文章來源：硅星人Pro

作者：油醋

圖片來源：由無界AI生成

沒有疑問,，Gemini 1.5 Pro的隆重推出被Sora搶了風頭。

社交平臺X上OpenAI介紹Sora的第一條動態(tài),，現(xiàn)在已經(jīng)被瀏覽了超過9000萬次,，而關于Gemini 1.5 Pro熱度最高的一條，來自谷歌首席科學家Jeff Dean,，區(qū)區(qū)123萬人,。

或許Jeff Dean自己也覺得郁悶。Gemini 1.5 Pro和Sora共同發(fā)布的一周后,，他在X上點贊了沃頓商學院副教授Ethan Mollick認為人們對大模型的注意力發(fā)生了偏差的觀點,。

Ethan Mollick幾乎是教育界最早公開推崇生成式AI的人之一，他在2023年2月公開呼吁學生應該都應該開始用ChatGPT寫論文,。而這一次他的觀點是，考慮到大模型在圖像生成方面所體現(xiàn)出的有限價值,，它實在是引起了過多的討論了,。

“對于大模型的實驗室來說，圖像生成更像是一個聚會上的節(jié)目……做為內核的LLM才是價值所在,。但社交媒體更樂于分享照片,。”

——沒說的是,，社交媒體也更樂于分享Gif,，以及視頻。

人類是視覺動物,，所以Sora才會這么搶眼,。或許我們太高估了Sora,，又太忽視了Gemini 1.5 Pro,。

Gemini 1.5 Pro展現(xiàn)出的眾多能力中有一點很特殊，它已經(jīng)是一個具備處理視頻語料輸入的多模態(tài)大模型,。Sora能將文字擴展成視頻,，Gemini 1.5 Pro的野心是把理解視頻的能力開放出來。在對模型能力的考驗上，很難說后者就弱于前者,。

這背后的基礎性工作在上下文輸入長度上,。Gemini 1.5 Pro的上下文長度達到1M Token，這意味著一小時的視頻,、3萬行代碼或者JK·羅琳把小說從《哈利波特與魔法石》寫到《哈利波特與鳳凰社》,，遠高于包括GPT、Claude系列在內的目前市面上所有的大模型,。而谷歌甚至透露,，1M Token并不是極限,，谷歌內部已經(jīng)成功測試了高達10M Token的輸入,，也就是說,，它已經(jīng)能一口氣看完9個小時的《指環(huán)王》三部曲,。

上下文長度抵達10M Token到底意味著什么,，等到Sora帶來的激情稍褪,，人們逐漸回過味兒來,。

X,、Reddit……越來越多的討論場開始關注到10M Token所展現(xiàn)出的可能性,，其中最大的爭議在于,，它是否“殺死”了RAG（Retrieval Augment Generation，檢索增強生成）,。

大模型從概念走向商業(yè)應用的過程中,，本身的問題逐漸暴露，RAG開始成為貫穿整個2023年最火熱的技術名詞,。

一個被普遍接受的描述框架給這項技術找到了最精準的定位,。如果將整個AI看作一臺新的計算機，LLM就是CPU,，上下文窗口是內存,，RAG技術是外掛的硬盤。RAG的責任是降低幻覺,，并且提升這臺“新計算機”的實效性和數(shù)據(jù)訪問權限,。

但本質上這是因為這臺“新計算機”仍然又笨又貴，它需要更多腦容量,、需要了解更具專業(yè)性的知識,，同時最好不要亂動昂貴又玻璃心的那顆CPU。RAG某種程度上是為了生成式AI能夠盡早進入應用層面的權宜之計,。

10M Token的上下文輸入上限,，意味著很多RAG要解決的問題不成問題了，然后一些更激進的觀點出現(xiàn)了,。

曾構建了評測基準C-EVAL的付堯認為,，10M Token殺死了RAG——或者更心平氣和的說法是，長文本最終會取代RAG。

這個觀點引發(fā)了巨大討論，他也隨后對這個看起來“暴論”式的判斷所引發(fā)的反對觀點做了進一步解釋,，值得一看,。

其中最重要的，是長文本相比于RAG在解碼過程中檢索上的優(yōu)越性：

“RAG只在最開始進行檢索,。通常,，給定一個問題，RAG會檢索與該問題相關的段落,，然后生成,。長上下文對每一層和每個Token進行檢索。在許多情況下,，模型需要進行即時的每個Token的交錯檢索和推理,，并且只有在獲得第一個推理步驟的結果后才知道要檢索什么。只有長上下文才能處理這種情況,。

針對RAG支持1B級別的Token,，而目前Gemini 1.5 pro支持的上下文長度是1M的問題：

“確實如此，但輸入文檔存在自然分布,，我傾向于相信大多數(shù)需要檢索的案例都在百萬級以下,。例如，想象一個處理案例的層,，其輸入是相關的法律文件,，或者一個學習機器學習的學生，其輸入是三本機器學習書籍——感覺不像1B那么長,，對嗎,？”

“大內存的發(fā)展并不意味著硬盤的淘汰,?！庇腥顺指鼫睾偷挠^點。

出于成本和效率上的考慮,，超長文本輸入在這兩方面顯然并不成熟,。因此哪怕面對10M Token的上下文輸入上限，RAG仍然是必須的,，就像我們時至今日仍然沒有淘汰掉硬盤,。

如果將上下文的窗口設定為1M,，按現(xiàn)在0.0015美元/1000token的收費標準，一次請求就要花掉1.5美元，這么高的成本顯然是無法實現(xiàn)日常使用的,。

時間成本上,，1M的上下文長度在Gemini 1.5 Pro的演示實例中，需要60秒來完成結果的輸出——但RAG幾乎是實時的,。

付堯的觀點更傾向于——“貴的東西,，缺點只有貴”。

“RAG 很便宜,，長上下文很昂貴,。確實如此，但請記住,，與 LLM 相比,，BERT-small 也便宜，n-gram 更便宜,，但今天我們已經(jīng)不使用它們,，因為我們希望模型首先變得智能，然后再變得智能模型更便宜,。

——人工智能的歷史告訴我們,，讓智能模型變得更便宜比讓廉價模型變得智能要容易得多——當它很便宜時,，它就永遠不會智能?！?/p>

一位開發(fā)者的觀點代表了很多對這一切感到興奮的技術人員：在這樣一場技術革命的早期階段,，浪費一點時間可能也沒有那么要緊。

“假設我花了5分鐘或1小時（見鬼,，即使花了一整天）才將我的整個代碼庫放入聊天的上下文窗口中,。如果在那之后,，人工智能能夠像谷歌聲稱的那樣，在剩下的對話中近乎完美地訪問該上下文,，我會高興,、耐心和感激地等待這段時間?！边@位在一家數(shù)字產品設計公司中供職的博客作者里這樣寫道,。

在這位開發(fā)者發(fā)布這條博客之前，CognosysAi的聯(lián)創(chuàng)Sully Omarr剛剛往Gemini 1.5 Pro的窗口里塞進去一整個代碼庫,，并且發(fā)現(xiàn)它被完全理解了,，甚至Gemini 1.5 Pro辨別出了代碼庫中的問題并且實施了修復。

“這改變了一切,?！盨ully Omarr在X上感嘆。

被改變的可能也包括與Langchain相關的一切,。一位開發(fā)者引用了Sully Omarr的話,，暗示Langchain甚至所有中間層玩家即將面臨威脅。

向量數(shù)據(jù)庫可能突然之間就變成了一個偽需求——客戶直接把特定領域的知識一股腦兒扔進對話窗口就好了,，為什么要雇人花時間來做多余的整理工作呢（并且人腦對信息的整理能力也比不過優(yōu)秀的LLM）,？

付堯的預測與這位開發(fā)者相似，甚至更具體——以Langchain ,、LLaMA index這類框架作為技術棧的初創(chuàng)公司,，會在2025年迎來終結。

但必須強調的是,，付堯對于RAG的判斷和解釋弱化了在成本和響應速度上的考慮,，原因或許是他正在為谷歌工作，而這兩點仍然是讓在當下RAG具備高價值的決定性因素,。而如果看向這場上下文長度的討論背后,，谷歌在這場競爭中最大的優(yōu)勢開始展現(xiàn)出來了。

他擁有目前這個行業(yè)里最多的計算能力,。換句話說,，對于上下文長度極限的探索，目前只有谷歌能做,，它也拿出來了,。

從2014年至今,，谷歌已經(jīng)構建了6種不同的TPU芯片,。雖然單體性能仍然與H100差距明顯，但TPU更貼合谷歌自己生態(tài)內的系統(tǒng),。去年8月,，SemiAnalysis的兩位分析師Dylan Patel和Daniel Nishball揭露谷歌在大模型研發(fā)上的進展時表示,，?歌模型FLOPS利?率在上一代TPU產品TPUv4上已經(jīng)?常好，遠超GPT-4,。

目前谷歌最新的TPU產品是TPUv5e,。兩位分析師的調查顯示，谷歌掌握的TPUv5e數(shù)量比OpenAI,、Meta,、CoreWeave、甲骨文和亞馬遜擁有的GPU總和更多,。文章里稱TPUv5e將會用到谷歌最新的大模型（即是后來發(fā)布的Gemini系列）訓練上,，算力高達1e26 FLOPS，是GPT-4的5倍,。

這個猜測在谷歌最新開源的Gemma身上得到了佐證,。Gemma是Gemini的輕量化版本,，兩者共享相同的基礎框架和相關技術，而在Gemma放出的技術報告中表明,，其訓練已經(jīng)完全基于TPUv5e,。

這也不難理解為何奧特曼要花7萬億美元為新的算力需求未雨綢膜。雖然OpenAI擁有的總GPU數(shù)量在2年內增長了4倍,。

“"In our research, we’ve also successfully tested up to 10 million tokens."（在研究中,，我們也成功測試了多達10M Token）”

這被Sora暫時掩蓋住的一次嘗試或許在未來會作為生成式AI上的一個重要時刻被反復提及，它現(xiàn)在也真正讓發(fā)明了transformer框架的谷歌,，回歸到這場本該由自己引領的競爭中了,。