一年一度的Google I/O開發(fā)者大會(huì)如期而至，在本場(chǎng)發(fā)布會(huì)中，谷歌一口氣交出數(shù)個(gè)AI新品，輪番轟炸我們的視覺神經(jīng)。
首先是真正意義上的全新產(chǎn)品——Google AI Overviews，這是一項(xiàng)基于大模型技術(shù)開發(fā)的全新搜索引擎，旨在以聊天的方式為用戶提供精準(zhǔn)、高效的搜索結(jié)果。沒錯(cuò)，傳聞中OpenAI正集全力要打造的就是這玩意兒。
（圖源：Google）
同樣與搜索有關(guān)的還有「Ask Photos」，相比起AI Overviews，它更專注于圖像理解與圖像信息捕捉，這意味著現(xiàn)在你可以通過文字描述的方式，找到藏在相冊(cè)里的那些被遺忘已久的照片。
還記得前天晚上OpenAI發(fā)布的GPT-4o在視覺與聽覺上的巨大提升嗎？谷歌也整了一個(gè)相似的AI工具——Project Astra。定位上，Project Astra和GPT-4o都是多模態(tài)AI項(xiàng)目，用戶可以利用手機(jī)攝像頭和麥克風(fēng)與現(xiàn)實(shí)世界進(jìn)行交互，例如幫助失明人士識(shí)別路上的風(fēng)景等。
（圖源：Google）
以上提到的，只是本場(chǎng)I/O開發(fā)者大會(huì)上谷歌公布眾多AI新技術(shù)的冰山一角，還有更多新玩意值得我們深入探討。難怪，在這場(chǎng)發(fā)布會(huì)后，不少媒體都表示認(rèn)為谷歌像是要用海量新品「圍剿」OpenAI，重樹谷歌在AI市場(chǎng)的地位。
對(duì)轟GPT，谷歌怒發(fā)數(shù)款A(yù)I新品
很顯然，Google I/O 2024最大主角就是「AI」，從硬件到軟件，從服務(wù)到功能，幾乎沒有任何一部分離得了AI這個(gè)關(guān)鍵詞。據(jù)不完全統(tǒng)計(jì)，這場(chǎng)發(fā)布會(huì)上，谷歌至少提了121次「AI」。
既然聊到AI大模型，那還是先看看Gemini又有了哪些新變化。
Gemini Pro從前代的100萬(wàn)Tokens升級(jí)到了200萬(wàn)Tokens，與月之暗面的Kimi Chat長(zhǎng)度相近，但這個(gè)模式并非面向所有用戶開放，需要單獨(dú)申請(qǐng)。Gemini 1.5推出了Flash版本，支持100萬(wàn)Tokens，主打一個(gè)便宜量大，1M Tokens輸入僅0.35美元、1M Tokens輸出也僅需0.53美元。
（圖源：Google）
另外，谷歌還宣布Gemini Nano進(jìn)入手機(jī)端，目前它能實(shí)現(xiàn)的功能是幫助用戶接打電話、識(shí)別電話詐騙和騷擾電話。實(shí)話說(shuō)，Gemini Nano的手機(jī)端實(shí)用性還是略顯寒酸，甚至連文字處理都不支持，還不如小愛同學(xué)來(lái)得簡(jiǎn)單粗暴。
假如你對(duì)Gemini Nano的功能表現(xiàn)不太滿意，也能試試谷歌即將推出的Gemini手機(jī)客戶端，它與前天發(fā)布的GPT-4o一樣，都是AI多模態(tài)應(yīng)用，能聽、會(huì)讀，還能提供情緒價(jià)值。只是從演示視頻來(lái)看，Gemini還不是太「擬人化」。
Gemma2也在這場(chǎng)發(fā)布會(huì)上正式登場(chǎng)，作為谷歌下一代開源模型，它升級(jí)到了27B規(guī)模，和Meta的Llama 3相近，但體積更小些。值得注意的是，Gemma2能夠在NVIDIA的GPU或Vertex AI的單個(gè)TPU主機(jī)上高效運(yùn)行。Gemma還迎來(lái)了一位新成員：PaliGemma，這是一個(gè)開源的圖像輸入模型。
除了Gemini和Gemma的升級(jí)之外，基于大模型技術(shù)，谷歌還推出了三款全新的AI大模型應(yīng)用：Imagen 3、Music AI Sandbox、Veo。
（圖源：Google）
Imagen 3是谷歌最新的畫圖模型，你可以理解為谷歌版本的stable diffusion，即文生圖模型。按照谷歌的說(shuō)法，Imagen 3相比起前代，在生成速度、生成質(zhì)量和理解能力上均有較大的提升。
Music AI Sandbox是一款音樂創(chuàng)作大模型，和之前火遍全網(wǎng)的suno差不多，而它的優(yōu)勢(shì)在于創(chuàng)作完成后能夠一鍵上傳至Youtube，這何嘗不是一種生態(tài)優(yōu)勢(shì)呢？至于Veo，這是谷歌首款文生視頻模型，對(duì)標(biāo)GPT的Sora，但它時(shí)長(zhǎng)支持到最高1分鐘、分辨率也支持到1080P，還支持更多濾鏡和電影風(fēng)格，無(wú)論是哪一方面，看起來(lái)都比Sora靠譜得多。
不難看出，谷歌目前在AI領(lǐng)域的戰(zhàn)略還是相對(duì)穩(wěn)健，例如模型性能升級(jí)，僅從100萬(wàn)Tokens提升到200萬(wàn)Tokens，和早前大眾的預(yù)期有些差距；而新的AI大模型應(yīng)用部分，無(wú)論是新升級(jí)的文生圖模型，還是全新的音樂創(chuàng)作模型、文生視頻模型，都是「守擂」型產(chǎn)品，少了些創(chuàng)意和想象力。但谷歌天然的優(yōu)勢(shì)在于生態(tài)，這才是其與OpenAI叫板的底氣。
AI加入谷歌全家桶
作為當(dāng)前的互聯(lián)網(wǎng)巨頭之一，谷歌的軟件生態(tài)、服務(wù)生態(tài)自然是相當(dāng)全面的，比如谷歌擁有當(dāng)前最大用戶數(shù)量的瀏覽器Chrome，也擁有最完善的Google辦公套件，以及目前最大的移動(dòng)操作系統(tǒng)生態(tài)。現(xiàn)如今，谷歌也正式將AI引入到「谷歌全家桶」中，徹底梭哈AI。
首先，谷歌發(fā)布了全新側(cè)欄應(yīng)用Side Panel，這是一項(xiàng)綜合了谷歌旗下服務(wù)的「?jìng)?cè)邊欄」，當(dāng)你在Gmail中收到重要信息時(shí)，可以直接在Side Panel中呼出谷歌云盤存儲(chǔ)信息，又或是啟動(dòng)Google Map進(jìn)行導(dǎo)航，還可以使用谷歌日歷記錄日程等。在谷歌的計(jì)劃中，Gmail很快會(huì)擁有自動(dòng)處理重要信息的能力。
Gmail還加入了智能對(duì)話的特性，簡(jiǎn)單來(lái)說(shuō)，現(xiàn)在你能夠以對(duì)話的方式在郵箱中找到所需要的信息及相關(guān)郵件，還能讓Gemini幫你總結(jié)這些郵件說(shuō)了什么，甚至還可以讓它幫你智能回復(fù)對(duì)方，并保持郵件所需的正式用語(yǔ)和語(yǔ)氣。
（圖源：Google）
其次，前面提到了Gemini將推出手機(jī)客戶端，除了能夠和用戶進(jìn)行普通的對(duì)話、文章總結(jié)、文字生成等，Gemini還擁有Gemini Live功能，即通過攝像頭和你直接對(duì)話。
最后，也是最重磅的——AI Overviews。作為搜索引擎巨頭，谷歌要如何將大模型融入到搜索上，這一直是我們所好奇的，就在這場(chǎng)發(fā)布會(huì)上，谷歌終于推出了首款A(yù)I搜索大模型AI Overviews。
與Perplexity或Arc Search相比，AI Overviews的優(yōu)勢(shì)在于綜合搜索能力有了長(zhǎng)足的進(jìn)步，且得益于Gemini的推理能力提升，其獲得的搜索結(jié)果也會(huì)更符合用戶的需求。AI Overviews還支持Plan Ahead，即「為你計(jì)劃」，盡管AI搜索只能幫用戶做搜索結(jié)果的總結(jié)，但基于推理能力和決策能力的升級(jí)，Plan Ahead能夠?yàn)橛脩羯筛鞣N計(jì)劃，例如飲食計(jì)劃、健身計(jì)劃、旅行計(jì)劃等。
（圖源：Google）
AI Overviews不僅支持文字搜索，還能通過語(yǔ)音和圖片進(jìn)行搜索，例如當(dāng)你遇到不認(rèn)識(shí)的植物，那么僅需拍攝、上傳，就能讓谷歌幫你找出這種植物的相關(guān)資料。而這項(xiàng)功能也會(huì)與Pixel上的「劃圈即搜」功能相結(jié)合，在未來(lái)幾個(gè)月內(nèi)上線。
可以說(shuō)，AI已經(jīng)成為谷歌幾乎所有業(yè)務(wù)的核心，除了我們熟悉的大模型應(yīng)用之外，還在辦公、娛樂領(lǐng)域提供基于Gemini大模型的AI功能，并互相之間有所串聯(lián)，提升綜合工作的效率。
One More Thing：神秘AI眼鏡曝光
在演示Project Astra的過程中，除了像OpenAI一樣使用iPhone進(jìn)行功能展示，還使用了一款智能眼鏡。但與我們之前見到的Google Project Galass不同，這可能是一款全新的智能眼鏡產(chǎn)品。