歌放大招，AI搜索引擎來了，發(fā)布最強AI模型！發(fā)布會現(xiàn)場：總共提了120次AI、視頻模型登場......

雖然被OpenAI搶在前面發(fā)布了重磅新品演示，但谷歌后發(fā)制人，做到了OpenAI還沒能做到的事，率先發(fā)布人工智能（AI）搜索引擎，捍衛(wèi)搜索領(lǐng)域的王者地位，同時對壘OpenAI新發(fā)布的旗艦?zāi)Ｐ虶PT-4o，以升級版的最強大AI模型Gemini迎戰(zhàn)。

從北京時間5月15日凌晨1點開始，谷歌在山景城總部附近的海岸線圓形劇場，召開了長達(dá)兩個小時的年度I/O開發(fā)者大會Keynote演講。

與預(yù)期一致，谷歌的這場發(fā)布會基本都是在談AI、AI、AI、AI和AI。根據(jù)發(fā)布會最后的官方統(tǒng)計，整場Keynote的演講稿里總共提了120次AI。

谷歌CEO Sundar Pichai表示，谷歌所有的工作都圍繞生成式AI模型Gemini來做，“我們希望每個人都能從Gemini所做的事中受益。”AI搜索正是Pichai提到的Gemini融入谷歌多種服務(wù)之一。

同時谷歌搜索也將具備多步驟推理能力，可以一次性處理帶有多個限制條件的長問題，并支持“拍視頻”搜索解決方案的新搜索形式。

另外以上下文窗口“長”聞名的Gemini 1.5 Pro大模型，在今年晚些時候?qū)?00萬Tokens的窗口，進(jìn)一步擴大至200萬Tokens，拓展同步處理多模態(tài)信息的邊界。而對于一些需要快速響應(yīng)的場景，谷歌也推出了Gemini 1.5 Flash模型。今年2月剛剛問世的Gemma開源模型，也將在下個月迎來參數(shù)量更大的Gemma 2。在多模態(tài)領(lǐng)域，谷歌也發(fā)布了文生圖工具Imagen 3、與Youtube&音樂家合作的“AI音樂沙盒”，以及最新的視頻生成模型Veo。而多模態(tài)Gemini Nano模型也將在今年晚些時候登陸Pixel手機，這是在本地運行的機載模型。

值得注意的是，谷歌的發(fā)布會上也有一些與昨日OpenAI發(fā)布會“雷同”的地方——實時AI助手。從今年夏天開始，Gemini也將支持語音實時交互，同時今年晚些時候還將上線實時視頻交互。未來幾個月內(nèi)，谷歌也將推出類似于GPTs的自定義AI助手功能，叫做Gems，能夠與整套“谷歌全家桶”聯(lián)動。

硬件方面，谷歌宣布了第六代TPU芯片Trillium，并透露能夠在明年初用上英偉達(dá)最新的Blackwell架構(gòu)GPU。另外，液冷、光纜等中國股民可能會感興趣的題材也在發(fā)布會上出現(xiàn)。

Gemini 1.5 Pro上下文窗口200萬token

全球最長

谷歌稱，推出號稱有史以來最強大AI模型Gemini Advanced三個月內(nèi)。從本周二起，谷歌在Gemini Advanced中加入新模型成員Gemini 1.5 Pro，稱它擁有的上下文窗口在全球消費類聊天機器人中最長，窗口起始就有100萬個token。Gemini 1.5 Pro將向150 多個國家地區(qū)的Gemini Advanced訂閱者提供，支持超過35 種語言。

Pichai稱，Gemini 1.5 Pro“提供了迄今為止所有基礎(chǔ)模型中最長的上下文窗口。” 他介紹，Gemini 1.5 Pro將擁有200 萬個token的上下文窗口，是當(dāng)前模型100萬個token窗口的兩倍。

Gemini新語音對話功能Live定制版Gemini

谷歌稱，今年夏季將擴展 Gemini 的多模態(tài)功能，包括增加用語音進(jìn)行深入雙向?qū)υ挼哪芰Γ摴δ鼙环Q為 Live。通過 Gemini Live，用戶可以與 Gemini 交談，并可以從各種自然的聲音中選擇它回應(yīng)的聲音。用戶甚至可以按照自己的節(jié)奏說話，或者在回答過程中打斷并澄清問題，就像在任何人類對話中一樣。