作家：赵雨荷

开头：硬AI

为应酬OpenAI此前推出的宽阔新址品，周三推出下一代迫切东说念主工智能模子Gemini 2.0 Flash，不错原生生成图像和音频，同期因循文本生成。2.0 Flash还不错使用第三方欺诈法式和办事，使其概况造访谷歌搜索、实际代码等功能。

从周三起，2.0 Flash的实验版块将通过Gemini API和谷歌的AI成就平台（AI Studio和Vertex AI）提供。然则，音频和图像生告捷能仅对“早期接入联接伙伴”怒放，并计议在来岁1月全面推出。

畴昔几个月内，谷歌示意将推出2.0 Flash的不同版块，用于Android Studio、Chrome DevTools、Firebase、Gemini Code Assist等居品。

Flash的升级

第一代Flash（1.5 Flash）只可生成文本，且并未瞎想用于寥落高要求的职责负载。据谷歌称，新版块2.0 Flash模子更具各类性，部分原因是它概况调用用具（如搜索）并与外部API交互。

谷歌Gemini模子居品素雅东说念主Tulsee Doshi示意，

“咱们知说念，Flash因其在速率和性能上的细密均衡而备受成就者酷好。在2.0 Flash中，它依然保握了速率的上风，但当今愈加苍劲。”

谷歌宣称，根据公司里面测试，2.0 Flash在某些基准测试中的运行速率是Gemini 1.5 Pro模子的两倍，并在编码和图像分析等鸿沟“显耀”蜕变。事实上，该公司示意，2.0 Flash凭借其更好的数学性能和“事实性”取代了1.5 Pro，成为Gemini的旗舰模子。

2.0 Flash不错生成并修改图像，同期因循文本生成。该模子还不错读取像片、视频以及音频录制骨子，从而回复与这些骨子关连的问题。

音频生成是2.0 Flash的另一个关键功能，Doshi将其形容为“可操控”和“可定制”。举例，该模子不错用八种针对不同口音和言语优化的声息来朗诵文本。

不外，谷歌并未提供2.0 Flash生成的图像或音频样本，因此无法判断其输出质料与其他模子的比较。

谷歌示意，它正在使用其SynthID本领为2.0 Flash生成的总计音频和图像添加水印。在因循SynthID的软件和平台（即部分谷歌居品）上，该模子的输出将被象征为合成骨子。

此举旨在缓解东说念主们对蹧跶的担忧。事实上，“深度伪造”（deepfake）正成为日益严重的羁系。据身份考证办事Sumsub的数据，从2023年到2024年，人人检测到的深度伪造数目增长了四倍。

多模态API

2.0 Flash的分娩力版块将于来岁1月推出。但与此同期，谷歌推出了一个API，名为Multimodal Live API，以匡助成就者构建具有及时音频和视频流功能的欺诈法式。

通过Multimodal Live API，谷歌示意成就者不错创建具有来自录像头或屏幕音频和视频输入的及时多模态欺诈法式。该API因循用具集成以完成任务，并概况处理“天然对话样子”，举例打断——与OpenAI的及时API功能访佛。

Multimodal Live API已于周三上昼全面怒放使用。

AI代理操作网页

谷歌周三还发布了其首个概况在网页上实际操作的AI代理，这是由其DeepMind部门推出的商酌模子，名为Project Mariner。该代事理Gemini驱动，概况领受用户的Chrome浏览器，迁移屏幕上的光标，点击按钮，填写表单，从而像东说念主类相通使用和浏览网站。

谷歌示意，从周三驱动，这款AI代理将率先面向一小部分事前选择的测试者推出。

媒体报说念，谷歌正在继续尝试新的相貌，让Gemini概况读取、回来以致使用网站。一位谷歌高管告诉媒体，这标志着一种“全新的用户体验范式漂泊”：用户不再径直与网站交互，而是通过生成式AI系统完成这些交互。

分析合计，这种漂泊可能会影响数百万家企业——从TechCrunch等出书商到沃尔玛等零卖商——这些企业一直以来齐依赖谷歌将真确用户率领到他们的网站。

在与科技媒体TechCrunch的演示中，谷歌实验室总监Jaclyn Konzelmann展示了Project Mariner的职责旨趣。

在Chrome浏览器中装配一个扩张法式后，浏览器右侧会弹出一个聊天窗口。用户不错教唆代理完成诸如“根据这份清单在超市创建购物车”之类的任务。

接着，AI代首肯导航到一家超市的网站，然后搜索并将商品添加到假造购物车中。一个了然于目的问题是代理运行速率较慢——每次光标迁移之间约有5秒的蔓延。只怕，代首肯中断任务并复返到聊天窗口，要求清醒某些物品（比如需要若干胡萝卜等）。

谷歌的代理无法完成结账，因为它不会填写信用卡号或账单信息。此外，Project Mariner也不会为用户接受cookies，或签署办事条目公约。谷歌示意，这是出于对用户更好适度的洽商，成心不允许代理实际这些操作。

在后台，谷歌的代首肯截取用户浏览器窗口的截图（用户需在办事条目中同意这少许），并将其发送到云表的Gemini进行处理。然后，Gemini会将导航网页的教唆发送回用户的电脑。

Project Mariner还不错用于搜索航班和旅店、购物家居用品、查找食谱以寥落他刻下需要用户点击网页才气完成的任务。

不外，Project Mariner仅能在Chrome浏览器的最前端行径标签页上职责，这意味着在代理后台运行时，用户无法用电脑作念其他事情，而是需要不雅看Gemini逐步所在击操作。谷歌DeepMind首席本领官Koray Kavukcuoglu示意，这是一个颠倒挑升的决定，想法是让用户知说念谷歌的AI代理正在作念什么。

Konzelmann示意，

“[Project Mariner]标志着咱们当今看到的一种根人性的新用户体验范式漂泊。咱们需要探索一种正确的措施，让这一切改变用户与网页互动的相貌，同期也改变出书商为用户以及代理创建体验的相貌。”AI代理作念商酌、写代码、熟悉游戏

除了Project Mariner，谷歌周三还推出了几款专门用于特定任务的新AI代理。

其中一个AI代理Deep Research旨在通过创建多措施商酌计议匡助用户商酌复杂商酌。它似乎是OpenAI的o1的竞争敌手，后者也概况进行多措施推理。然则，谷歌发言东说念主指出，该代理并无用于处分数学和逻辑推理问题、编写代码或进行数据分析。Deep Research现已在Gemini Advanced中推出，并将在2025年登陆Gemini欺诈。

当收到一个贫苦或限度较大的问题时，Deep Research会创建一个多措施的行径计议走动复问题。在用户批准计议后，Deep Research需要几分钟的时辰走动复问题、搜索网页，然青年景一份防范的商酌申报。

另一个新AI代理Jules旨在匡助成就者完成代码任务。它径直集成到GitHub职责流中，使Jules概况查看现存职责并径直在GitHub中进行改造。Jules现已向一小部分测试者推出，并将在2025年晚些时候发布。

临了，谷歌DeepMind示意正在成就一款用于匡助用户熟悉游戏的AI代理，这是基于其在创建游戏AI方面的长久教会。谷歌正在与Supercell等游戏成就商联接测试Gemini施展《部落轻松》等游戏天下的才气。

AI生成摘抄

谷歌周三还发布了基于Gemini 2.0模子的AI生成摘抄功能“AI Overviews”，为某些Google搜索查询提供的摘抄骨子，将很快概况处理“更复杂的话题”，以及“多模态”和“多措施”的搜索骨子。谷歌示意，这包括高等数常识题和编程问题。

新的AI Overviews功能将在本周驱动进行有限测试，并将在来岁头鄙俚引申。

不外，自本年春天推出以来，AI Overviews激发了好多争议，其提供的某些可疑述说和提议（举例保举在披萨上加胶水）曾在网上激发烧议。根据SEO平台SE Ranking的一份最近申报，AI Overviews援用了“并不十足可靠或基于字据的”网站，包括逾期的商酌和付费居品列表。

分析合计，主要问题在于，AI Overviews只怕难以区分信息开头是事实、虚构、讽刺照旧严肃骨子。曩昔几个月里，谷歌改变了AI Overviews的职责相貌，驱散了与局势和健康话题关连的谜底。但谷歌并不宣称这一功能仍是白璧无瑕。

尽管如斯，谷歌示意，AI Overviews擢升了搜索参与度，尤其是在18到24岁这一关键用户群体中——这是谷歌的要点标的东说念主群。

最新AI加快器芯片Trillium 专供Gemini 2.0

谷歌周三发布了其第六代东说念主工智能加快器芯片Trillium，宣称这一芯片的性能蜕变可能从根柢上改变AI成就的经济样子。

这款定制处理器用于庄重谷歌最新发布的Gemini 2.0 AI模子，其庄重性能是上一代的四倍，同期大幅缩小了能耗。

谷歌首席实际官桑达尔·皮查伊（Sundar Pichai）在一篇公告著作中施展说念，谷歌仍是将突出10万颗Trillium芯片运动在一个单一的集聚合构中，酿成了人人最苍劲的AI超等筹算机之一。

Trillium在多个维度上已毕了显耀的向上。与其前代比较，这款芯片每颗芯片的峰值筹算性能擢升了4.7倍，同期高带宽内存容量和芯片间互联带宽均翻了一倍。更为迫切的是，它的能效擢升了67%，这是数据中心在应酬AI庄重弘大能耗需求时的一个关键辩论。

Trillium的营业影响不仅限于性能辩论。谷歌宣称，与上一代芯片比较，该芯片在每好意思元的庄重性能方面擢升了2.5倍，这可能会重塑AI成就的经济样子。

分析合计，Trillium的发布加重了AI硬件鸿沟的竞争，而英伟达凭借其基于GPU的处分决议长久占据主导地位。天然英伟达的芯片仍然是好多AI欺诈的行业法式，但谷歌的定制芯片措施可能在特定职责负载，寥落是庄重颠倒大的模子方面具有上风。

还有分析称，谷歌在定制芯片成就上的浩大投资反馈了其对AI基础设施迫切性的策略押注。谷歌决定将Trillium提供给云客户，这标明其但愿在云AI市集上更具竞争力，与微软Azure和亚马逊AWS伸开热烈竞争。关于总计这个词科技行业而言，Trillium的发布标明AI硬件霸主之争正干涉新阶段。

本文来自微信公众号“硬AI”，柔和更多AI前沿资讯请移步这里