软件硬件双管齐下，定义“下一代 AI 产品”怎么做。

作者｜张勇毅

首先是一个冷知识：ChatGPT 中的“T”代表“Transformer”，这个概念是谷歌的一群工程师在 2017 年提出的，并发表在一篇现在已成经典的论文《Attention Is All You Need》中。

这个小细节，很大程度上能说明谷歌在 AI 领域并不是一个花架子团队，而是由一群 AI 产品业内经验最丰富的老兵组成的团队，从 Gemini 2.5 发布之后，Google 在 AI 领域的优势已经颇有点“渐入佳境”的感觉：基础模型能力的大幅提升，加上 Gemini 在谷歌软件生态内的逐渐深入，让全球数以十亿计的用户都在这个过程中，逐渐被“转化”成谷歌 AI 产品的用户。

如何“转化普通用户变成 AI 产品用户”，是这个时代几乎所有 2C AI 产品都需要回答的问题，显而易见，在这个问题上，Google 已经凭借着巨大的存量用户优势，甩开了所有竞争对手——但谷歌同样需要奔跑不停，才能在 Perplexity、OpenAI 以及微软等强大竞争对手的围剿中，留住用户的心。

Google 显然最清楚在端侧 AI 爆发的时代，谷歌的实际优势在哪里，用户同样知道谷歌知道他们想要哪些 AI 能力，出现在自己最常用的日常应用中。

这就是今年谷歌 I/O 2025 大家的共识，Google 也确实在主题演讲中，几乎全程都在介绍谷歌在这些领域中的潜力，以及向世界展示，AI 能给这些用户原本已经熟悉的使用体验带来哪些改变。

01

Google 搜索引擎 AI Mode 深入

作为目前巨头中 AI 落地成效最显著的选手，Google 毫不掩饰自己在 AI 产品商业化用户规模上的领先，上来就展示了大量 AI 能力在谷歌产品中的实际应用成果。

Google CEO 桑达尔-皮查伊 介绍，基于 Gemini 能力的 AI 总结功能现在已覆盖全球超过 15 亿用户，AI 总结功能在全球的调用次数增长已经超过 10%，而且这种增长还在持续。多模态识别能力的谷歌Lens 现在同样已经有超过 15 亿的月活用户。

桑达尔-皮查伊将其称为“搜索引擎过去十年内最成功的革命”｜ 图片来源：极客公园

但 AI 显然不只是能在搜索引擎上起到作用，比如谷歌同时就宣布了新的“虚拟试穿”功能，谷歌会要求你提供一张全身照片，通过大模型“理解人体和服装的细微差别，不同材料在不同身体上折叠、拉伸和垂坠。然后使用这张照片，生成你穿着你正在选购的衣服的图像。

一直传闻中的谷歌想要借助 Chrome 入局 AI 浏览器，本次 IO 中也终于崭露头角，除了 Chrome 浏览器本身更深度的整合 Gemini 接口、识别网页内容以外，谷歌还为搜索引擎调添加了全新的“AI 模式”。这个模式把类似 Gemini 或 ChatGPT 的聊天机器人功能直接带入了用户的网页搜索体验。你可以用它来找链接，但也能更快地获取信息、追问问题，让 Gemini 以平时在普通网页上找不到的方式来整合信息。

谷歌搜索的负责人甚至放出豪言：如果你想知道互联网上最重要的搜索引擎未来会变成什么样，那你就去点开“AI 模式”看看。

“AI 模式”同时也支持深度研究功能，会自动将用户的提示词转化为海量的搜索，并自动查找和整合信息，同时在这个模式下，AI 搜索还可以访问你之前的搜索记录，你也可以手动开启权限，让它可以访问你的电子邮件，以便 AI能更了解“你是谁”以及你关心什么。

把所有这些功能加起来，你就会得到一个更加灵活和个性化的 AI 搜索，无论是针对用户本身还是当前的具体查询，显然都能根据用户信息给出更加精准的回答。

Gemini 2.5 家族也同时加入了支持深度思考的版本 —— Gemini 2.5 Pro Deep Think，在 2025 年美国数学奥林匹克竞赛 (USAMO) 中取得了 40.4% 的高分，要知道这可是最难的数学基准测试之一，比之前的 2.5 Pro 版本足足提升了 10 多个百分点。同时在 LiveCodeBench 竞赛级编程难题中，它的得分更是高达 80.4%。同时，在多模态推理 MMMU 测试中，也取得了 84.0% 的成绩。

Gemini Live 的摄像头共享功能于去年在谷歌I/O 大会上首次亮相，当时它的名字还叫 Project Astra，随后作为 Gemini Live 在 Android 上正式推出。它允许谷歌Gemini“看到”您摄像头中的一切，因此您可以就周围的世界进行持续对话——例如，根据冰箱中的食材询问食谱建议。

随着谷歌在用户场景中逐渐深入，现在这一功能被直接引入搜索的 AI 模式中，通过点击“Live”图标，用户将能够与搜索共享他们的摄像头画面，并直接询问眼前的事物，例如自行车应该如何组装。并且可以自动根据上下文对你们的情况进行同步更新回答。

在现场的演示中，最令笔者印象深刻的新功能，是其新获得的主动性。可以根据它观察到的事件选择何时开口，像一个真人一样，对你的操作进行建议，例如在用户做作业时进行观察，它可能会注意到您犯了一个错误，并直接指出用户哪里错了，而不是反过来等着用户要求 AI 去执行任务。

据 DeepMind CEO Demis Hassabis 表示，教 AI 自主行动一直是计划的一部分。这些“察言观色”的技巧，是人类相对擅长但难以量化或研究的事情。

02

Android XR

明眼人看到这里已经能反映过来了：比起手机摄像头，这个如此深入现实世界的多模态 AI 功能，似乎更适合的载体是在眼镜上。

Google 显然同样想到了这一点，随即趁热打铁，宣布了 Android XR 的新进展，同时在现场展示了谷歌XR 眼镜的原型机。

在演示中，Google 强调它们是使用 Gemini 的“最佳硬件”：Google的、 展示的原型眼镜搭载有相机，麦克风和扬声器，Gemini 可以调用这些硬件，帮用户理解周围的世界。同时在显示屏上显示类似地图导航等更多信息。

目前，谷歌正通过与三星、XREAL 的合作，来研发首批搭载 Android XR 操作系统的眼镜硬件。谷歌 XR 副总裁 Shahram Izadi 表示，第一款硬件设备是三星的 Project Moohan，但那是一款更接近 Apple Vision Pro 的 XR 头显。第二款 Project Aura 属于 XREAL。定位是一款 AR 眼镜。

除了三星、XREAL 这样的硬件厂商，Google 显然也是从 Meta Ray-Ban 的大获成功中吸取到了经验，同时也宣布了与包括 Gentle Monster 在内的两家时尚眼镜巨头合作，一同将 AI 眼镜打造的更加时尚。

03

AI 创作全家桶

除了直接面向最多普通用户的 Gemini，Google 同时还针对创作者的一系列 AI 创作工具，进行了更新换代 —— 其中不仅有直接与 Sora 竞争的 Veo3、图像生成工具 image4，Lyria 2 音乐生成模型，还有全新视频创作工具 FLOW。

Veo 3 相比前代，最大的升级是它可以生成包含音效、背景噪音，甚至对话的视频。

谷歌现场演示了一段 CGI 级别的生成动画，其中动物在森林里说话。声音和视频完美同步：有声音的视频显然大大提升了 AI 生成视频的实用性。谷歌 DeepMind 首席执行官 Demis Hassabis 也表示：“我们正在走出视频生成的‘无声时代’。”

Google 同步宣布了“大杯”和“超大杯”订阅服务，AI Pro 与 AI Ultra，其中顶配的谷歌AI Ultra 要价每月 249 美元，但同时也确实提供了物超所值的服务 —— 例如几乎无限制的各项服务使用额度，以及 30TB 的谷歌Cloud 云端存储容量。

AI Ultra 计划允许用户试用 Gemini 2.5 Pro 全新的增强推理模式 Deep Think，据谷歌介绍，该模式专为“高度复杂”的数学和编程问题设计。它还提供 Chrome 中 Gemini 的早期访问权限，允许订阅者直接在浏览器中使用 AI 完成任务和总结信息。

除了这些之外，订阅用户还可以试用谷歌的 AI Agent 原型 —— Project Mariner，可以同时自动化多达 10 项任务，例如查找信息、预订和购买产品。

通过将 Gemini 能力深度融入搜索引擎、Chrome浏览器、虚拟试穿、乃至全新的Android XR生态和AI眼镜，Google不仅在提升现有产品的用户体验，同时也是在潜移默化地定义“下一代 AI 产品”怎么做。

显然，在端侧 AI 产品如何做这件事上，Google I/O 展示出的“软件硬件双管齐下”，已经足以让谷歌再次成为 AI 产品生态中最让人忌惮的选手。

*头图来源：极客公园