·本次开发者全程两个小时，谷歌CEO共提及“AI”121次，此次开发者大会，谷歌将搜索业务做了最彻底的AI改造，还更新升级了Gemini1.5Pro版本，同时推出Gemini1.5Flash轻量化小模型。此外，推出自称效果超过Sora的生成视频模型Veo。

北京时间5月15日凌晨，谷歌年度开发者I/O 大会2024在美国加利福尼亚州山景城总部附近的海岸线圆形剧场召开。整场发布会由谷歌CEO桑达尔·皮查伊（Sundar Pichai）主持，全程历时两小时。

前一天，OpenAI刚发布GPT-4o和全新的ChatGPT，此次谷歌要在开发者大会上交出怎样的“AI”答卷外界充满了期待。

澎湃科技（www.thepaper.cn)注意到，整场开发者大会，桑达尔·皮查伊称，据Gemini统计，在整场发布会上他共提及“AI”121次，发布了十多项产品更新和新品，但外界评论称，和GPT-4o不到30分钟的发布会相比，“缺乏惊喜”。

谷歌年度开发者I/O 大会现场

此次开发者大会，谷歌将搜索业务做了最彻底的AI改造，还更新升级了Gemini1.5Pro版本，同时推出Gemini1.5Flash轻量化小模型。

除此之外，谷歌推出自称效果超过Sora的生成视频模型Veo，另外还展示了与GPT-4o 相似的语音视觉交互功能Gemini Live，同时，还更进一步推出了AI智能体Project Astra。

Gemini 升级，更加轻量

当天大会上，谷歌宣布对Gemini模型进行更新，此前，谷歌推出的Gemini 1.5 Pro是一个中型多模态模型，上下文长度为100万tokens。

在此次开发者大会上，桑达尔·皮查伊宣布，将Gemini 1.5 Pro升级到200万tokens，并全面支持Workspace，同时Gemini 1.5 Pro将面向全球开发者开放。

升级后的Gemini 1.5 Pro，在多项公共基准测试中取得了显著改进，在多项图像和视频理解基准测试中也实现了最先进性能。此外Gemini 1.5 Pro还能够遵循越来越复杂和细微的指示，包括指定产品级行为的指示，如角色、格式和风格等。

用户可以通过 Gemini Advanced 订阅服务体验最新的Gemini 1.5 Pro，当前支持超过150个国家的35种语言。

为了满足用户对低延迟和低成本的需求，此次发布会，谷歌宣布，发布轻量化模型Gemini 1.5 Flash。

Gemini1.5Flash

相较于Gemini 1.5 Pro，该版本的特点是响应速度更快、成本低至0.35美元每百万tokens。而Gemini 1.5 Pro则针对对高质量内容有需求的用户，收费为7美元每百万tokens。

尽管Gemini1.5 Flash体积小巧，仍实现了100万个标记的长上下文窗口，开发人员还能注册尝试200万个标记，适用于摘要、聊天应用、图像和视频字幕、长文档和表格的数据提取等多种任务。

从今天起，超过200个国家的用户都可以在Google AI Studio和Vertex AI中使用Gemini 1.5 Flash。

值得注意的是，此次大会，谷歌重磅宣布推出基于 Gemini 1.5 Pro 的 Gemini Advanced。升级后的 Gemini Advanced 可以处理“多个大型文档，总计最多 1500 页，或汇总 100 封电子邮件。同时支持 35 多种语言和 150 多个国家及地区。

发布AI智能体Project Astra

“很久以来，我们都有一个梦想，希望打造一个通用的AI Agent（AI智能体），帮助人们的生活变得更方便。现在，我们多年磨一剑，推出 Project Astra 的通用 AI 智能体。”桑达尔·皮查伊在发布会上说。

大会现场，来自谷歌 Deepmind的 CEO 杰米斯·哈萨比斯（Demis Hassabis）上台，讲解和展示了Project Astra的原型运作视频。

在展示过程中，谷歌在演讲中展示了一个人拿着手机，将摄像头对准办公室的各个地方，并用语言与其交互：“当你看到有东西发出声音时，请告诉我。”在这段视频演示中，Astra能识别各种物体甚至代码，并实时与人类进行语音互动。

在展示环节，有用户对Astra突然提出一个此前没有涉及到的问题，“你记得我把眼镜放哪里了么？”

“你的眼镜在桌上苹果旁边。”Astra回答到。这一过程引起现场惊呼。

这表明，当摄像头扫过的时候，Astra曾“看”到过用户的眼镜，Astra以视觉的形式记录了下来。

发布视频生成模型Veo对抗Sora

此次发布会上，杰米斯·哈萨比斯宣布，谷歌正式发布一款全新的视频生成模型Veo，将成为Sora新的劲敌。

谷歌声称，Veo能够根据文本、图像创建超过60秒的高质量1080P视频，用户可以对光照、镜头语言、视频颜色风格等进行设定。此外，Veo还能够理解电影和视觉技术，例如延时拍摄的概念。

用户仅需写出文本提示即可生成视频，比如文本提示：“在宁静的山地平移镜头，相机慢慢露出白雪皑皑的山峰、花岗岩岩石和倒映天空的清澈湖泊。”“一艘宇宙飞船在浩瀚的太空中穿梭，星星划过，高速，科幻”。

根据谷歌公布的演示视频，Veo生成的小狗毛发十分细腻，走路动作、姿态也非常逼真。

搜索引擎升级，与Gemini结合

谷歌搜索负责人莉兹·里德（ Liz Reid ）在此次发布会上称，在过往的25年里，谷歌经历了许多技术变革，“我们不断重新构想和扩展 Google 搜索的功能。”

莉兹·里德宣布，如今，借助AI，谷歌搜索可以做的事情超出人们的想象。她表示，将 Gemini 的先进功能（包括多步推理、规划和多模态）与谷歌搜索系统结合在一起，推出AI Overviews。AI Overviews将首先在美国推出。通过AI Overviews，用户可以上传演示其要解决的问题的视频，然后启动搜索在论坛和互联网的其他区域以找到解决方案。

此外，用户也可以向定制的 Gemini 模型提出复杂的问题。甚至当用户不知道自己问什么的时候，Google也可以给用户推荐，给用户做头脑风暴。用户还可以直接与 Gemini 聊天，从整个收件箱中查找详细信息。

莉兹·里德称，“从回答、计划、需求定制到组织和视频搜索，Google都会替你完成，而你需要做的只有提问。”

在大会进行到中途，澎湃科技注意到，桑达尔·皮查伊低调宣布了谷歌的第六代张量处理单元 (TPU) 称为 Trillium，将于今年晚些时候向其云客户提供。TPU 可能不是谷歌当今众多人工智能更新中最华丽的，但它是其人工智能工作的重要组成部分。

据谷歌介绍，作为“迄今为止性能最强、能效最高的 TPU”，Trillium 宣称与 TPU v5e 相比，每个芯片的峰值计算性能提高了 4.7 倍。

值得关注的是谷歌此次也在安卓平台上推出一系列全新AI功能。谷歌表示，此前，"Circle to Search"功能允许用户无需切换应用即可搜索，现在起它还可以作为学习伴侣，解答数学题、图表等复杂问题。目前这一功能已在超过1亿台安卓设备上提供，预计到年底这一数字将翻倍。