时间：2024-05-16作者：佚名
今天凌晨，谷歌的 I/O 2024 大会也如约而至了。。。
发布会是在美国山景城开的，咱编辑部也派人去了现场，听身处前线的同事讲，不知道是不是 OpenAI 抢了风头的缘故，今年现场的氛围似乎都没前几年那么热闹了。
在以前，用万国来朝形容 I/O 大会都不为过，而今年很明显人没那么多（ 不过以前有卖门票，这次没卖 ）。
不过这毕竟还是谷歌，在整整快两个小时的发布会里，蹲在屏幕前看的世超，还是被秀了好几波肌肉。
简单一句话概括，和昨天的 OpenAI “ 小而美 ” 的春季发布会比起来， I/O 大会完全就是 “大而全” 。
反正就是各种和 AI 能挂上钩的东西，他们都来了一遍，从最基础的大模型，到能生成视频、音乐的 AI ，再到 TPU 芯片等等。
世超也从里面挑了几个比较亮眼的产品，来和大伙说道说道。
首先，世超觉得，昨天 OpenAI 发布会就是对着今天谷歌狙击的。。。
谷歌这次重点推出的多模态 AI 助手Project Astra，和昨天 OpenAI 的 GPT-4o 几乎没差，都是能和多模态实时交互的 AI 。
把麦克风、摄像头的权限给 Project Astra 之后，它能眼观六路、耳听八方，随便问啥，它都能第一时间给出答复。
比如让它看看办公室里有没有会发出声音的东西，当镜头扫过一个音响时，它立马就能反应过来。
想再了解了解音响的构造啥的，也能直接在屏幕上写写画画，然后提问，整个过程 Project Astra 全都能看懂。
而且因为有最新的 Gemini在背后撑腰，它的理解能力也是一绝。
随机找到一个程序员的工位，指着屏幕里的代码问是干啥的， Project Astra 没反应几秒就能给出答案，而且还能准确说出用了啥代码。还有搞个 “ 薛定谔的猫 ” 梗图，它也能迅速猜出来。
不过它和 GPT-4o 还是有点区别在的，就是说话的语气语调啥的，没昨天的 GPT-4o 的人味儿那么重， Project Astra 稍微有点高冷的味道。
而且 Project Astra 身上还有一个 GPT-4o 没展示的技能，有记忆，比如在演示里， Project Astra 能准确记住，镜头一扫而过的桌子上，放了一个苹果。
这对实时交互 AI 来说，算是相当关键的一个能力了。不过在前线的同事跟世超说，现在 Project Astra 就只能记一分钟的事儿，但之后上线的版本肯定能记更多。
但有一说一，就算是世超，也不能把过去一分钟看到了东西一五一十的全记下来。。。
要不是昨天 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 ” 的标签。
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 ” 。
真心建议谷歌抓一下内鬼。
除了多模态实时交互的 AI 外，谷歌还一次性放出了各种单独的多模态 AI，有文生图的 Imagen 3 ，文生视频的 Veo ，文生音乐的 Lyria 。
而这些，世超觉得，就是摆明了对标市面上的那些 Sora 、 Suno 之众。
像是文生视频的 Veo ，从 1080p 的画面效果，还有 60 秒的时长，都要和 OpenAI 的 Sora 看齐。
不过谷歌没学 Sora 用 DiT （ Diffusion Transformer ）架构，而是自己揉了好几个老模型，像是 GQN 、 DVD-GAN 、 Imagen-Video 、 Phenaki 、 WALT 等等。
从最后生成视频的效果来看，和 Sora 也确实有的一拼。
谷歌自个儿也说了， Veo 能驾驭各种风格，航拍、延时摄影等等镜头语言都能秒懂。。。
有意思的是，谷歌在每个视频下面都特意标了一行小字：所有视频均由 Veo 生成，未经修改。
在点谁应该就不用世超多说了吧。。。
而除了上面这些，谷歌还推出了对标 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 等等。。。世超在这儿就不一一介绍了。
反正看起来，谷歌似乎不愿放弃AI 领域里的每个赛道，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。因为谷歌还拿出来些不少其他大厂单打独斗，绝对拿不出来的东西。而世超觉得，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。
这次 I/O 大会上，谷歌就展示了好几个这样的例子。
比如他们先展示了一波 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 ” ， Gemini 能直接从图库里准确找到车的照片，并把车牌号告诉你。
还有在谷歌 Gmail邮箱里，你也能让 AI 帮你查航班信息，在谷歌地图里，能让 AI 帮忙获取酒店附近的餐厅和旅游景点，再给计划相应的日程。
这还没完，谷歌的老本行搜索这次也上 AI 了，而且一上来就搞了波大的，支持语音、图片，还有视频搜索。
比如说唱片机坏了想查查原因，直接镜头对准故障位置问就行了， AI 会立马反应给出答案。
还有压箱底的胶片机不怎么会使，同样拍给它看就行了，不需要自己再绞尽脑汁去形容。
只不过，这次谷歌又在演示上翻车了。。。有媒体扒出，胶片机的那个回答完全就是在胡扯，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，这至少说明他们玩儿的就是个 real ，毕竟大模型乱讲话这事儿一直存在，而出错，比造假还是强一些的。
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。
他们也举了一些例子，像是用手机看球时，不知道运动员犯没犯规，圈起来就能问，还有做题时圈一圈就能搜题。
而且显示答案的时候，它也不会跳转到别的 AI 软件里面去，属于是把 AI 融到系统最最最底层了。
甚至在打电话的时候， AI 还能实时反诈，能从对话中直接判断对方是不是骗子，要是有可疑的字眼，立马会弹窗提示。
其实看到这的时候，世超已经感受到了谷歌做 AI 的优势，未来 AI 肯定要朝着底层生态去发展。
而作为一家大企业，谷歌手里的资源是相当多，而且还有安卓这个大阵营，它能轻易把 AI打入安卓内部，但 OpenAI 要和 iOS 深度结合，估计没这么随心所欲了。
总之这次谷歌的 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。
不过世超看完谷歌的 I/O 大会，倒觉得他们这次不仅仅要 “ 狙击 ” OpenAI ，更要把苹果生态也一起狙了。。。
所以下一回合，到苹果你了。
