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，通过改进数据和算法，提升模型的代码生成、逻辑推理和规划、多轮对话以及音频和图像理解能力等，升级后的Gemini 1.5 Pro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。使用API的开发者和Google Cloud客户可以通过候补名单获取200万tokens上下文窗口的1.5Pro。
升级后的Gemini 1.5 Pro将面向全球开发者开放，支持超过150个国家的35种语言。
此外，为了满足用户对低延迟和低成本的需求，此次发布会上，谷歌发布了轻量化模型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。据介绍，实现这些功能是因为谷歌采用了1.5Pro对该模型进行了被称作“蒸馏（distillation）的训练，将较大模型中最核心的知识和技能迁移到了更小、更高效的模型中。
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。这一智能体是基于Gemini模型，通过对视频帧进行连续编码，将视频和语音输入组合成事件时间轴，并缓存这些信息以便高效召回，从而能够更快地处理信息。
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。
但在看过了GPT-4o的演示之后，Astra的演示就显得缺乏惊喜。
谷歌称，未来通过手机或眼镜，人们就能让随身AI专家助理提供服务。不过，这些功能要在今年晚些时候才能在Gemini应用和网络体验等Google产品中看见。
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”。
和Sora一样，Veo目前也不会公开，只提供给少量创作者。
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 包括多步推理、规划和多模态等功能与谷歌搜索系统结合在一起，推出AI Overviews。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。”不过，AI Overviews将首先在美国推出。
Trillium：AI基础设施的更新
训练大模型需要大量的计算能力。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) ——Trillium。谷歌称其为“迄今为止性能最强、能效最高的 TPU”，与上一代 TPU v5e 相比，Trillium每个芯片的峰值计算性能提高了 4.7 倍。谷歌将于今年晚些时候向其云客户提供Trillium。
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。