有视觉记忆的Agent、大变身的搜索、更强的AI全家桶和大一统的Gemini|现场围观Google I/O的绝地反击
今年的Google Shoreline圆形剧场 ,弥漫着一种前所未有的角斗场般的气息。
前一天OpenAI用GPT-4o和全新的ChatGPT把全世界掀翻,而Google要在今年甚至最近几年最重要的一场Google I/O上做何应对,似乎成了唯一的主题。
事实上,据OpenAI的人士透露,GPT-4o是一个至少两年前就已经开始开发的模型,而硅谷AI圈子之小,互通有无之频繁,其实不仅OpenAI有机会故意选在Google的大会前狙击Google,后者同样也会对此有所预期。
所以,当Pichai走上舞台中央时,一场反狙击开始了。
在这场持续两小时的发布中,Google有攻有守。
它对自己的看家业务搜索做了最彻底的一次AI化改造,还再次全面更新了Gemini模型家族。
守住OpenAI们猛攻的方向,同时发起进攻。
一方面很有火药味的发布了效果超过Sora的模型Veo,并且是可以立刻申请体验的产品;另外还展示了与GPT-4o 相似的语音视觉交互功能Gemini Live,同时,还更进一步推出了比OpenAI等对手更激进的AI智能体Project Astra。
以下为现场实录。
Gemini,Gemini,还是Gemini
当Google CEO Sundar Pichai走上台,在他的前几分钟讲话里,Gemini的频率甚至超过了Google这个词。
Gemini是去年Google I/O上正式推出的最核心的模型,而一年以后,Google已经用它完成了对自己内部的“大一统”。模型是Gemini,智能助手是Gemini,Android的核心是Gemini。甚至,Pichai都不叫自己Googler了,他们叫:
Geminier。
而当天大会上Gemini模型首先进行了更新。此前几个月,Gemini 1.5的长文本版本以预览版本推出,今天它正式对所有人发布。此前的Gemini 1.5版本上下文长度为100万token。而Pichai似乎轻描淡写的公布:
新版本长度再次刷新,达到200万token。
现场的开发者爆发出当天的第一阵欢呼。
“我们正式进入了Gemini时代。”Pichai直入主题说。目前有超过1500万开发者在使用Gemini做开发。而Gemini最近三个月时间达到了100万订阅用户。
关于Gemini的具体信息,自然是由Deepmind的CEO Demis Hassabis来讲。这也是这位传奇人物第一次Google I/O演讲。有视觉记忆的AI Agent
于是,大的来了。
一个充满野心的AI Agent。
面对OpenAI的进攻,不能只是防守。Google也需要一些更加激进的东西来反击。这个东西就是Project Astra。这是一个还在研发中的AI Agent,而Pichai形容Google的梦想一直就是做出一个强大的AI Agent。
Google Deepmind CEO Hassabis亲自上台,讲解和展示了Astra的一个原型的运作视频。
是的,我故意拍的一个意味深长的交接
在展示中,一开始一切都和我们见过的AI Agent差不多,可以通过用户打开的摄像头识别物体,与用户实时语音交互。而惊人的一刻在最后到来,当用户带着Astra走了一大圈后,突然提出一个此前没有涉及到的问题:
你记得我把眼镜放哪了么?”
这是此前没有询问的问题,但摄像头扫过的时候Astra曾“看”到过他的眼镜,而AI Agent居然以视觉的形式记录了下来。
“你的眼镜在桌上苹果旁边。”Astra回答道。
这让现场一阵惊呼,也是此次发布会上最长的一次掌声。
此外,Google还明显针对Sora做了一次进攻。发布了一款全新的视觉模型,Voe。这是Google过往许多视觉模型的集大成者,也可以看作Sora逼迫下的一次内部资源整合。
在Voe的展示中,用户可以通过点击扩展,而继续增加视频生成的时长,这让它可以超过了Sora一开始的1分钟,并且可以保持一致性。
Google还着重展示了他们开发这些产品过程里与艺术家的合作。似乎也在隔空喊话那些对Sora不满的艺术家,来这里来这里,我更好。
终于对搜索下手:Google搜索最大的一次改造
除了对OpenAI的进攻的反应,人们也关心一件事:Google的搜索改造的怎么样了。
Google什么时候对搜索下手,是所有人期待的那个重要时刻。OpenAI此前的烟雾弹,Perplexity不停的碰瓷,都让Google一直显得太过安静。而这一次终于有了最大的一次更新和变化。
当数亿美国用户今天打开Google时,他们将看到近几年最大变化的Google。
AI overview,也就是AI生成的搜索答案总结,会出现在所有人的搜索框下。
而且,这个总结并不是一个固定的模版,而是根据你的问题进行调整。
比如,Google可以根据你的问题帮你做规划。这时候在搜索框下,会显示正在进行的步骤,然后在Overview里展示给你不同卡片,把需要的信息整理出来提供给你。
Google表示这是必须有强大的实时搜索才能做的,言外之意,那些没有搜索能力基础的公司,就别来碰瓷了。
而搜索的改造也只是个开始,它看起来很像是要变成Google激发用户AI需求的一个超级入口。
比如Google展示了一个场景,当用户哪怕不知道自己该具体问什么的时候,Google也可以给你推荐,与你做头脑风暴。而此时这个搜索的界面也进一步完全变成了另一个样子。像是不同卡片的信息流,每一个都可以进一步操作。
“Google会替你Google。”这是Pichai对此的定义。
更进一步,Google还展示了一个用实时视频对话来搜索的功能。而这也是全场进行了半小时后的第一次Live demo的环节。
现场一度过于安静,人们等待Live demo,这个小车带着一台电脑被推上来时,大家骚动了一下
当你买了一台唱片播放器,但你对此毫无了解,它出了播放问题,但你不知道问题到底在哪里的时候,你可以直接打开摄像头拍摄并询问。
而Google直接给出了AI整理的答案和解决建议。
“这就是Gemeni时代的搜索。”Pichai说。现场掌声再次响起。
对全家桶的AI能力进一步改造升级
Google I/O上的保留节目是对全家桶的新功能展示。而Gemini时代来了,这些全家桶也自然要更新。
Pichai在当天展示的第一个应用案例,是“Ask Photo”。9年前,Google Photo发布。每天有60亿的照片视频上传。Gemini让AI编辑更简单。
你现在可以ask photo,与照片进行对话。比如,你可以问Photo app,“我的汽车牌照是多少”。然后Gemini就在照片里寻找出来你的车告诉你答案。
或者你可以询问Photo,“我女儿是什么时候学会游泳的”,然后还可以进一步询问,“她的进步是怎样的”。Photo都可以把对应的照片和视频给你展示出来。这对于每天都抱着手机看自己宝贝孩子成长历程的人们来说,实在是太有用了。
这个功能的展示也让全场一阵欢呼。
此外Workspace也有了很多新功能,Google还展示了一个基于多模态能力的教学工具,你可以用语音提出教学要求,比如“给我一个用篮球解释力学原理的案例”,Motion就会自动用很自然的语音讲出来。
另一个让现场观众眼前一亮的功能,是Android对Gemnini的使用。现场展示的一个live demo中,一个诈骗电话打来,像我们经常遇到的电话那样,在一通义正严辞的提醒后,对方要求你把钱转到一个安全的账户。
而就在这句话说出来时,Gemini被激发了,直接弹出一个警告框,阻止了电话的继续进行。
全场响起可能是当天第二长的一次欢呼。
在发布会的最后,Pichai做最后总结时开玩笑说,肯定有人在数,我今天说了多少次AI。
“不用数了,Gemini数完了。”
然后大屏幕显示120。
“我说了这么多次AI。”
然后Gemini又加了1,变成了121。
现场都笑了。
很明显,Google依然正在一个整合资源的过程里。无论是对全家桶的能力提升,还是对搜索的改造,背后都是一个逻辑,要把Google这么多年积累下来的能力和资源用起来,由Gemini来做唯一的大脑,改造一切,守住并继续抢夺新的用户。
Google不会轻易下牌桌,AI大战会继续进行下去。