The following article is from 差評(píng)前沿部 Author 世超
今天凌晨，一年一度的 Google I/O 大會(huì)在加州山景城盛大開(kāi)幕了。谷歌憋了好幾周的大招，終于舍得一口氣放出來(lái)，直接來(lái)了一波信息轟炸。
差評(píng)也派出前線小記者，世超不僅看了大會(huì)，還近距離接觸了一把谷歌 CEO Sundar Pichai。
首先迎面向我們走來(lái)的是語(yǔ)言模型大軍。
作為谷歌的頭牌之一，自三月發(fā)布以來(lái)，Gemini 2.5 Pro 的表現(xiàn)一直表現(xiàn)非常出色，在 WebDev Arena 和 LMArena 排行榜處于全球領(lǐng)先的地位。
雖然具體的技術(shù)細(xì)節(jié)沒(méi)有公布，但從他們放出的這張圖可以看出，能深度思考的 Gemini 2.5 Pro 在數(shù)學(xué)、編程、多模態(tài)推理方面的效果都十分驚人，甚至在數(shù)學(xué)上碾壓了 OpenAI 的 o3。
他們通過(guò)更新 Live API 推出了原生音頻輸出功能，不僅能夠輸出人味十足的聲音，還能捕捉對(duì)話的情緒，自動(dòng)調(diào)整語(yǔ)氣。
在 Gemini 的加持下，Live AI 不僅說(shuō)話的聲音像人，說(shuō)話的內(nèi)容、方式也像人。
具體效果大家可以看下面的視頻：
不知道各位差友感覺(jué)如何，世超聽(tīng)到第十秒的惡魔低語(yǔ)，雞皮疙瘩都起來(lái)了。
除此之外，谷歌還優(yōu)化了側(cè)重效率的主力模型 Gemini 2.5 Flash，推出了 AI agent —— Project Mariner。
值得注意的是，除了常規(guī)的模型更新，他們還推出了 Gemini Diffusion，不使用 Transformer 架構(gòu)，表現(xiàn)可以和 Gemini 2.0 Flash-Lite 相當(dāng)，但速度是它的五倍。
這次谷歌用擴(kuò)散模型對(duì)大模型的底層架構(gòu)發(fā)起挑戰(zhàn)，如果未來(lái) Gemini Diffusion 在表現(xiàn)上還有上升的空間，這可能是一次顛覆性的革新。
大模型說(shuō)完，再看看多模態(tài)生成這邊，花樣就更多了。
Imagen 4、Veo 3、Lyria 2 接連推出，圖片、視頻、音頻生成，谷歌全都要。
視頻方面，Veo 3 不僅在 Veo 2 的基礎(chǔ)上質(zhì)量升級(jí)，還是首款帶音頻的視頻模型，不僅自帶對(duì)話，如果需要，也可以來(lái)點(diǎn)背景音樂(lè)。
結(jié)合生成的提示詞來(lái)看官方的案例，Veo 3 對(duì)場(chǎng)景氛圍、對(duì)話語(yǔ)氣和人物動(dòng)作表情的理解都很出色，生成的視頻非常自然。
不得不說(shuō)，Lyria 2 生成的這段秘魯風(fēng)格的舞曲，鼓點(diǎn)、電吉他、貝斯相輔相成，節(jié)奏明快，旋律流暢，絲毫沒(méi)有 AI 痕跡。
目前，Imagen 4 和 Lyria 2 已經(jīng)在谷歌的 Vertex AI 平臺(tái)上線，Veo 3 可以加入 waitlist，感興趣的差友可以去體驗(yàn)一下。
如果說(shuō)咱上面看過(guò)的都屬于零部件，而下面要說(shuō)的，是谷歌怎么把這些零件組合起來(lái)，融入產(chǎn)品，把 AI 產(chǎn)品賦能體現(xiàn)得淋漓盡致。
首當(dāng)其沖的，就是谷歌在搜索業(yè)務(wù)上推出的 AI mode。
自 2022 年 ChatGPT 問(wèn)世，大模型對(duì)谷歌的核心搜索業(yè)務(wù)來(lái)了一輪狂風(fēng)巨浪的沖擊。
打不過(guò)就加入，谷歌這回直接把 Gemini 嵌進(jìn)傳統(tǒng)搜索，利用大模型的多模態(tài)和推理能力，把用戶(hù)想要的整理好，直接喂到嘴里。
谷歌表示，加入了 AI 概覽以后，用戶(hù)對(duì)搜索的內(nèi)容滿意度更高，使用頻率上升了 10%，這是十年來(lái)搜索領(lǐng)域最成功的探索之一。
看來(lái)傳統(tǒng)搜索加點(diǎn) AI，還是能挽回用戶(hù)的心的。
除了搜索，谷歌還把多模態(tài)生成技術(shù)揉一揉，用 Veo + Imagen + Gemini 搓出了一個(gè)電影制作工具 Flow。
從官方案例來(lái)看，F(xiàn)low 的畫(huà)面表現(xiàn)力確實(shí)很優(yōu)秀。難道失業(yè)的風(fēng)也要吹到導(dǎo)演了嗎。。。
不止軟件更新，摸得著的數(shù)碼電子產(chǎn)品也是有的。
谷歌把老項(xiàng)目裸眼 3D Starline 全面升級(jí)為 Google Beam，使用六個(gè)攝像頭從不同角度捕捉畫(huà)面，再利用 AI 算法把視頻流整合，投射在 3D 顯示屏中。
這項(xiàng)新功能可以讓不同國(guó)家的人使用母語(yǔ)通話，即使對(duì)方聽(tīng)不懂你在說(shuō)啥，他們也能聽(tīng)到實(shí)時(shí)生成的翻譯。
還有一個(gè)意想不到的產(chǎn)品在這次大會(huì)穢土轉(zhuǎn)生了，那就是谷歌 2023 年已經(jīng)宣判死刑的 Google Glass。
這回谷歌終于放棄之前那套自己搞硬件的想法，而是只干自己擅長(zhǎng)的活兒 —— 系統(tǒng)，然后跟咱們國(guó)內(nèi)的 Xreal 合作，推出了基于 Android XR 平臺(tái)的最新眼鏡產(chǎn)品：Project Aura。
Project Aura 支持 AI 的實(shí)時(shí)翻譯，還能進(jìn)行發(fā)短信操作，識(shí)別攝像頭看到的東西做搜索和問(wèn)答，并且具備記憶能力。
有了谷歌的入場(chǎng)，接下來(lái)的智能眼鏡領(lǐng)域應(yīng)該會(huì)有好戲看了。
盤(pán)了這么多，其實(shí)這次 Google I/O 的內(nèi)容還遠(yuǎn)遠(yuǎn)沒(méi)有說(shuō)完，他們還是太全面了。
除了上面已經(jīng)提到的，還有編程智能體 Jules、 和 Shopping Graph 結(jié)合的一鍵 AI 試衣、Firebase 升級(jí)、SynthID 數(shù)字水印、可以在手機(jī)上跑的大模型 Gemma 3n、辦公可用的 NotebookLM 等等等等。
背靠?jī)?yōu)秀的人才和龐大的資金，谷歌什么都要做，還要做得好。
他們?cè)缇蛿[脫了當(dāng)年被大模型降維打擊的被動(dòng)局面，轉(zhuǎn)守為攻，可以從容地等待別人去探索市場(chǎng)、試錯(cuò)，時(shí)機(jī)成熟后再快速入場(chǎng)，找到自己的節(jié)奏。
AI 競(jìng)賽還在如火如荼地進(jìn)行，而這次大會(huì)，秀的可能不只是當(dāng)下的技術(shù)。想要保住龍頭的地位，更重要的 , 還有谷歌 AI 領(lǐng)域的廣闊布局和長(zhǎng)遠(yuǎn)思考。
撰文：莫莫莫甜甜
