繼發(fā)布最強量子芯片之后，谷歌又在AI上作出重要舉動。

　　北京時間12月12日凌晨，谷歌趕在OpenAI宣布ChatGPT正式登陸iPhone之前，發(fā)布了全新模型Gemini 2.0。

　　谷歌CEO桑達爾·皮查伊稱，這是谷歌迄今為止最強大的模型。憑借原生圖像和原生音頻的輸出等多模態(tài)方面的提升，Gemini

　　2.0能夠構建新的AI智能體，讓谷歌離構建通用助手的愿景更進一步。

　　需要指出的是，Gemini 2.0主要開放給開發(fā)者以及受信任的測試人員。目前，Gemini 2.0

　　Flash體驗版模型已經(jīng)面向所有Gemini用戶開放。

　　Gemini 2.0 Flash是建立在1.5 Flash基礎之上的模型，此前1.5 Flash是谷歌最受開發(fā)者歡迎的版本。與1.5

　　Flash相比，Gemini 2.0 Flash在同樣快速的響應時間下性能進一步增強。谷歌方面稱，2.0 Flash在關鍵基準測試中甚至超越了1.5

　　Pro，其速度是1.5 Pro的兩倍。

　　同時2.0

　　Flash還具有新功能，除了能夠支持圖片、視頻和音頻等多模態(tài)輸入，還可以支持多模態(tài)輸出，比如可直接生成圖像與文本混合的內(nèi)容，以及原生生成可控的多語言文本轉(zhuǎn)語音(TTS)音頻。它還可以原生調(diào)用Google

　　Search、代碼執(zhí)行以及第三方用戶定義的函數(shù)等工具。

　　全球Gemini用戶現(xiàn)在可以在電腦端和移動端體驗基于2.0

　　Flash優(yōu)化后的聊天對話，并且該版本將很快在Gemini移動應用中推出?；谶@個新模型，用戶還可以體驗到Gemini助手。明年初，谷歌還會將Gemini

　　2.0擴展到更多產(chǎn)品中。

　　Gemini 2.0最大的變化在于把重心轉(zhuǎn)向AI智能體，想要做所有AI智能體的基座模型?；诖?，Gemini

　　2.0開發(fā)出了一系列原型，這些原型能夠幫助用戶完成相應的任務。

　　其中，Project Astra的升級版，用于探索未來通用AI助手能力的研究原型。自從在Google I/O大會上推出Project Astra以來

　　，谷歌一直向那些在Android手機上使用它的受信任的測試人員收集反饋。此次推出的升級版可以實現(xiàn)多種語言和混合語言之間的對話，也可使用 Google

　　Search、Google Lens和Google Map等新工具，能夠記住長達10分鐘的會話內(nèi)容，并可以近于人類對話的延遲來理解語言。

　　全新的Project Mariner從瀏覽器入手探索人與智能體交互的未來發(fā)展。Project Mariner 使用了Gemini

　　2.0構建的早期研究原型，能夠理解和推理瀏覽器頁面中的信息，包括像素和文本、代碼、圖像和表單等網(wǎng)頁元素，然后通過實驗性的Chrome擴展程序幫助用戶完成相應任務。此次升級，Project

　　Mariner改進了原來速度較慢的問題。

　　簡而言之，用戶可以用這項功能讓瀏覽器自己去幫你完成特定任務，例如批量查找某些網(wǎng)站上郵箱地址，從而在一定程度上實現(xiàn)瀏覽器的“自動運行”。

　　Jules則是面向開發(fā)者的編碼智能體，它可以直接集成到GitHub工作流程中來協(xié)助開發(fā)者完成開發(fā)任務。

　　在谷歌的演示視頻中，演示人員輸入了一長串含有詳細編程問題的提示語，之后Jules會對這些要求進行分析，給出一個三步的編程解決方案，待點擊同意后，模型就會開啟自動編程，生成代碼。這無疑有助于開發(fā)者進一步提升工作效率。

　　去年年底，谷歌發(fā)布了Gemini 1.0模型，主要能力是整合和理解信息。而Gemini 2.0能讓信息變得更加有用。桑達爾·皮查伊表示，Gemini

　　2.0的進展得益于谷歌長達10年全棧式AI創(chuàng)新研究的投入，基于谷歌定制的硬件第六代TPU Trillium構建而成。

　　就在谷歌以最強大模型吸睛之時，OpenAI為期12天的產(chǎn)品發(fā)布活動仍在進行中。同一天，OpenAI對外展示了ChatGPT與蘋果Apple

　　Intelligence的整合，內(nèi)容略顯平淡。谷歌Gemini 2.0的突然發(fā)布，顯然搶了不少OpenAI的風頭。

　　在Gemini

　　2.0的加持下，谷歌一口氣推出三款智能體產(chǎn)品，也意味著其在和微軟綁定OpenAI、亞馬遜與Anthropic的競爭中又邁出了重要一步。

　　智能體已經(jīng)成為大模型領域競爭的核心方向。所謂智能體，是指能夠感知環(huán)境、進行決策并采取行動以實現(xiàn)特定目標的系統(tǒng)，被視作大語言模型(LLM)落地應用的關鍵載體。

　　近兩個月前，微軟曾連發(fā)10個AI智能體，面向銷售、運營等場景，隨后又宣布Copilot

　　Studio平臺已支持用戶構建自主智能體，同時發(fā)布5款預構建的智能體。而在剛剛結(jié)束的2024

　　re:Invent上，亞馬遜一口氣發(fā)布了6款大模型，其中Amazon Nova Premier同樣是多模態(tài)大模型，專為復雜推理任務而生。

　　無論在消費端還是企業(yè)端場景中，AI智能體均有較多想象空間，商業(yè)化前景也較為明確。多位業(yè)內(nèi)人士預計，2025年將是AI智能體商用爆發(fā)之年。屆時，谷歌、OpenAI等科技巨頭圍繞智能體的競爭勢必將愈發(fā)激烈。