•
GoogleI/O超全總結：AI搜尋大變樣，AR眼鏡復活，大模型全家桶升級，史上最貴訂閱費1800元
Google升級全系模型，展現通用AI助理終極形態。
智東西5月21日報導，今日凌晨，在一年一度的GoogleI/O開發者大會上，Google的AI大戲連番上演！
在長達2小時的主題演講上，GoogleCEO桑達爾·皮查伊攜一眾Google高層總共提到95次「Gemini」、92次「AI」。
模型升級方面：Gemini 2.5 Pro新支援原生音訊輸出、Project Mariner的電腦使用功能、深度思考、高安全防護；視訊模型Veo 2新增原生音訊產生功能、Gemini 2.5 Flash在推理、程式設計和長上下文等關鍵指標上升級。全新發布模型包括：擴散語言模型Gemini Diffusion、視訊生成模型Veo 3、影像生成模型Imagen 4。
谷歌也推出全新Gemini訂閱計畫：AI Pro用戶月付19.99美元（折合人民幣約144元），可使用Veo 2、Gemini 2.5 Pro等入門級產品；AI Ultra用戶月付249.99美元（折合人民幣約1804元），可擁有Veo 33的無限存取權模式。
這都指向一個目標：建立通用AI助理。谷歌DeepMind創辦人兼CEO戴密斯‧哈薩比斯（Demis Hassabis）稱，他們將Gemini打造成一個世界模型，是開發一種新型、更通用、更有用AI助理的關鍵一步。
谷歌展示了其通用AI助理的最新研究原型。在自行車維修場景中，Gemini可以幫助用戶查詢維修手冊、滾動到特定頁面、搜尋影片教學、主動提供實用信息，還可以撥打電話，查詢零件庫存情況，並幫助用戶下單。
其餘更新包括顛覆用戶搜尋體驗的AI Mode：根據用戶需求動態調整包含圖表、店鋪列表等的答案生成界面，在購物場景，AI Mode可根據用戶購買意圖定制購物界面，提供虛擬試穿、追踪用戶預期價位、代理結帳功能，其還集成了視覺搜索，用戶可以通過手機攝像頭實時搜索提問。 AI Mode現已向所有美國用戶推出。
同時，Google先前三大研究計畫獲得重大進展：Project Starline引進全新3D視訊通訊體驗、Project Astra能利用Gemini和攝影機來解決問題、Project Marina支援多工處理。
大會尾聲，谷歌也現場示範了重量級安卓XR智慧眼鏡。
翻譯能力是這款眼鏡的亮點之一，不過測試時，可以明顯感覺到工作人員減慢了語速，谷歌安卓XR智能眼鏡僅正確翻譯了對話中的前半部分，之後出現了無法識別的問題。
根據XREAL新聞稿披露，Google將與XREAL合作打造第二款安卓XR裝置Project Aura。
皮查伊透露，Gemini應用程式目前已經擁有超過4億月活用戶，超過700萬名開發者透過Gemini API進行開發。
谷歌今天放出的諸多AI大招，智東西帶你一文看盡。
01.
Gemini系列模型屠榜
谷歌產品每月處理token數一年增長50倍
Gemini時代，Google的模型和產品發布速度都比以往更快。上屆I/O大會至今，Google已經宣布10餘款模型重大突破、20餘款重大AI產品。
自第一代Gemini模型發布以來，Gemini模型的Elo分數已提升300多分。程式設計方面，Gemini 2.5 Pro成為程式設計平台Cursor上年度成長最快的模型，每分鐘產出數十萬行被採納的程式碼。
在LMArena排行榜中，Gemini系列模型包辦了每秒產生輸出token數最高的前三名，且模型價格也在下降。
在全端基礎設施方面，Google第七代TPU Ironwood是首款專為大規模AI思考和推理工作負載而設計的TPU，其效能是上一代的10倍，每個Pod的運算能力達到42.5 exaFLOPS。
皮查伊提到谷歌大模型相關的幾組數據：
去年同期Google每月透過產品和API處理的token數量為9.7兆，目前其每月處理的token數達到480兆，一年內增長了約50倍；
超過700萬名開發者透過Gemini API進行開發，涵蓋GoogleAI Studio和Vertex AI兩大平台，較去年同期成長超過五倍，同時Vertex AI平台上的Gemini使用率較去年成長40倍；
Gemini應用程式目前擁有超過4億月活用戶，在Gemini應用程式中使用2.5 Pro版本的用戶使用量成長了45%；
在搜尋方面，AI概覽功能的每月用戶超15億。皮查伊認為AI Mode是搜尋領域的下一個重大進展，我們正處於AI平台轉型的新階段。
皮查伊也提到，Gemini已經通關精靈寶可夢，集齊8枚徽章獲得冠軍，「距離人工寶可夢智慧更進一步」。
02.
Gemini程式設計、語音、深度思考迎升級
DeepMind CEO揭秘終極願景
哈薩比斯提到，Gemini 2.5 Pro是Google迄今為止最聰明的模型，也是全球最強大的基礎模型。兩周前，Google發布了Gemini 2.5 Pro的預覽版，開發者用它實現了許多創意：例如將草圖轉化為互動應用、模擬完整3D城市等。
新版的Gemini 2.5 Pro在WebDev Arena程式設計排行榜登頂。谷歌也將他們去年發布的LearnLM（專為學習場景微調的模型）連接到Gemini 2.5 Pro模型，讓後者在解題等學習場景的能力進一步提升。
今天谷歌推出了輕量級車型Gemini 2.5 Flash的升級版。這款模型在推理、程式設計和長上下文等關鍵指標上實現提升，在大模型競技場的排名僅次於Gemini 2.5 Pro。升級版模型將於6月初全面開放，Pro版本隨後跟進，目前開發者已經可以在AI Studio搶先體驗。
Gemini也引進了更多的功能。增強版安全防護的可抵禦間接提示注入攻擊；思維摘要功能將模型思考過程可視化，便於調試；Gemini 2.5 Pro即將新增「思考預算」控件，開發者可控制模型思考的長度，從而平衡品質與成本。
Gemini 2.5 Pro和Gemini 2.5 Flash的文字轉語音功能支援多角色對話，可實現語調微妙變化、切換耳語模式、跨24種語言切換。
谷歌Gemini產品負責人Tulsee Doshi展現了Gemini 2.5 Pro的程式設計能力。現場，Gemini 2.5 Pro僅參考一張草圖就產生了完整的3D互動網頁，用時37秒就在原始網頁程式碼上完成修改。
Gemini 2.5 Pro現已在多款AI IDE平台（如Cursor等）中可用。谷歌昨天開啟公測的程式助理Jules也接入了Gemini 2.5 Pro，能獨立處理GitHub程式碼庫的複雜任務，將原本耗時數小時的工作縮短至分鐘級。
在模型架構創新方面，Google將擴散模型技術應用於文字生成。全新的Gemini Diffusion實驗模型（擴散語言模型）的產生速度比Gemini 2.5 Flash快5倍。這款模型不僅能依序從左到右產生內容，還可以產生過程中快速迭代解決方案，並在生成過程中進行錯誤修正。
Google打造了Gemini 2.5的「深度思考（Deep Think）」模式，運用類AlphaGo的平行推理技術。這一模式已經在美國數學奧林匹克2025測試和Live Codebench編程測試取得不錯的效果，但由於需要額外安全評估，谷歌將先向可信測試者開放API。
哈薩克斯稱，Google未來的重點是將Gemini模型擴展為一個「世界模型」。模型對物理世界的理解能力，不僅對影片、3D生成至關重要，也是機器人技術突破的關鍵。為此，Google也特別微調了Gemini Robotics模型，能讓機器人學習抓取物件、遵循指令等任務，並且能夠即時適應新任務。
谷歌的終極願景是將Gemini打造成真正的通用AI助理（Universal AI Assistant），具備個人化、主動性和強大能力。
03.
Veo 3一次性生成超真實有聲視頻
每月花1800元才能體驗
多模態模型方面，Google發布了最新影像生成模型Imagen 4。 Imagen 4可以逼真地刻畫出複雜的織物、水滴和動物毛皮等物體。這款模型最高支援2K分辨率，圖片縱橫比和自由定制，其文字生成和排版能力也有明顯提升，給海報製作、PPT製作等生產級應用提供了更好的支持。
谷歌影片生成模型Veo 2新增了影片參考、相機控制、物件添加與刪除等功能，而最新發布的Veo 3實現了有聲影片的直接生成，能直接給城市街道場景的影片配上自然的噪音，或是直接生成人物之間的對話。此外，Veo 3在文字和圖像提示、現實世界物理和口型同步方面都表現出色。
Google為Veo打造了配套的AI電影製作工具Flow，此工具整合了Veo、Imagen和Gemini三款模型，可用於電影片段、場景和故事的創作。
音樂生成方面，Google進一步擴大了配套的音樂創作平台Music AI Sandbox的訪問權限，由Lyria 2音樂生成模型提供技術支援。谷歌還打造了互動式音樂生成模型Lyria Realtime，讓用戶可以即時互動地創建、控制音樂。
在大量AI生成內容出現之後，此類內容的識別也成為關鍵挑戰。谷歌於2023年推出了SynthID浮水印，迄今已為100億份AI生成的圖像、視訊、音訊和文字內容添加浮水印。今天，Google進一步發布了SynthID檢測器，這項驗證入口網站能幫助人們更方便地識別AI生成內容。
Gemini將推出Canvas功能，支援互動性的使用者協作。使用者描述需求後，Canvas可自動產生可分享的互動式內容，其他使用者也可以對此內容進行修改。
谷歌也推出了Gemini in Chrome，這是一款Chrome瀏覽器中內嵌的個人化助手，即時理解當前網頁內容與用戶所處的上下文。例如，在購物場景中，Gemini in Chrome可以幫助使用者快速比較商品評論、輔助決策。這項功能將於本周對美國用戶開放。
Gemini App中將內建上述一系列Google的媒體內容產生模型。
04.
聯手三星、高通共建安卓XR
現場示範智慧眼鏡回訊息、搜圖片
谷歌副總裁、安卓XR主管沙赫拉姆·伊扎迪（Shahram Izadi）稱，安卓平台現在正發生許多令人興奮的變化。上周，Google已經發布了安卓16和Wear OS 6兩大新一代作業系統，而今天發布的許多Gemini最新進展將很快登上安卓平台，不僅限於手機，還包括手錶、汽車和智慧電視。
而Google的安卓XR是Gemini時代的首個安卓平台，將支援從頭顯到智慧眼鏡等多種裝置類型，滿足不同使用場景的需求，如沉浸式觀影、遊戲和工作等。
目前，Google正與三星合作共建安卓XR，並與高通合作針對驍龍平台進行最佳化。自去年發布開發者預覽版以來，已有數百名開發者為該平台建立應用程式。
谷歌認為，智慧眼鏡是AI的理想載體。現場，Google工作人員和NBA球星「字母哥」一同展示了Google眼鏡原型機的使用體驗。
天氣、時間、影像和訊息等資訊能以彩色形式顯示在Google眼鏡上，使用者可以直接透過語音指令讓安卓XR智慧眼鏡完成訊息回覆、開啟勿擾模式、影像檢索等操作。
這款眼鏡還具備一定的上下文記憶能力。在示範人員登上台後，Google眼鏡能回想起剛才在後台看到的咖啡究竟是什麼品牌的。
谷歌稱，他們與三星的合作關係將會提升至新的高度，從頭顯拓展至智慧眼鏡領域，雙方已經在合作開發軟體和參考硬體平台。
繼與三星合作的Project Moohan之後，Google的第二款安卓XR設備是與XREAL合作的Project Aura。這款智慧眼鏡使用了安卓XR的軟體堆疊和高通驍龍XR晶片，配備光學透視（OST）和虛擬透視（VST）顯示技術，擁有70度的視野，不過仍然採用了有線的設計。
05.
AI Mode支援上傳全身照虛擬試穿
追蹤低價代理結帳
自去年在I/O大會上推出以來，Google搜尋的AI Overviews月活用戶已達15億，在200多個國家和地區可用。
AI Overviews是Google Lens視覺搜尋成長的驅動力之一。 Google Lens搜尋次數的年增率為65%，今年已完成超過1,000億次視覺搜尋。
為提供更沉浸式的AI搜尋體驗，Google推出了全新的「AI Mode」。 AI Mode以新分頁形式出現在搜尋介面中，其底座是Google基於Gemini 2.5定制的模型版本。
在這個模式下，其會針對使用者需求對答案進行整合並提供方便閱讀的答案形式，如附帶評分的飯店資訊、包含地圖概覽的答案等，同時，使用者也可以透過對話形式進行後續追問。這項功能今天開始在美國推出
AI Mode背後的關鍵技術是“查詢扇出（query fan-out）”，可跨子主題和多個資料來源同時發出多個相關搜索，然後將這些結果匯總在一起，提供易於理解的回應。
在個人化搜尋能力方面，AI Mode允許用戶引入更多偏好訊息，幫助用戶預定座位、進行所在地活動推薦等。對於用戶需要獲得更詳盡答案的問題，AI Mode能代表用戶發起數十次甚至數百次搜索，幾分鐘內產生一份專業級報告。
AI Mode在運動數據、金融分析的深度應用會於今年夏天推出。如讓其展示本賽季和上賽季使用魚棒球員的打擊率和上壘率，這個問題包含不同賽季、使用特定球棒的球員、打擊率、上壘率等多個要素。其會動態為使用者產生如圖表等適應使用者觀看的介面。
AI Mode也重塑了用戶的購物體驗，幫助用戶客製化瀏覽介面、虛擬試穿以及結帳。
AI Mode將Gemini與購物圖譜相結合，擁有超過500億個產品，並附有評論、價格、顏色選項和可用性等詳細信息，同時會根據用戶特定需求定制產品瀏覽面板。
基於AI Mode，用戶選取衣服點擊「試穿」圖示、上傳全身照，就能進行虛擬試穿。這一效果由時尚定製圖像生成模型提供支持，該模型能夠理解人體結構和服裝的細微差別，例如不同面料在不同人體上的折疊、拉伸和懸垂效果。
同時，用戶在商品詳情上點擊“跟踪價格”，然後設置合適的尺碼、顏色以及期望的支付金額，AI Mode就會自動在不同網站監控降價信息，並向用戶發送降價通知，將商品添加到用戶購物車並通過Google Pay完成結帳。這項視覺購物、結帳功能將在未來幾個月內陸續推出。
06.
研究項目突破：3D視訊通話、視訊通話搜索
為Agent引入多工處理能力
皮查伊重點提到了目前正在改變Google產品的三個例子：
第一個專案是在Project Starline之上，Google推出一個以AI為核心的全新視訊通話平台Google Beam，該平台採用新一代視訊模型將2D視訊串流轉換為3D體驗，透過6台攝影機組成的陣列捕捉用戶動作，借助AI將這些視訊串流進行合併，實時處理呈現用戶影像，精度達毫米級，每秒60幀。谷歌與惠普合作的首批Google Beam設備將於今年稍後向其測試用戶推出。
此外，Google致力於將Project Starline的底層技術引入Google Meet視訊會議平台，包括即時語音翻譯功能。今天谷歌將直接在Google Meet中推出即時語音翻譯功能，訂閱用戶可以使用英語和西班牙語，未來幾周之內將會支援更多語言，今年稍後向企業用戶推出。
第二個專案是即時、多模態的AI助理專案Project Astra，如今Gemini Live已具備Project Astra的相機和螢幕分享功能，讓使用者可以暢聊所見的一切。
去年，Project Astra展示的即時視覺、螢幕分享和記憶功能已逐步整合到Gemini中，今天谷歌新增了更自然的原生語音互動和電腦控制功能。
Gemini Live API現已推出音訊視訊輸入和本地音訊輸出的預覽版本，開發者可以控制其語調、口音和說話風格。
Project Astra也可用於視障人士的輔助。谷歌示範了Project Astra如何幫助一位盲人音樂家完成現場演出。
第三個專案是Project Marina，這是一個能夠與網路互動並且完成任務的Agent，Google將Agent視為結合了先進AI模型智慧與工具存取能力的系統。
其中，電腦使用是一項讓Agent能與瀏覽器和其他軟體互動和操作的重要能力。谷歌引入了多任務處理能力，Project Marina可以同時監管十項任務，用戶展示一次任務，Agent還可以學會為未來類似的任務去製訂相應的計劃。
谷歌將透過Gemini API將Project Marina的電腦使用能力帶給開發者，今年夏天將開放給更廣大使用者。
Gemini SDK現在相容於MCP工具，Google會逐步將整體功能引入Google搜尋以及Gemini應用程式。
07.
結語：Google全面重塑搜索
瀏覽器體驗，劍指通用AI助手
哈薩比斯提到，在過去的十年中，Google為現代AI時代奠定了許多基礎，從率先提出所有大語言模型賴以構建的Transformer架構，到開發AlphaGo和AlphaZero等可以學習和規劃的智能體系統，並且已將這些技術應用於量子計算、數學、生命科學和算法發現領域的突破。
這也是其最新在年度開發者大會上宣布諸多更新的技術底座。谷歌在升級Gemini模型的同時，將更多的AI能力融入搜尋、Gmail和瀏覽器之中。同時，Google也預告了未來的重大舉措，包括改進視訊通話功能、打造更具感知力和對話能力的助手，以及合作開發智慧眼鏡。
這些都彰顯出Google作為科技巨頭雄厚的技術實力和廣泛的應用市場，並且在I/O大會上，谷歌也提到將在基礎研究上加倍投入，真正構建更個性化、更主動、更強大的AI。未來實現通用人工智慧（AGI）的下一個突破性技術或許會更快到來。(智東西)