新智元报道

编辑：元宇 好困

Google凭借Gemini 3、自研芯片、强大数据与研究团队，正在重新超越OpenAI，并带动市占与用户活跃度快速提升。在Google与OpenAI的双雄之争中，辛顿押谷歌会赢。

「我猜，谷歌一定会赢」！

刚刚，辛顿发话：

Google已经开始超越OpenAI了。

「AI教父」辛顿（Geoffrey Hinton）

超越就算了，他还说了一句更让OpenAI扎心的话：

我觉得更让人意外的是，Google居然花了这么久才超越OpenAI。

3年前，ChatGPT的发布让Google内部拉响了「红色警报」。

如今，拉响警报的变成了OpenAI。

Google刚发布的Gemini 3版本获得业内广泛认可，有业内人士认为其表现已经超过OpenAI的GPT-5。

Nano Banana Pro图像模型也非常受欢迎。

除了这些模型和产品之外，在辛顿看来，自研芯片也是Google的一个非常大的优势。

此外，辛顿还提到Google拥有很多非常优秀的研究人员，以及大量数据和庞大的数据中心。

这些综合优势，让辛顿认为Google会超越OpenAI并赢得最终胜利。

从市场反应来看，Gemini 3、Nano Banana Pro等模型的发布，AI与现有搜索产品的整合，以及TPU与meta达成价值十亿美元的订单，这些综合优势推动了谷歌母公司市值逼近4万亿美元大关。

Hinton在Google Brain任职期间帮助推动了早期的AI研究。

他提到，Google曾长期引领AI，但后来变得有所顾虑。

Google发明了Transformer，也比其他公司更早拥有自己的大型聊天机器人。

辛顿表示，当微软2016年发布的「Tay」因发表极具种族歧视的推文而迅速下线后，Google开始变得格外谨慎。

Google一直有很好的品牌声誉，他们担心类似的事情如果发生会把名声毁了。

此前，Google CEO Sundar Pichai也曾表示，公司之所以没有更早推出聊天机器人，是因为当时的产品成熟度还不够。

以往，Google也曾经历一些不太顺利的产品发布。

就在去年，Google因用户抱怨其AI图像生成器产出的部分历史人物肤色错误、显得过度政治正确，而不得不中止该功能。

其最初的AI搜索摘要，也曾给出荒唐建议，例如为了防止披萨上的芝士掉下来，可以在披萨上抹胶水。

Gemini 3 Pro视觉推理封神

在Google的官方介绍中，将Gemini 3 Pro称为「我们迄今为止最强大的多模态模型」。

Google在介绍Gemini 3 Pro时，提到了一个重要的改变：

从「看见」，迈向了「理解」。

Gemini 3 Pro在文档、空间、屏幕和视频理解方面都实现了惊人的表现，实现了从简单识别迈向真正视觉与空间推理的跨代提升。

Gemini 3 Pro在MMMU Pro和Video MMMU等复杂视觉推理基准上刷新纪录，并在文档、空间、界面以及长视频理解等特定任务的测试中取得卓越成绩。

文档理解

现实世界的文档往往混乱、缺乏结构、难以解析，通常包含交错的图像、难辨认的手写字、嵌套表格、复杂数学符号和非线性布局。

Gemini 3 Pro在文档处理能力上实现重大突破，从精准OCR到复杂视觉推理，都有显著提升。

它不仅看懂「是什么」，还能看懂「为什么」和「怎么关联」。

谷歌的一个核心能力叫「反渲染」（derendering）：能将文档画面还原为结构化代码（HTML、LaTeX、Markdown）。

例如，它能把18世纪商人日志转换成复杂表格，也能将带有数学标注的图像精准恢复为LaTeX。

18世纪奥尔巴尼商人手册中的手写复杂表格

要真正理解一份文档，模型需要准确识别文本、表格、数学公式、图形和图表，无论存在噪点还是格式混乱。

除了智能感知，还要具备高级推理能力。

Gemini 3能在长文档中执行跨表格与图表的多步复杂推理。

在CharXiv基准中，它甚至以80.5%的成绩超过了人类基线。

举例来说，用户分析美国人口普查局62页的《Income in the United States: 2022》报告时提出以下提示词：

「比较2021–2022年货币收入与税后收入的基尼指数变化百分比；并解释是什么导致了税后收入指标的偏离。另外，就货币收入而言，最低收入五分位的份额是上升还是下降？」

下方图片展示了模型的逐步推理。

空间理解

空间理解，是让模型真正开始理解「物理世界」。

Gemini 3 Pro可结合其推理能力更好地理解物理世界。

其中一项关键能力是指向坐标，即通过输出像素级坐标，模型可精确指向图像中的某个位置。

比如，可以估计人体姿态或分析动作轨迹。

多个二维点串联起来，就能执行较复杂任务，这是2D图像迈向「世界模型」的关键一步。

此外，还有开放词汇指代，即模型能用开放词汇识别物体及其意图。

例如在机器人领域，用户说桌子很乱，帮我设计一个垃圾分类的整理步骤。

模型不仅可以看到「物体」，还知道什么是垃圾，哪些要分类，应该如何整理它们。

这一能力也延伸至AR/XR设备，用户可请求AI助手「根据用户手册指出螺丝的位置。」

左右滑动查看

屏幕理解

Gemini 3.0 Pro的空间能力在理解桌面与移动设备界面时表现尤为突出，让计算机使用型智能体更加可靠，可自动化许多重复任务。

屏幕理解还能支持QA测试、用户上手指导及UX分析。

视频理解

视频是最复杂的数据形式：信息密集、变化快速、多模态且背景丰富。Gemini 3 Pro在视频理解上迈出巨大一步。

其中一个核心能力是高帧率理解，经优化后，模型在高于1 FPS的取样下能更好地理解物体的快速运动。

例如以10 FPS处理视频，Gemini 3 Pro可以捕捉每一次挥杆动作和重心转移，从而支持深入的运动机理分析。

此外，「思考模式」下的视频推理，能够让模型跟踪复杂的因果关系。

不仅能「看到发生了什么」，还能理解「为什么发生」。

甚至能把长视频总结成可执行的应用程序。

视频不再是内容，而是知识源。

文档理解，让AI不仅可以识别字，更能理解内容；

空间理解，让AI可以理解三维世界；

屏幕理解，让AI可以看懂手机电脑屏幕正在发生什么；

视频理解，让AI看懂视频里的动作、原因和逻辑。

Gemini 3 Pro让AI第一次像一个「真正能看懂世界的人」一样工作。

如果说GPT-4开启了「语言智能」时代，那么Gemini 3 Pro正在开启一个视觉与行动智能时代。

AI不再只会说话，而是开始理解世界。

ChatGPT增速放缓，Gemini快速追赶

在互联网和AI行业，同样遵循「飞轮效应」的经典模型，而用户始终居于「飞轮效应」的核心位置。

谷歌正是靠着这个原则，才筑起了搜索帝国。

每一次搜索、每一次点击，都会反哺它的反馈循环：用户行为改进排序系统，排序系统让结果更好，结果更好又吸引更多用户。

时间一长，飞轮形成的正向循环就形成了难以攻破的护城河。

根据市场情报公司Sensor Tower的最新数据，ChatGPT的增长势头正在趋缓。

尽管它仍稳居行业第一，在移动端全球下载量中占50%，在全球月活用户中占55%，但Gemini正在快速追赶，在下载增速、月活增速以及用户使用时长增速方面全面超越ChatGPT。

从趋势上看，在用户数量和活跃度等方面，Gemini正在缩小与ChatGPT的差距。

截至2025年11月，ChatGPT的全球月活同比增长180%，而Gemini同比增长170%。

新数据显示，ChatGPT的月活在8月到11月之间仅增长约6%，达到约8.1亿。

Sensor Tower表示，这可能意味着ChatGPT正逐渐接近市场饱和。

相比之下，Gemini的全球月活在同期跃升约30%，主要受其新图像生成模型Nano Banana推出后带来的用户激增影响。

报告还指出，在美国Android用户中，通过系统内置Gemini使用服务的人数，是使用独立Gemini应用的两倍。

这可能让Google在全球市场形成优势，因为Android占据主导地位，意味着Gemini不再受限于移动App或网页端使用。

在与ChatGPT、Copilot、Claude、Perplexity和Grok等应用的对比中，Gemini在整个市场的月活份额也在提升。

该机构估算，过去七个月（5月至11月），Gemini的全球月活市占率提升了3个百分点。

相比之下，ChatGPT的全球月活市占率在过去四个月（8至11月）下降了3个百分点。

来自Perplexity和Claude等竞品的压力也愈发明显。

这两款产品在2025年均迎来三位数增长：Perplexity同比上涨370%，Claude同比上涨190%。

ChatGPT截至11月的全球下载量同比增长85%，但仍落后于AI应用整体110%的平均增长速度。

其中，Perplexity与Gemini的下载量增速最高，分别达到215%和190%的同比增长。

此外，Sensor Tower表示，Gemini用户的日均使用时长在过去几个月翻倍增长。

截至11月，Gemini用户日均使用时长达到11分钟，比3月增长120%，很可能是受9月上线的图像生成模型Nano Banana的带动。

同期ChatGPT用户的日均使用时长仅增长6%，且与7月相比，11月的使用时长下降了10%。

虽然目前的数据表明Google正在逼近市场领头羊，但其近期的大部分增长主要来自Nano Banana的成功。

OpenAI还有胜算吗？

庞大的用户基数，以及对用户心智的占领，一直是OpenAI强大的护城河，也是它领先其他竞争对手的重要资本。

因此，OpenAI能否在与谷歌的竞争中取胜，一个重要的指标就是看能否守住用户基数上的优势。

前段时间，OpenAI把摊子铺得有点太大，势必会放缓在模型产品上的迭代速度。

当面对Gemini 3、Claude Opus 4.5等模型在benchmark（基准测试）中突出表现时，必然会造成OpenAI用户的流失。

用户在选择大模型时，更多是看模型的性能和体验，而不是考虑用户忠诚度。

前段时间，Salesforce CEO马克·贝尼奥夫曾表示，在上手了Gemini 3两小时后，立刻就抛弃了用了近三年的ChatGPT。

这才是真正让奥特曼担心的地方。

就在前几天，奥特曼在致员工的备忘录中发出「红色警报」，称要把精力拉回到提升ChatGPT上，其他优先级不高的项目暂时往后放。

现在，每周有接近十亿的人在使用ChatGPT，庞大的用户规模使得OpenAI拥有了一个前所未有的窗口，去洞察人类的意图、好奇心和决策方式。

每个提示词、每段对话，都能被喂回模型训练、评估和强化学习，进一步强化这个可能是全球最强的AI反馈循环。

而奥特曼的「红色警报」核心，就是要保护这个优势。

如果ChatGPT变得更好用，人们用它的频率就会更高，使用越多循环越强，循环越强产品又会变得更好——一个不断自我加速的飞轮效应。

这也是OpenAI抵御谷歌进攻的强大堡垒。

如今，Gemini 3已经吸引了一波用户，OpenAI强大的堡垒已经有了一些松动的迹象。

在这个节骨眼上，如果ChatGPT的质量有波动，或者界面变得杂乱，用户跳去谷歌就更容易了。

此前，就不断有用户对OpenAI在其产品中推送商品信息的行为表示反感。

因此，就在外部紧盯OpenAI财务状况的时候，奥特曼仍然决定先稳定自己的用户飞轮，把上线广告和赚钱的事情先放一放。

目前，OpenAI把希望押在新模型的发布上，以推动ChatGPT再次加速增长。

但AI的投入成本极高，OpenAI已经承诺要投入数千亿美元来建设基础设施，把ChatGPT推向真正的全球规模。

因此，商业化的事情也不能一直拖着。

先通过聚焦ChatGPT稳住用户的基本盘，然后再探索广告商业化机会，正是奥特曼在强敌压境之下的重要考量。

如今，相比较OpenAI，Google在模型上已经赶上，在芯片、产品矩阵、商业化能力等方面不断巩固优势。

奥特曼是否能有机会让Google再次拉响「红色警报」，可能要看新模型「Garlic」推出后的市场反应了。

参考资料：

https://www.businessinsider.com/ai-godfather-geoffrey-hinton-google-overtaking-openai-2025-12

https://blog.google/technology/developers/gemini-3-pro-vision/

秒追ASI

⭐点赞、转发、在看一键三连⭐

点亮星标，锁定新智元极速推送！