《堡垒之夜》开发商Epic Games对苹果与谷歌涉嫌非法垄断应用商店的诉讼已经延续三年,如今胜利的消息终于传来。Epic诉谷歌案的陪审团刚刚就此案做出裁定,认为谷歌在其Google Play Store和Google Play计费服务中存在非法垄断。
经过短短几个小时的审议,陪审团一致对需要裁定的各个问题给出肯定判断:谷歌在Android应用分发市场及应用内计费服务市场内确实拥有垄断权力,谷歌确实在这些市场中存在反竞争行为,且Epic确因此种行为而蒙受损失。他们认为谷歌的Google Play Store和Google Play Billing支付服务间亦存在非法联系,且其与游戏开发商间签订的分销协议、拥抱计划(Project Hug)交易以及与OEM厂商间的交易均有违竞争精神。
谷歌事务及公共政策副总裁Wilson White表示,该公司计划对判决结果提起上诉,理由是“庭审清楚表明,我们与苹果及其应用商店、以及Android设备和游戏主机端的应用商店均存在明确竞争。”
Epic Games则在其官方博客上发文表示:“今天的判决对于全球各应用开发商及消费者来说都是一场胜利。这证明谷歌的应用商店存在非法行为,他们滥用垄断地位收取过高费用、扼杀竞争并减少创新。”
这是一场历史性的胜利,特别是在两年之前,Epic曾在与苹果的对抗中几乎一败涂地。当时法官Yvonne Gonzalez Rogers认为双方的争议与应用本身无关。
从结果来看,Epic诉谷歌案件显现出全然不同的走向。谷歌、智能手机制造商及大型游戏开发商之间签订有秘密收入分配协议,谷歌内部高管认为这些协议确实是为了压制竞争对手的应用商店而存在。也正因为如此,谷歌在Epic面前明显底气不足。而且与诉苹果案不同,本次裁定完全由陪审团做出。
需要注意的是,我们并不知道诉讼胜利能给Epic带来怎样的结果——具体取决于James Donato法官如何制定适当的补救措施。Epic提起诉讼的原因绝非经济损失,而是希望通过法院向谷歌强调,每家应用开发商都应有充分的自由在Android上推出自己的应用商店和自己的计费系统。目前尚不清楚法官是否、或者将如何满足这些诉求。双方将于明年1月的第二周与Donato法官会面,讨论可能的补救措施。
Donato法官已经表示,他不会批准Epic针对反规避条款的额外请求。根据Epic首席律师Gary Bornstein在11月28日的评论:“这只是为了确保谷歌无法通过某种替代性、创造性解决方案重新制造同样的问题。”
Donato强调:“我们不会执行惩戒性的禁令……如果对此有异议,可以随时上诉。”他还表示,他无意决定谷歌应为其产品收取多高百分比的费用。
尽管Epic并未在诉讼中提出赔偿要求,但Epic Games公司CEO Tim Sweeney曾提到如果不需要向谷歌支付费用,那么公司还能额外赚取数亿甚至数十亿美元。
Wilson White,谷歌政府事务与公共政策副总裁则回应称:
“我们计划对判决提出质疑。Android与Google Play比其他任何主要移动平台都提供更多选择性与开放性。此次庭审清楚表明,我们与苹果及其应用商店、以及Android设备和游戏主机端的应用商店均存在明确竞争。我们将继续捍卫Android的商业模式,并继续坚定致力于为我们的用户、合作伙伴和更广泛的Android生态系统做出贡献。”
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。