五月份真的很熱鬧，OpenAI剛剛開始春季新聞發(fā)布會(huì)，谷歌I/O大會(huì)也如期舉行。

說(shuō)實(shí)話，在觀看主題演講直播的過(guò)程中，不禁會(huì)想到谷歌內(nèi)部人員泄露的梗圖——谷歌AI產(chǎn)品和項(xiàng)目的不同名稱和相似名稱令人印象深刻。

主題演講的關(guān)鍵字仍然是AI，谷歌也自己在現(xiàn)場(chǎng)提到了“AI"的次數(shù)大約是120次。

谷歌宣布了一些備受關(guān)注的AI領(lǐng)域的新消息。

AI模型升級(jí)了2個(gè)，Gemini 1.5 Pro雙下文窗口擴(kuò)展到200萬(wàn)令牌，Gemini Nano增加了多模態(tài)理解能力；新發(fā)布了三個(gè)，更輕更快的Geminini。 1.5 Flash、新架下的Gemma PaliGemma，視覺(jué)語(yǔ)言模型2.0。

還有一個(gè)文生圖模型迭代到Imagen 還發(fā)布了一款新的文生視頻模型Veo。

在AI的實(shí)際應(yīng)用延伸上，谷歌這次憋了不少招數(shù)。

在谷歌的核心產(chǎn)品搜索中，AI發(fā)布 Overviews，強(qiáng)化版AI搜索摘要功能將率先在美國(guó)上架。在谷歌搜索中，還將增加許多AI驅(qū)動(dòng)功能，如制定計(jì)劃、視頻搜索等。

另外，Gemini還被塞進(jìn)了谷歌照片和即時(shí)通訊應(yīng)用Googlee 在Messages等商品中。

讓人想起OpenAI剛剛發(fā)布的GPT-4o，它是谷歌新項(xiàng)目Projectt，旨在打造未來(lái)通用AI助手。 Astra，以及Gemin的新功能Live。Gemini Live支持和AI語(yǔ)音通話，預(yù)計(jì)今年將增加相機(jī)功能，并與AI即時(shí)“視頻聊天”。

有點(diǎn)尷尬的是，在第三方直播中，觀眾大喊“無(wú)聊”，對(duì)眼花繚亂的名字感到困惑。CNET的評(píng)論員指出，谷歌需要提高講故事的能力，而不是一上來(lái)就把所有的部分都做好。

A

OpenAI在谷歌I/O大會(huì)前一天召開了春季新聞發(fā)布會(huì)。原本流傳的搜索產(chǎn)品并沒(méi)有到來(lái)，但“人類等級(jí)響應(yīng)”的GPT-4o卻讓人一窺新一代AI助手對(duì)抗的輪廓。

無(wú)法想像谷歌如果沒(méi)有OpenAI的狙擊手會(huì)有多開朗。

在這次谷歌I/O大會(huì)上，最令人驚訝的是AI助手的進(jìn)展。

第一，谷歌公布了一個(gè)叫Project的新項(xiàng)目。 Astra。哈薩比斯，谷歌Deepmind負(fù)責(zé)人（Demis Hassabis）換句話說(shuō)，這是一個(gè)全方位的助手項(xiàng)目，真正通向AGI。

與上一代谷歌AI助手Google相比， Assistant，Project Astra的AI助手方式多種多樣，可以實(shí)時(shí)交互。沒(méi)有煩人的覺(jué)醒詞，也沒(méi)有尷尬的延遲?？纯茨憧吹降?，解決你的困難。

在演示視頻中，用戶可以打開手機(jī)鏡頭，瞄準(zhǔn)任何物體，AI可以準(zhǔn)確地說(shuō)出物體的名稱，比如“這是一個(gè)揚(yáng)聲器”。用戶可以實(shí)時(shí)監(jiān)控，同時(shí)在屏幕上畫畫，進(jìn)一步向AI提問(wèn)，比如畫一個(gè)箭頭指向揚(yáng)聲器的某個(gè)部分，詢問(wèn)是什么。當(dāng)客戶將鏡頭對(duì)準(zhǔn)窗外時(shí)，AI會(huì)根據(jù)風(fēng)景直接猜測(cè)客戶所在的位置。

當(dāng)攝像機(jī)匆匆經(jīng)過(guò)場(chǎng)景時(shí)，顧客向“眼鏡放在哪里”求助，助手準(zhǔn)確識(shí)別并回答“你的眼鏡在紅蘋果旁邊”。

去年12月，Gemini發(fā)布了一段通過(guò)視頻和AI互動(dòng)的視頻，但事后承認(rèn)視頻被編輯，所以谷歌經(jīng)常被戳脊梁骨。

有意思的是，這一次，在視頻演示的開頭，谷歌鄭重承諾，視頻是即時(shí)、一次性拍攝的。

然而，谷歌還沒(méi)有針對(duì)Project。 Astra給出了一個(gè)明確的時(shí)間線，只是含糊地說(shuō)，今年晚點(diǎn)的一些功能將升級(jí)到Gemini和其它應(yīng)用程序。

在AI助手方面，谷歌還有更加看得見、摸得著的進(jìn)步。——Gemini Live，這就是Gemini產(chǎn)品的多模態(tài)功能擴(kuò)展。Gemini Advanced用戶可以用語(yǔ)音與Gemini進(jìn)行對(duì)話，對(duì)話更加流暢自然，延遲更低，可隨時(shí)中斷，預(yù)計(jì)夏季上線。同時(shí)，谷歌還強(qiáng)調(diào)，今年將增加相機(jī)功能，實(shí)現(xiàn)實(shí)時(shí)監(jiān)控。

可以說(shuō)，這一次，谷歌被OpenAI精確狙擊——GPT-不但早一天發(fā)布，而且現(xiàn)場(chǎng)演示，接下來(lái)的幾個(gè)星期就會(huì)向所有客戶開放。

B

最近外界流傳OpenAI將推出搜索產(chǎn)品，與谷歌進(jìn)行第一次世界大戰(zhàn)，但這種情況并沒(méi)有發(fā)生，谷歌本身也不斷升級(jí)谷歌搜索。

搜索作為谷歌的核心產(chǎn)品，即將迎來(lái)大升級(jí)——搜索摘要功能AI Overview，Multi還包含多步推理功能-Step Reasoning、計(jì)劃Planning在搜索中進(jìn)行。 in Search，使用視頻提問(wèn)Askk With Video。

AI Overview，正如其名稱所示，是指客戶輸入文本，點(diǎn)擊搜索后，出現(xiàn)在頂部的信息摘要將是AI幫助整理的。它包括用自然語(yǔ)言總結(jié)和總結(jié)搜索結(jié)果，以及推薦鏈接。此前，谷歌稱之為“搜索生成式感覺(jué)”（SGE）”。

Multi的多步推理-step reasoning可以用來(lái)制定計(jì)劃。當(dāng)用戶在輸入框中輸入“周邊最好的瑜伽館”時(shí)，AI摘要會(huì)根據(jù)評(píng)分、課程、距離等信息對(duì)附近的瑜伽館進(jìn)行分類，更清晰地向客戶展示。Planning in 在Search中，用戶可以直接使用谷歌搜索進(jìn)行計(jì)劃，例如，如果需要在輸入框中輸入飲食計(jì)劃，搜索引擎會(huì)給你一個(gè)按鈕。

當(dāng)你想搜索商品時(shí)，AI也會(huì)發(fā)揮作用。當(dāng)你在輸入框中輸入“五英里通勤自行車上下坡”時(shí)，搜索引擎會(huì)給出購(gòu)買自行車的想法和建議，并給出一些商品推薦。

由一次又一次的詳細(xì)演示不難看出，谷歌已下定決心重塑搜索體驗(yàn)。

然而，AI搜索已經(jīng)應(yīng)用于許多競(jìng)爭(zhēng)產(chǎn)品中，更多的Perplexity專門從事AI搜索。.AI。在2024年5月，谷歌對(duì)搜索感覺(jué)的重大升級(jí)，已不再能帶來(lái)新鮮感。

其它應(yīng)用生態(tài)的新動(dòng)作更像是補(bǔ)充，比如Gmail郵箱，Google Gemini已經(jīng)逐漸擴(kuò)展到越來(lái)越多的谷歌應(yīng)用程序，如Messages通信、谷歌照片等，有“Gemini無(wú)處不在”的趨勢(shì)。

C

AI背后的模型，谷歌這次也是大手一揮，升級(jí)升級(jí)，新發(fā)布，Gemini家族日益壯大。

Geminini發(fā)布于三個(gè)月前。 1.5 從現(xiàn)在開始，Pro終于“發(fā)貨”，并正式向訂閱Geminini開放。 Advanced(類似于ChatGPT Plus）的用戶。

Gemini 1.5 Pro支持前后文窗口100萬(wàn)token，今年晚點(diǎn)將增加到200萬(wàn)token。更加生動(dòng)地說(shuō)，升級(jí)后的Gemini 1.5 Pro可以同時(shí)處理22小時(shí)音頻、2小時(shí)視頻、超過(guò)60000行代碼或140萬(wàn)個(gè)單詞。

在新發(fā)布的模型中，Gemini 1.5 Flash最初有明星潛力，但是被OpenAI攻擊。GPT-ChatGPT狙擊Project驅(qū)動(dòng)。 Astra和Gemini Live，GPT-Geminini4O狙擊 Flash。

Gemini 1.5 Flash的主要推動(dòng)更輕更快，反應(yīng)速度和效率是其主要推動(dòng)特征，具有多模態(tài)推理能力，擅長(zhǎng)總結(jié)、聊天、圖像、文檔數(shù)據(jù)提取、視頻字幕等。但是這個(gè)特征顯然與GPT-4o發(fā)生了碰撞。

此外，谷歌的開源模型Gemma還發(fā)布了一個(gè)新版本，Gemma 2.0擁有270億參數(shù)，并且擴(kuò)展了PaliGemma的多模態(tài)版本。

谷歌在I/O大會(huì)上發(fā)布了三種多模態(tài)生成模式，包括圖像、音樂(lè)和視頻。

谷歌之前就有過(guò)文生圖模型，這次做了迭代，發(fā)布了Imagen 3。Imagen 3對(duì)提示的認(rèn)知更準(zhǔn)確、更細(xì)致，可以生成更逼真的圖像。在演示中，Imagen3從一個(gè)長(zhǎng)長(zhǎng)的提示中獲得了8個(gè)細(xì)節(jié)，并在生成的圖像中一一反映出來(lái)。

音樂(lè)生成模型Music AI Sandbox是全新的，用戶可以使用小段Demo來(lái)擴(kuò)展和增加音樂(lè)，也可以根據(jù)文本提醒來(lái)重新創(chuàng)作音樂(lè)，改變和調(diào)整音樂(lè)風(fēng)格等等。由于谷歌旗下還有YouTube等UGC平臺(tái)，這種模式將更好地為創(chuàng)作者服務(wù)。

事實(shí)上，更加引人注目的是谷歌新發(fā)布的文生視頻模型Veo。

谷歌Veo可以接收文本、圖像和視頻提醒，生成1080p規(guī)格、60s高質(zhì)量的長(zhǎng)視頻。

OpenAI在年初發(fā)布了Sora，雖然Sora還沒(méi)有正式向公眾開放使用，但是演示視頻和小范圍的測(cè)試已經(jīng)使Sora受到了極大的追捧。Veo可以和Sora進(jìn)行一場(chǎng)演示。

在這次I/O大會(huì)上，谷歌提交了一份真誠(chéng)的“成就清單”，大型模型仍在進(jìn)步和創(chuàng)新，AI應(yīng)用生態(tài)也在不斷發(fā)展。

然而，新詞匯轟炸后，能給人留下深刻印象的東西并不多。與前一天發(fā)布的GPT-4oOpenAI相比，谷歌仍然缺少一次王炸，這讓外界感覺(jué)科幻電影進(jìn)入了現(xiàn)實(shí)。

本文來(lái)自微信微信官方賬號(hào)“字母榜”（ID：wujicaijing），36氪經(jīng)授權(quán)發(fā)布。

本文僅代表作者觀點(diǎn)，版權(quán)歸原創(chuàng)者所有，如需轉(zhuǎn)載請(qǐng)?jiān)谖闹凶⒚鱽?lái)源及作者名字。

免責(zé)聲明：本文系轉(zhuǎn)載編輯文章，僅作分享之用。如分享內(nèi)容、圖片侵犯到您的版權(quán)或非授權(quán)發(fā)布，請(qǐng)及時(shí)與我們聯(lián)系進(jìn)行審核處理或刪除，您可以發(fā)送材料至郵箱：service@tojoy.com