Google I/O 2024：揭开下一代的创新

Google正全面拥抱我们所称的Gemini时代。

在深入探讨细节之前，我想先回顾一下我们目前的进展。我们在过去十多年里持续投入资源于AI，推动研究、产品开发和基础设施的边界。今天，我们将涵盖所有这些内容以及更多。

我们仍处于这一AI平台转型的初期，其潜力巨大——对创作者、开发者、初创公司以及其他所有人来说都是如此。这就是Gemini时代的意义所在：推动这些机会向前发展。那么，让我们直接开始吧。

Gemini时代

去年在I/O大会上，我们公布了Gemini的愿景：一款从一开始就设计为原生多模态的尖端模型，能够处理文本、图像、视频、代码等内容。这是迈向将任何输入转化为任何输出的重要一步——下一代的“I/O”。

自那以后，我们推出了首批Gemini模型，树立了多模态性能的新标准。仅仅两个月后，我们引入了Gemini 1.5 Pro，这在处理长上下文方面取得了重大突破。它在生产环境中可处理100万个令牌，超越了迄今为止任何其他大规模基础模型。

我们致力于确保每个人都能从Gemini的能力中受益。我们迅速采取行动与大家分享这些进步。今天，超过150万开发者在我们的工具中使用Gemini模型，从调试代码到获得新洞察，再到构建下一波AI应用。

我们还将Gemini的强大功能以有意义的方式整合到我们的产品中。今天你将看到在Search、Photos、Workspace、Android等领域的示例。

产品进展

目前，我们所有拥有20亿用户的产品的动力都来自Gemini。

我们还推出了新的体验，包括一个移动应用程序，你可以在其中直接与Gemini互动，适用于Android和iOS。有了Gemini Advanced，你可以访问我们最先进的模型。短短三个月内，已有超过100万人注册尝试，势头持续增强。

在Search中扩展AI Overviews

Gemini在Google Search中的发展是最激动人心的进展之一。

在过去一年中，我们通过Search Generative Experience处理了数十亿次查询。用户以新的方式探索Search，提出更长、更复杂的问题，甚至使用照片进行搜索，获得网络提供的最佳结果。

我们已在Labs之外测试了这种体验，我们很高兴看到不仅Search使用量增加，用户满意度也更高。

我很激动地宣布，我们将从本周开始在美国向所有人推出这一完全革新的体验——AI Overviews，更多国家也将很快跟进。

多亏了Gemini，我们正在推动Search可能性的边界，包括在我们自己的产品中。

介绍Ask Photos

以Google Photos为例，我们在近九年前推出了它。它已成为组织生活中最珍贵记忆的首选工具，每天上传超过60亿张照片和视频。

人们喜欢用Photos搜索他们的生活。有了Gemini，我们让这变得更简单。

想象你在停车场，记不起你的车牌号。以前，你需要用关键词搜索Photos，翻阅多年的照片来找它。现在，你可以直接询问Photos。它能识别你经常使用的汽车，找出哪辆是你的，并给你车牌号。

Ask Photos还能帮助你深入挖掘你的回忆。比如你在回忆女儿Lucia的早期里程碑。你可以问Photos：“Lucia什么时候学会游泳的？”

然后你可以继续问更复杂的问题，比如：“展示Lucia的游泳进展如何。”

在这里，Gemini超越了简单搜索，理解不同场景——从泳池圈数到海洋浮潜，再到她游泳证书上的文本和日期。Photos随后将这一切整理成一个总结，让你重温那些美好的回忆。我们将在这个夏天推出Ask Photos，更多功能即将推出。

通过多模态和长上下文解锁更多知识

Gemini的多模态设计旨在解锁各种格式的知识。这是一个理解并连接不同类型输入的模型。

这种方式扩展了我们可以提出的问题类型和获得的答案。长上下文进一步扩展了这一点，使我们能够处理大量信息：数百页文本、几小时音频、一小时视频、整个代码库，甚至96个Cheesecake Factory菜单。

对于那些菜单，你需要一个100万个令牌的上下文窗口，这在Gemini 1.5 Pro中已成为可能。开发者正在以一些非常酷的方式使用它。

我们在过去几个月里以预览模式推出了带有长上下文的Gemini 1.5 Pro，在翻译、编码和推理方面进行了质量改进。这些更新现已反映在模型中。

我很高兴地宣布，我们将向全球所有开发者提供这个改进版的Gemini 1.5 Pro。此外，带有100万个上下文的Gemini 1.5 Pro现已在Gemini Advanced中直接为消费者提供，支持35种语言。

在私有预览中扩展到200万个令牌

100万个令牌已经开启了新的可能性，但我们并未止步于此。

今天，我们将上下文窗口扩展到200万个令牌，供开发者在私有预览中使用。

在短短几个月内我们取得的进展令人难以置信。这是我们迈向无限上下文终极目标的又一步。

将Gemini 1.5 Pro引入Workspace

我们讨论了两个关键技术进步：多模态和长上下文。两者各自都很强大，但结合在一起，它们解锁了更深层次的能力和智能。

这在Google Workspace中尤为明显。

人们经常在Gmail中搜索他们的邮件。有了Gemini，我们让这变得更强大。例如，作为父母，你想了解孩子的学校活动动态。Gemini可以帮助你跟踪这些信息。

你可以让Gemini总结最近来自学校的邮件。在后台，它会识别相关邮件，甚至分析PDF等附件。你会得到关键点和行动项目的总结。如果你因为旅行错过了PTA会议，而录音长达一小时，Gemini可以从Google Meet中提取重要部分。如果有志愿者召集，而你有空，Gemini可以为你起草回复。

这有无数种方式可以简化你的生活。Gemini 1.5 Pro现已在Workspace Labs中提供。Aparna将分享更多细节。

在NotebookLM中实现音频输出

我们已经看到了文本输出的示例，但有了多模态模型，我们可以做得更多。

我们在这方面取得了进展，还有更多即将推出。NotebookLM中的Audio Overviews展示了这一点。它使用Gemini 1.5 Pro从你的源材料生成个性化和交互式的音频对话。

这就是多模态的潜力。很快，你将能够混合搭配输入和输出。这就是我们所说的下一代“I/O”。但如果我们能走得更远呢？

通过AI代理进一步发展

我们看到的一个激动人心的机会是AI代理。这些是能够推理、规划和记忆的智能系统。它们可以提前思考几步，跨软件和系统工作，代表你完成任务，始终在你的监督下。

我们仍处于早期阶段，但让我给你展示一下我们正在研究的用例。

以购物为例。买鞋子很有趣，但如果不合适，退货就不那么有趣了。

想象如果Gemini能为你处理所有步骤：

• 搜索你的收件箱找到收据...
• 从你的邮件中定位订单号...
• 填写退货表格...
• 甚至安排UPS取件。

这样是不是简单多了？

让我们考虑一个更复杂的场景。假设你刚搬到芝加哥。Gemini和Chrome可以一起帮助你安顿下来——为你组织、推理和综合信息。

你会想探索城市，找到本地服务，从干洗店到遛狗服务。你还需要在众多网站上更新你的新地址。

Gemini可以管理这些任务，并在需要时询问更多信息，确保你始终掌控一切。

这很关键——在我们开发这些体验时，我们专注于隐私、安全，并让它们对每个人都可访问。

这些是简单示例，但它们展示了我们通过构建提前思考、推理和规划的智能系统来解决的问题类型。

对我们使命的意义

Gemini的强大功能——其多模态、长上下文和代理——使我们更接近我们的终极目标：让AI对每个人都有帮助。

这将是我们实现使命的最大进步：组织全球信息，跨越每一种输入，通过任何输出使其可访问，并以真正有用的方式将全球信息与你的世界信息结合起来。

开拓新领域

要充分发挥AI的潜力，我们需要突破界限。Google DeepMind团队一直在为此努力。

我们看到大家对1.5 Pro及其长上下文窗口表现出了很多兴奋。但开发者也想要更快、更具成本效益的东西。因此，明天我们将推出Gemini 1.5 Flash，这是一个为规模化设计的轻量级模型。它针对低延迟和成本关键的任务进行了优化。1.5 Flash将于周二在AI Studio和Vertex AI上提供。

展望未来，我们一直希望构建一个对日常生活中都有用的通用代理。Project Astra展示了多模态理解和实时对话能力。

我们在视频和图像生成方面也取得了进展，推出了Veo和Imagen 3，并介绍了Gemma 2.0，我们下一代用于负责任AI创新的开放模型。你可以从Demis Hassabis那里了解更多。

AI时代的基建：介绍Trillium

训练最先进的模型需要大量计算能力。在过去六年中，机器学习计算需求增长了100万倍，每年增加十倍。

Google为此而生。在过去25年里，我们投资于世界级的技术基础设施，从支持Search的尖端硬件到驱动我们AI进步的定制张量处理单元。

Gemini完全在我们第四和第五代TPU上训练和运行。其他领先的AI公司，包括Anthropic，也在我们的TPU上训练了他们的模型。

今天，我们很高兴地宣布我们的第六代TPU，名为Trillium。Trillium是我们迄今为止性能最高、效率最高的TPU，与上一代TPU v5e相比，每芯片计算性能提高了4.7倍。

我们将在2024年底向我们的云客户提供Trillium。

除了我们的TPU，我们还为任何工作负载提供CPU和GPU。这包括我们上个月宣布的新款Axion处理器，这是我们首款基于Arm的定制CPU，提供行业领先的性能和能效。

我们还是首批提供Nvidia尖端Blackwell GPU的云提供商之一，将于2025年初提供。我们与NVIDIA的长期合作使我们能够将Blackwell的突破性能力带给我们的客户。

芯片是我们端到端集成系统的基础部分，从性能优化的硬件和开放软件到灵活的消费模型。这一切在我们的AI Hypercomputer中汇聚，这是一个突破性的超级计算机架构。

企业和开发者正在使用它来应对更复杂的挑战，与仅购买原始硬件和芯片相比，效率提高了两倍多。我们的AI Hypercomputer进步部分得益于我们在数据中心采用的液冷方式。

我们近十年前就开始这样做，远在它成为行业尖端技术之前。今天，我们部署的液冷系统总容量接近1吉瓦，并且还在增长——这是其他任何舰队容量的近70倍。

这一切的基础是我们连接全球基础设施的庞大网络。我们的网络跨越超过200万英里的地面和海底光纤：是下一领先云提供商覆盖范围的10倍以上。

我们将继续进行必要的投资，以推动AI创新并提供最先进的能力。

Search最激动人心的篇章

我们最大的投资和创新领域之一是我们的创始产品Search。25年前，我们创建了Search，帮助人们在网上信息洪流中导航。

在每次平台转变中，我们都实现了突破，以更好地回答你的问题。在移动设备上，我们解锁了新型的问题和答案——利用更好的上下文、位置感知和实时信息。随着自然语言理解和计算机视觉的进步，我们启用了新的搜索方式，比如用你的声音或哼唱来找到你新喜欢的歌曲，或者用你散步时看到的花的图片来搜索。现在你甚至可以通过Circle to Search找到那些很酷的新鞋。去买吧，你随时可以退货！

当然，Gemini时代的Search将把这一切提升到一个全新的水平，结合我们的基础设施优势、最新AI能力、我们对信息质量的高标准，以及我们连接你与网络丰富内容的数十年经验。结果是一个为你完成工作的产品。

Google Search是将生成式AI应用于人类好奇心规模的产品。这是我们Search最激动人心的篇章。从Liz Reid那里了解更多关于Gemini时代Search的信息。

更智能的Gemini体验

Gemini不仅仅是一个聊天机器人；它被设计为你的个人、有用的助手，可以处理复杂任务并代表你采取行动。

与Gemini的交互应感觉像对话且直观。因此，我们宣布了一种新的Gemini体验，称为Live，允许你使用语音与Gemini进行深入对话。我们还将在今年晚些时候为Gemini Advanced带来200万个令牌，使上传和分析超密集文件（如视频和长代码）成为可能。Sissie Hsiao分享更多细节。

Android上的Gemini

全球有数十亿Android用户，我们很高兴将Gemini更深入地整合到用户体验中。作为你的新AI助手，Gemini随时随地为你提供帮助。我们已将Gemini模型整合到Android中，包括我们最新的设备上模型：Gemini Nano with Multimodality，它处理文本、图像、音频和语音，解锁新体验，同时保持你的信息在设备上的隐私。Sameer Samat在这里分享Android的新闻。

我们对AI的负责任方式

我们继续大胆地迎接AI机会，带着兴奋感。我们也在确保以负责任的方式进行。我们正在开发一种尖端的AI辅助红队技术，借鉴Google DeepMind在AlphaGo等游戏突破中的经验来改进我们的模型。此外，我们已将SynthID，我们的用于识别AI生成内容的水印工具，扩展到两种新模态：文本和视频。James Manyika分享更多。

共同创造未来

这一切展示了我们在采取大胆且负责任的方式使AI对每个人都有帮助方面的重要进展。

我们长期以来一直以AI优先的方式行事。我们数十年的研究领导地位开创了许多现代突破，驱动了我们和行业的AI进步。除此之外，我们还有：

• 为AI时代构建的世界领先基础设施
• Search的尖端创新，现由Gemini驱动
• 以非凡规模帮助的产品——包括15个拥有5亿用户的产品的
• 以及使每个人——合作伙伴、客户、创作者和你们所有人——能够发明未来的平台。

这一进展只有在我们惊人的开发者社区的支持下才有可能。你们通过每天构建的体验和应用使其成为现实。因此，致敬在Shoreline的每一个人以及全球数百万观看者的你们，让我们共同迎接未来的无限可能。

在你的收件箱中获取更多来自Google的故事。

电子邮件地址你的信息将根据Google的隐私政策使用。

订阅完成。还差一步。

检查你的收件箱以确认你的订阅。

你已经订阅了我们的通讯。

你也可以使用不同的电子邮件地址订阅。