文丨海天
OpenAI刚刚发布AI模型GPT-4o，谷歌无情一脚将它踢开，从口袋里拿出传说中的上古神器，大声说：“欢迎来到Gemini时代。”
没有开玩笑，在谷歌I/O大会上，谷歌CEO Sundar Pichai在主题演讲中的确是这样说的，他表示：“谷歌已经完全进入Gemini时代，当然，我们现在仍处在AI平台转变的早期阶段，前面的机会很多，对创作者、开发者、所有人都机会满满。Gemini时代要做的就是将让这些机会落地。”
在整个谷歌I/O发布会上，Gemini是当之无愧的明星，谷歌对它进行升级，新版本Gemini 1.5 Pro将上下文窗口（AI模型可理解的信息量）从当前100万tokens增加到200万。
升级之后Gemini可以处理更长的文本和更复杂的多媒体文件。谷歌还提前展示了Gemini Live，它相当于Gemini AI的语音对话功能。和GPT-4o一样，Gemini也支持实时、深度语音对话，Gemini可以利用设备摄像头观察周边环境，然后分析并给出回应。
谷歌还推出Gemma 2模型，相比Gemini，Gemma 2更加开放。Gemma 2模型支持270亿参数，预计6月份正式开放。
不只如此，谷歌还介绍了Project Astra，它可以在手机上、眼镜上运行，谷歌称Project Astra将是公司有史以来最先进的智能助手。
回顾整个2024年I/O发布会，我们可以总结出几大要点：
满足日常生活的Project Astra
面对OpenAI GPT-4o和微软的进攻，谷歌用Project Astra反击。
从定位看，Project Astra相当于日常生活的“AI代理”，如果剖析其本质，相当于Google Lens增强版本。Google Lens是一款基于图像识别和OCR技术的人工智能APP，能够让机器看图说话。Project Astra比Google Lens更强，它可以理解实时音频和视频，然后推理并回应。
Sundar Pichai说，谷歌有一个庞大计划，关注的不只有AI助手，还有AI代理，所谓的AI代理就是可以推理、规划、记忆的智能系统。
谷歌DeepMind CEO Demis Hassabis补充道：“我们想打造一个通用代理，它可以在日常生活中展现实用性，正因如此，我们从一开始就将Gemini设计成多模态AI。”
Project Astra可以看到我们正在做什么，理解我们在做什么，还能深入分析我们所处的情境，然后在对话中展现出超高理解能力。
因为Gemini拥有很长的文本窗口，它可以记住许多内容；又因为Gemini是多模态AI，它不只可以回答问题，还能与计算机中的文档互动，或者查看日历信息。
Project Astra目前仍处在原型开发阶段，谷歌只是通过视频展示一些特异功能。例如，一位女子拿着手机，打开后置摄像头，在办公室走动。摄像头会告诉AI办公室环境是怎样的，然后女子向AI代理提问。AI代理可以代表用户执行一些操作，比如网购的鞋子不合脚，AI代理可以帮助退货。
Sundar Pichai说：“产品还处在早期，我们正在打磨体验。”
Project Astra具备视频理解能力，年末时谷歌准备将此功能添加到Gemini Live。虽然与会者可以在I/O大会上试用Project Astra，但试用品不等于最终产品。
Sundar Pichai称：“我们的目标是让Astra无缝融入谷歌产品，但我们受到了质量、延迟等问题的阻挠。”
Gemini Live支持实时对话
按照谷歌的设想，如果一切顺利，Gemini将会成为可以解决复杂问题的AI助手，人与Gemini交流将会变得更自然。为了快速达成目标，谷歌推出Gemini Live，用户可以通过它用语音与Gemini交流。
Demis Hassabis称：“我们认为，双向对话可以让主题更深入，如果谈论的是重要事实，要进行头脑风暴，交流会变得更自然。”
受益于技术的优化，Gemini Live将会提供更加简洁的信息，使用起来也更方便。
谷歌认为Gemini Live相当于进入Project Astra的一扇窗，也许还有其它窗口，但Gemini Live是离Project Astra最近的窗口。
总之，当你与Gemini Live对话时会感到更自然、更符合直觉。
例如，当你向Gemini Live提问，可以按自己的节奏推进，可以在句子中打断AI，让它调整回应。
真是蛮巧，用户也可以打断GPT-4o对话！
还有更巧的，谷歌升级Gemini Nano，因为支持多模态，Gemini Nano可以处理文本、图片、音频，不再局限于文本输入，这种包容式处理方式与GPT-4o一样。
用Veo视频生成工具挑战Sora
几个月前OpenAI展示用Sora视频生成工具制作的视频，无数人惊叹。随后清华团队推出Vidu，证明视频生成并非外星科技。现在谷歌也推出自己的视频生成工具Veo，它可以生成一分钟长的1080p视频。
在提示语中，你甚至可以要求AI在制作视频时添加特效，比如达到延时或航拍效果。你还可以在上传视频时添加命令，让Veo按照高贵的命令进行剪辑。
Sora还没有向公众开放，Veo暂时也不会全面开放。谷歌目前只会通过VideoFX向部分创作者开放，相信过不了多久就会看到大量用Veo制作的视频流出。
按照谷歌的说法，Veo拥有极为出色的自然语言理解能力，用户可以用文本、图片、视频类提示信息指导Veo生成视频，它输出的视频更连贯、更有条理，视频中人、动物、物体的移动也更加逼真。
如果你对输出的视频不满意，可以通过增加提示语优化视频质量。
听起来很不错，也许能超越Veo。
将Android与Gemini融合
早先谷歌已经推出“圈选即搜”(Circle to Search)功能，刷短视频时不用跳出，往屏幕上一划拉，直接就能对自己关注到的画面细节进行搜索。
现在谷歌更进一步，将Gemini与Android融合，当我们打开手机屏幕浏览时，Gemini可以阅读、理解观看的内容，甚至可以预测用户会提什么问题。
当用户观看视频时，Gemini能理解视频内容，如果浏览的是长PDF文件，Gemini能汇总文本内容，甚至已经做好回答相关问题的准备。
今年晚些时候谷歌还会推出Gemini Nano，它支持双模态，该应用也将整合到Android系统层。
到底Gemini Nano有什么用呢？从目前掌握的信息看，Gemini Nano响应速度更快，可以监听通话，如果发现垃圾来电或垃圾信息会提醒用户注意。
让谷歌Workspace更加智能
Google Workspace是谷歌提供的一款云计算生产力和深度集成式工作区软件，具备多设备管理功能。它包含Gmail、日历、云端硬盘、文档、表格、幻灯片、聊天以及其它流行应用。
现在谷歌将Workspace与Gemini整合，Workspace变得更智能。例如，在Mail内，左侧多出一个侧边栏，那里有Gemini。如果工作时你与同事对过话，Gemini可以帮你做总结，摘出重点。
在商务视频会议应用谷歌Meet内，Gemini可以总结会议重点，开会时你不必再做笔记。在谷歌Sheets内，Gemini可以协助理解数据，可以处理一些特定请求，比如计算数据之和。
谷歌还为Workspace添加了“AI同事”（AI Teammate），它可以提高实时协作效率，谷歌将分档、对话、评论、聊天、邮件等多种信息集合在一起，放进虚拟生成式AI聊天机器人AI Teammate，让它帮助用户办公。
谷歌AI实力不容小觑 OpenAI不能大意
一直以来，我们都认为谷歌是AI领域的“跟随者”，不是“引领者”。谈到AI，人们公认的领袖是OpenAI，对于这一定位，谷歌肯定是不服的。
OpenAI刚刚推出GPT-4o，谷歌随后召开发布会，针锋相对的味道极为浓厚，两场发布会推介的功能有很多相似甚至相同之处，不得不说OpenAI对发布会召开的时间拿捏到位，否则会被谷歌抢走不少风头。
相较而言，谷歌展示的AI功能更加吸引人。例如，当你找不到眼镜，Project Astra会告诉你它在哪里，这样的功能还是蛮不错的。
OpenAI发布会节奏很快，太难懂。OpenAI发布会只有45分钟，但谷歌发布会时长2小时。老实说，想理解AI并不容易，如果涉及到技术就更晦涩，谷歌发布会在技术细节上谈论太多，它似乎想告诉全世界：“从技术角度看我们的模型更好。”
OpenAI没有多少产品，谷歌完全相反，产品琳琅满目，谷歌深知自己的优势所在，所以全力以赴将Gemini与各种产品深度整合。面对谷歌多种多样的进攻手段，OpenAI应该会感到紧张。
虽然谷歌展示了多种AI功能，但最重要的还是Project Astra。
在发布会现场，你可以用谷歌提供的Android手机对准他人，打开摄像头，然后命令AI：“描述一下他的衣服。”Gemini会分析视频，然后给出答案：“休闲服。”
某人跳舞，你问Project Astra：“这个傻X在干啥？”Project Astra也跟着犯傻，AI回答说：“他带了太阳镜。”没错，跳舞的人的确戴了太阳镜，但Project Astra搞错了回答的重点。莫非是傻X同志舞技不高，Project Astra无法识别？
试用者让Project Astra点评一下着装，Project Astra直接回答：“抱歉，现在无法提供股票信息。”看来智慧并不高啊。试用者用触摸屏画了一辆汽车，Project Astra这下又聪明了，它知道是汽车。命令Project Astra以汽车为题讲一个故事，它回答说：“这辆苗条的蓝色汽车在公路上行驶，就像独孤的旅行者穿梭于月夜。”还真有点小浪漫。
为什么Project Astra突然提到股票信息？谷歌代表给出了答案：“同志，你的衣服有一家创业公司的Logo，上面写着SuperEvilMegaCorp。AI看到这个名字，联想到你可能想获取该公司的股票信息。”
SuperEvilMegaCorp是一家硅谷创业公司，还没有上市，所以没有什么股票信息可以提供，这点Gemini可能并不知道。
目前的聊天机器人大多只能理解书写、语音内容，只能进行简单对话，Project Astra更智慧一些，它可以围绕文本、语音沟通理解其它更多的元素，比如手势信号。
无论怎样，在OpenAI漫天的光环下，谷歌的确给AI产业带来一些新玩意。
如果您有什么想说的，欢迎屏幕前你们在评论区留言讨论！
如果您想要获取最新的科技趋势分析、行业内部的独家见解、定期的互动讨论和知识分享、与行业专家的直接面对面交流的机会！
参考链接：
1、网页链接
2、网页链接