在OpenAI 春季發布會的第二天，2024年谷歌 I/O大會正式召開。
或許出于反擊OpenAI的需要，谷歌爲這個大會准備了很多東西：從基座模型 Gemini 升級到新的AI語音助手 Astra、新的文生視頻模型Veo，以及更強大的文生圖模型Imagen3。
這個大會開了整整兩個小時，時長是OpenAI發布會的四倍。但從結果來說，似乎沒有任何令人驚豔的地方。就連最可能成爲爆款的AI語音助手Astra，也在GPT-4o襯托下顯得“平平無奇”。
發布會效果比不過就算了，關注度也比不過。甚至在谷歌發布會召開的今天，OpenAI還主動釋放出首席科學家Ilya Sutskever離職的消息。
這兩場緊緊挨著的發布會，也很好诠釋了兩者當下的處境：在OpenAI不斷阻擊下，谷歌始終是那個活在OpenAI陰影下的人。
/ 01 / AI産品全面升級
在發布會上，最重要的自然是基座模型Gemini的升級，此次升級大致可以歸結爲：更長上下文、輕量版本、個性化機器人。
升級後的Gemini 可以分析比以前更長的文檔、代碼庫、視頻和音頻記錄。據透露，它最多可以容納 200 萬 token。這是之前的兩倍，新版 Gemini 1.5 Pro支持所有商用型號中最大的輸入。
爲了滿足不同場景的需求，谷歌還發布了新的輕量級模型：Gemini 1.5 Flash。據介紹，Gemini 1.5 Flash是 Gemini 1.5 Pro 的“精煉”版本，同樣擁有多達 200 萬個 token 上下文窗口，且和Gemini 1.5 Pro一樣，擁有多模態功能，適合處理摘要、聊天、圖片分析和視頻字幕、以及從長文本和表格中提取數據等。
在定價上，Gemini 1.5 Flash 的價格定爲每 100 萬 tokens 35 美分，這比 GPT-4o 的每 100 萬 tokens 5 美元的價格要便宜得多。
對于 Gemini 的訂閱用戶，可以使用谷歌新推出的「Gems」功能，類似于 OpenAI 的 GPT 商店。用戶可以自行創建Gems，與其進行交流互動。
除了Gemini外，谷歌還對文生圖模型Imagen2進行了升級。DeepMind 負責人 Demis 聲稱，與 Imagen 2 相比，Imagen 3 能夠更准確理解圖像的文本提示詞，並且生成的圖片更具創造性和細節。爲了減輕人們對深度僞造的可能性的擔憂，Imagen3將使用SynthID，可將不可見的加密水印應用于媒體。
在升級模型的同時，谷歌還發布了多款新品，包括新的AI語音助手Astra以及文生視頻模型 Veo。
Astra 能夠通過設備的攝像頭識別物體和場景，並用自然語言進行交互。官方介紹，Astra 使用了 Gemini Ultra 的高級版本。在演示視頻中，谷歌的 AI 助手能夠通過攝像頭視頻，識別 " 什麽東西能發出聲音 "、" 現在身處何地 " 等指令。
DeepMind CEO Demis Hassabi表示，這樣的 AI 助手需要像人類一樣理解這個動態且複雜的世界。需要記得住它看到的東西，這樣才能理解對話並付諸于行動。同時它也得能積極主動接受教導，以及自然、無延遲地進行交流。
而視頻生成模型Veo直接對標OpenAI 的 Sora，可以根據文本提示創建大約一分鍾長的 1080p 視頻剪輯。Veo 可以捕捉不同的視覺和電影風格，包括風景和延時鏡頭，並對已生成的鏡頭進行編輯和調整。
與Sora類似，Veo展現了對物理規律的一定理解，比如流體動力學和重力等。這與其訓練數據有關，官方人員承認有些數據來自 YouTube。
/ 02 / 更強的AI搜索來了
AI搜索的升級，也是本次發布會的一大亮點。
在此次發布會上，谷歌推出了AI Overviews(AI 概覽），該功能將AI結果加入到搜索內容呈現，即當用戶進行提問時，頁面頂部將提供 AI 生成的答案。
官方人員表示，AI 概覽不會出現在每個搜索結果中，目前主要針對于更複雜的問題。每次用戶進行搜索時，谷歌會在後台進行算法價值判斷，以決定是否提供由 AI 生成的答案還是直接提供傳統的網頁鏈接。
去年以來，谷歌一直在通過其搜索生成體驗（SGE）測試 AI 驅動的可能性。谷歌搜索主管 Liz Reid 表示，在其 AI 概述功能的測試期間，谷歌觀察到人們點擊了更加多樣化的網站。據介紹，該功能面向全平台推出，從 Web 網頁、App 到 Android 設備，預計將在本周內全面開放，在年底推廣到更多國家。
除了提供答案外，搜索還新增了行程規劃功能，幫用戶制定更爲詳細的規劃。比如，用戶可以輸入諸如“爲四口之家計劃三天的膳食”之類的查詢，並獲取這三天的鏈接和食譜。
與此同時，谷歌也強化了多模態方面的搜索表現。比如，谷歌推出了AI 驅動的“圈搜索”功能，允許 Android 用戶使用轉圈等手勢立即獲得答案。這一設計的初衷是，讓用戶在手機上的任何地方都可以更自然地通過一些操作（例如圈選、突出顯示、塗鴉或點擊）來使用 Google 搜索。
此外，用戶還能通過結合視頻進行搜索。比如，用戶在舊貨店買了一台唱片機，但打開時無法工作，帶有針頭的金屬部件在意外漂移。用視頻搜索能夠，更清晰、准確地反饋這個問題。
此次谷歌推出AI搜索，是對Perplexity等AI搜索玩家崛起的直接回應。自生成式AI崛起開始，搜索被認爲是AI應用最成熟的場景。無論是流量數據還是估值，Perplexity都有著不錯的表現。
根據Similarweb數據，Perplexity今年前三月的流量分別爲4560萬、4954萬和6149萬，不斷增長。在估值方面，根據 TechCrunch 最新報道，Perplexity 正在籌集至少 2.5 億美元資金融資，最新估值在 25～30 億美元之間。
盡管用戶體量依然差谷歌幾個量級，但Perplexity仍然在一個Google長期霸占的市場利用AI獲得了階段性顛覆成果。
從此次發布會看，與其他AI搜索相比，谷歌AI搜索的差異性有限，更多體現在多模態。換句話說，僅從功能上看，谷歌的AI搜索並未與Perplexity們拉開質的差距。
/ 03 / 被“壓制”的谷歌
谷歌的I/O大會僅比OpenAI的春季功能更新會晚一天，兩者很容易被人拿來進行對比。
要說重視程度，谷歌肯定完爆OpenAI。OpenAI的發布會開了僅僅半個小時，主要介紹了新模型GPT-4o和ChatGPT在語音和視覺功能上的升級。而谷歌則開了整整兩個小時，一口氣拿出來十來款新品及升級，所有武器庫傾巢而出，全面對標OpenAI。
但努力並不意味著最後的結果。盡管谷歌發布産品很多，但沒有任何一款給人帶來GPT-4o那樣的驚豔感，顯得多少有些“雞肋”。
發布會效果比不過就算了，流量也比不過。就在谷歌發布會的同一時間，OpenAI首席科學家Ilya Sutskever在X發布了自己離開OpenAI消息，再次搶走了谷歌發布會的關注度。
一個無比殘酷的事實是，自2022年12月ChatGPT發布以來，曾經AI領域的扛把子谷歌就一直被OpenAI壓制得死死的，毫無還手之力。
去年2月，OpenAI的ChatGPT風靡全球，谷歌草草推出了聊天機器人Bard，産品卻不如預期。先是演示中出現事實錯誤，讓谷歌母公司一夜之間市值蒸發千億美元；而後也沒能以性能表現吸引足量用戶，據Similarweb的數據，Bard全球月訪問量只有2.2億次，僅爲ChatGPT的1/8。
2月16日大年初七，谷歌放出其大模型核彈——Gemini 1.5，並將上下文窗口長度擴展到100萬個tokens。Gemini 1.5 Pro可一次處理1小時的視頻、11小時的音頻、超過3萬行代碼或超過70萬字的代碼庫，向還沒發布的GPT-5發起挑戰。沒過幾天，OpenAI發布了文生視頻大模型Sora，後來的結果大家都知道了。
如今，這樣的故事還在延續。至少到目前爲止，OpenAI的策略很成功，通過錨定谷歌的産品發布節奏，死死壓制住了谷歌。這也谷歌AI始終擺脫不了一個外界印象：
谷歌AI很強，但與OpenAI相比，還不夠。
