编者按：OpenAI确实带来了人工智能的“iPhone时刻”，而如今谷歌在AI时代，仍是“iPhone时刻”之后跟随的Android……
在前一天晚上被OpenAI狠狠“截胡”的谷歌，在2024 I/O大会上，终于给出了有力的“回击”。
美国当地时间5月14日上午10点（北京时间5月15日凌晨1点），2024 Google I/O大会正式召开，本次大会的主题演讲将围绕人工智能展开，谷歌公布了Gemini AI的最新进展，并围绕谷歌核心业务和生成式人工智能的融合展开分享。不仅带来了“进阶版”的Gemini Pro 1.5，还带来了全面对标Sora文生视频大模型的Veo。
谷歌CEO桑达尔·皮查伊（Sundar Pichai）在活动现场表示，目前有超过1500万开发者在使用Gemini做开发。而Gemini最近三个月时间达到了100万订阅用户。
全新的Gemini大模型产品矩阵
首先，在本届I/O大会上，谷歌宣布了多项技术能力的升级。
“进阶版”Gemini 1.5 Pro
I/O大会上，Gemini 1.5 Pro进阶版开放给开发者，进阶后，最大支持上下文窗口从100万Tokens升级到200万，同时支持35种语言。现在可以分析比以前更长的文档、代码库、视频和音频录音。此外，Gemini 1.5 Pro还能够实现处理更加复杂和细微的指示，包括指定产品级行为的指示，如角色、格式和风格等。
更高效率、更低时延Gemini 1.5 Flash
于此同时，为了满足用户对低延迟和低成本的需求，谷歌首先带来轻量化模型Gemini 1.5 Flash。它基于“蒸馏”技术，专为大规模服务设计，速度更快、成本低至0.35美元/百万Tokens。
Gemini 1.5 Flash依旧支持100万和200万Tokens两个版本，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需要快速处理的任务。
为了反击OpenAI，谷歌也在今日发布了多款多模态大模型，包括图像大模型Image 3、视频大模型Veo等。
Gemma大模型升级，开源大模型阵营再迎猛将
谷歌旗下开源大模型Gemma也在活动中迎来了重大升级。谷歌表示，即将于6月上线的Gemma 2中引入一个全新的、拥有270亿参数的模型。这是Gemma模型的下一代升级，这个庞大的模型尺寸已经由Nvidia进行了优化，确保它能够在最新的GPU上顺畅运行，并且同样在单个TPU主机和vertex AI平台上表现出色。除了这一巨大的270亿参数模型外，谷歌还计划推出PaliGemma视觉语言开放模型，这将进一步扩展Gemma 2的功能和应用范围。
文生图大模型Imagen 3
Imagen 3作为谷歌最新推出的文生图大模型，进一步增强了文本生成图片的技术能力，与其前身Imagen 2相比，Imagen 3能够更准确地理解了它翻译成图像的文本提示，使得模型产生的“干扰性工件”和错误更少，并且在生成方面更“富有创造性和细致”。谷歌还计划很快将Imagen 3模型提供给使用谷歌企业生成式人工智能开发平台Vertex AI的开发人员和企业客户，以满足更广泛的用户需求。
文生视频大模型Veo
Veo是谷歌最新的视频生成模型，正式对标Sora。Veo集成了谷歌旗下大量视觉模型的特性，具备高级的自然语言和视觉语义理解能力，可以生成长度超过1分钟，分辨率最高1080P的“高质量”视频，并具有多种视觉和电影风格。
教育模型LearnLM
针对于学习领域，谷歌还推出了LearnLM，这是一系列全新的用于学习领域的生成式AI模型。此举不仅标志着Google在AI教育领域的重大突破，同时也是对OpenAI近日针对教学辅导场景所展示能力的有力“回应”。
LearnLM的诞生是Google DeepMind AI研究部门与谷歌研究部门深入合作的结晶。谷歌表示，LearnLM模型旨在通过“对话式”的方式，为学生提供个性化的学习指导，帮助他们深入理解并掌握各种主题。这不仅将提升学生的学习效率，也将为他们带来更加丰富和有趣的学习体验。
大模型赋能的产品与场景
大模型对话产品Gemini Live
在I/O大会上，谷歌发布了基于Gemini的对话式体验产品——Gemini Live，它允许用户在智能手机上与Gemini进行“深入”的语音聊天，用来反击OpenAI日前的大模型对话演示。用户可以在聊天机器人说话时打断Gemini提出澄清问题，它将实时适应用户的语音模式。此外，Gemini还可以通过智能手机摄像头捕捉的照片或视频看到并回应用户的周围环境。
在某种程度上，Gemini Live 是 Google Lens 和 Google Assistant 的演变，前者是谷歌长期以来的计算机视觉平台，用于分析图像和视频，而后者是谷歌的人工智能驱动的语音生成和识别虚拟助手，可在手机、智能音箱和电视上使用。
值得一题的是，Live 将专属于 Gemini Advanced，其背后是谷歌One AI进阶计划，价格为20美元/月。
首个AI Agent产品——Project Astra
作为谷歌首个AI Agent产品，也是推动Gemini Live技术的创新部分，Project Astra旨在创建用于实时、多模态理解的人工智能应用程序和智能体。
