Google發佈最新AI成果：強力回擊GPT-4o，蘋果生態或將被碾壓_風聞

全場共提到 “ AI ” 121 次，平均一分半提一次。 

今天凌晨 1 點（ 太平洋時間 5 月 14 日上午 10 點 ），Google I/O 2024 大會的開幕主題演講，在美國山景城正式舉行。大會演講在網絡上公開直播的同時，也有部分媒體和觀眾來到了大會現場。

知危編輯部的前線同事，也到達了美國山景城參加了本次大會，全程觀看了本次開幕主題演講。

這位同事曾在 Google 前幾年的鼎盛時期參加過一次 I/O 大會，用他的話來講，那時候的 Google I/O 可以用四個字形容：萬國來朝。

而如今，Google 的光環全都被 OpenAI 搶了去，本屆 I/O 大會雖然依舊有很多人蔘加，但相較早年難免顯得有些 “ 人丁不旺 ”。（ 以前還賣票的，這次沒賣 ）

不過，在這場 I/O 大會上，Google 依然秀出了一些肌肉，對昨天的 GPT-4o 做出了強力回擊。

谷歌 CEO 劈柴哥在演講的一開始就坦然直言：目前正是整個行業正處於 AI 發展的早期，谷歌有信心和實力打這場持久戰。

話裏話外，一副 “ 你 OpenAI 別高興得太早 ” 的味道。

縱觀整場演講，知危編輯部認為，如果去年穀歌的 I/O ，我們看到的是谷歌在 AI 領域的孤注一擲，那麼今年，我們則發現谷歌這麼一隻巨無霸，正在 AI 的賽場上全方位一路狂奔，逐漸找回自己的狀態。

本次主題演講的內容，主打的是一個大而全，內容包含但不限於新基礎模型、AI Agent、文生圖模型、文生視頻模型、TPU芯片、AI app、Android 與 AI 、新開源大模型等等等等。

知危編輯部也準備挑選其中幾個比較亮眼產品，進行詳細的介紹。

首先，知危編輯部覺得 OpenAI 昨日的春季發佈會，有意狙擊谷歌的的可能性非常之高。

因為谷歌本次重點推出的多模態 AI 助手 Project Astra （ 基於 Gemini ），功能與昨日橫掃科技圈媒體頭版的基於 GPT-4o 的 AI 助手極其類似。

同樣擁有低延時的絲滑語音對話體驗，同樣也能用攝像頭，讓 AI 處理視覺信息。

在谷歌的演示視頻中，Project Astra 能迅速認出音響的發聲部位、彩筆，還能對屏幕上的代碼進行一定程度上的解釋。

它甚至還能根據箭頭，提出在服務器和數據庫之間添加緩存，能提高速度的建議，還能看懂畫板上 “ 薛定諤的貓 ” 的梗圖。

若不是昨日 GPT-4o 已經搶先亮相了一波，Project Astra 一定會被各路媒體打上 “ 炸裂 ”、“ 史詩 ”、“ 顛覆 ”、“ 改寫歷史 ” 等標籤。

可惜，僅僅是晚了一天，現在大家對 Project Astra 的形容只有一個標籤：“ 跟 GPT-4o 好像 ”。

不過，如果仔細觀察演示視頻，你會發現Project Astra 的視頻對話交互功能展現了一個 GPT-4o 並沒有展示的功能：視頻對話的過程是帶有記憶的，即便是一個你可能從未向它提及的點。

這樣形容起來有些抽象，看一下視頻你就能明白了。

（ 這裏很抱歉的跟大家説一聲，我們翻譯了 Google 官方演示視頻並進行了上傳，但我們發現一個叫 “ AI喵能力 ” 的賬號上傳了 Google 官方視頻並莫名申請了 “ 視頻原創 ”，導致我們的視頻會被微信平台判定為 “ 侵權 ”，視頻會被強制改為轉載 AI喵能力上傳的視頻，他並未對視頻進行翻譯，影響了大家的體驗。大家有空也可以點擊視頻上方跳轉到該公眾號對其進行 “ 濫用原創能力 ”的投訴，該賬號的做法是非常違背新聞道德的，淨化網絡媒體環境從你我做起 ）

在視頻中，Project Astra 注意到並記住了鏡頭經過的桌子上的眼鏡，在與測試者進行多輪對話後還能指出眼鏡在桌子上，並且還指出了 “ 旁邊有一個蘋果 ” 這樣的細節，可以説是過目不忘，比人類強了不少。

而在文生視頻領域，谷歌也對 Sora 發起追趕，在本次的主題演講中，谷歌正式發佈了視頻生成大模型 Veo。

根據介紹，Veo 能以各種電影和視覺風格生成高質量的 1080p 分辨率視頻，時長可以超過一分鐘。Veo 能憑藉對自然語言和視覺語義的深入理解，生成緊密代表用户創意願景的視頻。

此前我們曾介紹過，OpenAI 的 Sora 是基於 Diffusion Transformer，也就是 DIT 架構而成的。

但根據谷歌官方的介紹，Veo 採取的卻是 GQN、DVD-GAN、Imagen-Video、Phenaki、WALT、VideoPoet 和 Lumiere 等 “ 老模型 ” 所組合而成的結合架構。

非常值得一提的是，谷歌在 Veo 的生成視頻之下，標註了一行小字 “ All videos were generated by Veo and have not been modified. ”（ 所有視頻均由 Veo生成，未經修改）。

這個舉動，應該是意在陰陽 OpenAI，OpenAI 的 Sora 正因被爆出演示視頻經過了大量的人為後期修改而遭受廣泛的質疑。****

另外，對標 Midjourney 等文生圖片大模型的 Imagen 3、對標 Suno 等音樂生成大模型的 Lyria、對標 GPT-4 Turbo 等輕量性能大模型的 Gemini 1.5 flash、對標 llama 3 等開源大模型的 Gemma 2，還有 Google 自家的新 TPU 等都在谷歌的本次開幕主題演講上一一亮相。

看起來，谷歌似乎不願放棄 AI 領域的任何一個賽道，想把自己打造成一個 AI 界的六邊形全能戰士。

而更可怕的是，在各個領域裏，Google 相比友商雖然都不一定是最好的，但也並不落後多少。

同時，谷歌的上限和野心，肯定不限於此。本次的開幕式主題演講中，**谷歌還拿出來些不少其他 AI 廠家單打獨鬥絕對拿不出來的東西。**知危編輯部認為，正是這些東西，有機會能讓谷歌從 AI 領域的追趕者，躋身為領跑者。

因為谷歌，擁有其他 AI 巨頭所沒有的成熟系統與應用生態。

在演講中，谷歌就展示了一波 Gemini 和 Google 相冊的結合。

記不清自個兒車的車牌號，在 Google 相冊裏搜索 “ 查找車牌號 ”，擁有多模態能力的 Gemini 會從你的圖片庫中，找到你車的照片，並告訴你車牌號。

在谷歌 Gmail 郵箱裏，你也能通過 AI 迅速提取郵箱裏航班信息，同時 Google 地圖以獲取您酒店附近的餐廳和旅遊景點，再給計劃相應的日程。谷歌的老本行搜索，也在和 AI 相結合，你可以直接用文字進行搜索，也可以給圖片畫個圈兒，讓搜索引擎自動搜索你圈出的部分。

甚至，你還可以上傳視頻對搜索引擎進行提問。比如在演示中，谷歌的員工就拍視頻問問了 Gemini，相機上的那個杆卡住了咋辦。

Gemini 馬上就給出了基於搜索引擎的答案，看上去體驗很好，可惜就是回答有些翻車，回答中的一個建議是 “ 把膠捲取出來看看 ”，而這樣只會讓整卷膠捲直接報廢。。。

不過，我們只能説貴在真實吧，大模型亂講話這事兒確實一直存在，自然展現比造假強一些。

總之，按照谷歌的説法，Gemini 大模型正在全面整合谷歌的那一大家產品中，包括在未來，他們將把 AI 直構建到 Android 操作系統的底層之中，準備改寫用户和手機之間的交互方式。

他們舉了一些例子，比如在用手機看書的時候，你可以直接給書裏內容畫圈兒，問 AI 圈兒裏的提名怎麼解；刷視頻的時候， 也有可以直接問 AI ，視頻裏這運動員的動作是不是犯規；打電話的時候，AI 也能從你們的對話裏，判斷出對方是不是有可能是個騙子。

這樣一來，在全面集成 Google 原生 AI 並且與原生 Google 應用打通的 Android 陣營面前，蘋果如果不和 OpenAI 深度合作的話，我們只能説 Android 將在 AI 時代，對 iOS 進行一場降維碾壓式打擊。（ 不過，6 月的 WWDC 上我們相信蘋果肯定會搬出自己的 AI 方案來抵禦這場進攻 ）

總得來講，這次谷歌的 I/O 大會啥產品都有，但要説出類拔萃，還談不上。不過，在 AI 應用集成這一個最直面消費者的維度上看，谷歌還真是目前 AI 領域的集大成者之一。

這一波，去年還被稱作是 AI 圈 “ 仲永” 的谷歌，算是漸入佳境了。