谷歌發佈“最強AI模型”，AI搜索引擎來了

雖然被OpenAI搶在前面發佈了重磅新品演示，但谷歌後發制人，做到了OpenAI還沒能做到的事，率先發布人工智能（AI）搜索引擎，捍衞搜索領域的王者地位，同時對壘OpenAI新發布的旗艦模型GPT-4o，以升級版的最強大AI模型Gemini迎戰。

從北京時間5月15日凌晨1點開始，谷歌在山景城總部附近的海岸線圓形劇場，召開了長達兩個小時的年度I/O開發者大會Keynote演講。

與預期一致，谷歌的這場發佈會基本都是在談AI、AI、AI、AI和AI。根據發佈會最後的官方統計，整場Keynote的演講稿裏總共提了120次AI。

谷歌CEO Sundar Pichai表示，谷歌所有的工作都圍繞生成式AI模型Gemini來做，“我們希望每個人都能從Gemini所做的事中受益。”AI搜索正是Pichai提到的Gemini融入谷歌多種服務之一。

同時谷歌搜索也將具備多步驟推理能力，可以一次性處理帶有多個限制條件的長問題，並支持“拍視頻”搜索解決方案的新搜索形式。

另外以上下文窗口“長”聞名的Gemini 1.5 Pro大模型，在今年晚些時候將會把100萬Tokens的窗口，進一步擴大至200萬Tokens，拓展同步處理多模態信息的邊界。而對於一些需要快速響應的場景，谷歌也推出了Gemini 1.5 Flash模型。今年2月剛剛問世的Gemma開源模型，也將在下個月迎來參數量更大的Gemma 2。在多模態領域，谷歌也發佈了文生圖工具Imagen 3、與Youtube&音樂家合作的“AI音樂沙盒”，以及最新的視頻生成模型Veo。而多模態Gemini Nano模型也將在今年晚些時候登陸Pixel手機，這是在本地運行的機載模型。

值得注意的是，谷歌的發佈會上也有一些與昨日OpenAI發佈會“雷同”的地方——實時AI助手。從今年夏天開始，Gemini也將支持語音實時交互，同時今年晚些時候還將上線實時視頻交互。未來幾個月內，谷歌也將推出類似於GPTs的自定義AI助手功能，叫做Gems，能夠與整套“谷歌全家桶”聯動。

硬件方面，谷歌宣佈了第六代TPU芯片Trillium，並透露能夠在明年初用上英偉達最新的Blackwell架構GPU。另外，液冷、光纜等中國股民可能會感興趣的題材也在發佈會上出現。

Gemini 1.5 Pro上下文窗口200萬token 全球最長

谷歌稱，推出號稱有史以來最強大AI模型Gemini Advanced三個月內。從本週二起，谷歌在Gemini Advanced中加入新模型成員Gemini 1.5 Pro，稱它擁有的上下文窗口在全球消費類聊天機器人中最長，窗口起始就有100萬個token。Gemini 1.5 Pro將向150 多個國家地區的Gemini Advanced訂閲者提供，支持超過35 種語言。

Pichai稱，Gemini 1.5 Pro“提供了迄今為止所有基礎模型中最長的上下文窗口。” 他介紹，Gemini 1.5 Pro將擁有200 萬個token的上下文窗口，是當前模型100萬個token窗口的兩倍。

Gemini新語音對話功能Live定製版Gemini

谷歌稱，今年夏季將擴展 Gemini 的多模態功能，包括增加用語音進行深入雙向對話的能力，該功能被稱為 Live。通過 Gemini Live，用户可以與 Gemini 交談，並可以從各種自然的聲音中選擇它回應的聲音。 用户甚至可以按照自己的節奏説話，或者在回答過程中打斷並澄清問題，就像在任何人類對話中一樣。

谷歌稱，今年夏季，將在Gemini Advanced 中添加新的旅行規劃功能。藉助考慮時間和空間方面物流的先進推理，Gemini將能夠創建個性化的行程，節省用户的工作時間。

未來幾周，谷歌將在Gemini Advanced中添加新的數據分析功能。用户只需上傳電子表格，Gemini 就可以分析數據、製作圖表，並更快地發掘見解。

谷歌將推出被稱為Gem的Gemini的定製版本。Gemini Advanced 訂閲者將很快可以獲得更個性化的體驗，根據自己的需要創建Gemini，只需描述用户希望 Gem 做什麼以及希望它如何響應，就可以讓它化身健身夥伴、主廚幫手、編代碼的拍檔或者創意寫作指南。

Project Astra回答手機所拍物問題 安卓端側Gemini增加多模態功能

谷歌官宣推出新的多模態AI項目Project Astra，它可以為用户解釋智能手機拍到的東西。在谷歌展示的視頻中，只要將手機攝像頭對準某個物體，Gemini就可以識別它，比如一個紅蘋果，還可以回答諸如鏡頭中什麼東西是可以發聲的這種問題。

谷歌稱，將很快為模型Gemini Nano添加多模式功能。這意味着，用户的手機可以通過文本、圖像、聲音和口語，按照用户理解的方式理解世界。

谷歌稱，端側安卓系統手機版的Gemini Nano將更有幫助，更有上下文的意識。今年，安卓手機的用户將可以將生成的圖像拖放到Google Messages 和 Gmail 中，並可以直接在手機上提出有關YouTube視頻和 PDF文件的問題，得到解答。

谷歌稱，今年晚些時候，Gemini Nano的輔助功能TalkBack將增強。圖像描述將更加清晰和豐富，幫助弱視用户和盲人用户通過語音反饋，更好地指示他們的手機。

全場發佈會回顧

發佈會開始，Alphabet&谷歌CEO桑達爾·皮查伊登上舞台。

皮查伊表示，現在已經有超過150萬開發者正在使用谷歌的人工智能Gemini，今天將展示一系列有關搜索、圖片、工作套件、安卓系統等等與人工智能有關的案例。

皮查伊宣佈，能夠總結谷歌搜索引擎結果的“AI概覽”（AI Overviews）功能，將於本週在美國推出。

---基於Gemini支持，谷歌圖片（Google Photos）將支持用户存儲圖片的AI搜索，例如“告訴我，我的車牌號碼是多少？”——這個名為Ask Photos的功能將於今年夏天推出。

皮查伊宣佈，最新版本的Gemini 1.5 Pro（在多項核心功能方面均較最初發布版本有所提高）現在向全球所有開發者開放。從今天開始，支持100萬tokens上下文窗口的Gemini 1.5 Pro將在Gemini Advanced功能下向用户開放，支持35種語言。

谷歌同時面向開發者推出支持200萬tokens的Gemini 1.5 Pro模型的預覽，並表示最終的目標將是“無限上下文”。

谷歌AI業務總負責人、DeepMind的首席執行官傑米斯·哈薩比斯登台，宣佈推出Gemini 1.5 Flash大模型。這個模型兼具速度與效率，和多模態推理能力，以及長達100萬tokens的上下文窗口。開發者將能夠申請體驗200萬tokens的上下文窗口的Gemini 1.5 Flash。

谷歌展示“未來的人工智能助手”——名為“Astra”的項目。哈薩比斯表示，這樣的AI助手需要像人類一樣理解這個動態且複雜的世界。需要記得住它看到的東西，這樣才能理解對話並付諸於行動。同時它也得能積極主動接受教導，以及自然、無延遲地進行交流。在演示視頻中，谷歌的AI助手能夠通過攝像頭視頻，識別“什麼東西能發出聲音”、“現在身處何地”等指令。

谷歌宣佈了一系列與圖像、音樂、視頻有關的生成式AI工具。包括文生圖工具Imagen 3、與Youtube以及音樂家合作的“AI音樂沙盒”，以及最新的視頻生成模型Veo。

其中最受關注的視頻生成模型Veo，能夠根據文字、圖片和視頻的提示，生成高質量1080p視頻。

哈薩比斯離場，皮查伊重回舞台，發佈第六代TPU芯片Trillium，較上一代芯片的算力表現翻4.7倍，雲用户從今年下半年開始可以用上新芯片。同時谷歌雲將在2025年初，用上英偉達的最新Blackwell架構GPU。

皮查伊開始介紹自家的AI超級計算機，比起用户自己買相同的硬件和芯片，谷歌的架構能使得效能翻倍，其中有部分功勞來自於液冷系統。皮查伊表示，谷歌部署液冷系統的數據中心已經達到1GW，而且還在不斷增長中。

皮查伊表示，谷歌投資了200萬英里的地面和海底光纖，比第二名的雲服務商翻了十倍。液冷、光纜，應該都是股民們會感興趣的東西。

谷歌搜索業務負責人Liz Reid開始具體介紹AI Overviews功能。Reid表示，在進行搜索時，搜素引擎具備多步驟推理的能力，例如尋找一個瑜伽教室，同時展示新手優惠報價，和距離特定位置的步行時間。這個AI搜索引擎助手，還能介紹食譜、安排行程，以及接受視頻形式的提問（例如視頻中的相機怎麼使用）。

在辦公套件Workspace方面，谷歌將逐步推出總結、郵件Q&A，以及智能回覆等功能。

谷歌Gemini總經理Sissie Hsiao介紹了Gemini App的更新。與週一的OpenAI一樣，從今年夏天開始，Gemini也將支持語音實時交互，同時今年晚些時候還將上線實時視頻交互功能。未來幾個月內，谷歌也將推出類似於GPTs的自定義AI助手功能，叫做Gems。這個AI助手的亮點，將是能與“谷歌全家桶”進行交互。

Hsiao再次強調了Gemini的長上下文窗口——能夠一次性處理整整1500頁的文件，或3萬行代碼、1小時視頻。不同的載體也能混同一起提交給聊天機器人。她再次強調，今年晚些時候上下文窗口將翻倍至200萬Tokens。

安卓生態系統的負責人Sameer Samat登台，他將討論今年安卓系統實現的“三大突破”，分別是“畫圈圈搜索”、Gemini手機AI助手，第三是在手機本地運行的AI。

谷歌表示，今年晚些時候，能夠在本地運行的多模態Gemini Nano模型將登陸Pixel手機，意味着手機將能通過文字、圖片、視頻、音頻，理解用户的世界。舉例而言，在聽到“幫你把錢轉到安全賬户”這樣的詐騙電話時，手機會自動彈出詐騙警告。整個過程都是在本地運行，不會引發隱私泄露。

谷歌披露大模型API的最新定價，其中Gemini 1.5 Pro定價為7美元/100萬Tokens，12.8K上下文窗口的版本定價為3.5美元/100萬Tokens；而Gemini 1.5的起售價為0.35美元/100萬Tokens。

對於在今年二月剛剛推出的輕量級開源模型Gemma，谷歌宣佈推出視頻語言模型PaliGemma，並將會在6月推出Gemma 2。相較於第一代模型只有20億和70億的參數量，第二代開源Gemma的參數量能達到270億。

作為發佈會最後的彩蛋，谷歌CEO皮查伊最後用Gemini總結了今天的發佈會稿子裏總共提了多少次AI——120次。當然，這並不包括皮查伊問完這個問題後，又喚了幾遍AI。

截至當地時間5月14日收盤，谷歌報171.93美元，漲幅0.6%，市值2.1萬億美元。