作者｜周雅

太平洋時間5月20日上午，在加州山景城海岸線圓形劇場（Shoreline Amphitheatre），空氣中彌漫著咖啡香氣和一種幾乎能觸摸到電子脈沖般的興奮感，2025 Google I/O（谷歌開發(fā)者大會）開始了，而此時的我們，正處于這股AI浪潮的中心。

當現(xiàn)場倒計時結(jié)束，谷歌及Alphabet首席執(zhí)行官桑達爾·皮查伊（Sundar Pichai）走上舞臺，他以一個玩笑開場：

“聽說今天是雙子座月份（Gemini Season）的開始，這沒什么特別的，因為在谷歌，每天都是雙子座月份（Gemini season）。”這句略帶凡爾賽的調(diào)侃，暗示了谷歌在AI領域的持續(xù)迭代。

他直言，“以往I/O前夕通常會‘憋大招’，因為想把最重磅的發(fā)布留到大會上；但在Gemini時代，谷歌更希望把最先進的模型更快推向用戶、更快融入產(chǎn)品中，所以發(fā)布速度比任何時候都更快。”為了印證這一點，他還列舉了一系列數(shù)字：自去年I/O以來，谷歌已發(fā)布了超過12個模型和研究突破+20多項AI產(chǎn)品和功能。

谷歌及Alphabet首席執(zhí)行官桑達爾·皮查伊（Sundar Pichai）

所以今年的I/O，依然是應接不暇的產(chǎn)品發(fā)布節(jié)奏，給我最直觀感受就是：谷歌要把Gemini變成世界模型，變成一個既能看能聽能說，又能理解、跨設備為你執(zhí)行各種任務的通用AI助手。用大白話說，就是感受到Gemini有種“活人感”，谷歌用行動詮釋了什么叫做“研究即產(chǎn)品、產(chǎn)品即平臺、平臺即生態(tài)”。

當然，如果要梳理這場I/O的重點，此處有省流版：

· Gemini應用承載谷歌構(gòu)建“通用AI助手”的雄心。 通過融合Project Astra的視覺與情境感知能力，Gemini Live變得更加耳聰目明；Deep Research和Canvas賦予用戶強大的信息處理、知識再創(chuàng)能力；Gemini in Chrome則將智能帶入桌面瀏覽；而集成了Imagen 4和Veo 3的Gemini應用，更是讓圖像與視頻創(chuàng)作觸手可及；Agent Mode則預示著AI助手未來將能為我們處理多步驟任務。

· Gemini模型家族一切的“大腦”。無論是2.5 Pro的性能制霸、Flash的效率優(yōu)化，還是DeepThink對推理極限的、Diffusion對文本生成范式的探索，都為上層應用的爆發(fā)提供動力。

· Gemini重塑谷歌搜素：谷歌搜索新增“AI模式”（AI Mode），提供高級推理、多模態(tài)交互、深度探索能力，它憑借查詢、個性化上下文、深度研究、實時多模態(tài)交互、智能體輔助購物和任務處理等“組合拳”，在徹底重塑我們獲取信息、解決問題、乃至完成現(xiàn)實世界任務的方式。

· 生成式AI領域的技術與藝術共創(chuàng)。 Lyria 2和Music AI Sandbox為音樂人而生；SynthID及其檢測工具則為AI生成內(nèi)容的可信度保駕護航；Veo與頂尖導演的合作，以及專為電影人打造的Flow工具，則預示著AI將在專業(yè)影視創(chuàng)作中越來越重要。

· 開發(fā)者生態(tài)的構(gòu)建也是重中之重。 異步編碼智能體Jules的公測，Project Mariner計算機使用能力的開放，以及對開放智能體協(xié)議（如MCP）的支持，都在為開發(fā)者提供更強大的工具，降低構(gòu)建復雜AI應用的門檻。

· 對人機交互的顛覆性探索。谷歌發(fā)布Android XR，有了Gemini加持的智能眼鏡、耳機，可以在虛擬世界和物理世界之間架橋。

相當哇塞的Android XR

首當其沖，我們不得不提這次IO的壓軸，也是把現(xiàn)場氣氛推向高潮的發(fā)布——「Android XR」。

說到XR，就得說智能眼鏡。而說到智能眼鏡，就不得不提Google Glass。

曾經(jīng)在2012年，谷歌在Google I/O大會上播放了這樣一段畫面：幾名翼裝飛行運動員準備跳傘，當機艙門打開，運動員依次躍入舊金山4000英尺的高空，降落在一座建筑附近，畫面視角顯示他們騎上自行車、穿過一個走廊、推開一扇門，最終來到了I/O的會議室現(xiàn)場——而這，一整段在當時看起來甚至有點抖動的畫面，都是由運動員佩戴的Google Glass拍攝直播。這是谷歌智能眼鏡的雛形，但卻一直不溫不火。

所謂念念不忘必有回想，這一次，谷歌希望把失去的奪回來。

谷歌XR業(yè)務的副總裁兼總經(jīng)理Shahram Izadi現(xiàn)場指出：“Android是體驗AI的最佳場所，今天你看到的許多Gemini突破性進展很快都將登陸Android……我們將把Gemini帶到你的手表、汽車、甚至電視上，所以無論你身在何處，都有一個有用的AI助手讓生活更便利。”

緊接著，Shahram提出一個引人深思的問題：“如果要以全新方式體驗AI助手，應該用什么新型設備呢？”隨后，他正式官宣Android XR——“Android XR是Gemini時代構(gòu)建的首個Android平臺，支持從頭顯、耳機、智能眼鏡等各種設備。”

Shahram闡述了谷歌對XR設備形態(tài)的看法：“我們相信XR沒有一刀切的方案，你會在一天中用不同的設備。例如，看電影、玩游戲或工作時，你會想要沉浸式頭顯。但在旅途中，你會想要輕便的眼鏡，它可以在不掏出手機的情況下為你提供及時的信息。”

為了讓大家直觀感受，谷歌員工Nishtha Bhatia在現(xiàn)場來了一場Android XR智能眼鏡的實時演示，從后臺走到臺前，與智能眼鏡互動的完整視角。

從視頻中可看出，它具備這些能力（看不到視頻的請移步「科技行者公眾號：itechwalker」）：

· 實時通訊與通知管理：Nishtha收到了Shahram發(fā)來的短信，并通過語音指令讓Gemini回復并靜音通知。

· 情境感知與信息檢索：Nishtha對后臺照片墻上的一支樂隊感到好奇，問它樂隊的名字，Gemini準確識別出那是灣區(qū)傳奇搖滾樂隊Counting Crows，并介紹了他們與Shoreline圓形劇場的淵源，甚至直接展示了樂隊演出的舊照，還播放了樂隊的歌曲。

· 記憶與信息提?。篘ishtha讓Gemini回憶，她之前在后臺喝的咖啡杯上咖啡店的名稱，Gemini準確回答出可能是“Bloomsgiving”，并描述了這家位于Castro街的咖啡店。

· 視覺搜索與導航：Gemini展示了該咖啡店的照片，并計算出步行前往所需的時間（約1小時），眼鏡上可以顯示導航方向和3D地圖。

· 日程管理：Nishtha讓Gemini向同事發(fā)送了下午3點在這家咖啡店喝咖啡的邀請。

· 拍照功能：在Shahram的提議下，Nishtha讓Gemini為他們和現(xiàn)場觀眾合影，并將照片加到收藏夾。

· 實時語言翻譯：作為最后即興演示，Shahram（說波斯語）和Nishtha（說印地語）用各自的母語進行了對話。他們眼鏡的畫面實時顯示在主屏幕上，并配有英語翻譯字幕。

所以可以說，Android XR并不是雛形，而是能扛住實時演示壓力的成熟產(chǎn)品：

1. Gemini on Headsets (頭顯上的Gemini)：Shahram介紹了三星的Project Moohan，這是首款AndroidXR設備。例如，在XR版的Google Maps中，用戶只需讓Gemini帶路，就能“傳送”到世界任何地方；用戶可以與AI助手討論看到的任何事物，并讓它調(diào)出相關的視頻和網(wǎng)站；他還描繪了在MLB應用中看比賽的場景，就像是置身體育場前排，同時與Gemini討論球員和比賽數(shù)據(jù)。三星的Project Moohan將于今年晚些時候上市銷售。

2. Android XR Glasses (安卓XR眼鏡)：隨后，Shahram將焦點轉(zhuǎn)向了更具便攜性的眼鏡形態(tài)。“如你所知，我們研究眼鏡已有十多年，從未停止。”他描述了Android XR眼鏡的特性：輕便，專為全天佩戴而設計，眼鏡與手機協(xié)同工作，讓用戶在解放雙手的同時訪問應用程序。他強調(diào)：“所有這些都使眼鏡成為AI的自然形態(tài)，將Gemini的能力帶到你所在的地方，所以，不像克拉克·肯特（超人），你戴上眼鏡就能獲得超能力。”

接下來，Shahram宣布了Android XR的合作歷程：

· 首先，谷歌與三星共同構(gòu)建了AndroidXR，并與高通合作為搭載驍龍的產(chǎn)品進行了優(yōu)化。

· 其次，Android XR開發(fā)者預覽版自去年發(fā)布以來，已有數(shù)百名開發(fā)者為該平臺進行構(gòu)建。

· 最后，谷歌也在為XR重新設計其核心應用，并且由于是Android平臺，現(xiàn)有的手機和平板電腦應用也能在XR設備上運行。

圖：谷歌現(xiàn)場官宣Gentle Monster和Warby Parker將成為首批采用Android XR的眼鏡品牌。

集大成者的Gemini：又雙叒叕升級了

壓軸產(chǎn)品講完后，當然得講重要產(chǎn)品，也就是谷歌AI戰(zhàn)略的基石——Gemini，這次主要講的是Gemini 2.5 Pro與Flash的升級，各方面更強了。

怎么證明Gemini更強了呢，用數(shù)據(jù)說話！桑達爾·皮查伊特別提到了Gemini 2.5 Pro進展的迅速：Elo分數(shù)（衡量模型能力的一種指標）自第一代Gemini Pro以來提升了300多分；Gemini 2.5 Pro在LMArena排行榜所有類別中均名列前茅，并在多個基準測試中達到業(yè)界頂尖水平；在編碼能力上，更新后的Gemini 2.5 Pro登頂WebDev Arena（一個專注于評估模型Web開發(fā)能力的排行榜）。這些成就的背后，是開發(fā)者社區(qū)的廣泛認可，例如在AI代碼編輯器Cursor上，Gemini是年度增長最快的模型，每分鐘產(chǎn)生數(shù)十萬行代碼。

此外，輕量級的Gemini 2.5 Flash也迎來了顯著升級，它在推理、多模態(tài)、代碼和長上下文等關鍵基準測試中表現(xiàn)更佳，同時效率也進一步優(yōu)化，評估顯示其token消耗減少了20-30%。對于追求極致效率和低成本應用的開發(fā)者而言，這無疑是個福音。

皮查伊還分享了一個有趣的成績：幾周前，Gemini成功通關了經(jīng)典游戲了《精靈寶可夢：藍》（Pokémon Blue)，獲得了八枚徽章，擊敗了四天王和冠軍，他風趣地稱之為“離實現(xiàn)API又近了一步，因為API是——Artificial Pokémon Intelligence(人工·寶可夢·智能)”。這個巧妙的諧音梗再次引發(fā)現(xiàn)場一片笑聲。

而關于Gemini 2.5 Pro的一個更新亮點，是上線了增強推理模式——「Deep Think（深度思考」，DeepThink采用了谷歌在思考和推理方面的前沿研究，包括并行技術，其表現(xiàn)可圈可點：在數(shù)學基準測試2025 USAMO上取得了好成績，在編程競賽基準LiveCodeBench上領先，在測試多模態(tài)推理的MMMU上也獲得了84.0%的高分。不過，盡管DeepThink潛力巨大，谷歌也保持了足夠的審慎，強調(diào)由于Deep Think定義了前沿能力，需要更多時間進行安全評估并聽取安全專家的意見，目前會先通過Gemini API提供給受信任的測試者，以收集反饋，然后再考慮廣泛推廣。

構(gòu)建通用AI助手：從Project Astra的實時感知，到Project Mariner的多任務智能體

當Google DeepMind首席執(zhí)行官Demis Hassabis登臺，他的演講總是飽含對AGI（通用人工智能）的思考。

圖：Google DeepMind首席執(zhí)行官Demis Hassabis

這次，他描繪了一個AGI藍圖：將Gemini打造成世界模型（world model），是開發(fā)通用AI助手的關鍵，即一種“個性化（Personal）、主動（Proactive）、強大（Powerful）的AI”，這種AI能理解物理和數(shù)字環(huán)境，并能跨設備代表用戶規(guī)劃和采取行動。這是Gemini的終極目標，也是谷歌邁向AGI的重要一步。

為了讓這個愿景更加具象，Hassabis重點介紹了Project Astra的進展。去年作為研究原型首次亮相的Astra，其視頻理解、屏幕共享、記憶等能力令人印象深刻。在過去一年里，這些能力被逐步整合到Gemini Live中。

Hassabis透露，團隊持續(xù)改進并探索前沿創(chuàng)新，例如，將語音輸出升級為更自然的原生音頻，改進了記憶功能，并增加了計算機控制能力。目前，這些新功能正在通過受信任的測試者收集反饋，并計劃將其引入Gemini Live、搜索中的新體驗、面向開發(fā)者的Live API、眼鏡等新形態(tài)設備。他特別強調(diào)：“在這一過程的每一步，安全和責任都是我們工作的核心。”

現(xiàn)場播放的一段Project Astra演示視頻（看不到視頻的請移步「科技行者公眾號：itechwalker」），展示了AI在輔助用戶修理自行車等復雜任務中的實力。Astra能夠幫助用戶查找手冊、定位剎車部件、搜索YouTube修復視頻、查閱郵件獲取零件信息、高亮顯示零件盒、呼叫自行車店詢問庫存，甚至在對話被打斷后仍能記住上下文并繼續(xù)提供幫助。這段演示充分展現(xiàn)了一個理想中的通用AI助手所應具備的多任務處理、信息檢索、工具調(diào)用、情境記憶和主動建議等能力。

隨后，話題焦點轉(zhuǎn)移到了Project Mariner，一個探索人與智能體交互未來的研究原型，始于瀏覽器環(huán)境。自去年12月啟動以來，Mariner與一組受信任的測試者緊密合作，收集反饋并改進其實驗性功能。Hassabis宣布：“Project Mariner現(xiàn)在包含一個智能體系統(tǒng)，可以同時完成多達十個不同的任務。這些智能體可以幫助你查找信息、預訂、購物、做研究等等——所有這些都可以同時進行。”更新后的Project Mariner已向美國的Google AI Ultra訂閱用戶開放，其計算機使用能力也將被引入Gemini API，并計劃在年內(nèi)將更多功能引入谷歌產(chǎn)品。

Hassabis總結(jié)道：“通過這項以及我們所有開創(chuàng)性的工作，我們正在構(gòu)建更個性化、更主動、更強大的AI，豐富我們的生活，加速科學進步的步伐，并迎來一個充滿發(fā)現(xiàn)和奇跡的新黃金時代。”

創(chuàng)意伊甸園：Veo 3攜音入畫，Imagen 4精雕細琢，F(xiàn)low剪AI電影

當Google DeepMind的產(chǎn)品管理副總裁Eli Collins走上舞臺，整個會場的氛圍變得更加輕松和富有藝術感，他揭示了谷歌在生成式模型領域的最新突破——Veo 3、Imagen 4、以及一款名為Flow的全新AI電影制作工具。

1、視頻生成模型Veo 3。它首次實現(xiàn)了視頻與音頻的同步生成，這代表AI生成的視頻場景將擁有更強的沉浸感——城市街道場景中的交通噪音、公園里鳥兒的歌唱，甚至角色間的對話，都能被自然融入。Collins強調(diào)：“Veo 3在文本和圖像提示理解、真實世界物理模擬以及準確的口型同步方面表現(xiàn)出色。你可以用簡短的故事作為提示，模型就能生成生動的視頻片段。”Veo 3即日起在美國通過Gemini應用向Ultra訂閱用戶開放，并在Flow工具中可用，企業(yè)用戶則可通過Vertex AI使用。

2、AI電影制作工具——Flow。它被Eli形容成一個“與創(chuàng)作者共同打造，并為創(chuàng)作者服務”的工具，它將Google DeepMind最先進的模型——Veo、Imagen和Gemini整合在一起，讓用戶能夠無縫創(chuàng)作電影片段、場景和故事。

比如，你可以用自然語言向Flow描述鏡頭，在一個便捷的界面管理故事元素（演員、地點、物體、風格），并利用Flow將敘事編織成精美的場景。Flow即日起向美國的Google AI Pro和Ultra計劃訂閱用戶開放，未來將登陸更多國家。

3、圖像生成模型Imagen 4。它在復雜織物、水滴、動物毛發(fā)等細節(jié)上的清晰度更佳，能夠生成多種寬高比、最高2K分辨率的圖像，更適合打印或演示。此外，它在拼寫和排版方面的能力顯著增強，使得創(chuàng)作賀卡、海報甚至漫畫變得更加容易。Imagen 4已在Gemini應用、Whisk、Vertex AI以及Workspace中的Slides、Vids、Docs等多個產(chǎn)品中可用。Collins還預告，不久將推出Imagen 4的快速版本，速度比Imagen 3快高達10倍。

4、音樂生成模型Lyria 2。今年4月，由Lyria 2驅(qū)動的Music AI Sandbox擴大了訪問范圍，為音樂家、制作人和詞曲作者提供了一套實驗性工具，激發(fā)新的創(chuàng)作可能性。Collins表示：“Lyria 2帶來了強大的作曲能力和無盡的探索空間，現(xiàn)已通過YouTube Shorts向創(chuàng)作者開放，并通過Vertex AI向企業(yè)開放。”此外，驅(qū)動MusicFX DJ的交互式音樂生成模型Lyria RealTime也已通過API和AI Studio提供，讓任何人都能實時交互式地創(chuàng)作、控制和表演生成式音樂。

AI重塑搜索：從信息獲取，到智能洞察

谷歌搜索業(yè)務負責人Liz Reid的登場，總是伴隨著對信息獲取方式的深刻洞察。

她首先回顧了去年I/O推出的AI Overviews（AI概覽）所帶來的深遠影響，人們開始向谷歌提出更多、更復雜、更長、甚至多模態(tài)的問題。AI Overviews使得用戶更容易提出任何問題并獲得有用的回應，同時附帶網(wǎng)頁鏈接。

Reid指出：“AI Overviews是過去十年中搜索領域最成功的發(fā)布之一。” 在美國和印度等主要市場，AI Overviews使相關查詢類型的使用量增加10%以上，且提供了業(yè)界最快的AI響應速度。

Reid強調(diào)，谷歌正持續(xù)通過AI推進搜索，從信息獲取邁向智能洞察。今天，她為我們展示了搜索未來的最新進展。

核心發(fā)布是在Google Search中新增「AI Mode」模式。Reid將其描述為“我們最強大的AI搜索，具有更高級的推理和多模態(tài)能力，并能通過后續(xù)問題和網(wǎng)頁鏈接進行更深入的探索。”

未來幾個月內(nèi)，谷歌將在Labs中向「AI模式」用戶推出幾項高級功能：AI模式中的Deep Search（深度搜索）、搜索中的實時能力（Search Live）、AI模式中的個性化上下文、自定義圖表、AI購物伙伴等。

消費者購物產(chǎn)品副總裁Lilian Rincon介紹了AI模式下的購物體驗。在AI模式下，當用戶表達購物意圖時，例如尋找一個“可愛的旅行包”，AI會理解并展示圖片。如果用戶進一步縮小范圍，比如“適合五月份去俄勒岡州波特蘭旅行的包”，AI模式會啟動“查詢扇出”，同時運行多個搜索來確定適合雨天和長途旅行的包應具備哪些特性，然后推薦防水且易于取放物品的選項。屏幕右側(cè)的面板會隨著用戶的提問動態(tài)更新相關的產(chǎn)品和圖片，幫助用戶精確找到目標或發(fā)現(xiàn)新品牌。

當用戶決定購買后，智能體結(jié)賬功能將大顯身手。用戶只需在任何產(chǎn)品列表上點擊“跟蹤價格”，設置好尺寸、顏色等偏好、以及期望花費的金額。一旦價格下降到設定范圍，用戶會收到通知。如果準備購買，只需確認購買細節(jié)并點擊“為我購買”。在后臺，AI會將商品添加到商家網(wǎng)站的購物車中，并通過Google Pay安全地代表用戶完成結(jié)賬。

而最讓現(xiàn)場觀眾感到新奇的，莫過于虛擬試衣功能。用戶只需上傳一張自己的照片，就能虛擬試穿Shopping Graph中數(shù)十億件服裝，帶來一種真正“量身定制”的試穿體驗。

AI向善：谷歌踐行社會責任

在活動接近尾聲時，桑達爾·皮查伊再次回到舞臺，他不僅回顧了當天的發(fā)布，更將視野投向了AI技術在解決現(xiàn)實世界問題、賦能公益事業(yè)、以及履行社會責任方面的意義。

皮查伊首先強調(diào)，AI帶來的機遇是巨大的，而確保其益處惠及盡可能多的人，是開發(fā)者、技術構(gòu)建者和問題解決者的共同責任。隨后，他分享了幾個令他深受啟發(fā)的AI應用實例：

谷歌與合作伙伴建立了一個Firesat項目，針對日益嚴峻的全球野火問題，利用多光譜衛(wèi)星圖像和AI技術，實時監(jiān)測野火威脅；在颶風海倫（Hurricane Helene）期間，谷歌旗下無人機公司W(wǎng)ing與沃爾瑪和紅十字會合作，利用無人機進行救援物資的運送。

在演講的最后，皮查伊分享了一個個人經(jīng)歷，強調(diào)了他對技術改善生活的深刻感悟：

“改善生活的機會，我從不認為理所當然，最近的一次經(jīng)歷讓我深有體會。我和我的父母在舊金山，他們想做的第一件事就是乘坐Waymo（谷歌旗下的自動駕駛汽車公司），就像許多其他游客一樣。”他回憶道，“我以前也坐過Waymo，但看著我80多歲的父親坐在前排，完全被震撼的樣子，我以全新的視角看待了這項進步。這提醒我們，技術擁有激勵我們、推動我們前進的不可思議的力量。我迫不及待地想看到我們接下來將共同創(chuàng)造出哪些令人驚嘆的事物。”

按照往年慣例，皮查伊再次玩了一個老梗：數(shù)現(xiàn)場說了多少遍AI。

他說：“今天，你們聽到了很多關于分數(shù)。但我知道，有一個指標是你們都在等待的——我們的AI計數(shù)器！”

隨著他的話，大屏幕上出現(xiàn)了一個“AI提及次數(shù)排行榜”，Gemini以95次高居榜首。

皮查伊風趣地說：“看起來我們有了一個新晉者，Gemini以95次領先，非常令人振奮。”

現(xiàn)場再次響起一片掌聲。