一年一度的Google I/O开发者大会如期而至,在本场发布会中,谷歌一口气交出数个AI新品,轮番轰炸我们的视觉神经。
首先是真正意义上的全新产品——Google AI Overviews,这是一项基于大模型技术开发的全新搜索引擎,旨在以聊天的方式为用户提供精准、高效的搜索结果。没错,传闻中OpenAI正集全力要打造的就是这玩意儿。
(图源:Google)
同样与搜索有关的还有「Ask Photos」,相比起AI Overviews,它更专注于图像理解与图像信息捕捉,这意味着现在你可以通过文字描述的方式,找到藏在相册里的那些被遗忘已久的照片。
还记得前天晚上OpenAI发布的GPT-4o在视觉与听觉上的巨大提升吗?谷歌也整了一个相似的AI工具——Project Astra。定位上,Project Astra和GPT-4o都是多模态AI项目,用户可以利用手机摄像头和麦克风与现实世界进行交互,例如帮助失明人士识别路上的风景等。
(图源:Google)
以上提到的,只是本场I/O开发者大会上谷歌公布众多AI新技术的冰山一角,还有更多新玩意值得我们深入探讨。难怪,在这场发布会后,不少媒体都表示认为谷歌像是要用海量新品「围剿」OpenAI,重树谷歌在AI市场的地位。
对轰GPT,谷歌怒发数款AI新品
很显然,Google I/O 2024最大主角就是「AI」,从硬件到软件,从服务到功能,几乎没有任何一部分离得了AI这个关键词。据不完全统计,这场发布会上,谷歌至少提了121次「AI」。
既然聊到AI大模型,那还是先看看Gemini又有了哪些新变化。
Gemini Pro从前代的100万Tokens升级到了200万Tokens,与月之暗面的Kimi Chat长度相近,但这个模式并非面向所有用户开放,需要单独申请。Gemini 1.5推出了Flash版本,支持100万Tokens,主打一个便宜量大,1M Tokens输入仅0.35美元、1M Tokens输出也仅需0.53美元。
(图源:Google)
另外,谷歌还宣布Gemini Nano进入手机端,目前它能实现的功能是帮助用户接打电话、识别电话诈骗和骚扰电话。实话说,Gemini Nano的手机端实用性还是略显寒酸,甚至连文字处理都不支持,还不如小爱同学来得简单粗暴。
假如你对Gemini Nano的功能表现不太满意,也能试试谷歌即将推出的Gemini手机客户端,它与前天发布的GPT-4o一样,都是AI多模态应用,能听、会读,还能提供情绪价值。只是从演示视频来看,Gemini还不是太「拟人化」。
Gemma2也在这场发布会上正式登场,作为谷歌下一代开源模型,它升级到了27B规模,和Meta的Llama 3相近,但体积更小些。值得注意的是,Gemma2能够在NVIDIA的GPU或Vertex AI的单个TPU主机上高效运行。Gemma还迎来了一位新成员:PaliGemma,这是一个开源的图像输入模型。
除了Gemini和Gemma的升级之外,基于大模型技术,谷歌还推出了三款全新的AI大模型应用:Imagen 3、Music AI Sandbox、Veo。
(图源:Google)
Imagen 3是谷歌最新的画图模型,你可以理解为谷歌版本的stable diffusion,即文生图模型。按照谷歌的说法,Imagen 3相比起前代,在生成速度、生成质量和理解能力上均有较大的提升。
Music AI Sandbox是一款音乐创作大模型,和之前火遍全网的suno差不多,而它的优势在于创作完成后能够一键上传至Youtube,这何尝不是一种生态优势呢?至于Veo,这是谷歌首款文生视频模型,对标GPT的Sora,但它时长支持到最高1分钟、分辨率也支持到1080P,还支持更多滤镜和电影风格,无论是哪一方面,看起来都比Sora靠谱得多。
不难看出,谷歌目前在AI领域的战略还是相对稳健,例如模型性能升级,仅从100万Tokens提升到200万Tokens,和早前大众的预期有些差距;而新的AI大模型应用部分,无论是新升级的文生图模型,还是全新的音乐创作模型、文生视频模型,都是「守擂」型产品,少了些创意和想象力。但谷歌天然的优势在于生态,这才是其与OpenAI叫板的底气。
AI加入谷歌全家桶
作为当前的互联网巨头之一,谷歌的软件生态、服务生态自然是相当全面的,比如谷歌拥有当前最大用户数量的浏览器Chrome,也拥有最完善的Google办公套件,以及目前最大的移动操作系统生态。现如今,谷歌也正式将AI引入到「谷歌全家桶」中,彻底梭哈AI。
首先,谷歌发布了全新侧栏应用Side Panel,这是一项综合了谷歌旗下服务的「侧边栏」,当你在Gmail中收到重要信息时,可以直接在Side Panel中呼出谷歌云盘存储信息,又或是启动Google Map进行导航,还可以使用谷歌日历记录日程等。在谷歌的计划中,Gmail很快会拥有自动处理重要信息的能力。
Gmail还加入了智能对话的特性,简单来说,现在你能够以对话的方式在邮箱中找到所需要的信息及相关邮件,还能让Gemini帮你总结这些邮件说了什么,甚至还可以让它帮你智能回复对方,并保持邮件所需的正式用语和语气。
(图源:Google)
其次,前面提到了Gemini将推出手机客户端,除了能够和用户进行普通的对话、文章总结、文字生成等,Gemini还拥有Gemini Live功能,即通过摄像头和你直接对话。
最后,也是最重磅的——AI Overviews。作为搜索引擎巨头,谷歌要如何将大模型融入到搜索上,这一直是我们所好奇的,就在这场发布会上,谷歌终于推出了首款AI搜索大模型AI Overviews。
与Perplexity或Arc Search相比,AI Overviews的优势在于综合搜索能力有了长足的进步,且得益于Gemini的推理能力提升,其获得的搜索结果也会更符合用户的需求。AI Overviews还支持Plan Ahead,即「为你计划」,尽管AI搜索只能帮用户做搜索结果的总结,但基于推理能力和决策能力的升级,Plan Ahead能够为用户生成各种计划,例如饮食计划、健身计划、旅行计划等。
(图源:Google)
AI Overviews不仅支持文字搜索,还能通过语音和图片进行搜索,例如当你遇到不认识的植物,那么仅需拍摄、上传,就能让谷歌帮你找出这种植物的相关资料。而这项功能也会与Pixel上的「划圈即搜」功能相结合,在未来几个月内上线。
可以说,AI已经成为谷歌几乎所有业务的核心,除了我们熟悉的大模型应用之外,还在办公、娱乐领域提供基于Gemini大模型的AI功能,并互相之间有所串联,提升综合工作的效率。
One More Thing:神秘AI眼镜曝光
在演示Project Astra的过程中,除了像OpenAI一样使用iPhone进行功能展示,还使用了一款智能眼镜。但与我们之前见到的Google Project Galass不同,这可能是一款全新的智能眼镜产品。
(图源:Google)
初代Google Project Galass诞生于2012年,在那个智能手机还不算普及的年代里,谷歌就将智能穿戴设备打造成平民化的消费级产品。但事实上,Google Project Galass受限于产品形态和产品性能,以及相对高昂的售价,一直都不受市场的欢迎,而谷歌也在前几年宣告这个项目被取消。
Project Astra可能是最适合Google Project Galass的AI形态,一方面,它的交互简单,无需太多传感器进行辅助识别;另一方面,它利用大模型的学习、理解、推理能力,能够简单地帮助用户判断现实世界的物体、景色以及突发事件。
当然,谷歌并没有真正发布这款产品,但结合Apple Vision Pro重新带动虚拟现实(空间计算)市场的热议来看,谷歌极有可能抢先于苹果,将AI大模型带入到穿戴设备,以快速抢占AR/VR市场。
眼花缭乱的I/O,谷歌真慌了神?
整场发布会下来,谷歌发布了非常多的AI新品,涉及到大模型技术的迭代、新AI应用的落地以及开源模型再一次进化。但长达数小时的发布会加体验环节,谷歌缺少了一款真正意义上的「爆品」来引起市场的高度关注。
比如,谷歌发布了一款对标OpenAI Sora的Veo,无论是输入内容的支持、生成视频时长还是生成视频的清晰度,都可以说是「吊打」Sora的存在,但Sora已经抢先于谷歌,引发了市场对文生视频应用的讨论,这就导致尽管Veo很牛,可讨论度明显不足。
(图源:Google)
又或者说,谷歌似乎不太懂如何抓住大家的眼球,这从其频频翻车的演示也能看出些端倪。还记得Bard首次出现时回答问题错误的情况吗?是的,在这一次AI Overviews的演示上,又一次给用户错误的建议,引起不小的争议。
而谷歌在会上强调了Gemini的「优惠价格」,试图想要以低价与头部企业们竞争。但现实状况是,百度文心一言、阿里通义千问早就开放了长文本阅读、月之暗面的Kimi也加入了200万Tokens的免费大战,就连有些晚来的豆包,也在今日举行的发布会上公开了超低价的策略。
创意欠缺、低价拼不过,这就是谷歌在I/O开发者大会上给大家的印象。不过,谷歌最重要的杀手锏仍然是它的AI搜索,而这项功能是否会让谷歌实现逆风翻盘,或许还要等到AI Overviews正式上线后才能解答。
原文标题 : 截胡GPT-4o,谷歌开发者大会一夜发布十几款AI新品