超负荷 Google I/O：AI 大满贯更新在前，没人关注 Pixel 手机了 视焦点讯

在 AI 上积累了 7 年的谷歌，迎来了一场真正以 AI 为核心的 I/O 发布会。

比起去年，强调「整合全球信息，使人人都能从访问中受益」的使命，谷歌 CEO Sundar Pichai 今年 以「Making AI helpful for everyone」总领整个发布会。AI 将成为工具，帮助每一个人。这既包括了谷歌一贯强调的整合信息、学习，还包括 AI 成为创作力辅助、帮助企业更好地创新产品。

模型、产品、功能、平台、硬件，一个接一个 demo，一个接一个 trailer，掌声和欢呼一刻也没有停下。

【资料图】

如果没有 OpenAI 和微软带来的竞争，我们可能永远看到不到这样一场，超负荷的 Google I/O 发布会。

在这两个半小时里，山景城的海滨露天剧场，渴望成为世界中心。

开场三个 Demo

开场前的表演即是一个生成式人工智能实验。

音乐家丹 · 迪肯使用谷歌的 MusicLM、Phenaki 和 Bard Al 制作。「在制作这个节目的过程中，没有鸭子受到伤害。」

Sundar Pichai 登台，「机会终于来了，」他说，「这是 AI 的好年」。

在大模型及一系列产品功能更新前，他先上了三碟前菜。

Gmail 发布新功能「帮我写」（Help Me Write），根据邮件内容，用自然语言命令 AI 撰写对应的回复。

比如，航空公司发来航班取消的邮件，表示会送上代金券作为补偿，这时候你可以让 AI 帮你写一个全额退款的邮件，它就会结合具体邮件内容，撰写全文。

Google Maps 将街景与导航结合，发布新功能「沉浸式路线视图」（Immersive View for routes）。

用户可以在导航时，直接提前看到整个路线的动态街景视角。

在这一视图中，用户还能查看路线中的交通、天气情况。Google Photos 推出「魔法编辑器」（Magic Editor）。这是编辑前的图片，仅仅使用拖拽和一键优化，孩子的位置移动了，天空变得更蓝了。PaLM2 取代了 LamDA，

分化出四个版本

如今谈 AI 技术，必须先亮出大模型，谷歌也不例外。

在 I/O 之前，关于谷歌最新模型的消息就陆续传出。此前支持 Bard 的模型是一个轻量级的对话模型 LamDA，Pichai 在三月份采访中就表示，将把背后的模型升级为更大规模的 PaLM 模型。

I/O2023 上，最新最强的 PaLM2 终于露出了庐山真面目。PaLM2 是 PaLM1 的升级版。PaLM2 在数学、编码、推理、多语言翻译和自然语言生成上的表现都更加出色。

Pichai 现场展示了一个修改 Bug 后，用韩语对代码进行解释的例子：

PaLM 是谷歌于 2022 年 4 月份推出的大语言模型，有 5400 亿参数。这次介绍的 PaLM2 是在此基础上的升级版。PaLM 是 Pathways Language Model 缩写。可以理解为，在 Pathway 架构上训练的模型。

Jeff Dean 曾经专门撰文介绍 Pathway 架构，这个架构是为了可以处理多任务的通用模型而设计，采用了一种新的异步分布式数据流，这使得并行计算和运行更加高效。Pathways 还可以支持包含视觉、听觉和语言理解的多模态模型。

PaLM2 使用谷歌自主研发的 TPU 进行计算，具体使用了多少算力计算 PaLM2 目前尚未公布，但可以参考训练 PaLM1 的数据，使用了 6144 块 TPU。

使用谷歌最新的 TPU 架构来训练模型，意味着在基础工程上，谷歌进行了整合计算、优化缩放、改善数据集组合和模型架构等各项工作，这些也能够使得模型能力灵活被调用进各种产品、服务中。谷歌能够将模型的能力按照需求进行蒸馏和提炼。

为了让模型的能力更灵活地服务于产品，Pichai 特地强调，PalM2 有四种不同的尺寸，分别以动物的名称命名：壁虎、水獭、野牛和独角兽。其中壁虎（Gecko）最轻量级的版本。

Gecko is so lightweight that it can work on mobile devices and is fast enough for great interactive applications on-device, even when offline. This versatility means PaLM 2 can be fine-tuned to support entire classes of products in more ways, to help more people.

Gecko 是如此轻量级，以至于它可以在移动设备上工作，而且速度足够快，可以在设备上运行交互式应用程序，即使在离线时也是如此。这种多功能性意味着可以对 PalM2 进行微调，以便以更多的方式支持整个类别的产品，从而帮助更多的人。

最轻的模型可以在移动设备上运行交互应用程序，而在最新的三星 Galaxy 上，它能够每秒处理 16 个 Token。

此外，pathway 架构的设置，也利于在特定领域对模型进行微调。健康研究团队在此基础上进一步发展，创建了 Med-PaLM 2，它可以检索医学知识、回答问题、生成有用的模板，解码医学行话。

在上一代 AI 视觉技术中，AI 已经被训练能够看懂 X 光片等图像，现在结合语言生成能力，模型能够根据提供的

搜索新体验：升级 Bard 之外，

又加了一个 Search Lab

之前为了应对 NewBing 的挑战，谷歌匆匆上线了对话机器人 Bard。但是从各种用户反馈来看，许多人都觉得作为搜索助手的 Bard 不如 NewBing 好用。

对话与生成将更新搜索体验，已经成为新的共识，但是具体的产品形态依旧在探索的路上。谷歌也不想用 Bard 这个产品完全定义自己未来的搜索产品形态，因此关于搜索功能的升级，Keynote 中分为两个部分来展示：Bard 产品升级，Search Lab 的新功能测试。而这些新的功能，都由最 PalM2 来支持。

Bard 的基本功能点升级比如支持更多语言，能够识别图像信息，都属于规定动作，并无意外。让人感到惊喜的地方是，Bard 将接通谷歌自己的应用程序，以及一些外部的应用，来实现更强大的功能。

比如，有着惊艳语言生成图像能力的 Adobe firefly，在未来几个月将直接集成到 Bard 中。这样在和 Bard 的对话中，就能够设计图片，比如请柬的封面、想象中的蛋糕。

谷歌地图、图表能力也能够直接在 Bard 中调用。现场演示给了一个例子，用户通过提问得到了几所符合自己报考目的大学名单，让 Bard 在地图中将这几个学校的地址标出来，再让 Bard 根据学习的专业、排名、地址等相关信息生成对比表格。

关于复杂问题的搜索，则在 Search Lab 的环节中进行演示。Search Lab 是一个探索性的产品，目前还没有全部开放，需要申请 Waitlist 才能使用。

新的搜索体验试图帮助人们更好地分析一个复杂、或者有些模糊的问题。在人们开始搜索的时候，往往问题并不明确，而是知道一个大致的方向，又或者是问题能够再被拆分为子问题。

现场演示了对比景点、购买 ebike 两个例子。搜索即是决策过程，AI 生成要点提供了思考的框架，并提供相关链接，用户可以通过对话深挖信息。

有 3 岁以下的孩子和狗狗的家庭，Bryce Canyon 和 National Parks 哪个更适合？在这个案例演示中，Generative AI 汇总提炼了两个景点的优劣，并且提供了几篇参考链接，如果用户有需求，可以打开参考链接阅读，而且链接文章也会根据不同的内容重点进行分类。在另外一个演示案例中，用户需要选购一辆支持通勤 5 英里和山路的 ebike，AI 会提炼设计、电池、减震装置等关键的选购因素。对话模式下，AI 会记住用户之前的一些选择，对信息做进一步的处理。比如用户想要「红色的 Ebike」，AI 会继续基于「通勤 5 英里、支持山路」等条件继续进行筛选。谷歌的 AI 副驾驶，叫「Duet AI」

不出意外，有了新模型，对内，能升级的产品升级；对外，向企业提供服务，帮助他们更好地用上模型能力。这也符合 Pichai 在开场后不久提到的「AI helpful everyone」。

Google Workspace 是谷歌推出的多人协作软件，现在无论是写作文案、故事写作、制作幻灯片、制作表格，都可以用上 AI 了，形式类似于微软的 Copilot，在工作的主界面右侧有一个边栏，谷歌将其称为「sidekick」，AI 会在这里提出文章的修改意见、建议生成配图、表格的样式，用户选择合适的结果，就可以将 AI 生成的内容移入主界面。

「sidekick」样式

「Help Me Write」的写作辅助功能，同时出现在 Workspace 和 Gamil 里。据谷歌介绍，目前在 Workspace 最受欢迎的用例是「给出几个关键词，完成招聘要点」。

阅读室、豌豆荚创始人，同时也是谷歌前员工的王俊煜对此吐槽，这个产品设计就是沿用了 Microsoft 365 Copilot 的思路，但是换了个「Duet AI」的名字。

形式上看起来的确差不多，不过使用体验如何涉及很多细微的因素，比如根据 prompt 的生成内容是否令人满意，根据文章内容生成的配图效果如何，是不是可以直接使用。这些都需要等待用户们使用了一段时间后，给出反馈。

就像各处出现的「Help Me Write」，「Duet AI」也出现在给开发者的云工具上，在 Cloud Console 出现的「Duet AI」，功能是用语言改善开发者与云平台上工具的交互体验。利用生成式 AI 提供实时的上下文代码完成、代码函数生成、基于代码库的建议，甚至协助进行代码审查和检查。

面面俱到的服务：

平台、模型、计算设施

谷歌面向企业的 AI 平台叫做 vertex AI，企业用户可以在这个平台上调用需要的模型、按照需求对模型的参数权重进行微调、根据内部数据建立企业版本的搜索引擎。

除了语言模型，谷歌还提供了其它三个专业能力模型供选用：图像生成模型、代码生成模型、以及文本转语音模型 Chirp。

在现场展示的合作伙伴中，Replit、Character AI、Canvas 等明星公司都在其中，当然还有谷歌自己投资的 Antropic，也在使用谷歌提供的模型云服务。

现场还公布了一个基础设施层面的消息，谷歌和英伟达合作，搭建了基于 H100 的下一代 A3 图形处理器超级计算机。

基于 H100 的 A3 虚拟机，网络带宽比上一代 A2 虚拟机多 10 倍。当然，PalM 的 API 也将在不久开放。

可以说，在对外输出模型能力上，谷歌确实拿出了实力雄厚的大厂做派，从开发工具平台、到基础模型、到基础设施、开放 API，一整个做了全套。

硬件：三款新产品，

Android 14 未登场

这次 I/O 大会上 Google 也发布了一系列的硬件。除了在 2022 I/O 上预告的 Android 平板、新机 Pixel 7a，谷歌也终于发布了自己的折叠手机。

今年 5 月 4 日星战日，Google 的一段视频泄露了折叠手机 Pixel Fold 的存在。

对标三星的 Galaxy Z Fold 系列，目前有黑白两种配色，官方价格 1799 美元，已同步上架，预定送 Pixel Watch，6 月开始配送，默认不包含充电器。

为了实现折叠的形态，谷歌重新设计了长焦镜头模组、电池组件等等，使其保持相对的轻薄，官方号称是最薄的折叠屏手机。

双屏除了我们常见的桌面模式和悬停模式之外，谷歌考虑的「内外屏」同时显示功能是『实时翻译』，内外屏显示两种翻译的语言（感觉并不是什么有用的功能，语音翻译不是更实用？）。

总结

在微软的 NewBing、Office 365 全家桶、Notion AI 辅助写作功能面世之后，再看谷歌的产品似乎都给人一种似曾相识之感，很难耳目一新。大模型给产品形态上带来的第一轮冲击，已经基本完成了。

值得注意的是，虽然产品展示了识别图片的能力，但是谷歌似乎还没有一个像 GPT-4 这样的拥有文字、图像多模态的基础模型。Pichai 只是预告了一个叫做 Gemini 的多模态模型，正在研发之中，不久后会公布。

抛开 Duet AI 与 Copilot 类似的产品形态，谷歌在介绍时，强调了其自动优化 Prompt 语言表述，以及自动根据文章内容提出写作建议的特点，似乎更加用户友好。是否用起来也会如此，还需要等待用户反馈。同理，最新的模型 PaLM2 所支持的搜索功能，和 NewBing 相比，究竟体验如何？PaLM2 支持的 Bard，比之前 LamDA 支持的 Bard，使用感能够提升多少？

在 I/O 的媒体预沟通会上，有人提问，看起来谷歌将模型的能力分散到了各个产品里，重点不明确。来自谷歌研究部门的工作人员回答道，「这似乎是一种分散策略，但在谷歌，我们支持大量的产品，我们将其视为模型的灵活性，来支持不同的用例和受众群体。这也是我们能够同时在许多不同方向上测试模型能力的好方法。」

长期来看，大模型的最终竞争壁垒不在于技术，而在于产品是否会被用户真正接纳，围绕技术能否实现开发者生态。从这次发布来看，谷歌布局了所有能布局的产品与服务，而在其进入的领域中，是否能够真正形成优势，所有人将拭目以待。