在开始分析今天凌晨的2024 GoogleI/O大会之前，我们先来看下OpenAI 是如何连续三次精准狙击Google 的：

• 23年3月15日，Google PaLM API (谁还记得它) 发布同一天推出GPT-4。
• 今年2月16日，谷歌发布Gemini Pro 1.5当天发布大杀器Sora，让谷歌大招反响平平。

• 然后就是本次，在谷歌每年最重要的I/O大会前一天，发布GPT-4o。

OpenAI每次都抢尽风头，让Google的发布会激不起一点水花，导致业内戏称Google为AI界汪峰，简直虾仁诛心。

01

Project Astra

先说说本次个人认为最有看头的多模态 AI 助手 Project Astra ，实际功能与昨日OpenAI基于 GPT-4o 的 AI 助手极其类似。

下面分享两段演示视频，Google 特别标注每段视频均为单次拍摄、实时录制完成。

另一个视频演示，陪你一起看 Google I/O 直播并解说。

效果其实挺不错的，能完整介绍会议的内容，甚至还拥有过目不忘的记忆能力。

美中不足的是语音的感情色彩仍略显机械，另外响应时间似乎比 GPT-4o 要稍长一些。

这样的效果，假如是在昨天之前发布的话，定会让整个世界沸腾。

可惜，仅仅只是晚了一天，就被套上“像 GPT-4o 的标签”，令人难免有些意兴阑珊。

另外，正如昨天分析 GPT-4o 会带来哪些机遇的文章中提到的：

iPhone 和 Andriod 也一定不会示弱，苹果的vision pro和其他的VR或许真的将迎来重大机会

果然，在发布完Project Astra，会后彭博社便通过采访谷歌高层透露，Google Glass 增强现实眼镜项目即将在 AI的帮助下重返市场。

02

多领域成果，涵盖方方面面

除了上文提到的Project Astra ，本次 Google 主打一个量大管饱，处处提及 AI，甚至在大会最后官方还玩了一把去年的「说了多少次 AI」的梗，他的解决方案是将演讲脚本直接扔给 Gemini 统计，答案是 121 次。

总的来说发布的一系列AI相关的新产品和功能，涵盖方方面面，比如：

• Google Search AI更新：发布了AI Overviews，一个加强版的AI搜索概要功能，以及多步推理能力。
• Gemini大模型：介绍了Gemini 1.5 Flash（支持100万上下文）和Gemini Pro（支持200万上下文）。
• Gemini App：即将推出支持与AI视频对话的手机版Gemini应用程序。
• AI Review：一个新功能，用户可以通过AI大模型生成的摘要来简化搜索过程。
• Multi-step reasoning：一个重磅功能，能够帮助用户简化生活、工作和出行的计划。
• Planning in Search：帮助用户减少负担，例如根据特定需求生成一周食谱。
• Ask with Video：一个创新功能，允许用户通过视频与AI交互，获取问题的解决方案。
• Imagen 3：Google发布的最新图像生成模型，能够创建逼真的图像。
• Music AI Sandbox：一个音乐生成模型，可以根据一小段音乐demo进行拓展和创作。
• Veo：一个视频生成模型，能够根据文本、图像或视频提示创建高质量的视频。
• AI与Google产品整合：Google强调了AI技术与现有产品如Google相册、Gmail、Google地图的整合，提供了更丰富的用户体验。
• AI与Android的结合：Google计划将AI集成到Android操作系统底层，改变用户与手机的交互方式。

另外，个人也比较期待会后这个消息，Chrome 将在m126版本中内置Gemini Nano模型，以Chrome 全球20亿的设备装机量，意味着全球超过10亿的设备都将内置一个大模型。

03

争议与思考

Google的发布会在AI领域的实际影响力似乎被外界低估了。

很多媒体对此次发布会的评价似乎并未触及实质，尤其近来年来 Google 在大众的眼中变得不酷了，有大公司病了，甚至认为谷歌现在只是一个拙劣的跟随者。

但我认为Google本次所展示的AI应用层面的深度和实践程度实际上远超过昨天OpenAI所展示出来的。

OpenAI 真正的应用层面能力可能还是需要看今年 6 月份 WWDC 大会上，与苹果能合作到什么地步，在 iOS/iPadOS/macOS/versionOS 上能有多深度的融合。

但目前为止，Google基于其自身庞大生态的优势，在AI应用的落地方面已经展现出了其独特的优势。

未来，随着大模型能力的提升，应用界面必然变得更加简洁，在大部分场景下仅需一个图标或窗口即可实现多项功能，这种情况下应用的发展空间只会越来越小，而Google能够获取到开发者难以触及的底层和隐私数据，如Gmail、通话内容等之类，并将其优雅地整合进原有产品体系中。

在人机交互路径越发简单的情况下，再想要做出体验层面的交互壁垒越来越难。在没有体验交互壁垒，只需要后端技术能力的情况下，很难想象有哪些场景是Google实现不了，而创业者、开发者却能实现的。

也许以后会有一大批创业公司，独立开发者会被创死。

这就像裁判带口哨下场打比赛，你怎么赢？