五月真熱鬧,，OpenAI才開了春季發(fā)布會,，谷歌I/O大會也如期召開了。

主題演講的關(guān)鍵詞仍舊是AI,，谷歌還自己在現(xiàn)場給出了提到“AI”的次數(shù),，在120次以上。

在萬眾矚目的AI領(lǐng)域,，谷歌宣布了若干新消息,。

AI大模型升級了兩個，Gemini 1.5 Pro雙下文窗口拓展到200萬令牌,、Gemini Nano增加多模態(tài)理解能力,；新發(fā)布了三個，更輕更快的Gemini 1.5 Flash,、新架下的Gemma 2.0,，以及視覺語言模型PaliGemma。

另有文生圖模型迭代至Imagen 3,，還新發(fā)布了一個文生視頻模型Veo,。

AI的具體應(yīng)用延展上，谷歌這次憋了不少招,。

谷歌的核心產(chǎn)品搜索中,，發(fā)布AI Overviews，加強(qiáng)版AI搜索摘要功能將率先上架美國,。谷歌搜索中還將加入制定計劃,、視頻搜索等多重AI驅(qū)動的功能。

此外,，Gemini還被塞進(jìn)谷歌照片以及即時通訊應(yīng)用Google Messages等產(chǎn)品中,。

讓人聯(lián)想到OpenAI才發(fā)布的GPT-4o的，是谷歌旨在打造未來通用AI助理的新項目Project Astra,，以及Gemin的新功能Live,。Gemini Live支持與AI語音聊天，年內(nèi)預(yù)計加入相機(jī)功能，和AI實時“視頻通話”,。

有點尷尬的是,，在第三方拉流的直播間里，觀眾直呼“無聊”,，并對眼花繚亂的名字感到困惑,。CNET的評論員指出，谷歌需要精進(jìn)講故事的能力,，而不是一上來就將各個部分盡數(shù)展開,。

OpenAI趕在谷歌I/O大會前一天開春季發(fā)布會，原本盛傳的搜索產(chǎn)品沒來,，但“人類級別響應(yīng)”的GPT-4o讓人一窺新一代AI助理大戰(zhàn)的輪廓,。

難以想象要是沒有OpenAI的狙擊，谷歌會有多開朗,。

本次谷歌I/O大會上,，原本最具驚喜的也是AI助理方面的進(jìn)展。

首先,，谷歌公布了一個新項目,，名為Project Astra。用谷歌Deepmind負(fù)責(zé)人哈薩比斯（Demis Hassabis）的話說,，這是真正通向AGI的萬能助手項目,。

相比于谷歌上一代AI助手Google Assistant，Project Astra的AI助手模式多樣,，且能實時交互,。沒有煩人的喚醒詞，也沒有尷尬的延遲,?？茨闼矗瑸槟闩艖n解難,。

演示視頻中,，用戶打開手機(jī)攝像頭，對準(zhǔn)任意物品,，AI可以準(zhǔn)確說出物品的名稱，如“這是一個音響”,。用戶可以實時視頻的同時,，在屏幕上涂畫、進(jìn)一步向AI提問,，如畫一個箭頭指向音響的某個部分,，詢問是什么。當(dāng)用戶將鏡頭對準(zhǔn)窗外時，AI則直接根據(jù)景色猜測出用戶所在的地點,。

在攝像頭匆匆掃過場景的情況下,，用戶求助“眼鏡放在哪兒”，助手準(zhǔn)確識別并回答“你的眼鏡在紅蘋果的旁邊”,。

去年12月,，Gemini就曾發(fā)布通過視頻和AI互動的視頻，但事后承認(rèn)視頻經(jīng)過剪輯,，谷歌為此沒少被戳脊梁骨,。

有意思的是，這次在演示視頻的一開頭,，谷歌就鄭重承諾,，視頻是實時、一次性拍攝的,。

不過,，谷歌尚未針對Project Astra給出明確的時間線，只是含糊地表示今年晚些時候其中的一些功能將更新到Gemini及其他應(yīng)用中,。

谷歌在AI助手方面還有更看得見,、摸得著的進(jìn)展——Gemini Live，也就是對Gemini產(chǎn)品進(jìn)行多模態(tài)功能拓展,。Gemini Advanced用戶將可以用語音和Gemini進(jìn)行對話,，對話更流暢自然，延遲更低,，可以隨時打斷,，預(yù)計夏天上線。谷歌還表示,，今年年內(nèi)將加入相機(jī)功能,，實現(xiàn)實時視頻。

可以說這一次,，谷歌被OpenAI精準(zhǔn)狙擊——GPT-4o不僅早一天發(fā)布,，而且現(xiàn)場演示，未來幾周就會開放給全部用戶,。

近日外界都在盛傳OpenAI將推出搜索類產(chǎn)品,，與谷歌一戰(zhàn)，但這樣的情況并沒有發(fā)生,，而谷歌自己也已經(jīng)馬不停蹄地升級了谷歌搜索,。

搜索作為谷歌的核心產(chǎn)品，即將迎來一次大升級——搜索摘要功能AI Overview,，同時包含多步推理功能Multi-Step Reasoning,、在搜索中做計劃Planning in Search,，以及用視頻提問Ask With Video。

AI Overview,，顧名思義,，是指用戶鍵入文本、點擊搜索之后,，出現(xiàn)在最上方的將是AI幫忙整理的信息摘要,。其中包含用自然語言對搜索結(jié)果的總結(jié)和概括，以及推薦的鏈接,。從前這被谷歌稱為“搜索生成式體驗（SGE）”,。

多步推理Multi-step reasoning則可以用來做計劃。當(dāng)用戶在搜索框鍵入“附近最好的瑜伽館”時,，AI摘要會將附近瑜伽館依照評分,、課程、距離等信息分類成塊,，更清晰地展示給用戶,。Planning in Search則允許用戶直接用谷歌搜索做計劃，如在搜索框中鍵入飲食計劃的需求,，搜索引擎會給你自動生成一份,。

想要搜索商品的時候，AI同樣會發(fā)揮作用,，在搜索框鍵入“有上下坡的五英里通勤自行車”,，搜索引擎會在上方給出選購自行車的思路建議，并給出若干商品推薦,。

從一個又一個詳盡的演示不難看出,，谷歌已經(jīng)下定決心重塑搜索體驗。

不過,，AI搜索在很多競品中都已經(jīng)被應(yīng)用,，更有專做AI搜索的Perplexity.AI。谷歌對搜索體驗作出的重大升級,，放在2024年的5月已經(jīng)不大能帶來新鮮感,。

應(yīng)用生態(tài)的其他新動作更像是補(bǔ)齊，如Gmail郵箱,、Google Messages通訊,、谷歌照片等，Gemini逐漸拓展到越來越多的谷歌應(yīng)用中,，大有“Gemini無處不在”的態(tài)勢,。

AI背后的模型，谷歌這次也是大手一揮,，升級的升級，新發(fā)布的新發(fā)布，Gemini家族不斷壯大,。

三個月前發(fā)布的Gemini 1.5 Pro終于“發(fā)貨”了,，即日起正式開放給訂閱了Gemini Advanced（類似ChatGPT Plus）的用戶。

Gemini 1.5 Pro支持100萬token的上下文窗口,，今年晚些時候?qū)黾拥?00萬token,。更形象地說，升級后的Gemini 1.5 Pro能同時處理22小時音頻,、2小時視頻,、超過60000行代碼或140萬個單詞。

新發(fā)布的模型中,，Gemini 1.5 Flash原本有明星潛質(zhì),，但被OpenAI狙擊。GPT-4o驅(qū)動的ChatGPT狙擊Project Astra和Gemini Live,，GPT-4o狙擊Gemini Flash,。

Gemini 1.5 Flash主打更輕更快，反應(yīng)速度和效率是其主打特色,，擁有多模態(tài)推理能力,，擅長總結(jié)、聊天,、圖像,、文檔數(shù)據(jù)提取、視頻字幕等,。但這些特點,，顯然和GPT-4o撞車了。

除此之外,，谷歌的開源模型Gemma也發(fā)布了新版本,，Gemma 2.0有270億參數(shù)，并拓展出多模態(tài)版本PaliGemma,。

多模態(tài)生成式模型,，谷歌在I/O大會上公布了三個，涵蓋圖像,、音樂和視頻,。

文生圖模型谷歌此前就有，此次做了迭代,，發(fā)布Imagen 3,。Imagen 3對提示詞的理解更加準(zhǔn)確細(xì)致，可以生成更逼真的圖像,。在演示中,，Imagen3從一長段提示詞中提取了8個細(xì)節(jié)信息,，并在生成的圖像中一一體現(xiàn)。

音樂生成模型Music AI Sandbox是全新的,，用戶可以用小段Demo拓展延長,，也可以按照文本提示對音樂進(jìn)行再創(chuàng)作，改變和調(diào)整音樂風(fēng)格等,。鑒于谷歌旗下還有YouTube等UGC平臺,，此類模型將很好地服務(wù)于創(chuàng)作者。

更惹眼的其實是谷歌此次新發(fā)布的文生視頻模型Veo,。

谷歌Veo可接收文本,、圖像和視頻提示，生成1080p規(guī)格,、60s的高質(zhì)量長視頻,。

年初OpenAI曾發(fā)布Sora，雖未正式對公眾開放使用,，但演示視頻和小范圍的測試已經(jīng)讓Sora獲得了不小的追捧,。從演示的效果來看，Veo可與Sora一戰(zhàn),。

這屆I/O大會,，谷歌交出了誠意滿滿的“成就清單”，大模型仍在進(jìn)步和創(chuàng)新中,，AI應(yīng)用生態(tài)也不斷發(fā)展,。

但新名詞轟炸之后，能留給人深刻印象的東西并不多,。比起前一天發(fā)布GPT-4o讓外界感嘆科幻電影照進(jìn)現(xiàn)實的OpenAI,，谷歌到底還是缺一個王炸。