北京時(shí)間15日凌晨1點(diǎn)，谷歌召開年度Google I/O開發(fā)者大會(huì),。根據(jù)谷歌官方統(tǒng)計(jì)，在這場110分鐘演講中,，谷歌CEO桑達(dá)爾·皮查伊（Sundar Pichai）提及AI的次數(shù)高達(dá)121次,，同時(shí)推出了一系列以 AI 為核心的產(chǎn)品和服務(wù)，覆蓋 AI 模型,、AI 搜索,、AI 語音助手、AI 芯片等多個(gè)方面,。

雖然被OpenAI搶先一步發(fā)布了重磅新品演示,，但谷歌做到了OpenAI還沒能做到的事——率先發(fā)布人工智能（AI）搜索引擎。

25 年前,，Google開啟了搜索功能,；這次,，Google再次拓展了搜索的邊界。在此之前,，當(dāng)用戶在使用搜索引擎時(shí),，通常以文字或圖片形式呈現(xiàn)。而如今,，作為推動(dòng)將生成式 AI 添加到搜索中的一部分,，谷歌引入了一個(gè)新的轉(zhuǎn)折點(diǎn)：搜索生成體驗(yàn)（SGE）。

據(jù)介紹,，在最新Gemini的加持下,，谷歌搜索將具備多步驟推理能力，可以一次性處理帶有多個(gè)限制條件的長問題,、幫助用戶進(jìn)行頭腦風(fēng)暴,，并支持視頻搜索，讓用戶通過拍攝視頻來搜索解決方案,，這些功能將先在美國推出,，其他國家“很快”也會(huì)跟進(jìn)。

同時(shí),，谷歌搜索還引入視頻,。Gemini會(huì)讓用戶上傳演示其要解決的問題的視頻，然后啟動(dòng)搜索在論壇和互聯(lián)網(wǎng)的其他區(qū)域以找到解決方案,。

另外,，除了將Gemini能力加持到搜索引擎外，谷歌還將為Gmail應(yīng)用程序提供一些有趣的新功能,，包括長電子郵件線程的摘要,。用戶還可以直接與Gemini聊天，從整個(gè)收件箱中查找詳細(xì)信息,。

叫板OpenAI

同時(shí),，谷歌還帶來最新、最先進(jìn)的視頻生成模型Veo和迄今為止質(zhì)量最高的文本到圖像模型Imagen 3,，直接對(duì)標(biāo) Sora類型的視頻生成技術(shù)和Dall-E文生圖技術(shù),。

據(jù)介紹，Veo能夠生成超過一分鐘的高質(zhì)量1080p視頻,，涵蓋多種電影和視覺風(fēng)格,。Veo具備高級(jí)的自然語言和視覺語義理解能力，能準(zhǔn)確呈現(xiàn)細(xì)節(jié)并捕捉情感基調(diào),。與之相結(jié)合的是Imagen 3,，Google最高質(zhì)量的文本到圖像生成模型，Imagen 3 可以更好地理解自然語言,、提示背后的意圖,，并結(jié)合較長提示中的小細(xì)節(jié),。

除了在文生視頻模型方面與OpenAI的競爭外，谷歌在AI助手領(lǐng)域也展開反擊,。

在OpenAI推出能夠?qū)崿F(xiàn)人類級(jí)別響應(yīng)的智能助手GPT-4o后,，谷歌的AI智能體項(xiàng)目Project Astra也重磅登場。

在演示視頻中,，Astra能夠通過手機(jī)攝像頭或智能眼鏡看到的內(nèi)容來分析響應(yīng)語音命令,。它成功地識(shí)別出代碼序列、為電路圖提出改進(jìn)建議,、能夠通過鏡頭“看到”倫敦國王十字區(qū),，并提醒用戶智能眼鏡的放置位置。

據(jù)介紹,，谷歌在Gemini的基礎(chǔ)上開發(fā)了Astra的原型,，可以通過連續(xù)編碼視頻幀、將視頻和語音輸入組合到事件時(shí)間線中以實(shí)現(xiàn)更快地處理信息,。通過語音模型,，谷歌也強(qiáng)化了智能助手的說話能力，讓其能夠給出更快速的回應(yīng),。

不過,，在演示視頻中，谷歌AI助手的回應(yīng)速度似乎還是會(huì)比GPT-4o稍慢一些,，語音所表現(xiàn)出的感情色彩也平淡一些,。

皮查伊表示，谷歌計(jì)劃從今年開始將Astra的功能添加到其Gemini應(yīng)用程序及其產(chǎn)品中,。不過,，他也強(qiáng)調(diào)，雖然最終目標(biāo)是“讓Astra在公司的軟件中實(shí)現(xiàn)無縫連接”,，但該產(chǎn)品將被謹(jǐn)慎推出,，并且“商業(yè)化之路將由質(zhì)量驅(qū)動(dòng)”。

Google的大模型底座

會(huì)上,，谷歌還全面發(fā)布Gemini 1.5 Pro,，可提供具有增強(qiáng)的性能和突破性、最高200萬Token長文本能力,，并且已經(jīng)向全球開發(fā)者開放。

據(jù)悉,，全新Gemini 1.5 Pro具有原生音頻理解,、系統(tǒng)指令、JSON 模式等,，能夠使用視頻計(jì)算機(jī)視覺來分析圖像（幀）和音頻（語音）的視頻,，這使其具有人類水平的視覺感知,。使用深度神經(jīng)網(wǎng)絡(luò)，Gemini 1.5可以以超人的精度識(shí)別圖像（和視頻幀）中的物體,、場景和人物,。

隨后，谷歌推出全新Gemini 1.5 Flash模型,。

DeepMind首席執(zhí)行官 Demis Hassabis認(rèn)為,，成本問題一直是大模型開發(fā)的痛中之痛，某些應(yīng)用程序需要更低的延遲和更低的服務(wù)成本,。而為了解決這一痛點(diǎn),，谷歌推出Gemini 1.5 Flash 模型——比 1.5 Pro 更輕的模型，該模型旨在兼顧快速和成本效益,。

“Gemini 1.5 Flash 擅長摘要,、聊天應(yīng)用程序、圖像和視頻字幕,、從長文檔和表格中提取數(shù)據(jù)等,，”Demis稱，谷歌創(chuàng)建 Gemini 1.5 Flash 是因?yàn)殚_發(fā)人員需要一個(gè)比 Gemini 1.5 Pro 更輕,、更便宜的模型,。

在硬件方面，谷歌將于今年晚些時(shí)候推出交付第六代數(shù)據(jù)中心AI芯片TPU Trillium,。皮查伊表示,，每塊芯片的計(jì)算性能將比第五代提升4.7倍，谷歌通過擴(kuò)大芯片的矩陣乘法單元（MXU）和提高整體時(shí)鐘速度來實(shí)現(xiàn)這一目標(biāo),。此外,，第六代將比第五代芯片節(jié)能67%，谷歌還將Trillium芯片的內(nèi)存帶寬提高了一倍,。