新火種
2024-05-15 
谷歌硬剛GPT-4o！60秒視頻生成模型雖遲但到，還把上下文窗口卷到了200萬
OpenAI出手再次驚艷世界，谷歌果然坐不住了。
GPT-4o掀起的一片“AGI已至”的驚呼聲中，剛剛，Google DeepMind首席執行官哈薩比斯親自攜谷歌版《Her》登場：
同樣能聽會看還有嘴，不僅能幾乎沒有延遲地和人類流暢交流，通過攝像頭，這個名為Project Astra的AI助手甚至能直接幫忙讀代碼：
谷歌還祭出了自己的硬件優勢，帶來一波AR和大模型的夢幻聯動。
一邊擼狗一邊玩轉大模型已經成為現實（手動狗頭）。
這一波操作下來，戰果如何尚未可知，網友們反正是興奮了起來：
而正面硬剛GPT-4o，還只是谷歌鉚足了勁，在I/O大會上釋出的冰山一角。
兩個小時的主題演講里，AI被提及了121次，CEO劈柴哥還猶嫌不足。
于是，對標Sora能生成一分鐘長視頻的視頻生成模型Veo來了：
Gemini 1.5 Pro不僅面向所有人開放，上下文窗口還從100萬token直接一步邁向200萬，一口氣能讀1500頁PDF。
連Android，現在也緊緊跟谷歌大模型Gemini綁定，搖身一變成為以AI為內核的操作系統。
總之，信息量多到爆炸，相比之下，OpenAI不到半個小時的發布真的很隨性了。
谷歌版《Her》登場第一時間引發最多討論的，當然是谷歌版《Her》——Project Astra。
Project Astra基于Gemini系列模型打造，谷歌表示，研究人員們希望這樣的智能助手，能真正在人們的日常生活中提供幫助。
有意思的是，OpenAI總裁哥Brockman昨天在場外補充了有關GPT-4o多模態能力的更詳細視頻，而谷歌這邊，哈薩比斯也是第一時間在X上更新了與這樣一個智能助手的互動。
看樣子，Ta不僅能完成幫忙找眼鏡這樣的基礎工作。
幫忙搞點文藝創作，解答一下專業書上看不懂的內容，也都是信手拈來。
還有Google DeepMind的工作人員干脆和Project Astra一起看起了I/O大會直播：
不少網友都認為，這是谷歌對OpenAI的GPT-4o的正面回應。
不過嘛，網友們也關注到了不少問題，比如，Project Astra的延遲似乎還是比GPT-4o長，谷歌的演示中也沒有體現是否能打斷智能助手說話。
值得關注的是，Project Astra背后，是Gemini系列模型的進一步升級迭代。
比如，Gemini 1.5 Pro的上下文窗口來到了驚人的200萬token。
谷歌還最新推出了Gemini 1.5 Flash這一輕量級模型，并開源了27B的Gemma 2和視覺語言模型PailGemma。
60秒長視頻生成
你可能已經默默在心里比較了一番Project Astra和GPT-4o的高下。
但橋豆麻袋，說起來，谷歌被OpenAI突然狙擊，可不止這一回。
還記得在春節期間搶盡谷歌風頭的Sora嗎？
谷歌的回應，雖遲但到——
谷歌最強視頻生成模型Veo來了。
Veo可以生成1080p的高質量視頻，生成視頻的長度也看齊Sora：最長超過1分鐘。
谷歌還強調，Veo生成的畫面一致性出色，并且可以hold住各種風格。比如“延時拍攝”和“航拍”這種術語，直接寫在提示詞里，Veo都能get。
目前，谷歌已經和電影制作者展開了合作，在電影項目中探索Veo的應用。
與此同時，谷歌的圖片生成模型Imagen也迎來更新，Imagen 3發布。
官方提到，與此前的模型相比，Imagen 3的視覺偽影更少，生成的圖像細節拉滿，并且在生成文字方面效果也很好。
△提示詞：一張莊嚴的圖書館入口的照片，刻有“中央圖書館”字樣
另外，谷歌此次還推出了音樂生成模型Lyria。
Gemini進入全線產品
在這些跟OpenAI叫板的“肌肉”展示之外，谷歌對大模型應用的看重，也在此次I/O大會中盡顯。
英偉達科學家Jim Fan就他的I/O觀后感中表示：
還不止是搜索，這一次，谷歌可以說是把Gemini塞進了全線產品中，包括谷歌搜索、Android，以及谷歌郵箱、谷歌Photos等。下面我們劃劃重點。
1、谷歌搜索
基于Gemini，谷歌搜索推出AI概述（AI Overview）新功能，徹底化身AI搜索。
用戶在搜索框輸入問題，馬上就能得到一個AI總結的答案，包括相關鏈接。
而且是超長問題都能處理的那種，比如：
AI Overview秒秒鐘就會列出五星好評且距離燈塔山近的店，并附帶課程標價，連店在地圖上的位置都標記了出來：
對于這種復雜問題的搜索，谷歌表示采用了多步推理技術，可以將復雜問題拆解成一個個小問題，然后自動對問題進行排序回答。
多步推理加持下，AI overview已經脫離了純粹的搜索——把制定計劃一并搬進了搜索引擎里。
比如直接讓它為一個團體制定一個為期三天的易于執行的餐飲計劃。
AI overview一鍵給出了方案，每個方案都可以點擊修改，下方還可以一鍵將食材加入購物車：
還沒完，當你沒有想法、問的問題比較籠統時，谷歌搜索還會AI自動將搜索結果整理成一個個“群組”，為你提供建議。
比如問：在達拉斯找一個餐廳慶祝周年紀念日。
搜索出的結果會按照音樂餐廳、具有歷史魅力的餐廳等一鍵分組。再往下翻，頁面會從餐飲逐漸擴展到電影、酒店、購物等。
此外，谷歌搜索還支持視頻搜索了。
演示中，唱片機出故障，只需一邊錄制視頻一邊說出疑問，谷歌AI Overview就會立刻分析故障原因，并給出處理建議。
谷歌搜索AI Overview功能將在本周開始在美國推出，后面將陸續推至其他國家。
2、Android 15
谷歌把Gemini也帶到了安卓系統中。
憑借直接內置的Circle to Search功能，用戶使用簡單的手勢“圈”一下手機上看到的任何內容，就能進行搜索。
比如圈出練習題，就能一鍵獲取答案。
目前這一功能，已在Pixel和三星的部分設備上使用。
此外，還可以在一個應用之上隨時調出Gemini助手層，隨時使用。你還可以將Gemini生成的圖片直接拖到Gmail等應用中，直接詢問某個視頻中的具體信息，不用滑動翻文檔詢問某個PDF中的信息……
甚至連電話反詐，都用上Gemini了：聽到關鍵字“把錢轉到安全賬號”，馬上就能給出警報。
總之，官方強調，現在，Gemini在手機上現在不止是一個App，更是安卓體驗的基礎。
3、谷歌Photos
谷歌Photos基于Gemini也推出了新功能——Ask Photos，可以一鍵從圖庫中幫你找到想要的照片和視頻。
比如你想知道自己的baby是什么時候學會游泳的，Ask Photos會從你在谷歌Photos中存儲的成百上千張照片中查找出含游泳、游泳證書等相關圖片，最后總結給出回復：
Ask Photos這一功能將在今年夏天推出。
4、谷歌Workspace
Gemini也接入到了谷歌Workspace提供的一套生產力和協作工具中，包括谷歌郵箱、谷歌Docs、谷歌Calendar等。
這使得在這些工具間進行跨應用工作變得更加容易。
例如在谷歌郵箱中自動分析郵件以及附件，識別整理好收據，然后一鍵在Drive和Sheets中處理。
5、NotebookLM
谷歌AI筆記應用NotebookLM也大升級。
如下圖所示，當你提出一個問題后，背后的Gemini模型就會結合NotebookLM中的筆記內容，進行多模態的語音對話式回答。
也就是說，所有筆記都可以變成交互式教材。
第六代TPU
最后，在硬件部分，谷歌也帶來了新消息：
第六代TPU Trillium將在今年向云客戶提供。
與TPU v5e，Trillium的峰值計算性能提高4.7倍，HBM和帶寬增加了1倍，芯片間互聯（ICI）帶寬也增加了1倍。另外，Trillium的能效比TPU v5e高出了67%以上。
那么今日份的發布會筆記，就先做到這里了。
你覺得谷歌這波表現如何？
從美股盤后的情況來看，似乎有點emmm……
相關推薦
- 免責聲明
- 本文所包含的觀點僅代表作者個人看法，不代表新火種的觀點。在新火種上獲取的所有信息均不應被視為投資建議。新火種對本文可能提及或鏈接的任何項目不表示認可。 交易和投資涉及高風險，讀者在采取與本文內容相關的任何行動之前，請務必進行充分的盡職調查。最終的決策應該基于您自己的獨立判斷。新火種不對因依賴本文觀點而產生的任何金錢損失負任何責任。
