同花顺-圈子

前脚OpenAI发布最强多模态AI模型ChatGPT-4o，谷歌后脚举行了年度I/O开发者大会，可谓是针对麦芒。周二，谷歌发布了多款重磅AI产品，从最新大模型、AI搜索引擎、文生视频、AI助手到为云客户提供的AI硬件，可谓是层出不穷。光演讲稿里就提了120次AI，彰显其对AI领域的看重和自信。

超长文本处理模型Gemini 1.5 Pro和小而美的Flash

首先是最强归纳模型Gemini 1.5 Pro，该工具可以汇总1500页文本，或对100封邮件进行总结。Gemini 1.5 Pro在不久的将来将能够处理一个小时的视频内容，或者超过30,000行的代码库。另外，此模型支持35种语言，较GPT-4o前脚宣布的50种语言略有逊色，今年晚些时候将会把100万Tokens的窗口扩大至200万Tokens。公司高层表示，新模型在局部推理、计划和图像理解方面有所改进。

对于工作量没那么繁重、需要快速反应的任务，谷歌本次发布了Gemini 1.5 Flash去处理。该模型主要设计用于较小的任务，如快速汇总对话、为图像和视频添加字幕以及从大型文档中提取数据。

谷歌CEO Sundar Pichai强调了Gemini在翻译部分的改进。当你接收到Gmail邮件时，Gemini 1.5 Pro可以分析附带的PDF和视频，提供总结等，这意味着，如果你在度假时错过了一长串电子邮件，Gemini能够总结它以及所有的附件。

谷歌表示，Gemini最终将替代安卓手机上的谷歌助手。至少它的AI性能将“完爆”iPhone的Siri，而苹果也在加紧与OpenAI等厂商商谈合作。

AI搜索引擎上线

另外，从本周开始，谷歌搜索引擎将在美国地区推出“AI概览”（AI Overviews）功能，搜索引擎会直接归纳总结搜索结果。同时谷歌搜索也将具备多步骤推理能力，可以一次性处理带有多个限制条件的长问题，并支持“拍视频”搜索解决方案的新搜索形式。

公司表示，计划在搜索中直接引入类似于助手的规划能力。用户可以搜索类似“为一个大团体创建一个三天的，容易准备的餐食计划”，这样你就可以从网上的各种菜谱中得到一个范本。

文生图模型Veo

对标OpenAI的SORA，谷歌推出了视频生成模型Veo，能根据文字、图片和视频的提示，生成1080p视频，并且“比之前的模型产生的视觉工件更少”。该工具将从周一开始向部分创作者提供，并且会谷歌的机器学习平台Vertex AI上线，允许开发人员训练并部署AI应用程序。

Veo文生图片段

公司还展示了“音频概述”功能，能够根据文本输入生成音频讨论。例如，如果用户上传了一个课程计划，聊天机器人可以朗读出它的总结。或者，如果你询问一个在现实生活中的科学问题的例子，它可以通过交互音频进行解答。

谷歌还展示了“AI沙盒”，这是一系列生成AI工具，可以根据用户的提示从零开始创建音乐和音效。

另一个正在测试的新功能被称为“AI队友”（AI Teammate），它将集成到用户的谷歌工作站中。AI队友可以从已有消息和电子邮件搜索到PDF文件和文档中集合进行解答。例如，一个即将创业的创始人可以问AI队友“我们准备好发布了吗？” ，助手将基于其在Gmail、Google文档和其他工作站应用程序中可以访问的信息提供分析和总结。

 对标钢铁侠贾维斯的AI助手Astra

谷歌本次还重点推出了“未来的AI助手” Astra，由谷歌的DeepMind AI部门开发，直接对标了OpenAI刚刚发布的GPT-4o。虽然Astra目前还是一个原型，但可以将它视为谷歌正致力于开发钢铁侠种中全能AI管家贾维斯。在演示视频中，这个助手通过视频和音频，能够帮助用户记住他们把眼镜放在哪里，回顾代码，回答关于某个扬声器的一部分叫什么的问题。

谷歌表示，一个真正有用的聊天机器人需要让用户“自然地与它对话且无延迟”。DeepMind的CEO Demis Hassabis表示，“将响应时间降到像聊天那样难度很大。”而谷歌CEO Pichai期待今年晚些时候在Gemini中推出项目Astra。

在AI硬件方面，谷歌本次还发布了第六代TPU Trillium，这是他们的第六代TPU，较上一代芯片的算力表现翻4.7倍，预计在年底对云客户开放使用。

而谷歌云还将在明年年初使用英伟达提供的Blackwell架构的 GPUs。Pichai突出了谷歌与英伟达的“长期合作关系”。这两家公司已经合作了十多年，Pichai在过去曾多次表示他期望双方在未来的十年里仍然继续合作。