在5月14日的谷歌I/O开发者大会上，Google和Alphabet首席执行官Sundar Pichai分享了公司最新的AI进展，重点介绍了Gemini——一个原生多模态模型，标志着AI技术从处理单一数据类型向跨文本、图像、视频、代码等多种数据类型推理的重大飞跃。

Gemini模型：跨模态推理的里程碑

自一年前首次公开Gemini计划以来，Google已经推出了首批功能强大的Gemini模型，这些模型在多模态基准测试中表现出色。而随后推出的Gemini 1.5 Pro更是在处理长上下文方面取得了突破，能够稳定地处理多达100万个令牌的数据，远超目前其他大规模基础模型的能力。

Pichai强调，Gemini的功能不仅仅局限于实验室研究，而是已经广泛应用于实际开发中。目前，超过150万的开发者正在使用Google的各种工具中的Gemini模型，用于调试代码、获取新见解以及构建下一代AI应用。

Pichai还透露，Google已经将Gemini的突破性功能整合到多款产品中，包括搜索、Photos、Workspace和Android等，为用户带来全新的体验。例如，在Google搜索中推出的AI Overviews体验，以及即将推出的Ask Photos功能，都展示了Gemini在处理多模态数据方面的强大能力。

搜索革命：AI Overviews与Ask Photos引领新潮流

值得注意的是，AI Overviews体验是Google搜索领域的一大创新，它能够根据用户的查询提供详细、结构化的信息，让用户以全新的方式探索知识。而Ask Photos则允许用户通过自然语言与照片库中的图像进行交互，获取关于特定时刻或事件的详细信息。

Pichai举例说道，假设你在停车场缴费时，却想不起自己的车牌号。以往，你需要在 Photos 中搜索关键词，然后翻找多年积累的照片来寻找车牌。但现在，你只需直接询问 Photos 即可。它能够识别出经常出现的车辆，通过多方信息交叉验证判断出哪一辆是你的，并提供车牌号码。

多模态与长上下文：解锁知识的新维度

Gemini模型的多模态和长上下文能力是其核心优势之一。多模态允许模型理解不同类型的数据输入，并找到它们之间的联系；而长上下文则使模型能够处理大量信息，从而提供更准确、更全面的答案。这种能力使得Gemini在处理复杂任务时表现出色，如总结长电子邮件、分析大量文档等。

在此当中，Gemini 1.5 Pro的推出标志着Google在处理长上下文方面的重大进步。Gemini 1.5 Pro的多模态特性使其能够同时处理文本、图像、视频和代码等多种数据类型，而长上下文能力则允许模型在更广阔的范围内捕捉信息。这些特性在Google Workspace中得到了充分应用，为用户提供了前所未有的便利。

在Gmail中，Gemini 1.5 Pro能够智能地识别和分析邮件内容，甚至包括PDF等附件，为用户提供关键要点和待办事项的摘要。对于忙碌的家长来说，这意味着能够轻松掌握孩子在学校的最新动态，不错过任何重要信息。

此外，Gemini 1.5 Pro还能在Google Workspace的其他应用中发挥巨大作用。例如，在会议录音中，它能够快速提取核心内容，帮助用户节省宝贵时间。在文档编辑方面，它不仅能够提供语法和拼写检查，还能根据上下文智能推荐相关内容和格式。

NotebookLM与AI智能体：引领新一代I/O体验

除了Google Workspace外，Pichai表示，Gemini 1.5 Pro还在NotebookLM等应用中展示了其多模态能力的潜力。NotebookLM中的音频概述功能，通过Gemini 1.5 Pro生成个性化和交互式音频对话，为用户提供了全新的学习和交流方式。

更进一步的是，Google正致力于开发AI智能体，这些能够推理、规划和记忆的智能系统有望在未来帮助用户完成更多复杂任务。以购物退货为例，AI智能体能够自动处理整个退货流程，从搜索收据到填写退货表格，再到安排取件服务，一切尽在掌握。

新一代AI基础设施：Trillium TPU发布

为了支持Gemini 1.5 Pro等先进AI模型的发展，Google宣布推出第六代张量处理单元（TPU）——Trillium。与上一代TPU相比，Trillium在性能上提升了4.7倍，将为AI训练和推理提供前所未有的计算能力。这一重要进展将进一步加速AI技术的发展和应用。

Pichai公开表示，为了充分发挥AI的潜力，Google不仅在模型和技术上进行创新，还在基础设施方面进行了大规模升级。通过采用液体冷却系统、部署庞大的网络规模以及提供多样化的计算资源，Google正致力于构建一种开创性的AI超级计算机架构，以应对更复杂的挑战。

隐私与安全：负责任的AI发展路径

此外，在推进AI技术的同时，Google也高度重视隐私和安全问题。通过AI辅助红队测试等尖端技术，Google不断改进其模型以应对潜在的安全威胁。此外，Google还将SynthID水印工具扩展到文本和视频领域，以帮助用户识别AI生成的内容。

搜索功能的革命性变革

Pichai在本次大会上还强调了Google搜索在AI时代的变革。他表示，Gemini时代的搜索将结合基础设施优势、最新的AI功能和对信息质量的高标准，为用户提供更加智能和个性化的搜索结果。这一变革将使得搜索不再仅仅是获取信息的工具，而是成为用户工作和生活的得力助手。

因此，基于提升搜索工具的AI的渗透率，化Pichai还宣布了名为Live的全新Gemini体验，用户可以通过语音与Gemini进行深入对话。此外，Google还将Gemini模型整合到Android系统中，推出了Gemini Nano多模态模型，为用户提供更加便捷和智能的移动设备体验。