在谷歌I/O开发者大会的凌晨时段，一场关于人工智能（AI）的盛宴拉开了帷幕。谷歌CEO桑达尔·皮查伊携公司高管们，在不到两小时的演讲中，频繁提及“Gemini”和“AI”，分别高达95次和92次，彰显了谷歌在AI领域的雄心壮志。
在模型升级方面，谷歌推出了Gemini 2.5 Pro，新增原生音频输出、深度思考模式和高安全防护等功能。同时，视频模型Veo 2也加入了原生音频生成能力，而Gemini 2.5 Flash则在推理、编程和长上下文处理上实现了显著提升。谷歌还发布了Gemini Diffusion扩散语言模型、Veo 3视频生成模型和Imagen 4图像生成模型，进一步丰富了其AI产品线。
为了满足不同用户的需求，谷歌推出了全新的Gemini订阅计划。AI Pro用户每月支付19.99美元，即可使用Veo 2和Gemini 2.5 Pro等入门级产品；而AI Ultra用户则需支付249.99美元，以获得Veo 3的无限访问权限和Gemini 2.5 Pro的深度思考模式等高级功能。
谷歌DeepMind的创始人戴密斯·哈萨比斯表示，Gemini的目标是成为一个世界模型，这是开发新型、更通用、更有用的AI助手的关键一步。在展示的一个自行车维修场景中，Gemini不仅能够查询维修手册、搜索视频教程，还能拨打电话、查询零件库存并帮助用户下单，展现了其强大的多功能性。
谷歌还推出了AI Mode，旨在颠覆传统的搜索体验。根据用户的需求，AI Mode可以动态调整答案生成界面，包括图表、店铺列表等。在购物场景中，AI Mode能定制购物界面，提供虚拟试穿、追踪预期价位和代理结账等功能，同时集成了视觉搜索，用户可通过手机摄像头实时拍照搜索。
谷歌的三大研究项目也取得了显著进展。Project Starline引入了全新的3D视频通讯体验，Project Astra利用Gemini和摄像头解决问题，而Project Marina则支持多任务处理，使Agent能够同时监管多项任务。
大会尾声，谷歌现场演示了安卓XR智能眼镜，并宣布与XREAL合作打造第二款安卓XR设备Project Aura。这款眼镜具备翻译能力，尽管在测试时出现了识别问题，但谷歌表示将继续优化。
皮查伊透露，Gemini应用目前拥有超过4亿月活用户，超过700万名开发者通过Gemini API进行开发。这些数据表明，谷歌在AI领域的努力正逐步获得市场的认可。
在Gemini时代，谷歌的模型和产品发布速度明显加快。自第一代Gemini模型发布以来，其Elo分数已提升300多分，并在多个领域取得了显著成果。例如，在编程方面，Gemini 2.5 Pro成为Cursor平台上年度增长最快的模型，每分钟产出数十万行被采纳的代码。
谷歌还展示了其全栈基础设施的进步，第七代TPU Ironwood专为大规模AI思考和推理工作负载设计，性能是上一代的10倍。同时，谷歌每月通过产品和API处理的token数量在一年内增长了约50倍，显示出其AI处理能力的巨大提升。
在模型架构创新方面，谷歌将扩散模型技术应用于文本生成，推出了Gemini Diffusion实验模型。该模型不仅生成速度快，还能在生成过程中快速迭代解决方案并进行错误纠正。
谷歌还致力于将Gemini模型扩展为一个“世界模型”，以提升其对物理世界的理解能力。为此，谷歌微调了Gemini Robotics模型，使机器人能够学习抓取物体、遵循指令等任务，并即时适应新任务。
谷歌的最终愿景是将Gemini打造成真正的通用AI助手，具备个性化、主动性和强大能力。这一目标的实现将为用户带来更加便捷和智能的体验。
