憋了几个礼拜，谷歌开发者大会信息量爆炸了

今天凌晨，一年一度的 Google I/O 大会在加州山景城盛大开幕了。谷歌憋了好几周的大招，终于舍得一口气放出来，直接来了一波信息轰炸。

差评也派出前线小记者，世超不仅看了大会，还近距离接触了一把谷歌 CEO Sundar Pichai。

逛完一大圈，咱这就带大家伙儿实地走进 I/O，看看谷歌都整了哪些新活儿。

总结一下，这次谷歌把能更新的全做了一遍，AI 在各种产品上的应用更是全面开花。

首先迎面向我们走来的是语言模型大军。

作为谷歌的头牌之一，自三月发布以来，Gemini 2.5 Pro 的表现一直表现非常出色，在 WebDev Arena 和 LMArena 排行榜处于全球领先的地位。

这回，谷歌在 Gemini 2.5 Pro 的基础上继续探索，加入了深度思考模式，推出 Gemini 2.5 Pro Deep Think。

虽然具体的技术细节没有公布，但从他们放出的这张图可以看出，能深度思考的 Gemini 2.5 Pro 在数学、编程、多模态推理方面的效果都十分惊人，甚至在数学上碾压了 OpenAI 的 o3。

有了好模型做支撑，谷歌尝试在这个基座上再玩点新东西。

他们通过更新 Live API 推出了原生音频输出功能，不仅能够输出人味十足的声音，还能捕捉对话的情绪，自动调整语气。

在 Gemini 的加持下，Live AI 不仅说话的声音像人，说话的内容、方式也像人。

具体效果大家可以看下面的视频：

不知道各位差友感觉如何，世超听到第十秒的恶魔低语，鸡皮疙瘩都起来了。

除此之外，谷歌还优化了侧重效率的主力模型 Gemini 2.5 Flash，推出了 AI agent —— Project Mariner。

值得注意的是，除了常规的模型更新，他们还推出了 Gemini Diffusion，不使用 Transformer 架构，表现可以和 Gemini 2.0 Flash-Lite 相当，但速度是它的五倍。

Transformer 架构虽然用了这么久，但计算成本高，速度慢，苦于没啥替代手段，大家只好将就用着。

这次谷歌用扩散模型对大模型的底层架构发起挑战，如果未来 Gemini Diffusion 在表现上还有上升的空间，这可能是一次颠覆性的革新。

大模型说完，再看看多模态生成这边，花样就更多了。

Imagen 4、Veo 3、Lyria 2 接连推出，图片、视频、音频生成，谷歌全都要。

从官方的例子可以看出，Imagen 4 遵循提示词的能力满分，能生成高达 2k 分辨率的图片，画面清晰，细节到位。

在 Imagen 3 的基础上，Imagen 4 的整体图像质量更高，对指令遵循的能力更强，速度更快。

视频方面，Veo 3 不仅在 Veo 2 的基础上质量升级，还是首款带音频的视频模型，不仅自带对话，如果需要，也可以来点背景音乐。

结合生成的提示词来看官方的案例，Veo 3 对场景氛围、对话语气和人物动作表情的理解都很出色，生成的视频非常自然。

最后是 Lyria 2 的音频生成，同样很惊艳。

不得不说，Lyria 2 生成的这段秘鲁风格的舞曲，鼓点、电吉他、贝斯相辅相成，节奏明快，旋律流畅，丝毫没有 AI 痕迹。

目前，Imagen 4 和 Lyria 2 已经在谷歌的 Vertex AI 平台上线，Veo 3 可以加入 waitlist，感兴趣的差友可以去体验一下。

如果说咱上面看过的都属于零部件，而下面要说的，是谷歌怎么把这些零件组合起来，融入产品，把 AI 产品赋能体现得淋漓尽致。

首当其冲的，就是谷歌在搜索业务上推出的 AI mode。

自 2022 年 ChatGPT 问世，大模型对谷歌的核心搜索业务来了一轮狂风巨浪的冲击。

打不过就加入，谷歌这回直接把 Gemini 嵌进传统搜索，利用大模型的多模态和推理能力，把用户想要的整理好，直接喂到嘴里。

AI mode 底层使用谷歌的查询扇出技术 (query fan-out)，可以把问题分解成子主题，同时进行多个查询，深入互联网寻找答案。

谷歌表示，加入了 AI 概览以后，用户对搜索的内容满意度更高，使用频率上升了 10%，这是十年来搜索领域最成功的探索之一。

看来传统搜索加点 AI，还是能挽回用户的心的。

除了搜索，谷歌还把多模态生成技术揉一揉，用 Veo + Imagen + Gemini 搓出了一个电影制作工具 Flow。

Flow 可以用 Gemini + Imagen 生成图像，再用 Gemini + Veo 根据图像二次创作视频，还能进行故事续写。

从官方案例来看，Flow 的画面表现力确实很优秀。难道失业的风也要吹到导演了吗。。。

不止软件更新，摸得着的数码电子产品也是有的。

谷歌把老项目裸眼 3D Starline 全面升级为 Google Beam，使用六个摄像头从不同角度捕捉画面，再利用 AI 算法把视频流整合，投射在 3D 显示屏中。

不过，Google Beam 这次更新最大的亮点还是它的实时翻译功能。

这项新功能可以让不同国家的人使用母语通话，即使对方听不懂你在说啥，他们也能听到实时生成的翻译。

还有一个意想不到的产品在这次大会秽土转生了，那就是谷歌 2023 年已经宣判死刑的 Google Glass。

这回谷歌终于放弃之前那套自己搞硬件的想法，而是只干自己擅长的活儿 —— 系统，然后跟咱们国内的 Xreal 合作，推出了基于 Android XR 平台的最新眼镜产品：Project Aura。

Android XR 作为下一代计算设备的系统，结合了谷歌这么些年来在 AI 、VR 和 AR 等方面的技术积累，让头显和眼镜迎来了 Gemini 时代。

Project Aura 支持 AI 的实时翻译，还能进行发短信操作，识别摄像头看到的东西做搜索和问答，并且具备记忆能力。

有了谷歌的入场，接下来的智能眼镜领域应该会有好戏看了。

盘了这么多，其实这次 Google I/O 的内容还远远没有说完，他们还是太全面了。

除了上面已经提到的，还有编程智能体 Jules、 和 Shopping Graph 结合的一键 AI 试衣、Firebase 升级、SynthID 数字水印、可以在手机上跑的大模型 Gemma 3n、办公可用的 NotebookLM 等等等等。

东西太多，怕大家破产，谷歌还贴心地推出了 Google Ultra 订阅套餐，每月仅需124.99 刀，Google 全家桶带回家！

总的来说，一场 I/O 大会，可以看出谷歌作为科技巨头的野心。

背靠优秀的人才和庞大的资金，谷歌什么都要做，还要做得好。

他们早就摆脱了当年被大模型降维打击的被动局面，转守为攻，可以从容地等待别人去探索市场、试错，时机成熟后再快速入场，找到自己的节奏。

AI 竞赛还在如火如荼地进行，而这次大会，秀的可能不只是当下的技术。想要保住龙头的地位，更重要的,还有谷歌在 AI 领域的广阔布局和长远思考。

撰文：莫莫莫甜甜

编辑：江江 & 面线

美编：萱萱

图片、资料来源：

不咕笔记

前线记者西西

差评硬件部

谷歌黑板报公众号

X、Youtube

https://mp.weixin.qq.com/s/-9Feb31tvo-598XTIAG1xw

https://blog.google/technology/google-deepmind/google-gemini-updates-io-2025/#performance

https://cloud.google.com/blog/products/ai-machine-learning/announcing-veo-3-imagen-4-and-lyria-2-on-vertex-ai