Google发布最新AI成果：强力回击GPT-4o，苹果生态或将被碾压

全场共提到 “ AI ” 121 次，平均一分半提一次。  

今天凌晨 1 点（ 太平洋时间 5 月 14 日上午 10 点 ），Google I/O 2024 大会的开幕主题演讲，在美国山景城正式举行。大会演讲在网络上公开直播的同时，也有部分媒体和观众来到了大会现场。 

知危编辑部的前线同事，也到达了美国山景城参加了本次大会，全程观看了本次开幕主题演讲。 

01

这位同事曾在 Google 前几年的鼎盛时期参加过一次 I/O 大会，用他的话来讲，那时候的 Google I/O 可以用四个字形容：万国来朝。

而如今，Google 的光环全都被 OpenAI 抢了去，本届 I/O 大会虽然依旧有很多人参加，但相较早年难免显得有些 “ 人丁不旺 ”。（ 以前还卖票的，这次没卖 ） 

不过，在这场 I/O 大会上，Google 依然秀出了一些肌肉，对昨天的 GPT-4o 做出了强力回击。 

谷歌 CEO 劈柴哥在演讲的一开始就坦然直言：目前正是整个行业正处于 AI 发展的早期，谷歌有信心和实力打这场持久战。

话里话外，一副 “ 你 OpenAI 别高兴得太早 ” 的味道。

纵观整场演讲，知危编辑部认为，如果去年谷歌的 I/O ，我们看到的是谷歌在 AI 领域的孤注一掷，那么今年，我们则发现谷歌这么一只巨无霸，正在 AI 的赛场上全方位一路狂奔，逐渐找回自己的状态。

本次主题演讲的内容，主打的是一个大而全，内容包含但不限于新基础模型、AI Agent、文生图模型、文生视频模型、TPU芯片、AI app、Android 与 AI 、新开源大模型等等等等。 

知危编辑部也准备挑选其中几个比较亮眼产品，进行详细的介绍。 

02

首先，知危编辑部觉得 OpenAI 昨日的春季发布会，有意狙击谷歌的的可能性非常之高。

因为谷歌本次重点推出的多模态 AI 助手 Project Astra （ 基于 Gemini ），功能与昨日横扫科技圈媒体头版的基于 GPT-4o 的 AI 助手极其类似。

同样拥有低延时的丝滑语音对话体验，同样也能用摄像头，让 AI 处理视觉信息。 

在谷歌的演示视频中，Project Astra 能迅速认出音响的发声部位、彩笔，还能对屏幕上的代码进行一定程度上的解释。 

它甚至还能根据箭头，提出在服务器和数据库之间添加缓存，能提高速度的建议，还能看懂画板上 “ 薛定谔的猫 ” 的梗图。 

若不是昨日 GPT-4o 已经抢先亮相了一波，Project Astra 一定会被各路媒体打上 “ 炸裂 ”、“ 史诗 ”、“ 颠覆 ”、“ 改写历史 ” 等标签。 

可惜，仅仅是晚了一天，现在大家对 Project Astra 的形容只有一个标签：“ 跟 GPT-4o 好像 ”。

不过，如果仔细观察演示视频，你会发现 Project Astra 的视频对话交互功能展现了一个 GPT-4o 并没有展示的功能：视频对话的过程是带有记忆的，即便是一个你可能从未向它提及的点。

这样形容起来有些抽象，看一下视频你就能明白了。

在视频中，Project Astra 注意到并记住了镜头经过的桌子上的眼镜，在与测试者进行多轮对话后还能指出眼镜在桌子上，并且还指出了 “ 旁边有一个苹果 ” 这样的细节，可以说是过目不忘，比人类强了不少。

而在文生视频领域，谷歌也对 Sora 发起追赶，在本次的主题演讲中，谷歌正式发布了视频生成大模型 Veo。 

根据介绍，Veo 能以各种电影和视觉风格生成高质量的 1080p 分辨率视频，时长可以超过一分钟。Veo 能凭借对自然语言和视觉语义的深入理解，生成紧密代表用户创意愿景的视频。 

此前我们曾介绍过，OpenAI 的 Sora 是基于 Diffusion Transformer，也就是 DIT 架构而成的。 

但根据谷歌官方的介绍，Veo 采取的却是 GQN、DVD-GAN、Imagen-Video、Phenaki、WALT、VideoPoet 和 Lumiere 等 “ 老模型 ” 所组合而成的结合架构。

非常值得一提的是，谷歌在 Veo 的生成视频之下，标注了一行小字 “ All videos were generated by Veo and have not been modified. ”（ 所有视频均由 Veo生成，未经修改）。

这个举动，应该是意在阴阳 OpenAI，OpenAI 的 Sora 正因被爆出演示视频经过了大量的人为后期修改而遭受广泛的质疑。

另外，对标 Midjourney 等文生图片大模型的 Imagen 3、对标 Suno 等音乐生成大模型的 Lyria、对标 GPT-4 Turbo 等轻量性能大模型的 Gemini 1.5 flash、对标 llama 3 等开源大模型的 Gemma 2，还有 Google 自家的新 TPU 等都在谷歌的本次开幕主题演讲上一一亮相。 

03

看起来，谷歌似乎不愿放弃 AI 领域的任何一个赛道，想把自己打造成一个 AI 界的六边形全能战士。

而更可怕的是，在各个领域里，Google 相比友商虽然都不一定是最好的，但也并不落后多少。

同时，谷歌的上限和野心，肯定不限于此。本次的开幕式主题演讲中，谷歌还拿出来些不少其他 AI 厂家单打独斗绝对拿不出来的东西。知危编辑部认为，正是这些东西，有机会能让谷歌从 AI 领域的追赶者，跻身为领跑者。

因为谷歌，拥有其他 AI 巨头所没有的成熟系统与应用生态。

在演讲中，谷歌就展示了一波 Gemini 和 Google 相册的结合。 

记不清自个儿车的车牌号，在 Google 相册里搜索 “ 查找车牌号 ”，拥有多模态能力的 Gemini 会从你的图片库中，找到你车的照片，并告诉你车牌号。 

在谷歌 Gmail 邮箱里，你也能通过 AI 迅速提取邮箱里航班信息，同时 Google 地图以获取您酒店附近的餐厅和旅游景点，再给计划相应的日程。谷歌的老本行搜索，也在和 AI 相结合，你可以直接用文字进行搜索，也可以给图片画个圈儿，让搜索引擎自动搜索你圈出的部分。 

甚至，你还可以上传视频对搜索引擎进行提问。比如在演示中，谷歌的员工就拍视频问问了 Gemini，相机上的那个杆卡住了咋办。 

Gemini 马上就给出了基于搜索引擎的答案，看上去体验很好，可惜就是回答有些翻车，回答中的一个建议是 “ 把胶卷取出来看看 ”，而这样只会让整卷胶卷直接报废。。。

不过，我们只能说贵在真实吧，大模型乱讲话这事儿确实一直存在，自然展现比造假强一些。

04

总之，按照谷歌的说法，Gemini 大模型正在全面整合谷歌的那一大家产品中，包括在未来，他们将把 AI 直构建到 Android 操作系统的底层之中，准备改写用户和手机之间的交互方式。

他们举了一些例子，比如在用手机看书的时候，你可以直接给书里内容画圈儿，问 AI 圈儿里的提名怎么解；刷视频的时候， 也有可以直接问 AI ，视频里这运动员的动作是不是犯规；打电话的时候，AI 也能从你们的对话里，判断出对方是不是有可能是个骗子。 

这样一来，在全面集成 Google 原生 AI 并且与原生 Google 应用打通的 Android 阵营面前，苹果如果不和 OpenAI 深度合作的话，我们只能说 Android 将在 AI 时代，对 iOS 进行一场降维碾压式打击。（ 不过，6 月的 WWDC 上我们相信苹果肯定会搬出自己的 AI 方案来抵御这场进攻 ） 

总得来讲，这次谷歌的 I/O 大会啥产品都有，但要说出类拔萃，还谈不上。不过，在 AI 应用集成这一个最直面消费者的维度上看，谷歌还真是目前 AI 领域的集大成者之一。

这一波，去年还被称作是 AI 圈 “ 仲永” 的谷歌，算是渐入佳境了。