谷歌 CEO 桑達爾·皮查伊為剛剛結束的 Google I/O 開幕演講做了總結：

一個半小時的主題演講，120 次提及「AI」。不，是 121 次，剛剛我又說了一次，我甚至還想多說幾次，讓這個數字再擴大一些……

甚至為了給 AI 讓路，Google Pixel 8a 在 I/O 大會前就開啟預售。而以往的重頭戲 Android 部分的解說，直接和谷歌大模型 Gemini 綁定，變成以 AI 為內核的操作系統。

繼上次 Sora 截胡 Gemini 1.5 之后，OpenAI 故伎重演，在 Google I/O 開幕前一天甩出了 GPT-4o，免費升級讓整個科技互聯網狂喜。

> 延伸閱讀：OpenAI 熱辣滾燙，Google 紅毯先生，春節檔創紀錄

Gemini 不甘示弱，更新了多項大模型和工具，發布了諸多新功能。在生成式 AI 方面，谷歌還展示了與 OpenAI 分庭抗爭的文生圖、文生視頻的新能力。

此外，新的融合了多模態 AI 能力的語音助手 Project Astra 也有很多看點。

Gemini 1.5 Pro 新增 200 萬 tokens 參數

去年 12 月，Gemini 首次亮相，并發布了 Gemini 1.0 版本。

今年 2 月，Gemini 1.5 Pro 正式發布，具有 100 萬 tokens 參數、長上下文處理能力、多模態交互能力。

會上桑達爾·皮查伊公布了一組數據，目前有超過 150 萬開發者使用 Gemini 模型，Gemini 也已進駐至 Android、iOS 系統。

隨著使用量的增加，需求也發生著巨大的變化，比如用圖片提問，現在已經變得越來越常見。此次 Gemini 家族的諸多更新，即是為了響應用戶需求。

首先迎來的是 Gemini 1.5 Pro 的功能改進，在翻譯、推理、編碼等關鍵用例上做了優化，能夠勝任更復雜的任務處理。

新版本 Gemini 1.5 Pro 除了 100 萬 tokens 參數外，還新增了 200 萬 tokens 選項，語言種類也擴展至 36 種。

基于新版本 Gemini 1.5 Pro 更新的 Gemini Advanced 能夠處理多個大型文檔，總計 1500 頁，或梳理 100 封電子郵件。

未來 Gemini 1.5 Pro 還將繼續擴大適用范圍，預計將向全球 200 多個國家和地區提供使用。

輕量級模型 Gemini 1.5 Flash，主打短頻快

Gemini 1.5 Flash 是 Google 發布的一款新的輕量級模型，主要用于處理高頻、簡單任務，具備快速響應能力。

和 Gemini 1.5 Pro 一樣，具有 100 萬 tokens 參數，以及支持文本、圖像、語音、視頻等多模態交互能力。

端側模型 Gemini nano，與 Android 底層系統集成

Gemini nano 是一款端側輕量級大模型，將集成在 Android 底層系統，作為一項能力向設備提供，首先是自家的 Pixel 手機。

Gemini nano 能支持語音理解、圖像識別，以及將消息、郵件和文檔，提煉合成簡潔、可讀的摘要內容。

具體用例方面，Gemini nano 可以讀懂手機界面上的信息、提煉 PDF 等文檔關鍵信息，并支持語音問答。

另外，Gemini nano 還能根據陌生電話涉及的索要身份信息、銀行賬號等敏感詞匯，識別詐騙電話。

開源模型 Gamma 2，性能是同尺寸模型 2 倍，計劃今年 6 月發布

會上，谷歌還預告了開源模型 Gamma 2 的發布時間，如果一切進展順利，6 月即會推出。

據悉 Gamma 2 具備 270 億訓練參數，性能表現是同尺寸模型的 2 倍，并可在 GPU 或 Vertex AI 中的單個 TPU 主機上運行。

而當前的 Gamma 則新增了 PaliGemma 視覺語言模型，并針對圖像字幕視覺問答和其他圖像標簽任務進行了優化。

文生圖模型 imagen 3，主打高清圖像

文生圖模型 Imagen 升級至 Imagen 3 版本，主要改進了圖像質量。

Imagen 3 模型帶來了更具細節特征的圖片，如動物的胡須、人的頭發，絲毫畢現。

同時，去除了圖像中常見的偽影、雜質，使得圖片更加逼真。

文生視頻模型 Veo，60 秒 1080P 的短視頻，很快會有消費者版本

Veo 以 Google 多年生成式視頻模型為基礎構建，包括 GQN、DVD-GAN、Imagen-Video、Phenaki、WALT、VideoPoet、Lumiere，能夠理解文本內容，輸出高質量、高分辨率的視頻。

Veo 可以生成 1 分鐘時長 1080P 分辨率的短視頻，并能理解文本中的「延時拍攝、航拍」鏡頭拍攝風格。

谷歌表示，目前正在邀請電影制片人和創作者測試 Veo，以打磨出適用于消費者的版本。

生成式音樂工具 Music AI Sandbox

Music AI Sandbox 基于生成式音樂模型 Lyria，并與 YouTube、音樂家、創作者聯合打造。

利用 AI，音樂人可以在音樂中添加新的音樂元素、樂器聲，以生成全新的音樂曲目。

AI 重構搜索：全新 Overviews 亮相，視頻搜索在路上

以搜索見長的谷歌，這次索性用 AI 將搜索引擎折騰了個遍。

搜索引擎將支持語音、圖片、圈選，甚至是視頻搜索，給出的結果也將是多維度、極豐富的，谷歌稱這種新的呈現方式「Overviews 概覽」。

如簡單問題提問，搜索引擎可以給出帶有觀點性、內容性的不同內容回復。

對于復雜問題，AI 會將復雜問題分解為小問題，并按照順序，逐步呈現。

例如，當提出：我想報一個離我家較近、價格適中的瑜伽班？

搜索引擎就會基于需求，從海量的真實商家信息中，抽離出符合需求的課程。不僅如此，「Overviews 概覽」界面還會給出地圖、商戶的評價，甚至是瑜伽練習的要領提示等信息。

再比如，對于我們日常較為苦惱的飲食安排，你也可以在搜索引擎中直接提出：幫我安排為期七天的飲食菜譜，而即刻獲得包含圖片、文字、做法的搜索內容。

此外，谷歌還預告了「視頻搜索」功能。

會上透過一段用戶拍攝的唱片機搖臂安裝問題發起搜索。AI 通過對視頻逐幀分析后，一份包含唱片機廠商、型號，安裝方式等內容的「Overviews 概覽」即出現在眼前。

Workspace 獲 Gemini 1.5 加持，主打一個高效、協同辦公

谷歌辦公應用 Workspace 的更新，倒是有些看點。

Gmail、文檔、幻燈片、表格的側面板中的 Gemini 將升級至全新的 Gemini 1.5 Pro，通過上下文窗口和更高級的推理，提供服務。

如在 Gmail 中，Gemini 可以對多封郵件，進行關鍵信息提煉，形成一份待辦事項清單。

這當中谷歌列舉了兩個有趣的例子：

其中之一，丈夫發給妻子希望修繕屋頂的郵件。妻子利用 Gemini 在眾多供應商回應郵件中，快速尋找到合適價格、合理工期的供應商。并且 Gemini 還具體問題，生成了自動回復，這著實讓妻子大為滿意。

而另一個例子，是一個自由攝影工作者，在繁忙的工作中，收到各種出差時的差旅單據時，通過 Gemini 將單據快速生成條目清晰的表格。

另這位攝影工作者欣喜的是，Gemini 還能一鍵設置命令，Gmail 中所有同類單據都并入至一份表格，而可統一管理。

另外，針對職場常見的拉群工作溝通，谷歌還打造了一個由 AI 驅動的工作助理。

工作助理是一個虛擬同事，你甚至可以給它起名。

在群組內，它可以學習群內聊天內容、項目背景信息，慢慢進化到對項目了如指掌的狀態。

演示視頻中，工作人員向其發問：咱們的項目能如期上線嗎？

工作助理基于所掌握的信息，瞬間列明項目進度、待解決的重要事項，并且將任務發送給所負責的同事。

活脫脫一個項目經理啊！

Gemini 手機版 App 上新，多模態入口設計，可創作多角色聊天機器人

經過全新設計的 Gemini APP，直接以語音、圖片、視頻為輸入口，并能訪問 Gemini 最新的版本。

谷歌表示，Gemini APP 的愿景是成為最有用的個人 AI 助理。

基于此，Gemini APP 還提供支持創建 Gems 個性化聊天機器人，可讓用戶與不同角色的機器人對話。

會上 Google 就列舉了如瑜伽搭子、大廚、編碼伙伴等角色形象。

第六代 TPU Trillium 低調發布，性能提升 4.7 倍

作為 Gemini 等大模型背后的硬件支柱，第六代 TPU Trillium 在會上也僅作為配角低調發布。

就性能而言，Trillium 還算夠強大。會上谷歌表示，相比 TPU v5e，Trillium 每個芯片峰值計算性能提高了 4.7 倍，能效高出 67%。

其中 Trillium 還配備了第三代 SparseCore，一款處理超大嵌入的專用加速器。同時，Trillium TPU 可以更快速訓練下一代基礎模型，并以比較短的延遲時間及低成本提供模型服務。

智能助理 Project Astra 和 AR 眼鏡

Project Astra 是谷歌最新的實時多模態 AI 助理。

會上，演示者手持 Pixel 手機，演示了 Astra 與各種事務的多模態交互能力。

與 Pixel 手機先后出現的，還有首次亮相的一款新 AR 眼鏡。

有關這部分的詳細解讀，參考今天推送的第二篇。

主筆：達達 / 深圳灣

審校：周森 / 深圳灣

編輯：陳述 / 深圳灣