AllWorkin / Articles / 2025.05.22

谷歌I/O 2025大会:AI驱动未来,从研究走向现实

在刚刚结束的谷歌I/O 2025开发者大会上,谷歌展示了其最新的AI创新成果和技术突破。本次大会以"从研究到现实"(From Research to Reality)为主题,重点关注如何将AI研究成果转化为实用产品,…

2025.05.22约 6 分钟#Gemini#设计#MCP#排行榜

image

在刚刚结束的谷歌I/O 2025开发者大会上,谷歌展示了其最新的AI创新成果和技术突破。本次大会以“从研究到现实”(From Research to Reality)为主题,重点关注如何将AI研究成果转化为实用产品,为用户和开发者带来更强大的工具和体验。以下是本次大会的主要亮点和重要发布内容。

一、Gemini模型全面升级

1、Gemini 2.5系列:更智能、更高效

谷歌发布了Gemini 2.5系列模型的重要更新,包括针对不同需求的两个版本:

  • Gemini 2.5 Pro:优化用于复杂任务处理,增加了“Deep Think”增强推理模式,能够在处理复杂数学和编程问题时考虑多种假设,在2025年美国数学奥林匹克竞赛问题评估中取得了令人印象深刻的成绩。

  • Gemini 2.5 Flash:针对速度和效率进行了优化,使用更少的令牌,在推理、多模态、代码和长上下文方面的基准测试中得分更高,已成为Gemini应用的默认模型。将于6月初正式推出。

谷歌DeepMind副总裁Tulsee Doshi表示:“Gemini 2.5 Pro在WebDev Arena和LMArena排行榜上都居于世界领先地位,在帮助人们学习方面也表现出色。”

2、全新AI基础设施

谷歌CEO桑达尔·皮查伊(Sundar Pichai)宣布推出第七代TPU “Ironwood”,这是专为大规模AI思考和推理工作负载设计的处理器,性能是上一代产品的10倍,每个pod可提供高达42.5 exaflops的算力。

二、革命性应用:从搜索到智能眼镜

1、AI搜索模式(AI Mode)

image

谷歌搜索即将推出全新的“AI模式”,允许用户提出更长的问题,并提供更具交互性、个性化和视觉丰富度的结果。新功能包括:

  • 针对复杂查询的AI生成图表

  • 服装购物的“试穿”功能,允许用户在购物前虚拟试穿

  • 基于过去搜索历史的个性化结果

  • 与Gmail等谷歌服务的连接,提供更具上下文的结果

此外,谷歌还宣布Google Lens现已拥有超过15亿月活用户。

2、Jules:自主编码代理

image

谷歌推出了名为“Jules”的AI编码代理,这是一个异步、自主的编码助手,可以:

  • 独立阅读代码并理解项目意图

  • 自动执行编写测试、构建新功能、修复bug等任务

  • 在后台异步工作,允许开发者专注于其他任务

  • 提供音频形式的更改日志,将项目历史变为可听的上下文日志

  • 与GitHub直接集成,无需切换环境

Jules基于Gemini 2.5 Pro构建,使用隔离的云虚拟机环境处理代码,确保隐私安全。目前Jules已进入全球公测阶段,无需等待名单,可在Gemini模型可用的任何地方使用。

3、Android XR和智能眼镜

image

谷歌在I/O 2025上深入展示了Android XR平台,这是谷歌在扩展现实领域的重要布局:

  • Android XR智能眼镜配备摄像头、麦克风和扬声器,可选配“透镜内显示屏”,能私密地在需要时提供有用信息

  • 谷歌正与Warby Parker和Gentle Monster等眼镜品牌合作,打造时尚且实用的智能眼镜

  • 宣布与三星扩展合作伙伴关系,共同开发软件和参考硬件平台

  • 开发者将能于今年晚些时候开始为该平台构建应用

  • XREAL将推出第二款Android XR设备,是一款便携式连接设备

谷歌展示了几个实际使用场景,包括语音创建日历事项、本地搜索并导航、消息回复和实时语言翻译等。

4、Project Astra与Google Beam

  • Project Astra:谷歌低延迟、多模态AI体验项目,现已为多项产品提供支持:

  • 在谷歌搜索中驱动新的“Search Live”功能,使用AI模式或Lens时,用户可点击“Live”按钮提问

  • 在Gemini应用中提供实时视频和屏幕共享功能,现向所有用户开放

  • 为开发者提供Live API,支持低延迟的语音交互,并增强了情感检测能力

  • Google Beam:源自Project Starline的全新产品,是谷歌的下一代沉浸式通信平台,通过先进的3D捕捉和显示技术,使远程通信更加真实。

三、创意工具与多媒体创作

1、图像与视频生成

image

  • Imagen 4:谷歌最新的文本到图像模型,生成的视觉内容更加细致,图像中的文本渲染也有所改进。已在Gemini应用中推出。

  • Veo 3:最新的文本到视频模型,具备更好的视觉质量、原生音频生成、配乐、与视觉匹配的音效以及对话功能。

  • Flow:新的AI电影制作工具,结合了Imagen 4和Veo 3,提供相机移动和视角控制、场景扩展等功能,并集成AI生成的视频与来自Google Lyria的音乐。

image

2、音乐创作

  • Lyria 2:改进的音乐生成技术,能够创作丰富的古典音乐并添加高质量的人声。

  • Music AI Sandbox:用于创建音乐曲目的工具,为艺术家提供探索独特音乐创意的可能性。

四、开发者工具与资源

1、模型开放与工具支持

  • Gemma 3n:谷歌最新的快速高效开放式多模态模型,专为手机、笔记本电脑和平板电脑设计,支持音频、文本、图像和视频处理。

  • Gemini Diffusion:新的文本模型,生成速度是目前最快模型的5倍,同时保持相同的编码性能。

  • MCP工具支持:Gemini API和SDK现支持模型上下文协议(Model Context Protocol)定义,使开发者更容易利用开源工具。

  • 思考摘要(Thought Summaries):在Gemini API和Vertex AI中引入,为企业级AI提供清晰度和可审计性,组织模型的原始思考过程,帮助验证复杂的AI任务。

2、新变体与专业模型

  • MedGemma:谷歌最强大的开放模型,用于多模态医学文本和图像理解,专为开发者设计,可适应和构建健康应用程序。

  • SignGemma:即将推出的开放模型,用于翻译手语。

增长与采用情况

谷歌CEO桑达尔·皮查伊分享了一些令人印象深刻的增长数据:

  • Gemini应用现已拥有超过4亿月活用户

  • 过去一年,谷歌产品和API每月处理的令牌数从9.7万亿增长到480万亿,增长了50倍

  • 超过700万开发者正在使用Gemini构建应用,比去年同期增长5倍

  • Vertex AI上的Gemini使用量增长了40倍

  • 使用Gemini 2.5 Pro的用户,使用量增长了45%

结语

谷歌I/O 2025展示了公司在AI领域的全面布局,从基础模型到实用应用,从开发者工具到消费者产品,谷歌正在将其AI研究成果转化为触手可及的现实。正如桑达尔·皮查伊所说:“我们正处于AI平台转变的新阶段,数十年的研究正在成为世界各地人们、企业和社区的现实。”

随着Gemini 2.5系列的推出、AI搜索模式的加入、Jules编码代理的公开测试以及Android XR平台的发展,谷歌正在将AI更深入地融入到人们的日常生活和工作中,为未来的技术发展奠定基础。

人工智能不再只是实验室里的概念,而是正在成为改变我们与技术交互方式的强大力量。谷歌I/O 2025向我们展示了这一转变的速度和规模,也让我们对AI驱动的未来充满期待。

更多关于AI工具、Cursor、MCP相关的教程和资讯请持续关注后续分享!

本文完整版详见公众号:未来的回响

文章精校版参见知识星球:AI工具实战派

AI工具实战派

觉得有用?每周的新笔记先发公众号。

每周的实战笔记先发在这里。扫码关注,新文章第一时间推给你。

关注 / 加入社群 →