Google 本周二在预印本平台 arXiv 上发表论文，介绍了它的第四代 TPU（Tensor Processing Unit）处理器。TPU 是 Google 专用于训练 AI 的定制处理器，每个 TPUv4 包含两个 TensorCores（TC），每个 TC 包含四个 128x128 矩阵乘法单元（MXU）和一个矢量处理单元(VPU)，使用 128 条通道（每通道 16 ALU）和一个 16MB 的 矢量存储器（VMEM）。Google 自己的测试显示，它的 TPUv4 相对于英伟达的 A100 更快更环保（能耗更低）。A100 是英伟达上一代的数据中心 GPU，它最新一代的产品是 H100，Google 研究人员没有对比 TPUv4 和 H100，因为 H100 是在 TPUv4 之后推出的。与英伟达的产品不同的是，Google TPU 不对外销售，公开 TPUv4 的一个目的可能是为了宣传该公司的云端 TPU 服务。

Google 财务总监 Ruth Porat 通知所有员工，为节省成本提供给员工的各种福利和办公用品将进行削减。Google 将减少健身课程、订书机和胶带，降低员工用笔记本电脑的更换频率。Google 在 2023 年的目标是通过改善速度和效率实现持久的节约。

Google 将近距离文件共享带到 Windows 平台，允许用户在 Android 设备和 Windows PC 之间近距离传输文件。Google 早在 2020 年就推出了 Nearby Share 应用，允许 Android 用户通过本地 Wi-Fi 网络向朋友传输文件。然而 Android 用户之间传输文件的机会可能并不多。但大部分 Android 用户同时都有 Windows PC，在 Windows PC 和 Android 设备之间传输文件的机会可能更为频繁，也就是该应用更具有实用价值了。

搜索巨人的云储存服务 Google Drive 通过其 Twitter 账号宣布撤销 500 万文件数量限制，表示如果以后再次改动的话会提前通知用户。此前用户报告，Google Drive 对能储存的文件数量设定了 500 万的上限，超过这个限额之后就必须删除旧文件，否则将无法使用。Google Drive 的最高容量为 30 TB，500 万文件数量并非遥不可及，尤其是对于同步工作文件的开发者而言。Google 承认这一限制影响到了少部分用户，表示将探索其它方法，确保每个人都有良好体验。

Google 云储存服务 Google Drive 的用户报告，搜索巨人对 Drive 能储存的文件数量设定了一个上限，超过这个限额之后就必须删除旧文件，否则将无法使用。Google Drive 的最高容量为 30 TB，月费为 150 美元。但无论你是企业级还是消费级客户，都受到这个未公开的限额的影响——文件数量超过 500 万之后就无法使用。Google 发言人证实了该限额的存在，称此举是一种防止滥用的安全保障措施，避免系统的稳定性和安全性受到影响。

Google 重组了其虚拟语音助手 Assistant 部门，将专注于其 AI 聊天机器人 Bard。Google Assistant 工程副总裁 Jianchang "JC" Mao 以个人原因离职，其职位将由在 Google 工作了 16 年的资深高管 Peeyush Ranjan 接替，他之前负责公司的支付业务。这一变动可能意味着 Bard 未来可能会整合到语音助手等类似产品中。Assistant 目前面临的挑战主要是语音识别，而不是大语言模型，Bard 对此的帮助未必有多大。

2021 年，Google 研究人员在《自然》期刊上报告利用 AI 加速芯片设计。研究人员使用了 1 万张芯片设计图去训练他们的软件，基于强化学习的 AI 学习了如何在有限空间、布线和功耗下完成设计图。Google 已将这一方法应用于自己的芯片 TPU（tensor processing uni）。现在，UCSD（加州圣迭戈）计算机科学和工程学教授 Andrew Kahng 领导的一个团队尝试了重现 Google 的研究。由于 Google 以商业敏感性为由未披露模型内部工作的部分细节，研究人员花了几个月时间进行逆向工程，他们最终的模型 circuit training (CT)比使用传统方法差得多。为什么差异如此显著？一种原因被认为是 Google 利用 EDA 软件巨头 Synopsys 开发的商业软件去创造芯片逻辑门的起始布局，然后用强化学习系统优化。UCSD 团队指出 Google 没有在论文中进行披露。Google 论文的主要作者表示没有披露是因为这并不重要。他们认为 UCSD 团队的结果糟糕一则是模型没有预先训练，另一个原因是没有像 Google 那样有充足的计算能力。UCSD 团队表示没有预训练是因为无法获得 Google 使用的私有数据。

Google 开始了一切产品都整合生成式 AI 的尝试。搜索巨人宣布将在包括 Google Docs 和 Gmail 在内的 Google Workspace 产品中加入 AI。Docs 和 Gmail 集成的生成式 AI 将可以帮助用户起草初稿，润色文字，在 Gmail 中它能对邮件进行回复总结和优先处理，在 Docs 中校对和重写文章，能在 Slides 中自动生成图像、声频和视频将用户的创意变成现实，在 Sheet 中通过自动完成、公式生成和上下文分类从原始数据中得到洞察和分析。Google Workspace 从 3 月 14 日开始月费上涨二成。

两年前，两名 Google 研究员开始力促公司发布一款聊天机器人，它依托的技术在当时是所向披靡的。他们开发的那款对话式应用可以自信地进行哲学辩论，拿它最喜欢的电视节目打趣，还能即兴创作有关牛和马的谐音梗。 据知情人士说，两名研究员告诉同事们，像他们开发的这种由最新 AI 驱动的聊天机器人将彻底改变网络搜索和人机交互方式。他们催促 Google 允许外部研究人员使用该聊天机器人，尝试将其整合到虚拟助手 Google Assistant 中，随后还要求 Google 进行公开演示。Google 高管多次回绝了他们，至少有一次说这个项目不符合公司关于 AI 系统安全性和公平性的标准。两人在 2021 年辞职创业从事于类似技术。Google 帮助开创了现代人工智能时代，而如今，它对这项技术的谨慎做法在一位宿敌的挺进下面临考验。

2013 年 3 月 13 日 Google 宣布，作为第二个春季大扫除计划之一，Google Reader 因用户数量逐年下降，于 2013 年 7 月 1 日终止服务。10 年之后，Google 杀死 Reader 的主要动机——为其社交服务 Google+ 吸引用户——也早就不复存在。当时的 Google 执行官将社交网络 Facebook 视为对其构成了存在性威胁，因而全力推广和整合 Google+，而集成了简约社交功能的 Google Reader 被视为一大障碍，须将其除掉而后快。Google Reader 被杀死了，而 Google+ 也在几年后步入后尘。社交网络没有成为 Google 的存在性威胁，AI 聊天机器人会不会还是未知数。但 Google Reader 作为一个成功的产品，对许多人具有重要意义，Google 冒然将其杀死造成了巨大冲击，对所有其它 Google 产品都产生了负面影响——今天每当 Google 推出一个新产品，用户心中都会涌出疑问——它会不会被杀死？Google 产品成为了不可靠的代名词。

在 Facebook 为代表的社交网络发展的黄金时期，Google 一度陷入恐慌，担心社交网络会吞噬一切。时任 CEO Larry Page 下令将员工奖金和社交上的成功挂钩，将所有服务都整合社交功能。结果是一团糟，这次强制性整合社交以惨败告终，Google 最终从其服务中移除了 Google+ 并将其关闭。十年前的失败剧本并没有阻止 Google 在新一轮恐慌中将其作为参考模板：搜索巨人据报道计划在所有服务中整合类似 ChatGPT 的功能。Google 在很多年里都是 AI 技术的领导者，由于担心推出不完美的产品，Google 的 AI 技术都关在实验室里。ChatGPT 的出现并在短时间里吸引了 1 亿用户，Google 不再被视为 AI 的领导者，它的股价也在股市遭受惩罚。

搜索巨人的邮件列表和网络论坛服务 Google Groups 正在死亡，尽管还没有正式铭刻在墓碑上，但它的基本功能逐渐停止工作。Google 以搜索起家，然而 Google Groups 的搜索功能早就出故障了，现在 Monospace 字体停止渲染，导致代码示例难以阅读。已读/未读指示器工作不正常，用户刚刚访问的主题或者自己的帖子或回复都被标记为未读。用户递交的帖子或回复断断续续的自己删除了，帖子成功递交了，但却返回删除的信息，如果这个帖子未保存或花了很长时间完成，这对用户的打击是巨大的。Google Groups 仍然被 FOSS 社区广泛使用，寻找它的替代重建一个社区需要时间。常见的替代如 Discord 和 GitHub 都是私有的。

Google 通知员工，今年晋升到 L6 和以上级别的员工数量会少于往年。L6 是 Google 高级员工的第一层，通常有 10 年左右的工作经验。这意味着在 Google 推行的新绩效评估系统 Google Reviews and Development (GRAD)中，将会有更多员工获得低绩效评级，更少员工获得高分。Google 有着庞大的中层管理人员。去年的内部调查认为，这影响了公司有效交付产品的能力。随着增长放缓和经济衰退担忧，Google 努力削减成本，它放慢了招聘，宣布裁员 1.2 万人，占员工总数的 6%。

Google 和柏林科技大学的一组研究人员透露了可用于控制机器人的多模态 Embodied 视觉语言模型（VLM）PaLM-E，有 5620 亿个参数，融合了视觉和语言处理。当用户发出“高阶指令”，如“将抽屉里的米片拿过我”， PaLM-E 能为装备机械臂的移动机器人平台生成一个行动计划，并自行执行。它执行不同任务不需要预先或重复训练。消除数据预处理或注释给予了机器人更强大的自主控制。PaLM-E 是基于 Google 现有的大语言模型 PaLM，通过加入感觉信息和机器人控制使其有具身性(embodied) 。它能与处理语言的相同方式理解感觉信息。

Google 宣布它正朝着支持一千种语言的大 AI 模型的目标前进。搜索巨人是在去年 11 月宣布千种语言倡议（1,000 Languages Initiative），旨在构建一个机器学习模型能翻译世界上最常用的 1000 种口语，给全世界居民带来更大的包容性。本周一，Google 分享了其 Universal Speech Model(USM)的更多信息。USM 是一个语音模型家族，有 20 亿个参数，使用 1200 万小时的语音和逾 300 种语言的 280 亿文本语句训练。Google 研究人员在预印本平台 arXiv 上发表了论文《Google USM: Scaling Automatic Speech Recognition Beyond 100 Languages》，利用无标签多语言大数据集预训练模型，在较小的有标签数据集上微调，使之能识别代表性不足的语言。USM 已被 YouTube 用于生成隐藏式字幕，它还支持自动语音识别（ASR），自动检测和翻译语言，包括英语、普通话、阿姆哈拉语、宿务语、阿萨姆语等。现在 USM 支持逾 100 种语言，将作为一个基础去构建更庞大的语言系统。

Alphabet 的裁员在继续。它在今年 1 月宣布裁员 1.2 万人，进入 3 月后不断传出更多的裁员消息。它关闭了子公司 Everyday Robots，所有员工都被解雇。它的自动驾驶子公司 Waymo 宣布了第二轮裁员共 137 人，今年内的两次裁员共裁掉员工总数的 8% 合计 209 人。Waymo 表示要将精力集中到在商业上取得成功。它已经有 14 年历史了，是自动驾驶汽车领域的领导者，但仍然距离商业成功还很遥远，甚至还看不到尽头。它刚刚宣布其自动驾驶出租车只搭载乘客（即没有人类司机在旁监督）的行驶里程已超过了百万英里。但它扩大自动驾驶出租车业务还面临着成本和安全方面的挑战。

Google 开始向部分 Gmail 和 Calendar 用户提供客户端加密，让用户能更好的控制谁能看到敏感的通信和日程表。客户端加密是指数据在本地加密然后才发送到服务器，相比之下服务器端加密是指客户端设备向中心服务器发送数据，然后在储存时使用其持有的密钥加密。从周二开始，Google 开始向 Gmail 和 Calendar Workspace 客户推送客户端加密。

Mozilla 基金会的研究发现，八成 Google Play 应用的安全标签是不精确的。Mozilla 隐私研究团队检查了 Google Play 商店里的 40 款最受欢迎的应用（基于下载量）， 对比了它们的隐私政策和报告给 Google 的 Data Safety Form 的信息，发现其中 16 款即 40% 的应用在隐私政策和自我报告的信息之间存在巨大差异，获得了差的评分，15 款应用获得了需要改进的评分，只有 6 款应用获得了 OK 的评分，其中包括 Stickman Legends Offline Games、Power Amp Full Version Unlocker、League of Stickman: 2020 Ninja、Google Play Games、 Subway Surfers 和 Candy Crush Saga。Mozilla 发现 Google 的 Data Safety Form 报告有漏洞，没有要求应用披露与服务提供商共享数据，使用了收集和共享的狭窄定义。

阻碍量子处理器走向实用的一大挑战是它出错的概率是传统处理器的上万亿倍，而量子比特数越多通常错误率也越高。Google 现在在量子纠错上取得了进步：让错误率随量子比特数的增加而下降成为可能。它的下一代量子处理器 Sycamore 在量子比特数上与上一代相同，但性能有了改进。Google 研究人员在《自然》期刊上发表研究报告，描述了两种纠错的方法，其中一种的错误率比另一种下降了 0.11%。但目前的错误率仍然太高，我们还需要更长时间才会看到量子处理器展现出它优于经典处理器的地方。

Google Code Jam 国际编程竞赛将在举办二十年后结束，今年 4 月 15 日的比赛将是最后一届，采用线上比赛，自 2020 年以来，因新冠疫情比赛改为线上举办。Code Jam 始于 2003 年，比赛内容包括一系列的算法问题，参赛者必须在指定时间内解决。参赛者允许使用任意自选编程语言和开发环境来解答问题，奖金最高为 1 万美元。过去二十年，中国的楼天城（两次）和白俄的 Gennady Korotkevich（八次） 多次获得了冠军，按国家统计，白俄最多赢得了 9 次冠军，中国第二 3 次，俄罗斯 2 次，波兰 2 次。