編輯 | 言征
出品 | 51CTO技術棧（微信號：blog51cto）
5月與6月，舊金山硅谷各大新貴舊王正在激烈角逐，主戰場無疑則是AI。
就在昨天凌晨GPT-4o發布的24小時后，Google I/O大會也交卷了。
有意思的是，谷歌掌舵人皮查伊，好像很清楚觀眾們所想，一開始就安排AI在后臺統計了整場提及的AI次數：121，但隨后又不自禁地提了3次。這124次的提及，為什么會這么多？
圖片
因為這次主題演講，實在太全面了，脈絡清晰，而又讓人眼花繚亂，簡直讓我們重新認識了一遍谷歌。
為什么說脈絡清晰？很簡單，AI就是這場keynote的脈絡，從芯片到模型到重構應用，為什么說眼花撩亂，因為從吸睛程度上看，一系列發布都在證明谷歌在找到一個屬于巨頭的AI打法：少些高大上，多些接地氣。
在宣傳片中，我們可以聽到許多場景下，用戶們唱著講出提示詞，AI給出答案。有趣又貼和大眾的喜好。
圖片
大膽的創新應用對于谷歌而言或許不是最優解，漸進式/逐步增強現有產品，也許對于習慣于使用谷歌的大眾來說，未嘗不是一種通往生成式AI世界的舒適解。
整場看下來，小編感嘆道：谷歌一改急追OpenAI的姿態，而是用接地氣的新產品/新功能的發布，征服每一個谷歌產品用戶。
一、十一年鑄劍：谷歌史上最強大的TPU發布為AI加速
Sundar 會上宣布了谷歌第六代TPU Trillium，它是迄今為止性能最強、能效最高的 TPU，距離2013年，推出第一代TPU，已經過去11年。
令人印象深刻之處在于，與上一代的 TPU v5e 相比，Trillium TPU 的每芯片峰值計算性能提高了 4.7 倍，高帶寬內存 (HBM) 容量和帶寬增加了一倍，并將 TPU v5e 的芯片間互連 (ICI) 帶寬增加了一倍。此外，Trillium還配備了一種專用加速器：第三代SparseCore，來用于處理高級排名和推薦工作負載中常見的超大嵌入。
圖片
這就可以更快地訓練下一波基礎模型，并以更少的延遲和更低的成本為這些模型提供服務。
更難能可貴的是，在可持續性方面，Trillium TPU 的能效比 TPU v5e 高出 67% 以上。
Trillium 可以在單個高帶寬、低延遲 Pod 中擴展到多達 256 個 TPU。除了這種 Pod 級可擴展性之外，借助多切片技術和Titanium 智能處理單元 (IPU )，Trillium TPU 還可以擴展到數百個 Pod，從而連接建筑物級超級計算機中的數萬個芯片，這些芯片通過每秒數 PB 的速度互連數據中心網絡。
據介紹，Trillium TPU 將為下一波人工智能模型和代理提供動力。例如，自動駕駛汽車公司Nuro致力于通過機器人技術通過使用 Cloud TPU 訓練模型；谷歌云年度人工智能合作伙伴德勤將提供 Trillium，通過生成式人工智能實現業務轉型。接下來，對 Trillium TPU 上長上下文、多模式模型的訓練和服務的支持也將使Google DeepMind能夠比以往更快、更高效、延遲更低地訓練和服務未來幾代 Gemini 模型。
二、視頻生成模型Veo：長場景中的突破
這是一款非常驚艷的AI視頻生成器，輸出分辨率1080p，時長在一分鐘以上，效果堪比Sora。
圖片
據介紹，Veo 接受了大量鏡頭的訓練。這就是生成式 AI 模型的工作原理：輸入某種形式數據的一個又一個示例，模型會拾取數據中的模式，使它們能夠生成新數據——在 Veo 的例子中是視頻。
谷歌 AI 研發實驗室 DeepMind 負責人 Demis Hassabis 在虛擬圓桌會議上對記者表示：“我們正在探索故事板和生成更長場景等功能，以了解 Veo 的功能。我們在視頻方面取得了令人難以置信的進步。”
三、新模型
I/O大會上，谷歌一口氣宣布了很多重磅級的模型更新，可以看出聚焦解決大家在落地大模型過程中經常要遇到的問題上，比如文本模型，聚焦在解決私有化部署的成本和延遲問題上，視覺模型方面，大家在聚焦提示詞中的意圖理解和圖像細節的捕捉方面，當然還有較小規模的模型。
1.Gemini 1.5 Flash：專為成本和延遲敏感、大批量任務而設計
谷歌今天發布了的Gemini 1.5 Flash進一步增強了這些功能。它具有與 1.5 Pro 相同的 100 萬個令牌上下文窗口，但專為成本和延遲很重要的大批量任務而設計，例如聊天應用程序、字幕、詳細的視頻和圖像分析、從長格式文檔中提取內容和數據、和更多。
對于需要更大上下文窗口的用例（例如分析任務非常重的代碼庫或廣泛的文檔庫），客戶將能夠嘗試具有多達 200 萬個令牌上下文窗口的Gemini 1.5 Pro 。
圖片
目前該模型嘗鮮，尚需要大家提交waitinglist。
2.PaliGemma：Vertex AI 的開發人員多了一種選擇
PaliGemma是 Gemma 家族（Gemini輕量版）的第一個視覺語言開放模型。 PaliGemma 針對圖像字幕、視覺問答、理解圖像中的文本、對象檢測和對象分割等用例進行了優化。 PaliGemma 增加了開發人員可以在 Vertex AI 上訪問的模型選擇，以將正確的模型與正確的任務和預算要求配對。
3.Imagen 3 和 Gemma 2 模型將帶來更多模型創新
除了今天提供的模型和工具外，Vertex AI 用戶很快就能開始使用 Imagen 3 和 Gemma 2 模型進行創新。
Imagen 3將于今年夏天向 Vertex AI 客戶推出，提供谷歌迄今為止最復雜的圖像生成功能。 Imagen 3 能夠理解自然語言，從而更好地理解提示背后的意圖，整合較長提示中的小細節，并提高在圖像中渲染文本的能力。
同時在夏天推出的還有Gemma 2，其中包括一個 27B 模型，其性能可與更大的模型相媲美，為開發人員需要開放模型的用例提供更強大的選擇。
四、大模型全面走向谷歌產品你需要的只是ask
當然 Gemini 1.5pro也將走出單一的網站訪問形式，可以在許多原有的谷歌產品中刷到它，出現在Google Workspace的側面板上，出現在Gmail中，出現在Doc中。
借助新的側面板體驗（首先是 Gmail、文檔、表格、幻燈片和云端硬盤），Gemini將成為用戶跨多個應用的紐帶，不僅能夠與與其聊天，更能直接將來自電子郵件、文檔等的所聞所見來總結、分析和生成內容 ，而無需離開你所在的應用程序即可完成所有操作。
圖片
同時，界面會自動提供用戶正在處理的對話或內容的摘要，以及上下文相關的提示來幫助新手入門。
這對于從事重復性任務和工作流程，比如總結/審查/批準/提交報告的人來說，將會成為不錯的省時神器。你需要做的就是懂得如何提問。
五、谷歌布局Agent Builder
谷歌也推出了Agent Builder，思路當然也在于生態加速，即新的開源集成有助于快速跟蹤代理構建。
Vertex AI Agent Builder在 Next '24 上發布，使開發人員能夠通過一系列滿足不同開發人員需求和專業知識水平的工具輕松構建和部署企業就緒的一代 AI 體驗 ，從使用自然語言構建 AI 代理的無代碼控制臺，到Vertex AI 上的 LangChain等代碼優先的開源編排框架。這些功能可幫助客戶平衡快速實驗和迭代與成本、治理和性能要求。
六、谷歌搜索：王牌中的底牌
皮查伊在主題演講會上，提及搜索時，異常激動。
谷歌搜索是具有人類好奇心規模的生成式AI，“這是谷歌迄今為止最為激動人心的篇章”。
如果你也熬夜看了整場keynote，相信你也有這種感覺——最厲害的狠角色，還要數谷歌搜索的大革新。谷歌發布了 AI Overviews，加強版 AI 搜索概要功能，多步推理能力上架。
Google 在發布會上介紹，新面目的 Google Search，主要有三個獨特的優勢：
第一，Google 的實時信息包括超過一萬億個關于人、地點和事物的事實；第二，名列前茅的產品，和最好的網絡服務之一；第三，Gemini 的力量。
把將這三件事結合在一起，就解鎖了 Google 在搜索領域的全新能力。
比如： AI Review這樣一種新功能，用戶可以通過在搜索結果的頂部，獲取由 AI 大模型生成的摘要，以此簡化整個搜索過程，讓復雜問題的檢索過程，變得簡單。
圖片
再比如：Multi-step reasoning ，多步推理，比如你可以通過搜索欄來找到「附近最好的瑜伽館」，隨后附近所有關于瑜伽館的評價評分、課程推薦、距離等重要信息，都會被分類成塊，十分清楚地在搜索結果中顯示。
圖片
憑借Google自有的龐大數據庫，AI 在搜索過程當中可以調用最新、最全的高質量信息，所以搜索結果的準確性和可信性也就有了更多的保障。
第三個比較貼心的功能就是planning規劃能力，比如幫你重新調整膳食結構、不想在早餐、午餐和晚餐時吃通心粉和奶酪。就可以直接把需求拋給搜索框，Google Search 就能還給你一份按照要求，且合理安排的全新一周食譜。
如果你實在難以描述碰到的一些故障問題，還可以使用ask with video 的功能，諸如唱片的零部件不起作用了/相機的快門突然失靈等等，現在不用大費周折地寄回廠家售后。
圖片
七、谷歌做對了一件事：讓AI實用
在大模型時代，沒有完美的產品，即便是谷歌和Open AI，但真并不影響大家在這個時代各盡其才，各顯神通。
正如英偉達高級AI經理JimFan所評論的，昨天的OpenAI找對了方法，而今天的谷歌做對了一件事：他們終于開始認真努力將人工智能融入搜索框。我感受到了代理流程：規劃、實時瀏覽和多模式輸入，所有這些都來自著陸頁。谷歌最強大的護城河是分銷。
Gemini 不必是最好的模型，就可以成為世界上使用最廣泛的模型。
