本文作者：李笑寅

来源：硬AI

OpenAI抢发重磅新品次日，谷歌也“放大招”直接对垒GPT-4o。

当地时间5月14日周二，年度Google I/O开发者大会上，谷歌CEO Sundar Pichai发布了一系列与AI有关的新品和新功能，包括：AI Overviews技术生成摘要功能、Gemini 1.5 Pro上下文窗口拓宽至200万Tokens、多模态Gemini Nano模型、第六代TPU芯片Trillium等。

围绕AI搜索引擎方面，谷歌带来了一系列更新。值得一提的是，谷歌发布了一款多模态AI项目Astra，用来处理音频、视频等多模态的输入内容。

演示视频显示，Astra可以通过手机摄像头辨别物体，还能够识别所处位置。

不论是定位还是功能，谷歌这款AI助手的到来显然对GPT-4o产生了威胁。

华盛顿大学专门研究在线搜索的教授Chirag Shah对此评论道：

“最终，你会有一个真正了解你的代理，可以为你做很多事情，并执行跨任务和跨领域的命令。”

谷歌还在发布会上表示，今年夏天开始，Gemini也将支持语音实时交互，并在今年晚些时候上线实时视频交互。未来几个月内，谷歌也将推出类似于GPTs的自定义AI助手功能，叫做Gems，能够与整套“谷歌全家桶”联动。

第一个AI“杀手级应用”？

从OpenAI和谷歌的发布会来看，GPT-4o目前只能处理静止图像，但Astra可以处理视频，这是一个显著的优势。

并且，谷歌在发布会上还对Gemini 1.5 Pro大模型进行了诸多更新，使其可以拥有更自然的声音、更长的对话、对音频和图像的更好理解、更多的逻辑推理和规划能力，以及更好的代码生成。

不过，GPT-4o背后的技术创新同样令人深刻。据悉，该原生多模态模型能够直接接收/生成语音，而无需经过语音-文字的转化过程，大大缩短了运行周期；并且在执行任务所需的参数量也大幅降低，从而提高运行速度、缩减成本。

就当前进展而言，很难判断OpenAI和谷歌的AI助手中谁更胜一筹，但二者对该领域的重视程度是无疑的。

据媒体此前报道，苹果也在考虑在其手机语音助手Siri中引入GPT技术，以支持AI功能。

科技巨头们相继发力，是否意味着AI助手会成为下一个AI“杀手级应用”？

答案尚不肯定。

有分析指出，虽然目前GPT-4o和Astra展示出的用例都很有趣，但“几乎没有一个”是帮助人们完成工作的。也就是说，这两款AI助手看似功能强大，但实际效用仍是未知。

分析称，如果AI助手后续能够更理解用户的个人偏好，可能其“代理”属性能够有所增强，帮助用户真正完成日常工作，比如网购、预订、填表……

AI手机下一步需要解决什么？

虽然OpenAI和谷歌的AI助手可以直接通过语音、视频等形式运行，但有观点认为，二者仍不能被称作是一个AI助手。

原因在于，GPT-4o和Astra虽然都可以回答问题并执行搜索工作，但它们不能真正执行任务。

华尔街见闻此前提及，OpenAI的在发展边缘AI方面的痛点即为：端侧应用权限、系统级权限。这可能也是它寻求与苹果合作的原因之一。

就目前而言，只要AI助手产品还没有真正接入到手机系统中去，Siri之类的语音助手的地位就无法被撼动。

有观点指出，确定性要比AGI（通用人工智能）更重要，靠谱才是第一的。

该观点认为，即使是目前最好的AI系统，也没有做足准备真正实现个人助手的功能；而手机自带的语音助手虽然没那么“有趣”，但至少不会出错。