖 Microsoft，而后者又依赖 Nvidia。Google 则依靠自己。
随着运行这些模型的成本飙升，效率将比单纯的“魔力”更重要。Google 可以针对自家芯片优化 Google Gemini，使其以他人无法企及的高效率运行。这意味着，即便 Gemini 目前是第二好的产品，它最终也可能因为运行成本更低且在 Android 设备上无处不在，而成为默认的首选产品。
目前，该产品感觉正处于尴尬的青春期。它表现得过于刻意，打断对话，并声称自己知道的比实际更多。但支撑它的基础设施已经成熟。问题在于 Google 能否足够快地优化用户体验，以防止用户在Google ecosystem的庞大体量将其锁定之前流向 ChatGPT 或 Claude。
这不再是一场短跑冲刺。这是一场持久战。而在持久战中，拥有自己补给线的一方通常会获胜。
常见问题
Google Gemini 真的比 ChatGPT 更好吗？
针对最新的 Google Gemini 模型的基准测试显示，其在推理和多模态任务中的表现达到或略高于 GPT-4 水平。然而，许多用户仍然觉得 ChatGPT 在日常对话和创意写作方面更自然，而开发者通常更青睐 Claude 进行编程。
为什么 Gemini 在我的智能手表上运行这么慢？
Gemini 使用云端的大语言模型处理语音指令，这比传统的 Google Assistant 需要更多的数据和时间。旧版助手在本地或通过非常简单的脚本处理定时器等简单指令，因此在处理基础任务时速度快得多。
Google Gemini 能读取我的私有 Google Docs 吗？
如果您使用的是免费个人版 Gemini 并明确授予其访问 Workspace 扩展程序的权限，它可以读取您的文档以回答问题。Google 表示这些数据不会用于训练公开模型，但您应该检查您的 privacy concerns 设置以确保安全。
如何关闭 Google Search 中的 AI 概览？
目前，Google 并没有在主搜索设置中为 AI Overviews 提供简单的“关闭”开关。想要避免该功能的用户通常必须使用特定的浏览器扩展程序或“仅限网页”搜索过滤器来绕过 AI 生成的内容。
Gemini 和 Google Assistant 之间有什么区别？
Google Assistant 是一个基于命令的系统，旨在执行特定任务（如灯光、闹钟、通话）。Google Gemini 是一种生成式 AI，旨在理解复杂的上下文、生成文本并进行推理，这使其更智能，但在简单的实用控制方面往往较慢且可靠性较低。
