谷歌想用Gemini拳打OpenAI，用Gemma脚踢Meta

就在刚刚，谷歌向最强开源大模型的宝座发起进攻。

昨日晚间，谷歌毫无预兆地发布了开源模型Gemma，直接狙击Llama 2，继通过Gemini拳打OpenAI后，现在又试图用Gemma脚踢Meta。

谷歌发布Gemma（图源：谷歌）

不同于Gemini的“全家桶”路线，Gemma主打轻量级、高性能，有20亿、70亿两种参数规模，能在笔记本电脑、台式机、物联网设备、移动设备和云端等不同平台运行。

性能方面，Gemma在18个基准测评中平均成绩击败目前的主流开源模型Llama 2和Mistral，特别是在数学、代码能力上表现突出，还直接登顶Hugging Face开源大模型排行榜。

Gemma登顶Hugging Face开源大模型排行榜（图源：X）

谷歌同步放出了技术报告，通过深度解读，智东西注意到，除了模型性能优异外，Gemma的分词器词表大小达到256k，这意味着它更容易扩展至其他语言。

谷歌还强调Gemma基于自家TPUv5e芯片训练，Gemma 7B使用了4096个TPUv5e，Gemma 2B使用了512个TPUv5e，秀出挑战英伟达GPU统治地位的“肌肉”。

短短12天，谷歌连续放出三个大招，先是9日宣布其最强大模型Gemini Ultra免费用，又在16日放出大模型“核弹”Gemini 1.5，再是21日突然放出开源模型Gemma，动作之密集、行动之迅速，似乎在向抢了自己风头的OpenAI宣战。

Gemma具体强在哪儿？它在哪些方面打赢了Llama 2？其技术原理和训练过程有哪些亮点？让我们从技术报告中寻找答案。

采用Gemini相同架构，轻量级笔记本也能跑

据介绍，Gemma模型的研发是受到Gemini的启发，它的名字来源于意大利语“宝石”，是由谷歌DeepMind和其他团队共同合作开发。

Gemma采用了与Gemini相同的技术和基础架构，基于英伟达GPU和谷歌云TPU等硬件平台进行优化，有20亿、70亿两种参数规模，每个规模又分预训练和指令微调两个版本。

性能方面，谷歌称Gemma在MMLU、BBH、HumanEval等八项基准测试集上大幅超过Llama 2。

Gemma在基准测试上与Llama 2的跑分对比（图源：谷歌）

在发布权重的同时，谷歌还推出Responsible Generative AI Toolkit等一系列工具，为使用Gemma创建更安全的AI应用程序提供指导。此外，谷歌通过原生Keras 3.0为JAX、PyTorch和TensorFlow等主要框架提供推理和监督微调（SFT）的工具链。

谷歌强调Gemma在设计时将其AI原则放在首位，通过大量微调和人类反馈强化学习（RLHF）使指令微调模型与负责任的行为对齐，还通过手工红队测试、自动对抗性测试等对模型进行评估。

此外，谷歌与英伟达宣布合作，利用英伟达TensorRT-LLM对Gemma进行优化。英伟达上周刚发布的聊天机器人Chat with RTX也将很快增加对Gemma的支持。

即日起，Gemma在全球范围内开放使用，用户可以在Kaggle、Hugging Face等平台上进行下载和试用，它可以直接在笔记本电脑或台式机上运行。

发布才几个小时，已有不少用户分享了试用体验。社交平台X用户@indigo11称其“速度飞快”，“输出很稳定”。

X用户@indigo11分享Gemma试用体验（图源：X）

还有用户尝试了其他语种，称Gemma对日语的支持很流畅。

X用户@AiXsatoshi分享Gemma在日语上的试用体验（图源：X）

数学、代码能力碾压Llama 2，采用自家TPUv5e训练

与Gemini发布时一样，谷歌此次也同步公开了Gemma的技术报告。

Gemma技术报告（图源：谷歌）

报告称，Gemma 2B和7B模型分别在2T和6T的tokens上进行训练，数据主要来自网络文档、数学和代码的英语数据。不同于Gemini，这些模型不是多模态的，也没有针对多语言任务进行训练。

谷歌使用Gemini的SentencePiece分词器的一个子集以保证兼容性。它分割数字但不去除额外的空格，并且对未知标记依赖于字节级编码，词表大小为256k个tokens，这可能意味着它更容易扩展到其他语言。

开发者称256k分词器值得注意（图源：X）

两个规模中，70亿参数的Gemma 7B适用于GPU、TPU上的高效部署和开发，20亿参数的Gemma 2B则适用于CPU。

Gemma基于谷歌的开源模型和生态构建，包括Word2Vec、BERT、T5、T5X等，其模型架构基于Transformer，主要核心参数如下表：

Gemma模型主要参数（图源：谷歌）

在基准测评中，Gemma直接对标目前先进的开源模型Llama 2和Mistral，其中Gemma 7B在18个基准上取得11个优胜，并以平均分56.4高于同级别模型。

Gemma与Llama 2、Mistral基准测评分数对比（图源：谷歌）

从具体能力上看，Gemma 7B在问答、推理、数学/科学、代码等方面的标准学术基准测试平均分数都高于同规模的Llama 2和Mistral模型。

此外，其推理、数学/科学、代码能力还高于规模更大的Llama 2 13B。

Gemma与Llama 2、Mistral各能力对比（图源：谷歌）

报告还详细介绍了Gemma训练采用的硬件：使用部署在256个芯片组成的Pod中的TPUv5e训练，这些Pod配置成一个16*16芯片的2D环形网络。

其中，Gemma 7B模型跨16个Pod进行训练，共使用了4096个TPUv5e；Gemma 2B模型跨越2个Pod进行训练，共使用了512个TPUv5e。

在一个Pod内部，谷歌为Gemma 7B使用了16路模型分片和16路数据复制，Gemma 2B则使用256路数据复制。优化器状态进一步通过类似于ZeRO-3的技术进行分片。

被OpenAI逼急了，谷歌一月连放三个大招

2024年开年，OpenAI发布的Sora文生视频模型爆火，一举抢走了谷歌最新力作Gemini 1.5 Pro大模型的风头。

但谷歌并没有就此打住，而是乘胜追击放出一个月里的第三个大招，这三个大招分别是：

2月9日大年三十，谷歌宣布其最强大模型Gemini Ultra免费使用，Gemini Ultra于2023年12月发布时在MMLU（大规模多任务语言理解）测评上超过人类专家，在32个多模态基准中取得30个SOTA（当前最优效果），几乎全方位超越GPT-4，向OpenAI发起强势一击。

2月16日大年初七，谷歌放出其大模型核弹——Gemini 1.5，并将上下文窗口长度扩展到100万个tokens。Gemini 1.5 Pro可一次处理1小时的视频、11小时的音频、超过3万行代码或超过70万字的代码库，向OpenAI还没发布的GPT-5发起挑战。 

2月21日正月十二，谷歌在被“抢头条”后，一举将采用与Gemini相同研究和技术的Gemma开源，一方面狙击Llama 2等开源模型，登上开源大模型铁王座，同时为嗷嗷待哺的生成式AI的应用开发者带来福音，更是为闭源的代表OpenAI狠狠地上了一课。

自2022年12月ChatGPT发布以来，AI领域扛把子谷歌就陷入被OpenAI压着打的境地，“复仇”心切。

在GPT-3大模型问世前，DeepMind的风头更胜一筹，坐拥AlphaGo、AlphaGo Zero、MuZero、AlphaFold等一系列打败人类的明星AI模型。随着生成式AI风口渐盛，谷歌DeepMind却开始显得力不从心，ChatGPT引发谷歌AI人才大军流向OpenAI，OpenAI由此扶摇直上。

2023年3月，谷歌促成谷歌大脑和DeepMind冰释前嫌，合并对抗OpenAI，被业内称为“谷歌复仇联盟”。然而，直到年底的12月7日，谷歌最强大模型Gemini才姗姗来迟，尽管效果惊艳却令市场有些意兴阑珊。2024年1月31日，谷歌最新财报显示其收入亮眼，却因AI方面进展不及预期，市值一夜蒸发超1000亿美元。

然而，2024年2月一来到，谷歌的状态来了个180度大转弯，攒了一年的大招接二连三地释放，试图用强大的Gemini大模型矩阵证明，其是被严重低估的。

值得一提的是，谷歌还有另一张王牌是自研芯片，有望成为其与OpenAI抗衡的有力底牌。2023年8月，谷歌云发布最新云端AI芯片TPU v5e，TPU被视作全球AI芯片霸主英伟达GPU的劲敌。

据半导体研究和咨询公司SemiAnalysis的分析师曝料，谷歌拥有的算力资源比OpenAI、Meta、亚马逊、甲骨文和CoreWeave加起来还要多，其下一代大模型Gemini已经开始在新的TPUv5 Pod上进行训练，算力达到GPT-4的5倍，基于其目前的基础设施建设情况，到明年年底可能达到20倍。

拳打OpenAI，脚踢Meta

从2023年12月发布Gemini多模态大模型，到2024年2月连放Gemini Ultra免费版、Gimini 1.5、Gemini技术开源三个大招，谷歌的大模型矩阵逐渐清晰，从闭源和开源两大路线对OpenAI打响复仇战，也向推出开源模型Llama 2的Meta宣战。

当下，OpenAI的文生视频大模型Sora风头正盛。实际上，谷歌已于2023年12月推出了用于零样本视频生成的大型语言模型VideoPoet，可在单个大模型中无缝集成多种视频生成功能。谷歌在文生视频领域的储备想必也深，可以预测后续和OpenAI有得一打，而压力也就此给到了国内的AI企业。

本文来自微信公众号：智东西（ID：zhidxcom），作者：香草、李水青