每(mei)經編輯｜杜宇

雖然被OpenAI搶在前面發布了重磅新品演示，但谷歌后發制人，做到了OpenAI還沒能做到的事，率先發布人工智能（AI）搜索引擎，捍衛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(ri)凌晨(chen)1點開始，谷歌在山景(jing)城總(zong)部附近的(de)海岸線圓形劇(ju)場，召開了長(chang)達兩個小時的(de)年度I/O開發者大(da)會(hui)Keynote演講。

與預期一致，谷歌的這場發布會基本都是在談AI、AI、AI、AI和AI。根據發布會最后的官方統計，整場Keynote的演講稿里總共提了120次AI。

谷歌(ge)CEO Sundar Pichai表示，谷歌(ge)所(suo)有(you)的(de)(de)工作都圍繞生成式AI模型(xing)Gemini來(lai)做，“我(wo)們希望每(mei)個(ge)人都能從Gemini所(suo)做的(de)(de)事中受(shou)益。”AI搜索正是(shi)Pichai提(ti)到(dao)的(de)(de)Gemini融入谷歌(ge)多種服務之一。

同時谷(gu)歌搜(sou)索(suo)也將(jiang)具備多(duo)步驟(zou)推理能(neng)力，可以一(yi)次性處理帶有多(duo)個(ge)限(xian)制條件的長問(wen)題，并(bing)支(zhi)持“拍視頻”搜(sou)索(suo)解決方案的新搜(sou)索(suo)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。而對于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，谷歌也發布了文生圖工具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(tai)Gemini Nano模型也將在今年晚(wan)些時候登陸Pixel手(shou)機，這是在本地運行(xing)的機載模型。

值得注意的(de)是(shi)，谷歌的(de)發(fa)布會(hui)上(shang)也(ye)有(you)一些(xie)(xie)與昨日OpenAI發(fa)布會(hui)“雷同(tong)”的(de)地方——實(shi)時AI助手(shou)(shou)。從今(jin)年(nian)(nian)夏(xia)天開始，Gemini也(ye)將(jiang)支(zhi)持語音實(shi)時交互，同(tong)時今(jin)年(nian)(nian)晚些(xie)(xie)時候還(huan)將(jiang)上(shang)線(xian)實(shi)時視頻交互。未來幾(ji)個月內，谷歌也(ye)將(jiang)推出類似于GPTs的(de)自定(ding)義AI助手(shou)(shou)功能，叫(jiao)做Gems，能夠與整套(tao)“谷歌全家桶”聯動。

硬件方面，谷歌宣布了第六代TPU芯片Trillium，并透露能夠在明年初用上英偉達最新(xin)的Blackwell架構(gou)GPU。另外，液(ye)冷(leng)、光纜等中國(guo)股民可能會感(gan)興(xing)趣的題材也在發(fa)布會上出現(xian)。

Gemini 1.5 Pro上下文窗口200萬token 全球最長

谷歌(ge)稱(cheng)，推出號稱(cheng)有(you)(you)史(shi)以來最(zui)強大AI模型Gemini Advanced三個(ge)月內(nei)。從本周二起(qi)，谷歌(ge)在(zai)Gemini Advanced中加入新模型成員Gemini 1.5 Pro，稱(cheng)它(ta)擁(yong)有(you)(you)的(de)上下文窗口(kou)在(zai)全球消費類聊天機器人中最(zui)長，窗口(kou)起(qi)始就有(you)(you)100萬個(ge)token。Gemini 1.5 Pro將向(xiang)150 多(duo)個(ge)國(guo)家地區(qu)的(de)Gemini Advanced訂閱者提供，支持超過(guo)35 種語言(yan)。

Pichai稱，Gemini 1.5 Pro“提供(gong)了(le)迄(qi)今為止所有基礎模型中(zhong)最長的(de)上下(xia)文(wen)窗(chuang)口(kou)(kou)。” 他介(jie)紹，Gemini 1.5 Pro將擁有200 萬個token的(de)上下(xia)文(wen)窗(chuang)口(kou)(kou)，是當前模型100萬個token窗(chuang)口(kou)(kou)的(de)兩倍。

Gemini新語音對話功能Live定制版Gemini

谷(gu)歌稱，今年(nian)夏季將擴展 Gemini 的(de)(de)多模態功能(neng)，包(bao)括增加用語音(yin)進行深入(ru)雙向對話的(de)(de)能(neng)力，該功能(neng)被稱為 Live。通過 Gemini Live，用戶可(ke)(ke)以(yi)與 Gemini 交談，并(bing)可(ke)(ke)以(yi)從各種自然的(de)(de)聲音(yin)中選(xuan)擇它回應(ying)的(de)(de)聲音(yin)。 用戶甚(shen)至可(ke)(ke)以(yi)按照自己的(de)(de)節奏說話，或者在(zai)回答(da)過程中打(da)斷并(bing)澄清問(wen)題，就像在(zai)任何人類(lei)對話中一樣(yang)。

谷歌稱，今年夏季，將在Gemini Advanced 中添加新的旅行規劃功能。借助考慮(lv)時間(jian)(jian)和空間(jian)(jian)方面物流的先進推理，Gemini將能夠創建個(ge)性化(hua)的行(xing)程(cheng)，節省用(yong)戶(hu)的工作時間(jian)(jian)。

未來(lai)幾周，谷(gu)歌將在Gemini Advanced中(zhong)添加新(xin)的數據(ju)分析功能(neng)。用戶只需上傳電(dian)子(zi)表格，Gemini 就可(ke)以分析數據(ju)、制(zhi)作圖表，并更快地發(fa)掘見解。

谷歌將推出被稱為(wei)Gem的(de)Gemini的(de)定制版本(ben)。Gemini Advanced 訂(ding)閱者(zhe)將很快可以(yi)獲得更個性化的(de)體驗(yan)，根據自己的(de)需要創(chuang)建(jian)Gemini，只(zhi)需描(miao)述用戶希望(wang)(wang) Gem 做(zuo)什么以(yi)及希望(wang)(wang)它如何響應，就可以(yi)讓它化身(shen)健身(shen)伙(huo)伴(ban)、主廚幫手、編(bian)代(dai)碼(ma)的(de)拍檔或者(zhe)創(chuang)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(gu)歌官宣推(tui)出新的多模態AI項目Project Astra，它(ta)可(ke)(ke)以(yi)為用(yong)戶解釋智能(neng)手(shou)(shou)機拍到的東西。在谷(gu)歌展示的視頻中，只要將手(shou)(shou)機攝像頭對(dui)準某個物體，Gemini就可(ke)(ke)以(yi)識別它(ta)，比如一個紅蘋果，還可(ke)(ke)以(yi)回(hui)答諸(zhu)如鏡頭中什么東西是可(ke)(ke)以(yi)發(fa)聲的這種(zhong)問題。

谷歌(ge)稱，將(jiang)很(hen)快為模型Gemini Nano添(tian)加多模式(shi)功(gong)能。這意味著(zhu)，用戶的手機可以通過(guo)文本、圖(tu)像、聲音和口語，按照用戶理解的方式(shi)理解世(shi)界。

谷歌稱，端側安卓系(xi)統手機(ji)版(ban)的(de)(de)(de)Gemini Nano將更有幫助，更有上(shang)下文的(de)(de)(de)意識。今(jin)年，安卓手機(ji)的(de)(de)(de)用戶將可(ke)以將生成的(de)(de)(de)圖像拖放到(dao)Google Messages 和(he) Gmail 中，并可(ke)以直(zhi)接(jie)在手機(ji)上(shang)提出有關(guan)YouTube視頻和(he) PDF文件的(de)(de)(de)問題，得到(dao)解(jie)答。

谷歌稱，今年(nian)晚些時(shi)候(hou)，Gemini Nano的輔助功能TalkBack將增強。圖像描(miao)述(shu)將更加清晰和豐富，幫助弱視用戶和盲人用戶通(tong)過語音反饋，更好地指示他們的手機。

全場發布會回顧

發布會開(kai)始，Alphabet&谷歌CEO桑達爾·皮查伊登上舞臺。

皮查伊表示(shi)，現在已經有(you)超過150萬開發(fa)者正在使用谷歌的人(ren)(ren)工智能(neng)Gemini，今天將展示(shi)一系列有(you)關搜索(suo)、圖片、工作(zuo)套件、安卓系統等(deng)等(deng)與(yu)人(ren)(ren)工智能(neng)有(you)關的案(an)例。

皮查伊宣布，能夠總結谷歌搜索引擎結果的“AI概覽”（AI Overviews）功能，將于本周在美國推出。

---基(ji)于(yu)Gemini支持(chi)，谷歌圖片（Google Photos）將(jiang)支持(chi)用戶存儲圖片的AI搜索，例如“告訴我，我的車牌號(hao)碼(ma)是多少(shao)？”——這個名為Ask Photos的功能將(jiang)于(yu)今年夏天推出。

皮查伊宣布(bu)，最(zui)新版本的Gemini 1.5 Pro（在多項核心功能方面均(jun)較最(zui)初發布(bu)版本有(you)(you)所提高）現在向全球所有(you)(you)開(kai)(kai)發者(zhe)開(kai)(kai)放。從(cong)今天開(kai)(kai)始，支持100萬tokens上下文窗口的Gemini 1.5 Pro將在Gemini Advanced功能下向用戶開放，支持35種語言。

谷歌同時面向開發者推出支持200萬tokens的(de)Gemini 1.5 Pro模型(xing)的(de)預(yu)覽，并表示最終的(de)目標(biao)將是(shi)“無(wu)限上下(xia)文”。

谷歌AI業務(wu)總負責人、DeepMind的(de)首席執行(xing)官(guan)杰米斯(si)·哈薩比(bi)斯(si)登臺，宣(xuan)布推出Gemini 1.5 Flash大模(mo)型。這(zhe)個模(mo)型兼具速度與效(xiao)率，和多模(mo)態推理能力，以及長達100萬tokens的(de)上下文窗口。開發者將能夠申(shen)請體驗200萬tokens的(de)上下文窗口的(de)Gemini 1.5 Flash。

谷(gu)歌展(zhan)示“未來的人(ren)工智能(neng)(neng)助(zhu)手(shou)”——名為(wei)“Astra”的項目。哈薩比斯(si)表示，這(zhe)樣(yang)(yang)的AI助(zhu)手(shou)需要像(xiang)人(ren)類一樣(yang)(yang)理解(jie)這(zhe)個動(dong)態(tai)且復雜的世界。需要記得(de)住它看到的東西，這(zhe)樣(yang)(yang)才(cai)能(neng)(neng)理解(jie)對話并付(fu)諸于(yu)行動(dong)。同時它也得(de)能(neng)(neng)積極主動(dong)接受教導，以及自然、無延遲地(di)進行交流。在演示視(shi)頻中，谷(gu)歌的AI助(zhu)手(shou)能(neng)(neng)夠(gou)通過攝(she)像(xiang)頭視(shi)頻，識(shi)別“什么東西能(neng)(neng)發出聲音”、“現(xian)在身處何(he)地(di)”等指令。

谷歌(ge)宣布了一系列與(yu)圖(tu)像、音樂、視(shi)頻(pin)有關的生(sheng)成式AI工具。包括文生(sheng)圖(tu)工具Imagen 3、與(yu)Youtube以及音樂家(jia)合作的“AI音樂沙盒”，以及最(zui)新的視(shi)頻(pin)生(sheng)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，皮查伊重回舞臺，發布第六代TPU芯片Trillium，較上一代芯片的算力表現翻4.7倍，云用戶從今年下半年開始可以用上新芯片。同時谷歌云將在2025年初，用上英偉達的最新Blackwell架構GPU。

皮查伊(yi)開始(shi)介紹自(zi)家(jia)的AI超級計算(suan)機，比起用戶自(zi)己買相同的硬件(jian)和(he)芯片，谷歌的架構(gou)能使(shi)得效能翻(fan)倍，其中有部分功勞(lao)來(lai)自(zi)于液冷系統。皮查伊表示，谷歌部署液冷系統的(de)數據(ju)中心已經達(da)到1GW，而且還在不斷增(zeng)長中。

皮查(cha)伊表示，谷歌投(tou)資了(le)200萬英里的地面和海底光纖，比(bi)第二名的云服務商翻了(le)十倍(bei)。液冷、光纜，應該都是股民們會感興趣(qu)的東西。

谷(gu)歌搜索(suo)業務負(fu)責人Liz Reid開始具體介紹AI Overviews功能。Reid表示(shi)，在進行搜索(suo)時，搜素引擎具備多步驟推(tui)理(li)的(de)能力，例如尋找一個瑜伽教室(shi)，同時展示(shi)新(xin)手(shou)優(you)惠報價，和(he)距離特定位置的(de)步行時間。這個AI搜索(suo)引擎助手(shou)，還(huan)能介紹食譜、安(an)排行程，以(yi)及接受視頻形(xing)式(shi)的(de)提(ti)問（例如視頻中(zhong)的(de)相機(ji)怎么使用(yong)）。

在辦公套件Workspace方面，谷(gu)歌將(jiang)逐步推(tui)出總結、郵件Q&A，以及智能(neng)回復等功能(neng)。

谷歌Gemini總經理Sissie Hsiao介紹了Gemini App的(de)更新(xin)。與周一的(de)OpenAI一樣，從今年夏(xia)天開始，Gemini也將支(zhi)持語音(yin)實(shi)時交互(hu)，同時今年晚(wan)些(xie)時候還(huan)將上線實(shi)時視頻(pin)交互(hu)功(gong)能(neng)。未來幾個月內，谷歌也將推出類似(si)于(yu)GPTs的(de)自定義(yi)AI助手功(gong)能(neng)，叫做(zuo)Gems。這個AI助手的(de)亮點，將是能(neng)與“谷歌全(quan)家桶”進行交互(hu)。

Hsiao再次強調了Gemini的長上(shang)(shang)下文窗口——能(neng)夠一次性處(chu)理整整1500頁的文件，或(huo)3萬行代(dai)碼、1小(xiao)時(shi)(shi)視頻。不同(tong)(tong)的載體也能(neng)混同(tong)(tong)一起提交(jiao)給(gei)聊(liao)天機器人。她再次強調，今年(nian)晚些時(shi)(shi)候上(shang)(shang)下文窗口將翻倍(bei)至200萬Tokens。

安(an)卓(zhuo)生態系統的負責(ze)人(ren)Sameer Samat登(deng)臺，他將討論今年安(an)卓(zhuo)系統實現的“三大突破”，分(fen)別是“畫圈(quan)(quan)圈(quan)(quan)搜索”、Gemini手(shou)機(ji)AI助手(shou)，第三是在手(shou)機(ji)本地(di)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，意味著手(shou)(shou)機(ji)將能通過文字、圖片、視頻、音頻，理解用戶的(de)世界。舉例而言(yan)，在(zai)聽(ting)到“幫(bang)你把錢轉到安全賬戶”這樣的(de)詐騙(pian)電話時(shi)，手(shou)(shou)機(ji)會自動彈出詐騙(pian)警告。整(zheng)個(ge)過程都(dou)是(shi)在(zai)本地(di)運行，不會引發(fa)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。

對于在今年二月剛剛推出的輕量級開源模型Gemma，谷歌宣布推出視頻語言模型PaliGemma，并將會在6月推出Gemma 2。相較于第一代模型只有20億和70億的參數量，第二代開源Gemma的參數量能達到270億。

作為發布會最后的彩蛋，谷歌CEO皮查伊最后用Gemini總結了今天的發布會稿子里總共提了多少次AI——120次。當然，這并不包括皮查伊問完這個問題后，又喚了幾遍AI。

截至(zhi)當地(di)時間(jian)5月14日(ri)收盤，谷歌(ge)報171.93美元，漲幅0.6%，市值2.1萬億美元。

每日(ri)經濟新(xin)聞綜(zong)合(he)公開資(zi)料

免責聲(sheng)明：本文內容與數據僅供參考，不構成投資(zi)建議，使用前請核實。據此操作，風險自擔。