谷歌怒發十幾款AI新品，但最出圈的話題還是「翻車」

雷科技

2024-05-15 20:13釋出于廣東科技領域創作者

一年一度的Google I/O開發者大會如期而至，在本場釋出會中，谷歌一口氣交出數個AI新品，輪番轟炸我們的視覺神經。

首先是真正意義上的全新産品——Google AI Overviews，這是一項基于大模型技術開發的全新搜尋引擎，旨在以聊天的方式為使用者提供精準、高效的搜尋結果。沒錯，傳聞中OpenAI正集全力要打造的就是這玩意兒。

（圖源：Google）

同樣與搜尋有關的還有「Ask Photos」，相比起AI Overviews，它更專注于圖像了解與圖像資訊捕捉，這意味着現在你可以通過文字描述的方式，找到藏在相冊裡的那些被遺忘已久的照片。

還記得前天晚上OpenAI釋出的GPT-4o在視覺與聽覺上的巨大提升嗎？谷歌也整了一個相似的AI工具——Project Astra。定位上，Project Astra和GPT-4o都是多模态AI項目，使用者可以利用手機攝像頭和麥克風與現實世界進行互動，例如幫助失明人士識别路上的風景等。

（圖源：Google）

以上提到的，隻是本場I/O開發者大會上谷歌公布衆多AI新技術的冰山一角，還有更多新玩意值得我們深入探讨。難怪，在這場釋出會後，不少媒體都表示認為谷歌像是要用海量新品「圍剿」OpenAI，重樹谷歌在AI市場的地位。

對轟GPT，谷歌怒發數款AI新品

很顯然，Google I/O 2024最大主角就是「AI」，從硬體到軟體，從服務到功能，幾乎沒有任何一部分離得了AI這個關鍵詞。據不完全統計，這場釋出會上，谷歌至少提了121次「AI」。

既然聊到AI大模型，那還是先看看Gemini又有了哪些新變化。

Gemini Pro從前代的100萬Tokens更新到了200萬Tokens，與月之暗面的Kimi Chat長度相近，但這個模式并非面向所有使用者開放，需要單獨申請。Gemini 1.5推出了Flash版本，支援100萬Tokens，主打一個便宜量大，1M Tokens輸入僅0.35美元、1M Tokens輸出也僅需0.53美元。

（圖源：Google）

另外，谷歌還宣布Gemini Nano進入手機端，目前它能實作的功能是幫助使用者接打電話、識别電話詐騙和騷擾電話。實話說，Gemini Nano的手機端實用性還是略顯寒酸，甚至連文字處理都不支援，還不如小愛同學來得簡單粗暴。

假如你對Gemini Nano的功能表現不太滿意，也能試試谷歌即将推出的Gemini手機用戶端，它與前天釋出的GPT-4o一樣，都是AI多模态應用，能聽、會讀，還能提供情緒價值。隻是從示範視訊來看，Gemini還不是太「拟人化」。

Gemma2也在這場釋出會上正式登場，作為谷歌下一代開源模型，它更新到了27B規模，和Meta的Llama 3相近，但體積更小些。值得注意的是，Gemma2能夠在NVIDIA的GPU或Vertex AI的單個TPU主機上高效運作。Gemma還迎來了一位新成員：PaliGemma，這是一個開源的圖像輸入模型。

除了Gemini和Gemma的更新之外，基于大模型技術，谷歌還推出了三款全新的AI大模型應用：Imagen 3、Music AI Sandbox、Veo。

（圖源：Google）

Imagen 3是谷歌最新的畫圖模型，你可以了解為谷歌版本的stable diffusion，即文生圖模型。按照谷歌的說法，Imagen 3相比起前代，在生成速度、生成品質和了解能力上均有較大的提升。

Music AI Sandbox是一款音樂創作大模型，和之前火遍全網的suno差不多，而它的優勢在于創作完成後能夠一鍵上傳至Youtube，這何嘗不是一種生态優勢呢？至于Veo，這是谷歌首款文生視訊模型，對标GPT的Sora，但它時長支援到最高1分鐘、分辨率也支援到1080P，還支援更多濾鏡和電影風格，無論是哪一方面，看起來都比Sora靠譜得多。

不難看出，谷歌目前在AI領域的戰略還是相對穩健，例如模型性能更新，僅從100萬Tokens提升到200萬Tokens，和早前大衆的預期有些差距；而新的AI大模型應用部分，無論是新更新的文生圖模型，還是全新的音樂創作模型、文生視訊模型，都是「守擂」型産品，少了些創意和想象力。但谷歌天然的優勢在于生态，這才是其與OpenAI叫闆的底氣。

AI加入谷歌全家桶

作為目前的網際網路巨頭之一，谷歌的軟體生态、服務生态自然是相當全面的，比如谷歌擁有目前最大使用者數量的浏覽器Chrome，也擁有最完善的Google辦公套件，以及目前最大的移動作業系統生态。現如今，谷歌也正式将AI引入到「谷歌全家桶」中，徹底梭哈AI。

首先，谷歌釋出了全新側欄應用Side Panel，這是一項綜合了谷歌旗下服務的「側邊欄」，當你在Gmail中收到重要資訊時，可以直接在Side Panel中呼出谷歌雲盤存儲資訊，又或是啟動Google Map進行導航，還可以使用谷歌月曆記錄日程等。在谷歌的計劃中，Gmail很快會擁有自動處理重要資訊的能力。

Gmail還加入了智能對話的特性，簡單來說，現在你能夠以對話的方式在郵箱中找到所需要的資訊及相關郵件，還能讓Gemini幫你總結這些郵件說了什麼，甚至還可以讓它幫你智能回複對方，并保持郵件所需的正式用語和語氣。

（圖源：Google）

其次，前面提到了Gemini将推出手機用戶端，除了能夠和使用者進行普通的對話、文章總結、文字生成等，Gemini還擁有Gemini Live功能，即通過攝像頭和你直接對話。

最後，也是最重磅的——AI Overviews。作為搜尋引擎巨頭，谷歌要如何将大模型融入到搜尋上，這一直是我們所好奇的，就在這場釋出會上，谷歌終于推出了首款AI搜尋大模型AI Overviews。

與Perplexity或Arc Search相比，AI Overviews的優勢在于綜合搜尋能力有了長足的進步，且得益于Gemini的推理能力提升，其獲得的搜尋結果也會更符合使用者的需求。AI Overviews還支援Plan Ahead，即「為你計劃」，盡管AI搜尋隻能幫使用者做搜尋結果的總結，但基于推理能力和決策能力的更新，Plan Ahead能夠為使用者生成各種計劃，例如飲食計劃、健身計劃、旅行計劃等。

（圖源：Google）

AI Overviews不僅支援文字搜尋，還能通過語音和圖檔進行搜尋，例如當你遇到不認識的植物，那麼僅需拍攝、上傳，就能讓谷歌幫你找出這種植物的相關資料。而這項功能也會與Pixel上的「劃圈即搜」功能相結合，在未來幾個月内上線。

可以說，AI已經成為谷歌幾乎所有業務的核心，除了我們熟悉的大模型應用之外，還在辦公、娛樂領域提供基于Gemini大模型的AI功能，并互相之間有所串聯，提升綜合工作的效率。

One More Thing：神秘AI眼鏡曝光

在示範Project Astra的過程中，除了像OpenAI一樣使用iPhone進行功能展示，還使用了一款智能眼鏡。但與我們之前見到的Google Project Galass不同，這可能是一款全新的智能眼鏡産品。

（圖源：Google）

初代Google Project Galass誕生于2012年，在那個智能手機還不算普及的年代裡，谷歌就将智能穿戴裝置打造成平民化的消費級産品。但事實上，Google Project Galass受限于産品形态和産品性能，以及相對高昂的售價，一直都不受市場的歡迎，而谷歌也在前幾年宣告這個項目被取消。

Project Astra可能是最适合Google Project Galass的AI形态，一方面，它的互動簡單，無需太多傳感器進行輔助識别；另一方面，它利用大模型的學習、了解、推理能力，能夠簡單地幫助使用者判斷現實世界的物體、景色以及突發事件。

當然，谷歌并沒有真正釋出這款産品，但結合Apple Vision Pro重新帶動虛拟現實（空間計算）市場的熱議來看，谷歌極有可能搶先于蘋果，将AI大模型帶入到穿戴裝置，以快速搶占AR/VR市場。

眼花缭亂的I/O，谷歌真慌了神？

整場釋出會下來，谷歌釋出了非常多的AI新品，涉及到大模型技術的疊代、新AI應用的落地以及開源模型再一次進化。但長達數小時的釋出會加體驗環節，谷歌缺少了一款真正意義上的「爆品」來引起市場的高度關注。

比如，谷歌釋出了一款對标OpenAI Sora的Veo，無論是輸入内容的支援、生成視訊時長還是生成視訊的清晰度，都可以說是「吊打」Sora的存在，但Sora已經搶先于谷歌，引發了市場對文生視訊應用的讨論，這就導緻盡管Veo很牛，可讨論度明顯不足。

（圖源：Google）

又或者說，谷歌似乎不太懂如何抓住大家的眼球，這從其頻頻翻車的示範也能看出些端倪。還記得Bard首次出現時回答問題錯誤的情況嗎？是的，在這一次AI Overviews的示範上，又一次給使用者錯誤的建議，引起不小的争議。

而谷歌在會上強調了Gemini的「優惠價格」，試圖想要以低價與頭部企業們競争。但現實狀況是，百度文心一言、阿裡通義千問早就開放了長文本閱讀、月之暗面的Kimi也加入了200萬Tokens的免費大戰，就連有些晚來的豆包，也在今日舉行的釋出會上公開了超低價的政策。

創意欠缺、低價拼不過，這就是谷歌在I/O開發者大會上給大家的印象。不過，谷歌最重要的殺手锏仍然是它的AI搜尋，而這項功能是否會讓谷歌實作逆風翻盤，或許還要等到AI Overviews正式上線後才能解答。

檢視原圖 299K

• 

• 

• 

• 

• 

• 

• 

•