谷歌 CEO 桑达尔·皮查伊为刚刚结束的 Google I/O 开幕演讲做了总结：

一个半小时的主题演讲，120 次提及「AI」。不，是 121 次，刚刚我又说了一次，我甚至还想多说几次，让这个数字再扩大一些……

甚至为了给 AI 让路，Google Pixel 8a 在 I/O 大会前就开启预售。而以往的重头戏 Android 部分的解说，直接和谷歌大模型 Gemini 绑定，变成以 AI 为内核的操作系统。

继上次 Sora 截胡 Gemini 1.5 之后，OpenAI 故伎重演，在 Google I/O 开幕前一天甩出了 GPT-4o，免费升级让整个科技互联网狂喜。

> 延伸阅读：OpenAI 热辣滚烫，Google 红毯先生，春节档创纪录

Gemini 不甘示弱，更新了多项大模型和工具，发布了诸多新功能。在生成式 AI 方面，谷歌还展示了与 OpenAI 分庭抗争的文生图、文生视频的新能力。

此外，新的融合了多模态 AI 能力的语音助手 Project Astra 也有很多看点。

Gemini 1.5 Pro 新增 200 万 tokens 参数

去年 12 月，Gemini 首次亮相，并发布了 Gemini 1.0 版本。

今年 2 月，Gemini 1.5 Pro 正式发布，具有 100 万 tokens 参数、长上下文处理能力、多模态交互能力。

会上桑达尔·皮查伊公布了一组数据，目前有超过 150 万开发者使用 Gemini 模型，Gemini 也已进驻至 Android、iOS 系统。

随着使用量的增加，需求也发生着巨大的变化，比如用图片提问，现在已经变得越来越常见。此次 Gemini 家族的诸多更新，即是为了响应用户需求。

首先迎来的是 Gemini 1.5 Pro 的功能改进，在翻译、推理、编码等关键用例上做了优化，能够胜任更复杂的任务处理。

新版本 Gemini 1.5 Pro 除了 100 万 tokens 参数外，还新增了 200 万 tokens 选项，语言种类也扩展至 36 种。

基于新版本 Gemini 1.5 Pro 更新的 Gemini Advanced 能够处理多个大型文档，总计 1500 页，或梳理 100 封电子邮件。

未来 Gemini 1.5 Pro 还将继续扩大适用范围，预计将向全球 200 多个国家和地区提供使用。

轻量级模型 Gemini 1.5 Flash，主打短频快

Gemini 1.5 Flash 是 Google 发布的一款新的轻量级模型，主要用于处理高频、简单任务，具备快速响应能力。

和 Gemini 1.5 Pro 一样，具有 100 万 tokens 参数，以及支持文本、图像、语音、视频等多模态交互能力。

端侧模型 Gemini nano，与 Android 底层系统集成

Gemini nano 是一款端侧轻量级大模型，将集成在 Android 底层系统，作为一项能力向设备提供，首先是自家的 Pixel 手机。

Gemini nano 能支持语音理解、图像识别，以及将消息、邮件和文档，提炼合成简洁、可读的摘要内容。

具体用例方面，Gemini nano 可以读懂手机界面上的信息、提炼 PDF 等文档关键信息，并支持语音问答。

另外，Gemini nano 还能根据陌生电话涉及的索要身份信息、银行账号等敏感词汇，识别诈骗电话。

开源模型 Gamma 2，性能是同尺寸模型 2 倍，计划今年 6 月发布

会上，谷歌还预告了开源模型 Gamma 2 的发布时间，如果一切进展顺利，6 月即会推出。

据悉 Gamma 2 具备 270 亿训练参数，性能表现是同尺寸模型的 2 倍，并可在 GPU 或 Vertex AI 中的单个 TPU 主机上运行。

而当前的 Gamma 则新增了 PaliGemma 视觉语言模型，并针对图像字幕视觉问答和其他图像标签任务进行了优化。

文生图模型 imagen 3，主打高清图像

文生图模型 Imagen 升级至 Imagen 3 版本，主要改进了图像质量。

Imagen 3 模型带来了更具细节特征的图片，如动物的胡须、人的头发，丝毫毕现。

同时，去除了图像中常见的伪影、杂质，使得图片更加逼真。

文生视频模型 Veo，60 秒 1080P 的短视频，很快会有消费者版本

Veo 以 Google 多年生成式视频模型为基础构建，包括 GQN、DVD-GAN、Imagen-Video、Phenaki、WALT、VideoPoet、Lumiere，能够理解文本内容，输出高质量、高分辨率的视频。

Veo 可以生成 1 分钟时长 1080P 分辨率的短视频，并能理解文本中的「延时拍摄、航拍」镜头拍摄风格。

谷歌表示，目前正在邀请电影制片人和创作者测试 Veo，以打磨出适用于消费者的版本。

生成式音乐工具 Music AI Sandbox

Music AI Sandbox 基于生成式音乐模型 Lyria，并与 YouTube、音乐家、创作者联合打造。

利用 AI，音乐人可以在音乐中添加新的音乐元素、乐器声，以生成全新的音乐曲目。

AI 重构搜索：全新 Overviews 亮相，视频搜索在路上

以搜索见长的谷歌，这次索性用 AI 将搜索引擎折腾了个遍。

搜索引擎将支持语音、图片、圈选，甚至是视频搜索，给出的结果也将是多维度、极丰富的，谷歌称这种新的呈现方式「Overviews 概览」。

如简单问题提问，搜索引擎可以给出带有观点性、内容性的不同内容回复。

对于复杂问题，AI 会将复杂问题分解为小问题，并按照顺序，逐步呈现。

例如，当提出：我想报一个离我家较近、价格适中的瑜伽班？

搜索引擎就会基于需求，从海量的真实商家信息中，抽离出符合需求的课程。不仅如此，「Overviews 概览」界面还会给出地图、商户的评价，甚至是瑜伽练习的要领提示等信息。

再比如，对于我们日常较为苦恼的饮食安排，你也可以在搜索引擎中直接提出：帮我安排为期七天的饮食菜谱，而即刻获得包含图片、文字、做法的搜索内容。

此外，谷歌还预告了「视频搜索」功能。

会上透过一段用户拍摄的唱片机摇臂安装问题发起搜索。AI 通过对视频逐帧分析后，一份包含唱片机厂商、型号，安装方式等内容的「Overviews 概览」即出现在眼前。

Workspace 获 Gemini 1.5 加持，主打一个高效、协同办公

谷歌办公应用 Workspace 的更新，倒是有些看点。

Gmail、文档、幻灯片、表格的侧面板中的 Gemini 将升级至全新的 Gemini 1.5 Pro，通过上下文窗口和更高级的推理，提供服务。

如在 Gmail 中，Gemini 可以对多封邮件，进行关键信息提炼，形成一份待办事项清单。

这当中谷歌列举了两个有趣的例子：

其中之一，丈夫发给妻子希望修缮屋顶的邮件。妻子利用 Gemini 在众多供应商回应邮件中，快速寻找到合适价格、合理工期的供应商。并且 Gemini 还具体问题，生成了自动回复，这着实让妻子大为满意。

而另一个例子，是一个自由摄影工作者，在繁忙的工作中，收到各种出差时的差旅单据时，通过 Gemini 将单据快速生成条目清晰的表格。

另这位摄影工作者欣喜的是，Gemini 还能一键设置命令，Gmail 中所有同类单据都并入至一份表格，而可统一管理。

另外，针对职场常见的拉群工作沟通，谷歌还打造了一个由 AI 驱动的工作助理。

工作助理是一个虚拟同事，你甚至可以给它起名。

在群组内，它可以学习群内聊天内容、项目背景信息，慢慢进化到对项目了如指掌的状态。

演示视频中，工作人员向其发问：咱们的项目能如期上线吗？

工作助理基于所掌握的信息，瞬间列明项目进度、待解决的重要事项，并且将任务发送给所负责的同事。

活脱脱一个项目经理啊！

Gemini 手机版 App 上新，多模态入口设计，可创作多角色聊天机器人

经过全新设计的 Gemini APP，直接以语音、图片、视频为输入口，并能访问 Gemini 最新的版本。

谷歌表示，Gemini APP 的愿景是成为最有用的个人 AI 助理。

基于此，Gemini APP 还提供支持创建 Gems 个性化聊天机器人，可让用户与不同角色的机器人对话。

会上 Google 就列举了如瑜伽搭子、大厨、编码伙伴等角色形象。

第六代 TPU Trillium 低调发布，性能提升 4.7 倍

作为 Gemini 等大模型背后的硬件支柱，第六代 TPU Trillium 在会上也仅作为配角低调发布。

就性能而言，Trillium 还算够强大。会上谷歌表示，相比 TPU v5e，Trillium 每个芯片峰值计算性能提高了 4.7 倍，能效高出 67%。

其中 Trillium 还配备了第三代 SparseCore，一款处理超大嵌入的专用加速器。同时，Trillium TPU 可以更快速训练下一代基础模型，并以比较短的延迟时间及低成本提供模型服务。

智能助理 Project Astra 和 AR 眼镜

Project Astra 是谷歌最新的实时多模态 AI 助理。

会上，演示者手持 Pixel 手机，演示了 Astra 与各种事务的多模态交互能力。

与 Pixel 手机先后出现的，还有首次亮相的一款新 AR 眼镜。

有关这部分的详细解读，参考今天推送的第二篇。

主笔：达达 / 深圳湾

审校：周森 / 深圳湾

编辑：陈述 / 深圳湾