虽然被OpenAI抢在前面发布了重磅新品演示，但$谷歌-C (GOOG.US)$后发制人，做到了OpenAI还没能做到的事，率先发布人工智能（AI）搜索引擎，捍卫搜索领域的王者地位，同时对垒OpenAI新发布的旗舰模型GPT-4o，以升级版的最强大AI模型Gemini迎战。

美东时间5月24日周二举行的年度Google I/O开发者大会上，谷歌CEO Sundar Pichai表示，谷歌所有的工作都围绕生成式AI模型Gemini来做，“我们希望每个人都能从Gemini 所做的事中受益。” AI搜索正是Pichai提到的Gemini融入谷歌多种服务之一。

Pichai宣布，本周，AI技术生成摘要的功能将上线美国的谷歌搜索，它名为AI Overviews，并很快会在更多国家地区推出。

通过多步推理，Gemini可以代替用户研究，找到更好的搜索结果。比如谷歌搜索中的Gemini可以通过汇总一天中的所有膳食以及所有菜肴的食谱，为用户规划膳食。如果用户觉得做饭太麻烦，谷歌搜索还可以在Gemini的帮助下，为用户找到可以购买用户所需餐食的地方。

在Gemini的帮助下，用户的搜索结果页面也会发生变化，比如寻找有现场音乐的餐厅，它甚至可以根据不同的季节做推荐，比如显示有屋顶的餐厅。

Pichai现场演示，借助Gemini 的强大功能，在谷歌相册Google Photos可以进行更多的相关搜索，比如通过名为Ask Photos with Gemini的新功能让Gemini找到用户想要的车牌照号，Gemini将根据上下文响应在相册中搜索，并选出用户想要的照片，得到照片中拍到的车牌照号。

谷歌云计算生产力和协作平台Google Workspace的许多服务将结合Gemini，例如用Gemini 在Gmail中搜索特定发件人发出的电邮，在线上网络和视频会议Google Meeting中找到亮点。

Gemini可用于搜索用户的手机，帮用户查找收据、安排取货窗口。如果用户计划旅行，Gemini 可以用来搜索有趣的活动。Pichai表示，谷歌正在“让AI对每个人都有帮助”。

谷歌称，用户将可以直接在搜索中通过视频提问。谷歌高管演示了，如何借助视频搜索修复损坏的电唱机。具体做法是，先录制视频展示损坏的问题，然后询问，为什么电唱机无法正常工作。谷歌搜索就能够进行逐帧搜索，回答高管的问题。

Gemini 1.5 Pro上下文窗口200万token 全球最长

谷歌称，推出号称有史以来最强大AI模型Gemini Advanced三个月内，已有超过100用户注册。

从本周二起，谷歌在Gemini Advanced中加入新模型成员Gemini 1.5 Pro，称它拥有的上下文窗口在全球消费类聊天机器人中最长，窗口起始就有100万个token。Gemini 1.5 Pro将向150 多个国家地区的Gemini Advanced订阅者提供，支持超过35 种语言。

Pichai称，Gemini 1.5 Pro“提供了迄今为止所有基础模型中最长的上下文窗口。” 他介绍，Gemini 1.5 Pro将拥有200 万个token的上下文窗口，是当前模型100万个token窗口的两倍。

Gemini新语音对话功能Live 定制版Gemini

谷歌称，今年夏季将扩展 Gemini 的多模态功能，包括增加用语音进行深入双向对话的能力，该功能被称为 Live。通过 Gemini Live，用户可以与 Gemini 交谈，并可以从各种自然的声音中选择它回应的声音。 用户甚至可以按照自己的节奏说话，或者在回答过程中打断并澄清问题，就像在任何人类对话中一样。

有网友评论称，想知道相比OpenAI周一发布的最新旗舰模型GPT-4o，Gemini的对话功能会有多好。

谷歌称，今年夏季，将在Gemini Advanced 中添加新的旅行规划功能。借助考虑时间和空间方面物流的先进推理，Gemini将能够创建个性化的行程，节省用户的工作时间。

未来几周，谷歌将在Gemini Advanced中添加新的数据分析功能。用户只需上传电子表格，Gemini 就可以分析数据、制作图表，并更快地发掘见解。

谷歌将推出被称为Gem的Gemini的定制版本。Gemini Advanced 订阅者将很快可以获得更个性化的体验，根据自己的需要创建Gemini，只需描述用户希望 Gem 做什么以及希望它如何响应，就可以让它化身健身伙伴、主厨帮手、编代码的拍档或者创意写作指南。

例如，用户可以要求Gemini：做我的跑步教练，给我一个每天跑步的计划，而且保持积极、乐观、激励我。Gemini将接收这些说明，用户只需单击一下，即可强化这方面的特质，创建一个满足特定需求的Gem。

Project Astra回答手机所拍物问题 安卓端侧Gemini增加多模态功能

谷歌官宣推出新的多模态AI项目Project Astra，它可以为用户解释智能手机拍到的东西。在谷歌展示的视频中，只要将手机摄像头对准某个物体，Gemini就可以识别它，比如一个红苹果，还可以回答诸如镜头中什么东西是可以发声的这种问题。

谷歌称，将很快为模型Gemini Nano添加多模式功能。这意味着，用户的手机可以通过文本、图像、声音和口语，按照用户理解的方式理解世界。

谷歌称，端侧安卓系统手机版的Gemini Nano将更有帮助，更有上下文的意识。今年，安卓手机的用户将可以将生成的图像拖放到Google Messages 和 Gmail 中，并可以直接在手机上提出有关YouTube视频和 PDF文件的问题，得到解答。

谷歌称，今年晚些时候，Gemini Nano的辅助功能TalkBack将增强。图像描述将更加清晰和丰富，帮助弱视用户和盲人用户通过语音反馈，更好地指示他们的手机。

编辑/Somer