谷歌 on 科技刺猬

谷歌反击了：Gemini 2.0 发布，主打"智能体"

Fri, 13 Dec 2024 00:00:00 +0000

OpenAI 的 12 天连发还没过半，谷歌先动手了。12 月 11 日，谷歌发布 Gemini 2.0，先行推出的是 2.0 Flash 实验版，供开发者和用户尝鲜。发布通篇的高频词不是"更强"，而是"智能体"（Agent）——谷歌把话说得很直白：2.0 是为智能体时代准备的模型。

2.0 Flash：先上桌的是快菜

这次的发布顺序有点意思。按惯例，新一代模型应该由最强的版本打头阵，谷歌却先放出了 Flash 版。Flash 系列一直主打轻量和速度，2.0 Flash 的定位是给开发者先用起来：响应快、成本低，还原生支持多模态输出——不光能看懂图片和音频，还能生成图片、把文字转成语音，用一个模型把"输入输出全模态"跑通。

这步棋的意图不难理解。智能体应用要调用模型成千上万次，速度和成本就是生命线；先把 Flash 铺出去，让开发者拿它搭建智能体产品，生态的先手比跑分的第一更重要。更强的版本按谷歌的节奏会在后面跟上，开发者可以先通过 AI Studio 和 API 免费尝鲜实验版。

多模态输出这件事，单独拎出来说一句。过去的多模态大多是"输入端"的：能看图、能听音频，回答还是文字。Gemini 2.0 强调的是双向的：同一段对话里，它可以一边和你说话一边生成图片给你看。交互形态一旦变成这样，AI 助手就不再是打字框，而更像一个能递东西给你看的搭档。对应用开发者来说，这意味着产品设计的想象空间一下被撑大了。

智能体三件套：Astra、Mariner 和 Jules

配合新模型，谷歌同步秀了几个智能体项目的进展：

Project Astra 是年初亮相过的通用 AI 助手原型，能通过手机摄像头"看"世界，实时对话、记忆上下文。这次它换上 Gemini 2.0 的内核，对话语言、记忆时长和响应延迟都有改进，离"随时能问的随身助手"又近了一步。

Mariner 是新面孔，一个能操作浏览器的智能体研究原型：它能理解网页内容，替你在浏览器里点击、填写、跳转，完成订票、购物、查资料这类多步骤任务。类似的还有面向开发者的 Jules，能直接接手 GitHub 上的编程任务。

这三个项目摆在一起看，分工其实很清晰：Astra 管"眼睛和耳朵"，负责理解你眼前的世界；Mariner 管"手"，负责在软件界面里替你操作；Jules 管垂直场景，先在编程这个最容易验证对错的领域练兵。谷歌不是在发布三个玩具，而是在给智能体拆零件——感知、执行、专业能力，各练各的，最后再拼成一个完整的助手。这种拆法，是大厂才玩得起的耐心活。

从今年 I/O 大会上 Gemini 的全面铺开到这次 2.0，谷歌的路线越来越清楚：搜索、安卓、浏览器、办公套件，它手里的入口每一个都在往智能体方向改造。

跑分之外，开发者生态才是主战场

发布后最忙的不是媒体，是开发者社区。2.0 Flash 实验版开放的第一时间，AI Studio 的访问量就被顶了上去。原因很现实：智能体应用的开发范式还没定型，谁的工具链顺手、文档齐全、价格友好，谁就能先圈走一批开发者。而开发者一旦在某个平台上搭好了产品，迁移成本会让他们留下来。

谷歌在这一点上有个天然优势：它同时握着模型、云平台和安卓生态。一个智能体从开发、部署到分发到手机端，全程不用出谷歌的门。这种全栈能力，是它和只做模型的对手之间最深的一道沟。

为什么都盯上了智能体

今年下半年，“智能体"成了各家的共识词。原因也不难理解：聊天机器人再聪明，也停留在"你问它答”；智能体要做的，是给它一个目标，它自己拆解步骤、调用工具、把事情办完。从订会议室到写完整段代码，想象空间比对话框大得多。

谷歌在这场竞赛里的优势是家底厚：安卓的十亿级设备、Chrome 的浏览器份额、搜索和地图的数据，都是智能体落地现成的土壤。这也是它敢把 2.0 的主题直接定成智能体的底气。当然，短板也明显——智能体的可靠性、出错了谁负责、隐私边界怎么算，这些问题目前谁都没有标准答案。

Pixel 9 发布：谷歌把发布会开成了 Gemini 说明会

Wed, 14 Aug 2024 00:00:00 +0000

往年谷歌的 Pixel 发布会都在 10 月，今年硬生生提前到 8 月 13 日，抢在苹果 9 月之前。抢跑的原因写在整场发布会的布景上：从头到尾，台上的人谈论硬件的时间加起来，可能还没有谈 Gemini 的一半多。

硬件：齐全，但不是主角

Pixel 9 系列这次阵容很整齐：标准版 9、定位高端的 9 Pro，还有折叠屏的 9 Pro Fold。外观延续了 Pixel 这几年的设计语言，相机条做了新的处理，配色依然是谷歌擅长的清爽路线。自研芯片和影像硬件按惯例迭代，属于“稳步变好”的范畴。

谷歌显然也知道，单拼硬件参数，Pixel 在货架上打不过三星和苹果——今年 5 月的谷歌 I/O 大会上它就已经把宝押在了 AI 上，这次发布会只是把同一套叙事落到手机里。所以发布会的大部分篇幅，给了 Gemini 如何“长”进这台手机。

Gemini 的三张牌

第一张是 AI 修图。发布会上演示的玩法包括把照片里的人挪个位置、给合影补上缺席的拍摄者——你先拍一张朋友，再站回队伍里拍第二张，手机把两张合成一张全员到齐的合影。这类功能不新鲜，三星在年初的Galaxy S24 系列上已经打过 AI 牌，但谷歌的优势在算法老本行，修图的自然程度确实有看头。

第二张是通话笔记：通话过程中 AI 做实时记录，挂断后生成要点摘要。对天天打电话谈事情的人来说，这是比修图实在得多的功能——不用边聊边记，聊完直接翻摘要。当然，这也意味着你的通话内容要经过 AI 的耳朵，隐私敏感的人用之前得想清楚。

第三张牌最大：Gemini Live。这是一个可以随时打断、随时插话的语音助手，对话节奏接近真人聊天，而不是以往那种“一问一答、说错重来”的指令式交互。谷歌在演示里让它帮忙头脑风暴、出主意，野心写在脸上：它想当的不是语音遥控器，而是陪聊兼助理。

折叠款单独说两句

9 Pro Fold 是这代里硬件存在感最强的选手。上一代 Pixel Fold 被吐槽最多的厚重和折痕，这一代都做了针对性处理，展开后的大屏配合 Gemini 的多任务和分屏，算是谷歌给“AI 大屏”找的场景出口。不过折叠屏的老问题它一个也躲不开：价格高高在上、维修成本吓人、耐用性要交给时间。更重要的是，折叠机在全球的销量池子本来就不大，谷歌做它，争的不是销量，是“安卓阵营的技术名片”。

对国内用户更直接的提醒是：Pixel 全系没有国行，入手只有海淘和水货两条路，保修、维修、网络频段、Gemini 服务可用性，每一样都是坑。看着发布会心动很正常，下单之前先把这几个问题挨个查清楚。

再说回硬件：稳，但稳得有点无聊

公正地讲，Pixel 9 这代硬件并非没有进步：屏幕亮度、续航、散热这些基础体验都在往上走，折叠款 Pro Fold 把折痕和平整度又处理了一轮。但问题在于，这些进步放在参数表里都不够“炸”——没有让人一眼惊呼的新形态，也没有拉开代际的影像跃升。谷歌大概也清楚，所以干脆把舞台让给软件：当硬件的边际提升越来越难讲故事时，让 Gemini 来当那个“新”字。

Google I/O 2024：一场发布会，"AI"被念了一百多次

Thu, 16 May 2024 00:00:00 +0000

有个好玩的统计：5 月 14 日这场 Google I/O 主题演讲里，“AI"这个词被台上念了一百多次，谷歌甚至在结尾自己拿这个数字打趣。一场将近两小时的发布会，从搜索讲到相册，从手机讲到数据中心，没有一个环节能绕开 Gemini。这已经不是"谷歌给产品加点 AI 功能”，而是整家公司把货架翻过来重摆了一遍。

搜索：AI Overviews 正式上位

分量最重的变化给了搜索。基于 Gemini 的 AI Overviews（AI 概览）开始向美国用户正式推送：你提问之后，搜索结果顶部先出现一段 AI 汇总的答案，再往下才是传统链接。谷歌的说法是，复杂问题——比如带好几个条件的旅行规划——过去要拆成好几次搜索，现在一句话问完，AI 帮你拼好信息。

这对普通用户是便利，对整个互联网生态却是地震：当答案直接出现在搜索页，点进网站的人就会变少。做内容、做流量生意的网站接下来都要重新想活法。有意思的是，就在前一天，OpenAI 刚发布了主打对话的 GPT-4o，我们在发布解读里聊过它的语音体验；再往前，我深度用过一阵的 Perplexity 也是同一条赛道。AI 搜索这一仗，搜索巨头、新贵和创业公司算是全员到齐了。感兴趣可以看我那篇Perplexity 使用体验，正好做个对照。

Gemini 钻进每个谷歌应用

第二条线是全家桶级的渗透：

Gmail：Gemini 可以帮你总结一长串邮件线程、提炼关键信息，还能用自然语言问它"我上周那封报价邮件说了啥"。
谷歌相册：新功能 Ask Photos，用一句话找照片——比如问它你某次旅行的行程细节，它能从照片的时间地点里推断出来，不再需要你手动翻相册猜日期。
安卓系统：Gemini 作为助手更深地进入系统层，能结合屏幕内容答疑，圈选搜索这类功能继续扩展。
Workspace：文档、表格里的 AI 侧边栏继续强化，主打会议纪要和资料整理。

这套打法的逻辑很直接：谷歌可能没有最性感的聊天机器人，但它有几十亿人每天都在用的入口。把 AI 铺进存量产品，比单独做一个爆款应用更符合它的体量优势。

安卓这边：防诈骗电话值得单独点名

藏在 AI 大主题之下的，还有一个对普通人特别实用的更新：安卓的通话诈骗识别。Gemini Nano 在手机本地监听通话内容（不上传云端），如果对话里出现了典型的诈骗话术模式——比如要求你紧急转账、索要验证码——系统会实时弹出风险提示。电话诈骗这两年花样翻新，家里老人尤其容易中招，一个系统级的实时提醒，比任何事后科普都管用。这是整场发布会里我最希望尽快铺开的功能，没有之一。

另外，圈选即搜（Circle to Search）也在继续扩展适用范围和场景，连学生做数学题都能圈一圈出分步解析。谷歌显然想明白了：抢 AI 入口不一定靠新应用，把每个安卓用户已经在用的动作——搜索、拍照、接电话——一一 AI 化，存量就是它最大的护城河。

搜索结果的"地震"，还没真正开始

回到 AI Overviews，多说两句它的连锁反应。过去二十年，网站运营者遵循的是一套明确的交换：给谷歌内容，谷歌给网站流量。AI 概览把答案直接端到用户面前，交换的一端就被截断了。发布会前后，不少内容从业者已经在讨论流量下滑的应对：要么做 AI 汇总不了的独家内容和真实体验，要么想办法成为 AI 引用时愿意标注的那个出处。

谷歌自己的广告模式同样被架在火上：搜索广告靠的是用户点进点出之间的注意力，答案越直接，注意力停留越短。谷歌给出的态度是"AI 概览里也会有广告位"，但这个新平衡怎么搭，所有人都还在摸索。可以确定的是，接下来一年的搜索结果页，会比过去十年变得都快。

模型与新玩具：1.5 Flash、Veo 和 Astra

模型层面，新发布的是 Gemini 1.5 Flash——1.5 Pro 的轻量版，主打快和便宜，面向高频调用场景；1.5 Pro 则把上下文长度进一步拉长并向开发者开放更多能力。简单理解，Pro 负责干重活，Flash 负责跑量。