專題：聚焦谷歌2024年I/O開發者大會：實時交互、視頻模型登場

·本次開發者全程兩個小時，谷歌CEO共提及“AI”121次，此次開發者大會，谷歌將搜索業務做了最徹底的AI改造，還更新升級了Gemini1.5Pro版本，同時推出Gemini1.5Flash輕量化小模型。此外，推出自稱效果超過Sora的生成視頻模型Veo。

北京時間5月15日凌晨，谷歌年度開發者I/O 大會2024在美國加利福尼亞州山景城總部附近的海岸線圓形劇場召開。整場發布會由谷歌CEO桑達爾·皮查伊（Sundar Pichai）主持，全程歷時兩小時。

前一天，OpenAI剛發布GPT-4o和全新的ChatGPT，此次谷歌要在開發者大會上交出怎樣的“AI”答卷外界充滿了期待。

澎湃科技（www.thepaper.cn)注意到，整場開發者大會，桑達爾·皮查伊稱，據Gemini統計，在整場發布會上他共提及“AI”121次，發布了十多項產品更新和新品，但外界評論稱，和GPT-4o不到30分鐘的發布會相比，“缺乏驚喜”。

谷歌年度開發者I/O 大會現場

此次開發者大會，谷歌將搜索業務做了最徹底的AI改造，還更新升級了Gemini1.5Pro版本，同時推出Gemini1.5Flash輕量化小模型。

除此之外，谷歌推出自稱效果超過Sora的生成視頻模型Veo，另外還展示了與GPT-4o 相似的語音視覺交互功能Gemini Live，同時，還更進一步推出了AI智能體Project Astra。

Gemini 升級，更加輕量

當天大會上，谷歌宣布對Gemini模型進行更新，此前，谷歌推出的Gemini 1.5 Pro是一個中型多模態模型，上下文長度為100萬tokens。

在此次開發者大會上，桑達爾·皮查伊宣布，將Gemini 1.5 Pro升級到200萬tokens，并全面支持Workspace，同時Gemini 1.5 Pro將面向全球開發者開放。

升級后的Gemini 1.5 Pro，在多項公共基準測試中取得了顯著改進，在多項圖像和視頻理解基準測試中也實現了最先進性能。此外Gemini 1.5 Pro還能夠遵循越來越復雜和細微的指示，包括指定產品級行為的指示，如角色、格式和風格等。

用戶可以通過 Gemini Advanced 訂閱服務體驗最新的Gemini 1.5 Pro，當前支持超過150個國家的35種語言。

為了滿足用戶對低延遲和低成本的需求，此次發布會，谷歌宣布，發布輕量化模型Gemini 1.5 Flash。

Gemini1.5Flash

相較于Gemini 1.5 Pro，該版本的特點是響應速度更快、成本低至0.35美元每百萬tokens。而Gemini 1.5 Pro則針對對高質量內容有需求的用戶，收費為7美元每百萬tokens。

盡管Gemini1.5 Flash體積小巧，仍實現了100萬個標記的長上下文窗口，開發人員還能注冊嘗試200萬個標記，適用于摘要、聊天應用、圖像和視頻字幕、長文檔和表格的數據提取等多種任務。

從今天起，超過200個國家的用戶都可以在Google AI Studio和Vertex AI中使用Gemini 1.5 Flash。

值得注意的是，此次大會，谷歌重磅宣布推出基于 Gemini 1.5 Pro 的 Gemini Advanced。升級后的 Gemini Advanced 可以處理“多個大型文檔，總計最多 1500 頁，或匯總 100 封電子郵件。同時支持 35 多種語言和 150 多個國家及地區。

發布AI智能體Project Astra

“很久以來，我們都有一個夢想，希望打造一個通用的AI Agent（AI智能體），幫助人們的生活變得更方便。現在，我們多年磨一劍，推出 Project Astra 的通用 AI 智能體。”桑達爾·皮查伊在發布會上說。

大會現場，來自谷歌 Deepmind的 CEO 杰米斯·哈薩比斯（Demis Hassabis）上臺，講解和展示了Project Astra的原型運作視頻。

在展示過程中，谷歌在演講中展示了一個人拿著手機，將攝像頭對準辦公室的各個地方，并用語言與其交互：“當你看到有東西發出聲音時，請告訴我?！痹谶@段視頻演示中，Astra能識別各種物體甚至代碼，并實時與人類進行語音互動。

在展示環節，有用戶對Astra突然提出一個此前沒有涉及到的問題，“你記得我把眼鏡放哪里了么？”

“你的眼鏡在桌上蘋果旁邊?！盇stra回答到。這一過程引起現場驚呼。

這表明，當攝像頭掃過的時候，Astra曾“看”到過用戶的眼鏡，Astra以視覺的形式記錄了下來。

發布視頻生成模型Veo對抗Sora

此次發布會上，杰米斯·哈薩比斯宣布，谷歌正式發布一款全新的視頻生成模型Veo，將成為Sora新的勁敵。

谷歌聲稱，Veo能夠根據文本、圖像創建超過60秒的高質量1080P視頻，用戶可以對光照、鏡頭語言、視頻顏色風格等進行設定。此外，Veo還能夠理解電影和視覺技術，例如延時拍攝的概念。

用戶僅需寫出文本提示即可生成視頻，比如文本提示：“在寧靜的山地平移鏡頭，相機慢慢露出白雪皚皚的山峰、花崗巖巖石和倒映天空的清澈湖泊?！薄耙凰矣钪骘w船在浩瀚的太空中穿梭，星星劃過，高速，科幻”。

根據谷歌公布的演示視頻，Veo生成的小狗毛發十分細膩，走路動作、姿態也非常逼真。

搜索引擎升級，與Gemini結合

谷歌搜索負責人莉茲·里德（ Liz Reid ）在此次發布會上稱，在過往的25年里，谷歌經歷了許多技術變革，“我們不斷重新構想和擴展 Google 搜索的功能?！?/p>

莉茲·里德宣布，如今，借助AI，谷歌搜索可以做的事情超出人們的想象。她表示，將 Gemini 的先進功能（包括多步推理、規劃和多模態）與谷歌搜索系統結合在一起，推出AI Overviews。AI Overviews將首先在美國推出。通過AI Overviews，用戶可以上傳演示其要解決的問題的視頻，然后啟動搜索在論壇和互聯網的其他區域以找到解決方案。

此外，用戶也可以向定制的 Gemini 模型提出復雜的問題。甚至當用戶不知道自己問什么的時候，Google也可以給用戶推薦，給用戶做頭腦風暴。用戶還可以直接與 Gemini 聊天，從整個收件箱中查找詳細信息。

莉茲·里德稱，“從回答、計劃、需求定制到組織和視頻搜索，Google都會替你完成，而你需要做的只有提問。”

在大會進行到中途，澎湃科技注意到，桑達爾·皮查伊低調宣布了谷歌的第六代張量處理單元 (TPU) 稱為 Trillium，將于今年晚些時候向其云客戶提供。TPU 可能不是谷歌當今眾多人工智能更新中最華麗的，但它是其人工智能工作的重要組成部分。

據谷歌介紹，作為“迄今為止性能最強、能效最高的 TPU”，Trillium 宣稱與 TPU v5e 相比，每個芯片的峰值計算性能提高了 4.7 倍。

值得關注的是谷歌此次也在安卓平臺上推出一系列全新AI功能。谷歌表示，此前，"Circle to Search"功能允許用戶無需切換應用即可搜索，現在起它還可以作為學習伴侶，解答數學題、圖表等復雜問題。目前這一功能已在超過1億臺安卓設備上提供，預計到年底這一數字將翻倍。

海量資訊、精準解讀，盡在新浪財經APP