Google发布“AI全家桶”，强力回击GPT-4o

北京时间15日凌晨1点，谷歌召开年度Google I/O开发者大会。根据谷歌官方统计，在这场110分钟演讲中，谷歌CEO桑达尔·皮查伊（Sundar Pichai）提及AI的次数高达121次，同时推出了一系列以 AI 为核心的产品和服务，覆盖 AI 模型、AI 搜索、AI 语音助手、AI 芯片等多个方面。

虽然被OpenAI抢先一步发布了重磅新品演示，但谷歌做到了OpenAI还没能做到的事——率先发布人工智能（AI）搜索引擎。

25 年前，Google开启了搜索功能；这次，Google再次拓展了搜索的边界。在此之前，当用户在使用搜索引擎时，通常以文字或图片形式呈现。而如今，作为推动将生成式 AI 添加到搜索中的一部分，谷歌引入了一个新的转折点：搜索生成体验（SGE）。

据介绍，在最新Gemini的加持下，谷歌搜索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、帮助用户进行头脑风暴，并支持视频搜索，让用户通过拍摄视频来搜索解决方案，这些功能将先在美国推出，其他国家“很快”也会跟进。

同时，谷歌搜索还引入视频。Gemini会让用户上传演示其要解决的问题的视频，然后启动搜索在论坛和互联网的其他区域以找到解决方案。

另外，除了将Gemini能力加持到搜索引擎外，谷歌还将为Gmail应用程序提供一些有趣的新功能，包括长电子邮件线程的摘要。用户还可以直接与Gemini聊天，从整个收件箱中查找详细信息。

叫板OpenAI

同时，谷歌还带来最新、最先进的视频生成模型Veo和迄今为止质量最高的文本到图像模型Imagen 3，直接对标 Sora类型的视频生成技术和Dall-E文生图技术。

据介绍，Veo能够生成超过一分钟的高质量1080p视频，涵盖多种电影和视觉风格。Veo具备高级的自然语言和视觉语义理解能力，能准确呈现细节并捕捉情感基调。与之相结合的是Imagen 3，Google最高质量的文本到图像生成模型，Imagen 3 可以更好地理解自然语言、提示背后的意图，并结合较长提示中的小细节。

除了在文生视频模型方面与OpenAI的竞争外，谷歌在AI助手领域也展开反击。

在OpenAI推出能够实现人类级别响应的智能助手GPT-4o后，谷歌的AI智能体项目Project Astra也重磅登场。

在演示视频中，Astra能够通过手机摄像头或智能眼镜看到的内容来分析响应语音命令。它成功地识别出代码序列、为电路图提出改进建议、能够通过镜头“看到”伦敦国王十字区，并提醒用户智能眼镜的放置位置。

据介绍，谷歌在Gemini的基础上开发了Astra的原型，可以通过连续编码视频帧、将视频和语音输入组合到事件时间线中以实现更快地处理信息。通过语音模型，谷歌也强化了智能助手的说话能力，让其能够给出更快速的回应。

不过，在演示视频中，谷歌AI助手的回应速度似乎还是会比GPT-4o稍慢一些，语音所表现出的感情色彩也平淡一些。

皮查伊表示，谷歌计划从今年开始将Astra的功能添加到其Gemini应用程序及其产品中。不过，他也强调，虽然最终目标是“让Astra在公司的软件中实现无缝连接”，但该产品将被谨慎推出，并且“商业化之路将由质量驱动”。

Google的大模型底座

会上，谷歌还全面发布Gemini 1.5 Pro，可提供具有增强的性能和突破性、最高200万Token长文本能力，并且已经向全球开发者开放。

据悉，全新Gemini 1.5 Pro具有原生音频理解、系统指令、JSON 模式等，能够使用视频计算机视觉来分析图像（帧）和音频（语音）的视频，这使其具有人类水平的视觉感知。使用深度神经网络，Gemini 1.5可以以超人的精度识别图像（和视频帧）中的物体、场景和人物。

随后，谷歌推出全新Gemini 1.5 Flash模型。

DeepMind首席执行官 Demis Hassabis认为，成本问题一直是大模型开发的痛中之痛，某些应用程序需要更低的延迟和更低的服务成本。而为了解决这一痛点，谷歌推出Gemini 1.5 Flash 模型——比 1.5 Pro 更轻的模型，该模型旨在兼顾快速和成本效益。

“Gemini 1.5 Flash 擅长摘要、聊天应用程序、图像和视频字幕、从长文档和表格中提取数据等，”Demis称，谷歌创建 Gemini 1.5 Flash 是因为开发人员需要一个比 Gemini 1.5 Pro 更轻、更便宜的模型。

在硬件方面，谷歌将于今年晚些时候推出交付第六代数据中心AI芯片TPU Trillium。皮查伊表示，每块芯片的计算性能将比第五代提升4.7倍，谷歌通过扩大芯片的矩阵乘法单元（MXU）和提高整体时钟速度来实现这一目标。此外，第六代将比第五代芯片节能67%，谷歌还将Trillium芯片的内存带宽提高了一倍。