在OpenAI的春季發(fā)布會(huì)之后，谷歌的 I/O 2024 大會(huì)也如期而至，本文分享了看完谷歌的 I/O 大會(huì)的一些感受，一起來看。

谷歌的 I/O 2024 大會(huì)也如約而至了。。。

發(fā)布會(huì)是在美國山景城開的，咱差評編輯部也派人去了現(xiàn)場，聽身處前線的同事講，不知道是不是 OpenAI 搶了風(fēng)頭的緣故，今年現(xiàn)場的氛圍似乎都沒前幾年那么熱鬧了。

在以前，用萬國來朝形容 I/O 大會(huì)都不為過，而今年很明顯人沒那么多（ 不過以前有賣門票，這次沒賣 ）。

不過這畢竟還是谷歌，在整整快兩個(gè)小時(shí)的發(fā)布會(huì)里，蹲在屏幕前看的世超，還是被秀了好幾波肌肉。

簡單一句話概括，和昨天的 OpenAI “ 小而美 ” 的春季發(fā)布會(huì)比起來， I/O 大會(huì)完全就是 “ 大而全 ” 。

反正就是各種和 AI 能掛上鉤的東西，他們都來了一遍，從最基礎(chǔ)的大模型，到能生成視頻、音樂的 AI ，再到 TPU 芯片等等。

世超也從里面挑了幾個(gè)比較亮眼的產(chǎn)品，來和大伙說道說道。

首先，世超覺得，昨天 OpenAI 發(fā)布會(huì)就是對著今天谷歌狙擊的。。。

谷歌這次重點(diǎn)推出的多模態(tài) AI 助手Project Astra ，和昨天 OpenAI 的 GPT-4o 幾乎沒差，都是能和多模態(tài)實(shí)時(shí)交互的 AI 。

把麥克風(fēng)、攝像頭的權(quán)限給 Project Astra 之后，它能眼觀六路、耳聽八方，隨便問啥，它都能第一時(shí)間給出答復(fù)。

比如讓它看看辦公室里有沒有會(huì)發(fā)出聲音的東西，當(dāng)鏡頭掃過一個(gè)音響時(shí)，它立馬就能反應(yīng)過來。

想再了解了解音響的構(gòu)造啥的，也能直接在屏幕上寫寫畫畫，然后提問，整個(gè)過程 Project Astra 全都能看懂。

而且因?yàn)橛凶钚碌?Gemini 在背后撐腰，它的理解能力也是一絕。

隨機(jī)找到一個(gè)程序員的工位，指著屏幕里的代碼問是干啥的， Project Astra 沒反應(yīng)幾秒就能給出答案，而且還能準(zhǔn)確說出用了啥代碼。還有搞個(gè) “ 薛定諤的貓 ” 梗圖，它也能迅速猜出來。

不過它和 GPT-4o 還是有點(diǎn)區(qū)別在的，就是說話的語氣語調(diào)啥的，沒昨天的 GPT-4o 的人味兒那么重， Project Astra 稍微有點(diǎn)高冷的味道。

而且 Project Astra 身上還有一個(gè) GPT-4o 沒展示的技能，有記憶，比如在演示里， Project Astra 能準(zhǔn)確記住，鏡頭一掃而過的桌子上，放了一個(gè)蘋果。

這對實(shí)時(shí)交互 AI 來說，算是相當(dāng)關(guān)鍵的一個(gè)能力了。不過在前線的同事跟世超說，現(xiàn)在 Project Astra 就只能記一分鐘的事兒，但之后上線的版本肯定能記更多。

但有一說一，就算是世超，也不能把過去一分鐘看到了東西一五一十的全記下來。。。

要不是昨天 GPT-4o 已經(jīng)搶先亮相了一波， Project Astra 一定會(huì)被各路媒體打上 “ 炸裂 ” 、 “ 史詩 ” 、 “ 顛覆 ” 、 “ 改寫歷史 ” 的標(biāo)簽。

可惜，僅僅是晚了一天，現(xiàn)在大家對 Project Astra 的形容只有一個(gè)標(biāo)簽：?“?跟 GPT-4o 好像?”?。

真心建議谷歌抓一下內(nèi)鬼。

除了多模態(tài)實(shí)時(shí)交互的 AI 外，谷歌還一次性放出了各種單獨(dú)的多模態(tài) AI ，有文生圖的 Imagen 3 ，文生視頻的 Veo ，文生音樂的 Lyria 。

而這些，世超覺得，就是擺明了對標(biāo)市面上的那些 Sora 、 Suno 之眾。

像是文生視頻的 Veo ，從 1080p 的畫面效果，還有 60 秒的時(shí)長，都要和 OpenAI 的 Sora 看齊。

不過谷歌沒學(xué) Sora 用 DiT （ Diffusion Transformer ）架構(gòu)，而是自己揉了好幾個(gè)老模型，像是 GQN 、 DVD-GAN 、 Imagen-Video 、 Phenaki 、 WALT 等等。

從最后生成視頻的效果來看，和 Sora 也確實(shí)有的一拼。

谷歌自個(gè)兒也說了， Veo 能駕馭各種風(fēng)格，航拍、延時(shí)攝影等等鏡頭語言都能秒懂。。。

有意思的是，谷歌在每個(gè)視頻下面都特意標(biāo)了一行小字：所有視頻均由 Veo 生成，未經(jīng)修改。

在點(diǎn)誰應(yīng)該就不用世超多說了吧。。。

而除了上面這些，谷歌還推出了對標(biāo) GPT-4 Turbo 等輕量性能大模型的 Gemini 1.5 flash 、對標(biāo) llama 3 等開源大模型的 Gemma 2 ，還有 Google 自家的新 TPU 等等。。。世超在這兒就不一一介紹了。

反正看起來，谷歌似乎不愿放棄AI 領(lǐng)域里的每個(gè)賽道，想把自己打造成一個(gè) AI 界的六邊形全能戰(zhàn)士。

而更可怕的是，在各個(gè)領(lǐng)域里， Google 相比友商雖然都不一定是最好的，但也并不落后多少。

同時(shí)，谷歌的上限和野心，肯定不限于此。因?yàn)楣雀柽€拿出來些不少其他大廠單打獨(dú)斗，絕對拿不出來的東西。而世超覺得，正是這些東西，有機(jī)會(huì)能讓谷歌從AI 領(lǐng)域的追趕者，躋身為領(lǐng)跑者。

因?yàn)楣雀瑁瑩碛衅渌鸄I 巨頭所沒有的成熟系統(tǒng)與應(yīng)用生態(tài)。

這次 I/O 大會(huì)上，谷歌就展示了好幾個(gè)這樣的例子。

比如他們先展示了一波 Gemini 和 Google 相冊的結(jié)合。記不清自個(gè)兒車的車牌號，在 Google 相冊里搜索 “ 查找車牌號 ” ， Gemini 能直接從圖庫里準(zhǔn)確找到車的照片，并把車牌號告訴你。

還有在谷歌 Gmail 郵箱里，你也能讓 AI 幫你查航班信息，在谷歌地圖里，能讓 AI 幫忙獲取酒店附近的餐廳和旅游景點(diǎn)，再給計(jì)劃相應(yīng)的日程。

這還沒完，谷歌的老本行搜索這次也上 AI 了，而且一上來就搞了波大的，支持語音、圖片，還有視頻搜索。

比如說唱片機(jī)壞了想查查原因，直接鏡頭對準(zhǔn)故障位置問就行了， AI 會(huì)立馬反應(yīng)給出答案。

還有壓箱底的膠片機(jī)不怎么會(huì)使，同樣拍給它看就行了，不需要自己再絞盡腦汁去形容。

只不過，這次谷歌又在演示上翻車了。。。有媒體扒出，膠片機(jī)的那個(gè)回答完全就是在胡扯，回答中的一個(gè)建議是?“?把膠卷取出來看看?”?，而這樣只會(huì)讓整卷膠卷直接報(bào)廢。。。

不過，這至少說明他們玩兒的就是個(gè) real ，畢竟大模型亂講話這事兒一直存在，而出錯(cuò)，比造假還是強(qiáng)一些的。

總之，按照谷歌的說法， Gemini 大模型正在全面整合谷歌的那一大家產(chǎn)品中，包括在未來，他們將把AI 直構(gòu)建到 Android 操作系統(tǒng)的底層之中，準(zhǔn)備改寫用戶和手機(jī)之間的交互方式。

他們也舉了一些例子，像是用手機(jī)看球時(shí)，不知道運(yùn)動(dòng)員犯沒犯規(guī)，圈起來就能問，還有做題時(shí)圈一圈就能搜題。

而且顯示答案的時(shí)候，它也不會(huì)跳轉(zhuǎn)到別的 AI 軟件里面去，屬于是把 AI 融到系統(tǒng)最最最底層了。

甚至在打電話的時(shí)候， AI 還能實(shí)時(shí)反詐，能從對話中直接判斷對方是不是騙子，要是有可疑的字眼，立馬會(huì)彈窗提示。

其實(shí)看到這的時(shí)候，世超已經(jīng)感受到了谷歌做 AI 的優(yōu)勢，未來 AI 肯定要朝著底層生態(tài)去發(fā)展。

而作為一家大企業(yè)，谷歌手里的資源是相當(dāng)多，而且還有安卓這個(gè)大陣營，它能輕易把 AI 打入安卓內(nèi)部，但 OpenAI 要和 iOS 深度結(jié)合，估計(jì)沒這么隨心所欲了。

總之這次谷歌的 I/O 大會(huì)啥產(chǎn)品都有，但要說出類拔萃，還談不上。不過，在AI 應(yīng)用集成這一個(gè)最直面消費(fèi)者的維度上看，谷歌還真是目前 AI 領(lǐng)域的集大成者之一。

這一波，去年還被稱作是 AI 圈 “ 仲永 ” 的谷歌，算是漸入佳境了。

不過世超看完谷歌的 I/O 大會(huì)，倒覺得他們這次不僅僅要?“?狙擊?” OpenAI ，更要把蘋果生態(tài)也一起狙了。。。

所以下一回合，到蘋果你了。

圖片、資料來源：

谷歌，知危