今天凌晨,谷歌 i o 二零二六如期而至,随即宣布 gemini omni、 gemini three point five、 flash 等等一系列新产品。 这是什么?硅谷年夜饭?算粒满汉全席。媒体老师也非常懂事,标题直接起飞,谷歌亲手淘汰谷歌 视频版 nano banana, 全能 ai 创作引擎,全场最大的 c 位,毫无悬念给了 gemini omni。 这玩意号称是真正的全能大模型,能吃进任何形式的输入,拉出任何形式的内容。文本、图片、音频、视频,只要你敢喂,他就敢接, 而且首发支持视频输出,江湖人称视频版 nano banana。 你 看这个排面,劈柴哥和哈萨比斯同台登场,大招跟不要钱一样往外扔。他们说 omni 不是 在简单拼接素材, 他是在理解物理世界。以前的 ai 画个物理现象,重力和动能常常让牛顿想从苹果树下爬起来打人。但阿米不一样,哈萨比斯说他实现了阶跃变化, 氨基酸折叠都能给你干成科学准确的定格动画。甚至你拿个手机自拍,手心里画个圈,他就能立刻给你生成一个黑洞。看起来这不仅仅是降维打击,这简直是从四维空间扔了二象薄, 画面太美,数据太狂,狂到让人觉得好莱坞明天就得集体去送外卖。但这还不够刺激,发布会的另一个高潮是 jammer 三点五 flash。 只要你懂点行,你就知道现在的大模型卷速度卷到了什么地步。 三点五 flash 在 精准测试里,把自家前代旗舰 jammer 三点一 pro 按在地上疯狂摩擦,更离谱的是,它的输出速度直接翻倍,对比 gpt 五点五和 opus 四点七,速度快了四倍有余。这什么概念? 你这边的提示词刚敲完回车,他那边的答案已经糊你脸上了。天下武功,唯快不破, ai 界直接来了个闪电侠。 这还没完,谷歌还顺手倒出了一箩筐的重磅炸弹。 anti gravity 二点零桌面应用直接进化成 agent 的 开发平台。 james park, 七乘二十四小时在线的赛博打工仔。不需要五险一金,不需要情绪价值,只要服务器不断电,它就能给你打工到宇宙热季。 顺带把 jimmy 也改版了,代号 neuralexpressive, 改成算力计费。你以为他在做慈善,其实他在教你什么叫资本的洋谋。 甚至连搞了二十五年的谷歌搜索都迎来了史诗级升级。接入三点五 flash 智能搜索框,自动生成小程序。这一套组合拳打下来,干货密度堪称历年之最。大场发力,寸草不生。 那你说这东西真的这么神吗?往往打榜数据越炸裂,发布会的 ppt 越精美,里面的水分往往就越能养活一太平洋的鱼。 我怀着激动颤抖的心,拿着号称能改变世界的 omni 进行了实测。这需求可太真实了。毕竟咱们干自媒体的,天天盯着各种 ai 视频工具找灵感,就指望他们能帮着出大片,但结果给我看笑了。哎, 硅谷的公关稿还是太保守了。这哪里是改变世界,这简直是重新定义了拉胯。宣传片里是好莱坞质感,随手一划就能变黑洞。小提琴手在雪山和赛博朋克之间无缝切换。物理逻辑严丝合缝。 到了我这呢,我输入几段简单的指令,生成出来的视频,当场给我整出了工伤。说好的理解世界呢?服务员你好, 我想要一杯客了!好的,没问题!这一刻,我都怕他给我念出一段大悲咒来超度我的显卡。那些在发布会上惊艳全场的连贯性记忆力和物理法则,在实测面前碎的渣都不剩。 这不叫接月变化,这叫当场火化。网上的各路媒体还在疯狂吹捧热搜,通稿满天飞,但和实际效果一比,简直是截然不同的两个平行宇宙,那还能说啥了?看完这场魔幻的体验,我算是彻底清醒了。 现在的 ai 圈有一种极其不健康的畸形风气,只要打榜厉害,只要 ppt 做的炫,就能吹成天神下凡。 巨头们在台上拿着特供版的 demo 疯狂秀肌肉,底下的信徒们跟着无脑狂欢。 ai 好 不好用?只有我们这些一个个坐在电脑前疯狂敲着键盘,试图用它来铲除实际价值的用户给出的真实反馈才算数, 你数据再炸裂到了用户手里,变成了一坨赛博垃圾,那他就是毫无价值!请这些 ai 公司收起你们的滤镜吧!面对用户的实测反馈,少吹点牛,多打磨点细节,这才是对技术真正的尊重。这里是起点世界,聚焦最新 ai 资讯,我们下期视频不见不散!
粉丝3.4万获赞26.3万

兄弟们,沉寂已久的谷歌终于来炸街了,就在刚刚结束的谷歌 i o 大 会上,发布了天花乱坠的各种 ai 产品,但真正重点就两个,一个是独一档的多模态能力和超强的 ag 能力。 先来看个最狠的,谷歌发布了全新的世界模型 jimmy nike omni。 你 可以将任何形态的文件作为输入,比如文字、视频、图片、音频一起发给他。 jimmy nike omni 能以任何你要求的形式输出给你, 从此 p 视频就像 p 图一样简单。但如果说 omni 是 无敌的感官,那么同时发布的 jimmy nike 三点五 flash 就是 专为代码和 ag 的 优化的, 它的输出速度达到了同类前沿模型的四倍,每秒狂飙一千五百个 token。 谷歌在现场用全新的 ai 开发平台 anti gravity 二点零展示了它有多逆天。 杰米奈三点五 flash 仅仅持续工作了十二个小时,就从零首写出了一个完整的操作系统内核。它在开发时,后台自动派生出了九十三个 ai 子代理,总 token 成本低于一千美元。而同类型的任务如果交给人类团队,至少需要数月的时间。 更硬核的是这个首出的操作系统,既然能直接加载毁灭战士 doom, 现场就玩起来了。 随后谷歌顺势推出了 gemini spark, 你 可以理解,它是谷歌为你远程部署了一台七乘二十四小时,搭载了 gemini 全套能力的服务器。它能跨越应用,直接打通各种第三方软件。你只要给他一个目标,他自己就能拆解,步骤全自动帮你搞定。 比如自动检查信用卡账单里的隐藏订阅费,把货一记录整理成文档,然后群发等等。最后还有压轴亮相的谷歌智能眼镜,戴上它, jimmy 奶就变成了你现实世界里的专属管家。路过咖啡店,眼镜自动识别,你只要动动嘴, ai 就 把咖啡给你点, 还能实时 ai 导航和同城传译。从这次 ai 大 会上看得出,谷歌正在疯狂地将 ai 模型的能力产品化,毕竟用户真正需要的是能解决问题的产品,而不是 ai 模型本身。第二呢,谷歌之前明显在多模态发力过猛,在 ag 能力方面有点落后于 antropics 和 open ai, 现在眼看 ag 大 爆发,所以他就奋起直追。但即便是刚刚发布的 gmi 三点五 flash, 也依然和这两个头部公司的模型有差距。那么 gmi 三点五 pro 会不会惊艳全场呢?大家可以期待一下。好了,我是阿朱,关注我,让我们一起在 ai 潮头冲浪!

这次谷歌 i o 大 会刚结束,全网最出圈的一句评价来自富盛,谷歌这次直接拉完了!结合整场发布会、硅谷舆论、人才动向再复盘。你会发现,这场看似重磅的发布会,一边是巨头试图稳住 ai 王座,一边是漏洞百出争议不断。而真正的行业真相是, ai 竞赛早已从模型内卷彻底转向生态组织效率的终极战争。很多人只盯着 gemini 三点五、 flash 两款新模型,却没看懂谷歌当下最尴尬的处境。 富盛直言,拉完了并不是随口吐槽,而是精准戳中核心痛点。谷歌本次仅发布 gemini 三点五 flash 视频模型, 在纯视觉效果、短视频流畅度、镜头表现上,普遍被认为连 cds 二点零都赶不上。就连谷歌内部工程师都承认,模型开发长期受版权合规束缚,数据定位模糊,分不清到底是做电影级质感还是短视频爆款,内容市场更是普遍看衰,预测 pro 版本提升空间有限, 这已经不是技术问题,而是谷歌在视频赛道上的战略失误。但有意思的是,一边是视频模型被中国团队反超,另一边谷歌却在悄悄完成一场更恐怖的变更。传统谷歌搜索正在彻底消亡, ai 操作系统正式上位。十年前搜索靠关键词,五年前靠语义理解, 现在谷歌直接把 gmi 嵌入搜索框,实现文本、图片、视频、文件、浏览器、标签页全模态输入, ai 自动推理,直接给出答案,帮你完成任务。 谷歌喊出一句最关键的话, google search is i search! ai 钙览覆盖二十五亿用户, ai 模式月活突破十亿,这不是实验室功能,是全球互联网底层入口的重构。 谷歌最大的护城河从来不是单点模型,而是海量真实世界数据加全球分发能力,这是创业公司短期内无法企及的壁垒。而争议最大的 gemini, 很多人误解成普通纹身视频工具,谷歌真正想做的是世界模型, 核心逻辑,任意输入生成,任意输出。它最大亮点不是画质,而是解决行业最大痛点,可控性支持角色替换、元素修改、镜头调整、对话式迭代,让 ai 视频从抽卡式娱乐走向工业化生产,适配广告、影视、动画、游戏全场景, 同时快速接入 gemini app, youtube shorts workspace, 巨头的生态整合能力依旧碾压对手。可谷歌的问题从来不是单点技术,而是庞大帝国式的组织病。最能印证这一点的就是轰动硅谷的卡帕西跳槽事件,前特斯拉 ai 总监 andry karpacei 宣布加入 anthropic, 一条推文热度直接碾压整场谷歌 i o 发布会。 antropic 只有三千人,谷歌有数万 ai 研发人员,可如今定义行业方向,实现技术突破的,反而是这些小而精的创业公司。 原因非常现实,谷歌多部门并行,开源,视频代码搜索团队各自为战,部门强邻立,资源分散向晚清百万大军人多却调不动。 而创业公司极致单点突破,没有历史包袱,迭代速度一蹶绝尘。放到全球格局,中美 ai 差距正在快速反转。美国巨头曾经在视频代码领域全面领先,如今已经被中国模型反超。 cds 二点零,依靠抖音 tiktok 成熟数据闭环,在短视频生成、迭代效率上遥遥领先。 谷歌受合规组织层级束缚,动作迟缓,创新受阻。 ai 原生时代比拼的不再是研发人数,而是组织敏捷度。 想要破局,谷歌必须重构整套体系,用 ai 量化员工协调能力,缩短决策链,放弃大而全路线建立数据产品闭环,否则再强的技术储备都会被低效组织消耗。市场已经用脚投票,谷歌 io 当天股价下跌百分之二点零九, 投资者对其 ai 变现速度、创新效率信心不足。整个行业清晰看到 ai 已经进入颠覆性创新阶段。创业公司负责定义技术标准, antropics、 cds 这类团队在单点赛道快速突破。而谷歌、微软这类传统巨头,要么成为高校跟随者,要么彻底重构组织 dna, 否则只会一步步掉队。回到附上那句,拉完了,其实说的一针见血, 谷歌不是没有技术,而是巨头惯性太重,合规枷锁太多,组织效率太低,在需要极致敏捷的 ai 时代,正在被小团队快速追赶甚至反超。谷歌 io 二零二六本质就是一场时代分水岭,过去大家卷模型、卷参数,未来比拼生态落地、组织能力、用户价值。 巨头有体量,创业公司有速度,美国有底层优势,中国有场景效率。 ai 战争才刚刚开始,谁能打破制谷快速迭代,把技术变成普通人的日常价值,谁才能真正笑到最后。

大家好,我是 ai 启示录。距离谷歌 au 大 会还有不到四天时间,整个 ai 圈突然被一个提前泄露的消息彻底搅动了。原本所有人都以为谷歌这次会按部就班发布 gemini 三点二,结果就在二零二六年五月十五日,多个独立爆料人同时确认, 谷歌直接把版本号从三点二跳集到了三点五,代号卡布奇诺的 gemini 三点五 pro 检查点已经开始产出。 让人意外的是,这次泄露的内容远远不止一个模型更新,从能直接生成完整交互式外部应用的多模态能力,到一个二十四小时全天候待命,甚至可能不问你就替你下单花钱的全时 ai agent。 谷歌几乎把原本要在 i o 大 会上讲的所有重磅内容提前四天全部摊在了桌面上。 但就在所有人都在讨论谷歌这次终于要狠起来了的时候, the verge 的 资深记者亚利克斯希斯从多个内部信源得到的独家消息却给这场狂欢泼了一盆冷水。他明确表示,下周二发布的新款 gemini 性能最多只能追平 openvi 的 gpt 五点五,距离目前公认的前沿模型 missiles 还有明显差距。 一边是跳级命名的重磅更新,一边是成本低十几倍的轻量模型,一边是依然落后的编程能力。 今天这期视频,我们就把目前所有已经确认的信息拼在一起,看看谷歌这次到底拿出了什么,又到底在打什么算盘。先从已经确认的事实开始讲起,这次泄露最早是从网友 lentos 开始的,他在 x 上放出了 gemini 三点五 pro 的 首批输出结果, 其中最让人印象深刻的有两个例子,一个是 dualshock 四手柄的交互式蓝图拆解,另一个是提壶骑自行车的矢量插画。可能很多朋友对这两个例子没有概念,以前的 ai 生成 svg 最多就是输出一个静态的矢量图, 但这次 jimmy 生成的已经不是简单的图片了,而是一个完整的交互式 web 应用。那个提壶骑自行车的例子,自带七个维度的定制面板, 你可以实时切换车架颜色、光照效果、提壶的头饰、车篮里的内容,甚至是蹬车的速度。所有这些交互都是用一个 prompts 直接生成的,不需要任何额外的代码修改。 这解决了 gemini 长期以来被社区吐槽最多的一个问题,懒。以前你给 gemini 一个生成 svg 的 提示,它经常会输出一个非常敷衍的结果,细节缺失,功能不全。但这次不一样了, 同样是 lantos 的 测试,它只用了一个非常简单的提示, gemini 就 直接输出了四个风格各异、细节拉满的机器人使用图, 每一个都可以直接使用。同期泄露的 gemini 三点五 flash 版本的跑分也印证了这个趋势。 lm arena 的 匿名测试显示, flash 版本在 svg 生成、交互式三 d 编码和动画处理上已经超过了之前的三点一 pro 版本。更炸的数据来自 apex ai 的 首席执行官缤度雷迪, 它放出的数据显示,即将发布的 gemini 三点二 flash, 也就是现在改名为三点五 flash 的 这个版本,在编码和通用推理能力上已经达到了 gpt 五点五的百分之九十二,但 api 成本却只有 gpt 五点五的十五分之一到二十分之一。 这个数字如果属实,对于整个行业来说都是一个巨大的冲击,因为它意味着谷歌的蒸馏加稀疏化技术终于开始收获实质性的回报。他们成功的把前沿模型的能力压缩到了一个轻量版本里,而且没有出现之前大家担心的质量断崖。 不过,真正让整个行业感到震动的还不是模型本身的性能提升,而是谷歌同时泄露的另一个产品, gem spark。 根据 testing catalog 提前发出来的 genomy 网页版隐藏代码,谷歌正在测试一个名为 genomy spark beta 的 全新功能。 它的定位非常明确,你的日常 ai 智能体全天候待命。这不是我们之前见过的那种需要你主动发指令才能工作的聊天机器人。 spark 是 一个二十四小时全时运转的后台程序, 它可以替你处理收件箱,执行在线任务,管理复杂的多步骤工作流。为了做到这一点, spark 会从非常多的来源获取你的个人数据。 根据官方的引导文本,它可以访问你已连接的所有 google 应用,你的聊天历史,你设置的定时任务,你已经登录的所有网站, 谷歌的 personal intelligence 信号,甚至是你的实时位置信息。更重要的是,为了完成任务, jamie 会把你的姓名、联系方式、文件、个人偏好,甚至是一些你可能认为敏感的信息分享给第三方服务提供商。 这里有一个非常关键的细节,也是目前争议最大的地方。谷歌在风险提示里明确写道,虽然 spark 在 设计上会在执行敏感操作前征求你的许可, 但他可能在未经询问的情况下分享你的信息或完成购买。换句话说,他有可能在你完全不知情的情况下用你的账号下单买东西, 也有可能把你的个人信息分享给你根本不知道的第三方。为了保持绘画的连续性, spark 还会保存远程浏览器数据,包括你的登录凭证和远程代码执行数据。当然,谷歌也提供了相应的控制选项, 你可以在设置里清除这些数据,关闭已连接的应用或者删除你的活动记录。但这个功能本身的激进程度已经远远超过了目前市面上所有的 ai agent。 根据掌握的信息, spark 的 前身是谷歌内部代号为 remi 的 agent 项目,之前只面向 google ai ultra 的 订阅用户开放。从 remi 到 spark, 谷歌把 agent 从 gemini 的 一个附加功能直接升格成了一个七乘二十四小时的数字生活管家,这也让他直接站到了两个最强大对手的对面, antropic 即将发布的托管 agent conway 以及 openai 已经上线的七乘二十四小时 agent 的 平台。 除了 spark 之外,这次泄露的模型选择器界面还透露了另外两个非常重要的变化。第一个是谷歌原声支持了 mcp 第三方工具接入。 在模型选择列表里出现了一个之前从未见过的分类,叫做 m c p two testing, 也就是专门用于测试 m c p 工具的模型。这意味着谷歌终于开放了通用的第三方工具生态,而不是像之前那样只能使用谷歌自己提供的有限工具。第二个是思维模式的全面重构。 之前 dammit 的 thinking 模式是一个独立的开关,你需要手动打开才能使用。而现在,它变成了一个全局开关,分为两档, standard 模式适合大多数日常问题, extended 模式则用于求解复杂的长链条问题。把这些变化放在一起看,你会发现谷歌这次的更新其实是一次非常全面的体系升级,而不仅仅是单个模型的性能提升。从模型能力到工具生态,从交互方式到 a 阵的形态, 谷歌几乎对整个 gemini 产品站进行了一次彻底的重构。不过就在所有人都在为这些新功能感到兴奋的时候,亚利克斯希斯的独家爆料却给我们展示了事情的另一面。 希斯在 ai 行业有非常可靠的内部信源,他之前的很多爆料都被证明是准确的。这次他明确表示,根据多个接近 deepmind 的 消息人士透露,下周二发布的新款 gemini 整体性能大致落在 gdp 五点五这个档位, 距离 entropica 的 missus 还有明显的差距。这个评价其实非常耐人寻味,因为就在半年前 gemini 三刚发布的时候,它凭借着 lm irina 一 千五百零一分的一流评分, 几乎横扫了所有主流排行榜的第一名。但仅仅半年时间,随着 gpt 五点五、 cloud opus 四点七和 missus 的 相近发布,整个行业的格局已经被彻底改写了。英国 ai 安全研究所的评测显示, missus 是 第一个同时通过其两套网络安全测试范围的模型, 而 gpt 五点五只通过了其中一套,该研究所甚至公开承认,他们现有的评测框架已经快要跟不上 msiles 的 能力发展速度了。也就是说,谷歌用了半年时间,终于追上了 openvi 上个月发布的模型,但依然没有摸到目前行业最前沿的边。 而在所有能力当中,最让 deepmind 的 内部感到焦虑的就是编程能力。希斯在他的爆料中,对编程部分的措辞是最重的,他说 deepmind 的 内部正面临着切实的压力,尤其是在编程能力方面,需要迎头赶上,而他们追赶的主要目标不是 openai, 而是 android。 过去一年, cloud 在 开发者群体中已经坐稳了默认编程工具的位置,不管是个人开发者还是企业团队,越来越多的人开始把自己的工作流迁移到 cloud code 上。谷歌当然也有自己的 ai 编程平台,叫做 anti gravity。 这个工具在谷歌内部用的非常多,但在外部市场的表现却非常惨淡。 根据公开数据,它发布四个月以来,开发者采用率只有百分之六。这个数字对于一个 ide 来说其实不算慢,但跟 cloud code 和 open icodex 的 势头比起来,差距就非常明显了。 问题到底出在哪? xda 开发者论坛上个月做了一个月度评测,让三个主流的 ai 编程工具完成同一个复杂任务, 结果显示, cloud code 第一次就准确理解了用户的创意提示,输出了符合要求的完整代码。而谷歌 anti gravity 的 输出用评测者的话来说,就像是用微软画图做出来的涂鸦,完全无法直接使用。 除了能力上的差距之外, anti gravity 的 定价策略也让很多开发者头疼。谷歌已经多次调整过它的定价模型,从最初的免费预览,到后来的信用点制度,社区论坛上关于额度用完没有提醒、莫名其妙被扣费的抱怨一直就没有断过。 但最为关键的问题在于,如今 ai 编程已经彻底出圈了,它不再只是专业开发者的工具,产品经理可以用自然语言描述需求,直接得到可运行的产品原型。设计师可以把 figma 搞丢进去,直接拿到可以上线的前端代码。而到目前为止,谷歌没有任何一个产品能够进入这个赛道。 当然也有不同的声音,知名 ai 行业分析师海德尔就提出了另一个视角,谷歌可能并不打算通过跟别人跑同一条赛道来取胜,他们更大的重心在于打造一个更强大的多模态系统,而这需要更长的时间和更多的投入。把这些信息拼在一起,我们其实可以看到一个非常清晰的行业格局, 三家巨头正在三条完全不同的赛道上同时踩下油门。 openai 的 打法是靠迭代速度碾压,他们保持着几乎三周一个新版本的更新频率,不断推出新的功能和性能提升。 就在昨天, openai 刚刚给 codex 追加了 ultrafast 模式,把速度提升了两到三倍。同时还寄出了补贴站,三十天内切换过来的企业用户可以享受两个月的免费使用。这个政策推出仅仅三个小时,就有两千名开发者响应。 antepaper 的 打法是靠模型质量封神,他们不追求最快的更新速度,但每一次发布的模型都能重新定义行业的前沿标准。 missus 的 出现已经让整个行业意识到,我们可能比之前预想的更接近通用人工智能。就在 openai 推出补贴站的同一天, antropic 也同步放出了 open 四点七 fast 的 模式,并且把 cloud code 的 额度提升了百分之五十。而谷歌的打法则完全不同,它们既没有 open i 的 迭代速度,也没有 antropic 的 模型质量,但它们有两个对手都无法复制的优势, 十亿级的用户分发入口,以及完整的生态系统。这就是为什么谷歌这次会把这么大的重心放在 agent 上。 spark 一 旦正式铺开,它就可以接入所有谷歌用户的 gmail 日历、云端硬盘、地图、购物账号。 用户每天产生的海量邮件日程、浏览购物数据,都会反过来为给 gemini 用于下一代模型的训练。 这是一个 open a 和 antropica 都很难复制的飞轮,它们可以做出更强大的模型,那它们没有办法像谷歌那样,把 ai 直接塞进十亿人的手机里,获取最真实、最丰富的日常数据。而这场表面上看起来是抢开发者的补贴战,底层逻辑其实比这要深得多。 现在已经可以确定 gpt 五点六的开发过程,有 gpt 五点五的深度参与,未来的 ai 模型会越来越多的。自己写代码,自己改进自己,谁掌握了编程工具的用户,谁就掌握了这个自我改进循环的加速器。这才是三家巨头不惜血本打补贴战的真正原因。 他们抢的不是现在的那点订阅收入,而是未来通往 asi 的 入场券。对于我们这些每天都在使用这些工具的普通人来说,这场军备竞赛可能是二零二六年最划算的一件事。 我们会看到越来越多的补贴、越来越高的使用额度、越来越强大的模型以及越来越低的价格。但同时我们也面临着一个越来越重要的选择,你的工作流到底要压在哪一条赛道上? 是选择迭代速度最快的 open ai, 还是模型质量最高的 and so fix? 还是生态最完整、分发能力最强的谷歌?这个选择可能会在未来几年里直接影响到你的工作效率和竞争力。我是 ai 启示录,感谢点赞与关注,我们下期再见。

我实在太后悔来谷歌 i o 二零二六了,因为我发现我过去很多事没干成的借口一个都没了。比如说我梦想是拍一部电影,放在过去想想就行了啊,剧本、拍摄、剪辑、配乐、宣发,每一部都能把人选对。所以以前很多梦想死的特别体面。不是我不想干,是条件不允许。 但这次谷歌 i o。 供下来,我有点尴尬,因为它好像在一层一层告诉你,条件不允许。句话,以后可能越来越不好用了, 你说你没预算,拍不了大片。好,新升级的 jimmy 现在可以先帮你把脑子里的画面画出来,你可以生成一段视频,还能继续对话修改这个人物,保留这个镜头,别动背景,换掉风格,换掉其他部分重新来。以前你要把一个画面画出来,得找人,找场地、找设备。现在第一步可能变成,你先把脑子里那个画面说清楚, 好画面有了,可你总不能变成,你先把脑子里那个画面说清楚,好画面有了,可你总不能变成了电动车,可还行。 这时候 flow 就 很关键,它不只是生成视频,而是让你开始控制镜头视角和连续性。比如你给他一张自行车图,他可以生成不同的角度。所以 flow 更像是 ai 时代的导演工作台。你不是只让 ai 给你一个结果,你 开始调度它,换机位,换角度,换景,别换节奏。好画面能动了,镜头也有了,可电影不能是末片吧,没有声音,所有高级感都得打五折。 以前配乐也很麻烦,要找版权翻曲库,找制作人,但 flow music 让我感觉音乐也开始变成可以对话修改的创作主键,你可以说,这里更燃一点,这里更梦幻一点,古典再重一点,更像科幻片。这就不是简单生成一首歌了, 而是 ai 开始帮你补上情绪。因为很多时候,一部片子真正让人起鸡皮疙瘩,不是画面本身,而是画面和音乐撞到一起的那一秒。 好预告片有了,配乐也有了,可你总得宣传吧?过去做宣发,又是另一套系统,广告公司、物料制作平台适配,听着就投的。 但 jamie 让我看到的是,广告也可能变成 ai 原声的。它不是提前拍好一条广告,让所有人看同一个版本,而是可以根据产品卖点、场景和上下文,生成更贴合当下内容环境的视频广告。换句话说,未来你做的不只是一条宣传片,而是一套可以不断变化的广告。表达 好宣传有了,那如果我还想做点电影衍生呢?比如互动官网、小型游戏,或者让观众提前探索的电影世界呢?放到过去,这基本是大 ip 才敢想的事。但 project jenny 开始把这个想象往前推了一步, 你可以移动,可以转视角,可以在里面走,最后连网站和界面也在变 flatter 这类 g i u i 的 方向,让我感觉未来界面可能不是写死的。 你要做电影官网、角色页、预约页、互动页面,它可能都能根据你的内容和用户意图动态生成。它不是在展示几个孤立的 ai 工具,它是在告诉你一个想法,从脑子里冒出来,到变成能看、能听、能传播,甚至能互动的作品。过去那些很贵很难卡点的环节,正在被 ai 一 点点打通, 这些看起来像魔法的东西背后其实是谷歌用模型平台和开发工具给开发者铺的一条更短的路。所以来了谷歌 i o 二零二六,我感觉自己以后不能再装怀才不遇了。而最后只剩下一个问题,我脑子里那个东西到底值不值得被做出来?

新的 jimi nike 模型可能真的要来了!北京时间五月二十日凌晨一点, google i o 二零二六将在美国加利福尼亚州山景城正式开始。在沉寂了小半年之后,骨骼终于要有动作了。这次最值得盯的可能不是安卓,而是 jimi nike。 google 官方已经预告,今年 eo 会带来 jimi nike 等一系列产品。 而前几天的 android 受伤, google 已经提前公布了 jimmy 银胎了。整次简单说就是把 jimmy 更深的接近 android 系统,让 ai 可以 理解屏幕内容,连接手机里的不同应用,帮用户完成更复杂的操作。这说明 google 想做的不只是一个聊天机器 人,而是把 jimmy 变成整个 google 生态里的 ai 大 脑。现在 open ai 和 cloud 都在快速替代, google 也非常需要 jimmy 在 网上推一。 所以今晚最大的悬念就是 google 会不会直接公布新的 jamming 模型,或者带来更强的多模态努力、 ai agent、 视频生成工具,以及更深入的 ai 搜索体验。如果 jamming 真能接近搜索 android、 chrome、 youtube、 gmail 和 x 二设备,那 google 的 ai 爆发力会非常恐怖, 因为 open ai 是 在重新创造 ai 入口,而 google 是 把 ai 塞进你已经在用的入口里。五月二十日凌晨一点, google i o 二零二六正式开始。 jamming 会不会放大招,我们拭目以待。

明天谷歌二零二六 i o。 开发者大会就要开了,先聊一个试试。上一次谷歌在 ai 圈这么紧张,还是二零二三年切的 g p t。 刚出来的时候,年夜拉响红色警报,全公司转成 ai first。 三年过去了,企业市场被 g p t 五点五吃了, 开发者用脚投票选了 club, 杰米来了,说好听点叫稳中有劲,说难听点起了个大早,赶了个晚集。所以这次 i o 谷歌没有退路, 今天不练发布者预告,我们一起捋三个值得盯着看的东西,任何一个成了,都可能改变我们拿手机的方式。第一个,杰米莱,四点零,谷歌的背水一战,先看牌面,现在 ai 大 模型这个牌桌上,企业端 gpt 五点五坐庄 开发者圈 cloud office。 四点七是默认选项,杰米莱卡在中间,技术不差,但就是没人用。 这次加密来四点零,如果如期发布,号称参数量冲到三到五万亿上,下文窗口从两百万 token 直接拉到一千万,什么概念?你跟 ai 聊天,聊着聊着他就失忆了。 那一千万 token 意味着整本三体扔进去,他还记得你第一张提过谁的背景。别急着激动, 有分析师认为,这次更可能放出来的不是四点零,是三点二或者三点五级别的小迭代。逻辑很简单,谷歌现在怕的不是不够强,是不够稳。想想将来四点零要是翻车了, 幻觉满天飞。数据搞错,那就不是产品事故,是舆论场上再无谷歌。所以明天凌晨,我们盯住一个数, s w 一 奔七 pro 的 分数, 如果过了百分之六十五,那 cloud 该睡不着了。没过,那就是明年再战系列的更新。第二个 o s 手机电脑眼镜要合体了。听起来很科幻,其实是个务实的事儿。 谷歌准备在 i o 上发一个新的系统,叫 alumnormos, 简单说就是把安卓 chromos 还有 xr 眼镜的系统三个合成一个。那你可能会问,手机用的好好的并它干嘛?关键在于 ai agent, 那 种你说话他替你干活的 ai 助手。现在的 ai 助手有一个要命的问题,他在聊天框里,不在你的系统里。你跟他说帮我在美团上点个餐, 他会回你建议你打开美团 app。 这不是废话吗?我自己不会打开吗?但如果是系统级的 ai, 它能直接操控屏幕跨应用,就把这事给办了。 这次谷歌说娇米莱四点零会以系统级 agent 的 身份长在 elm normos 里,真的能看到你的屏幕,操作你的应用,记住你的习惯。目前能这么玩的只有苹果的封闭生态。谷歌想在不封闭的前提下做到这件事, 野心大,风险也成正比,系统级 ai 一 旦出错,不是回答错了,是你的手机可能被它玩坏,所以明天的演示很关键。现场跨应用的操控是真流畅,还是提前录好的? 那第三个,安卓 xr 眼镜,八十克不到的 ai 眼镜。去年 i o 展过 xr 的 原型机,今年要发消费级的产品了,预计售价四九九到七九九美元,重量压在八十克以内。那做个对比,苹果的微信 pro 是 六百克,戴半个小时脖子就开始抗议。 核心能力是你看到什么 ai 识别什么,实时翻译,抬头显示通知 gimmel 对 话。有意思的是它的定位, mate 的 rain 眼镜卖的不错, 但功能浅,主要就是拍照加语音助手。苹果的微信 pro 功能强,但太重太贵,出不了门。谷歌这次卡在中间,一副能日常带的 ai 助手逛着街,他帮你认路。翻译推荐餐厅,像有个 ai 在 你的耳边跟你叨叨, 但问题也在这,你愿意让 ai 看到你看到的一切吗?谷歌说有 led 指示灯,录像的时候会亮,但技术上 它也可以不亮。当 ai 有 了眼睛,你的隐私边界在哪儿?这才是比参数更值得琢磨的事儿。总结一下,明天凌晨一点,谷歌 i o 二零二六开幕三件事儿,焦米莱四点零能不能追上 gbt 和 cloud, 决定了谷歌未来三年在 ai 圈的饭碗。 luma os 能不能把手机、电脑、眼镜打通,决定了我们的数字生活要不要被重新定义。安卓 xr 眼镜能不能做成日常 ai 助手,决定 ai 走出屏幕是不是空话,我个人的票投给第二个。 不是技术最炫是系统及 ai 一 旦落地,那我们每个人用手机的方式都会重新改写一遍。我是小朱,点赞关注,一起读懂 ai 时代规则,下期再见!

最近,谷歌詹米奈的史诗级大改版刷屏了,全网都在吹他的新界面有多好看,动画有多丝滑。但今天,阿晨必须给你泼一盆冷水。如果你只看到了漂亮, 那你就是这场大洗牌里被淘汰的第一批人。通过这个极具迷惑性的唐一外壳,阿晨看到的是谷歌正在用最温和的手段彻底绞杀掉传统的脑力,打工人也被那些科技博主带偏了。今天,阿晨带你直击他背后的三张恐怖底牌。你仔细看他改版后的侧边栏, 这里面藏着一个极其残忍的杨某。 are collapsed, so in the past this was expanded just like notebooks are, but they've now condensed them you can still get to all your gems by clicking that and opening them up, but they're now permanently collapsed here, i think that gemini or google, they're moving more towards trying to get users to use notebooks more。 看懂了吗?谷歌把用来聊天的功能直接折叠了去,把 notebooks 笔记本提到了最高优先级。这意味着什么?意味着巨头已经不满足于让你跟 ai 闲聊了,他在逼着你抛弃一问一答的玩具思维, 去搭建真正能自动化跑业务的工作流。在这个时代,聊天是玩具,工作流才是印钞机。其次,别再吹他现在给的答案有多好看了,这根本就是一场对初级脑力劳动者的视觉屠杀, 你看它现在的交付能力。 edges in the responses and really nice looking like this feels like a, i don't know like a magazine style almost with like these nice images with rounded edges you can see the source for where the image came from then it gives you some more information they created a table and then this is really cool, i'm pretty sure this was generated by gemini yeah, it definitely was cause you can see when you move over it it's actually interactive。 看懂这个压迫感了吗?他不仅给你文字,他竟然直接当场画出了一个排版精美甚至带悬停交互的网页级图标!以前你要出这种活,需要一个策划查资料,一个 u i 画图,再加一个前端敲代码,折腾大半天,现在一句话搞定,他已经从帮你找答案 净化到了直接交付商业级产品,中间商被彻底抹除了。最后,也是最让人头皮发麻的,是它的语音净化。 huge update, it looks so much better and allows you to continue a conversation between the live chat and text chat let me show you an example, so this of course is the live button clicking on this we can start it, hey, can you tell me the history of pinball machines in the united states and how they got so popular so now it's answering my question, but if i close this out, i can now continue the conversation in the chat, so i could ask it a follow up question here。 很多人觉得这不就是语音变顺畅了吗?大错特错!真正的杀招是它彻底打通了语音和文本的资源壁。 你在开车走路的时候,用嘴给他下达模糊指令,回到工位打开电脑,他已经在文本框里把方案全给你列好。等你接受了,这哪里还是个工具?这分明是一个二十四小时全天候无缝贴着你的超级赛博助理!听懂了吗?兄弟们?当 ai 的 交付能力直接变成了商业成品, 当他二十四小时无缝嵌入你的生活,你还在想怎么精修 ppt, 怎么敲代码?我是进化中的阿晨。别再沉迷于见面的新鲜感了,赶紧去搞懂工作流,用这些新特性重构你的业务线去驾驭他们,否则你就准备被他们淘汰。

朋友们,今天凌晨,谷歌扔出了一枚深水炸弹。就在刚刚结束的 google i o 二零二六大会上,谷歌宣布推出 gemini 三点五 flash 模型,并且向全球所有用户免费开放。这不是阉割版,不是试用版,而是谷歌宣称的迄今为止最快、最有效的模型。 它可以接受任何形式的输入文字、图片、音频、视频,用户甚至可以用自然语言直接编辑视频。谷歌在现场算了一笔账,对于头部企业来说,如果把大部分工作负债切换到 flash 系列模型,每年节省的成本可能高达十亿美元级别。免费开放多模态视频编辑,年省十亿, 这不仅是模型升级,这是全球 ai 巨头在用极致性价比重构竞争格局。很多人可能对三点五 flash 这个命名没概念,我帮你翻译一下。 第一,速度快得离谱。谷歌表示, g m 三点五 flash 在 输出令牌速度上是其他前沿模型的四倍,而在优化平台上的版本,速度还能再提升到十二倍。什么概念?你以前问 ai 一个问题,等三秒才有回复,现在一秒不到答案就出来了。第二,性能不降反升。你可能会想,速度快是不是牺牲了智能? 恰恰相反, gemini 三点五 flash 在 多项精准测试中,超越了四到五个月前的旗舰模型。在代理式 ai 能力、代码编辑、多模态理解等关键维度上,三点五 flash 都达到了前沿级别的水平。用谷歌的话说,性能是旗舰级,成本只有三分之一到一半。第三,真正的多模态来了。 gemini 三点五 flash 可以 接受任何形式的输入文本、图片、音频、视频。更炸裂的是,用户可以用自然语言直接编辑视频。你说把这段视频中的夕阳调亮一点, ai 立刻执行, 不像是模型升级,更像是人机交互方式的彻底重构。第二部分,谷歌的阳谋,用极致性价比打一场价格战。很多人问谷歌为什么要免费开放,低价收费?难道做慈善?答案很简单,抢市场、抢用户、抢生态。第一, ai 的 竞争已经从参数竞赛转向成本竞赛。谷歌现场算了一笔账, 目前头部企业每天在谷歌云上处理海量 token, 如果把大部分工作负债切换到 flash 系列模型,每年节省的成本是十亿美元级别。 对于正在烧钱搞 ai 的 企业来说,成本就是生死线,谁能在保证性能的前提下把价格压到最低,谁就能抢走对手的客户。第二,谷歌要用免费圈住十亿用户。 gemini 应用的月活用户已经超过九亿,一年前这个数字只有四亿。谷歌搜索 ai 模式的月活用户也在一年内突破了十亿。策略很清晰,用免费的 flash 模型留住 c 端用户,用低价的 a p i 吸引弊端开发者。当所有人都习惯了 gemini 生态,谷歌的 ai 收入就会像当年的搜索广告一样源源不断。 第三,谷歌有降维打击的底气。自研芯片,谷歌使用的是自研 p p u, 而不是像其他厂商那样采购英伟达 g p u。 自研芯片意味着更低的单位算力成本、更高的利率。二零二六年,谷歌预计资本支出将达到一千八百亿至一千九百亿美元,六倍于二零二二年的三百一十亿美元。 这种不计成本的投入,就是在为未来五年的 ai 算力霸主地位铺路。谷歌 ai 大 模型升级,最直接的受益者不仅是谷歌自己,还有整条 ai 算力产业链,大模型训练和推理需要海量算力。 杰米尼三点五 flash 的 免费开放,意味着全球用户的使用量将暴增,直接拉动 ai 服务器需求。据产业链消息,谷歌 tpu 机柜总数量预计将从二零二六年的约六万柜,快速成长到二零二七年的约十点五万柜,年增幅高达百分之七十五。工业复联 ai 服务器代工龙头,深度绑定英伟达、谷歌等大客户直接受益。 互电股份 ai 服务器 pcb 核心供应商、 pcb、 数据中心等领域的订单持续增长,大模型参数越大,数据传输需求越高。 光模块是 ai 算力集群的神经系统中继续创全球光模块龙头。一点六 t 光模块已批量交付。谷歌 gemini 流量增长将直接拉动八百 g 一 点六 t 需求。 天福通信一点六 t 光引擎规模量产,深度绑定海外头部大客户业。三点五 flash 的 免费开放受益于 ai 数据中心互联需求。 gemini 三点五 flash 的 一大亮点是端侧轻量化,让更多中低端设备也能流畅运行本地 ai 功能。瑞生科技向 ai 手机 x 二可穿戴设备输出光波导、高端散热系统等感知方案。康奈特光学、夸克 ai 眼镜独家镜片供应商受益于 ai 端侧设备放量。当然,话要说回来, 第一, gemini 三点五 flash 的 免费策略可能会引发整个 ai 行业的价格战,如果竞争对手被迫跟进降价,整个行业的利率可能被压缩。 第二,谷歌 tpu 供应链相关标的近期已有较大涨幅,工业复联中继续创等估值处于历史高位,短期追高需谨慎。第三,谷歌的资本支出虽然庞大,但能否持续产生回报,还需要看 ai 应用的商业化落地节奏。 总之, gemini 三点五 flash 免费开放是谷歌在 ai 成本占中的一次亮剑,它的意义不亚于当年安卓系统免费开放。 用极致性价比抢下生态入口,再用生态反捕算力投入工业复联在造服务器中继续创。在铺光模块,天府通信在生产光引擎,瑞生科技在布局端测硬件。当谷歌用十亿用户、万亿 toker 向全球宣告 ai 不 再是奢侈品时,中国算力产业链上的卖产人正在闷声发大财,这个赛道的故事正在翻开新的一章。 好,这个话题就聊到这。以上内容和提到的公司是基于公开信息的逻辑梳理与产业推演,不构成任何投资建议。市场有风险,投资需谨慎。

google i o 二零二六将于美西时间五月十九日上午十点在加州山景城 shoreline m c cetera 开幕,并通过直播向开发者与公众开放,主活动集中在五月十九到二十日。但今年市场与研究者的目光并不满足于 gennera, 又强了一点, 大家更在意谷歌能不能把 ai 从产品附建变成系统底座,并把投入转化为可观测的商业回报。 本期节目我们来聊聊谷歌的 i o 大 会。对了,本次提到的所有公司都只是基于公开资料客观整理,均不做推荐。由于部分涨幅过大,请各位注意风险。背景板上最硬的一组数字,来自 alphabet 的 自身的资本安排。 管理层在近期财报季与相关活动中明确公司二零二六年资本支出计划大约落在一千七百五十到一千八百五十亿美元区间, 重点砸向数据中心扩建、 ai 算力部署与网络基础设施,其市场对后续年份的资本强度仍在上调与争论中。 钱花到这个量级,投资者要看到的就不只是 demo, 而是搜索广告策的 ai 货币化、 google cloud gamedan 企业策的收入加速度,以及 tpu ocs 这条自研开放供应链能否跑通。那本次大会的主要看点是什么?一、 gemini 迭代仍重要,但真正变量是 agintic ai 加端侧下沉加系统级嵌入。市场对本届 i o 的 模型层预期更务实,更大概率看到的是 gemini 三点 x 的 持续眼镜与生态铺量,而不是简单用胯带四点零来定义成败 升级重心被普遍认为更偏智能体任务能力上下文处理与端侧轻量化,目标是让更强能力落到更多中低端安卓设备上,而不只停留在旗舰机与云端演示。一个有意思且更贴近产品化的线索是 jamie spark 正在从实验室蓄势走向前端入口 近于 apk insight 类的拆解与媒体梳理。 genomics park 作为更主动的 agent tick 入口,在组织上为 chat agent 双栏可调度任务,并可读取已连接应用任务位置等信息以辅助执行。谷歌也会标注其实验属性,并提示监督边界。 再叠加 gemeye 正更深切近安卓与 chrome 的 使用炼录,让它更像系统级能力,而不只是你想起才打开的对话框。对行业来说,这一层变化的意义是 ai 的 触点密度会被系统强行放大。二、硬件 android xr 眼镜把 ai 入口从手掌抬到眼前 谷歌以明确 android x 二相关眼镜形态会在 i o 二零二六得到专门展示,并与三星 xreal、 warby parker、 gentle monster 等合作方一起把可穿戴 ai 入口的生态拼图摆上台面。其中最受关注的仍是三星测项目, 爆料指向轻量化路线, snapdragon a r e 级别平台、一千两百万像素级摄像头与更偏日常佩戴语音 first 免提唤醒 gemini 的 定位, 同时行业内也在准备更高阶的显示路线。对资本市场而言,这里的关键不是眼镜多么惊艳,而是 android x 二若真把开发测 sdk、 工具链、品牌渠道与 gemini 的 多模态理解串起来,它就构成了 ai 终端化的第二入口,预期 这会反过来强化端测 ai 芯片、光学、微投影与传感、轻量化结构与续航方案的主题热度三、商业化与基础设施 i o 之外,真正的考场在云与广告现金流。 i o 本身是开发者产品秀, 但谷歌今年的趋势一旦延伸到五月二十一日的 google market live 这类更偏商业转化的场次,市场就会把焦点拉回两条硬指标, ai 搜索带来的可商业化查询增量,以及 ai 驱动的广告工具对预算配置的影响。 同时,谷歌在 cloud nex 脉络里已经把第八代 tpu 与自研互联光交换方向带进现实讨论,更大集群规模带宽与能效提升,意味着超大规模 ai 集群的网络形态可能继续演化, 而 ocs 这种减少光电转换、降低功耗与互联复杂度的思路,就会反复成为上游基础设施的催化词。关于谷歌链的公司,博主已经出过多期视频了, 这里再简单介绍一下。需要说明的是,很多谷歌链 ocs 链公司确定性参差,且与谷歌自身是否对外售卖 tpu、 如何建设集群,以及 ocs 的 规模化节奏强相关。 因此各位请客官看待。首先,谷歌最大的看点是 ocs, 藤井科技 ocs 关键光学器械核心供应商材料壁垒高官库科技整机代工 ocs 关键零部件,塞维电子、 高端 mist 制造平台 ocs 芯片通过验证,德克利硅基波导 ocs 技术领先,已获样机订单。 此外还有如凌云光、光讯科技、英堂智控、微腾电器、福金科技等。其次,谷歌的 ai 眼镜,如利讯戈尔、水晶光电等。其余的硬件如夜冷的英维克、飞龙股份、大元泵业电源的欧路通等。 总结而言,明晚的这场大会与其说是谷歌的技术秀肌肉,不如说是其在 ai 时代的一场生态总攻。当然,必须清醒的认识到,目前绝大多数谷歌链标地仍处于主题催化阶段,世界落地往往伴随着情绪的剧烈波动,再完美的逻辑也需要结合大盘的节奏来择时。

谷歌你做模型给我做好了呀,接下来三点五 flash 真的 就拉完了,就比如我问他三点五 flash 大 概是个什么水平,他回答我这个什么,他回答我 step 三点五 flash, 他 直接这个理解能力首先就不行, 然后我就想着那我再问一句吧,我说 jamming 的, 结果他回我什么 jamming, 一 点五 flash, 他 甚至连连网搜索都懒得搜,他就直接用旧的知识库里的信息去给我回答,直到最后我直接说三点五 flash, 他 才去就真正的回答对了。 然后我们去用 cloud 去跟他对比一下,我问 cloud 三点五 flash 的 什么水平,他第一时间是能反应过来,我再问三点五 flash 的, 然后后面我又补了一句,他就直接就回答对了,对了,而且这个是三奈特啊,几个月前的模型,我们再看一下他新出的那个 antigo, 二点零只有这个,嗯,对话历史和日常任务没了,就就这俩。 然后我们看 codex, 真的 就没法比,有插件,有自动化,还有搜索,就就光这这一个侧边栏都比它多那么多功能,而且还有直接能用的什么 play mode, agent mode 之类的, 然后这个 antigravity 呢?他甚至连一个直接能看见的 play mode 都没有,真的就拉完了。不知道谷歌在下什么大级,但是现在的见面礼真的很拉,还是希望谷歌以后越来越好,我是不开心,祝你们天天开心。

谷歌今日凌晨发布了 gemini, 在 底层逻辑上简直就是一次史诗级的进化,瞬间引发了轰动,我们一起来看看实际的测试效果吧。哈喽,各位小伙伴们大家好,今天给大家演示一下最新的视频模型 omni flash 的 使用方法。 好,这个的话呢,它支持使用十秒啊,然后三十个积分这种方式操作好,那么怎么来操作呢?假如说我们要做这样的一个漫剧效果 好,那么首先第一个我们可以使用分镜啊,这个是我之前做的分镜。好,那么我直接把这个分镜的话呢,放到我的这个提示词里边啊,那么我可以直接到这里艾特一下就可以了。好,我艾特一下分镜,点击确认。好,然后的话呢,我可以直接说 啊,使用啊,根据分镜,或者我把它删掉啊,根据分镜生成动画。 好,然后我艾特一下这个分镜,这个分镜好,可以了。好,然后人物参考,使用这一个人物。好,然后场景参考,场景参考, 再使用一下这个场景。哎,我的场景也有了。好,这样子的话呢,那么就直接就 ok 了啊,然后我们直接来生成好生,呃,动画流畅,然后运镜流畅 就可以了。好,那么就直接点击生成好,这个的话呢,大家就可以看到一条非常运镜流畅的,并且呢有音效的这样的一个画面呢,就可以展示。 嗯,而且它的准确度是非常高的啊,就是没有脱离我们的这一个分镜,所以的话呢,这个是一个非常好用的功能。

就在刚刚五月二十号凌晨一点的时候,谷歌的开发者大会正式的开始直播,那肯定有很多朋友没有看这个直播,我只能说各位真是有先见之明,整个直播时长有两个多小时, 又臭又长,直接给我看历劫了。信息密度呢可以说是非常的小,就是发布了一个全新的模型三点五 flash, 其余的其他功能呢都是接入的这个模型,各种乱七八糟,内容呢都加了在一起,大会的后半段呢,直接变成了现场直播带货,我看完就是一句话,真是闹闹又麻麻 闹马。我们首先看一下大会的第一个部分,就是 gmail 模型家族,整场都在讲这个, gmail ai 发布了 gmail 三点五 flash, 它的定位呢是前沿智能模型和 agent 执行力合二为一的旗舰快速模型,头跟的输出速度呢是其他旗舰模型的四倍, 非常的夸张,而且在编程 agent 的 多模态基础上,超过了 gmail 三点一 pro 就是 一个 flash 模型,超过了三点一 pro 模型,这个就意味着这次模型呢是小而快,听起来非常的不错, 但是我不禁要问,那么代价是什么?没错,它的价格也赶上了 pro, 上一代的 pro 模型呢,每输入百万, token 呢是二美元,输出是十二美元。这次的三点五 flash, 它的输入是一点五美元,输出是九美元, 其实非常接近了,在他们直播中有这样一张图,说是用了九十三个 agent, 输出了二十六亿的 token, 总共金额小于一千美元啊,我先保持一下质疑, 这次价格涨的确实有点多,这还只是 flash 模型三点五 pro 呢,预计在下个月,也就是六月上线,那你想想吧,那个价格肯定会更高呀。那第二个呢,就是 jimmy 欧姆尼全新系列,目前用的也是三点五模型,核心定位呢是推理能力加创作能力融合首发的 jimmy 欧姆尼 flash 接受图片、音频、视频文本的输入,也可以输出生成视频,还可以创建我们自己的声音生成的视频呢,让他说话的声音就是我们自己的。 你可以理解为把视频生成模型,图片生成模型全都融到了一块,缝合怪奇美拉。另外顺带一提,它的内容检测能力呢,从 jimmy nike 的 app 版扩展到了搜索和谷歌浏览器中,也就是说,当你看到一个图片,你不知道它的真伪,那么你可以把这张图片发给他,问问他是否由 ai 生成 它可以进行判定。这个怎么说呢,就我体感下来,其他的生成模型我都能认出它是 ai, 唯独 g p t 的 那个确实是有点真假难分,你不会针对的 g p t 吧?那山姆就有话说了,你不是我的兄弟,你是个路人。 接下来就是重头戏,谷歌的 a i d e 反重力二点零上线了,全新独立的设计啊,真是不愧是谷歌啊。从这个设计页面上呢,我就看到了无数个神支持了 doa 盾,并且速度非常的快,而且如果你是新开通的,或者以前就是 o 叉用户,还会送你 一百套的额度,那去领吧。什么意思?下一个更新的是全新的设计语言,几乎是全平台桌面版、手机版以及网页端都进行了更新,变得非常优雅,动画非常丝滑,同时引用了全新的字体,不过对于阅读中文来说好像不是特别方便, 只是阅读英文的时候看起来确实很优雅。每天的额度呢,也改成了卡尔的那种限额五小时刷新,直到达到周限额 结束了,也就是说,如果你是 pro 用户,可能用一会就没有了这个额度。下一个 jimmy spark, 二十四小时全天候, agent 直接运行在云端,在手机上,电脑上拿起来就直接控制它使 用的模型呢是 jimmy, 三点五,可以实时监控我们的信用卡账单,追踪邮件,自动整理笔记,制作文档。这个几乎就是一个 agent 的 平台的标配了,它本身就是一个超级 mcp 客户端,接的非常多。这个时候可能有朋友说了,哎,这个不是小龙虾吗?是吗? 目前这个我们用不了,你是 plus 用户, pro 用户都用不了,你必须得是 air ultra 用户。二百五十美啊,不对,现在降价了,是二百美元一个月。但是这个计划对我个人吸引力不是特别大,再下去沉淀沉淀吧,我们看下一个谷歌搜索 三十年以来最大的更新,在二五年年底的时候呢,谷歌浏览器就推出了 ai 模式,那现在呢?把这个 ai 的 模型换成了 gmail。 三点五, 我们输入的越长,搜索框越会主动的进行扩展,因为它是内置在浏览器上,主要还是为了搜索嘛。当你一个很简单的问题,他就会给你回复很短的内容,但是当你长篇大论的跟他讨论的时候,他就会开始进行深度思考 啊。 deep think, 也就说类似可绕的那种,判断你的意图,以及你这个问题的复杂程度,他自己来决定给你回复多少。另外这样一个浏览器也有 agent 了,二十四小时全天监控。我们提一个问题, agent 在 后台跨博克新闻社媒以及谷歌的实时数据 持续监控,也就说你可以让他实时帮你监控一些内容。那这个监控的功能呢?我个人认为可以用在理财的方面,比如说黄金的金价,实时给你追踪一些股票的价格,实时的给你发送。 不过这个功能呢,暂未发布,夏季向 ai pro 凹叉用户开放下一个 mini app。 这个功能是在我们搜索的时候,那一个非常长的任务,它会自动给我们生成看板,或者是生成网页,生成一个小应用,我们可以直接快速的跟它交互,那比如说我问一个太阳 长什么样子,那它呢?就会生成一个类似网页,或者是一个三 d 的, 我们可交互,可以拖动旋转。这个太阳演示看下来呢,还是非常有意思的,但是仍未发布, 发布时间是未来几个月。 ai pro ultra 美国地区的用户可以使用,也就说你不在美国,或者你是免费用户,那么你都是用不了的,太可恶了,他不是我们的兄弟,他是路,厉害。最后还有几个我快速给大家过一下,因为我个人感觉非常的无聊,一个是全网通用购物车, 让 ai 帮我们去购物,去比价美国豆包啊,真是实至名归啊。还有一个呢,是给油管准备的 ask youtube, 可以 直接处理复杂的查询和后续的追问,其实跟 grog 差不多, grog 呢,是可以读取 x 平台的所有推文,那这个 youtube 呢,自然是可以读取油管上的所有视频,以结构化交互形式呈现。这个呢,现在已经可以用了,局限于 youtube 会员的美国用户啊,注意你得是会员哦。 最后呢,就是他们的带货环节,首先是他们的安卓 x r 啊,智能眼镜,想当年我也买了一个小米的异样眼镜,老傻了。我 目前呢是两个版本,一个是带屏幕的,一个不带屏幕的,只不过带屏幕的还没有发,各位感兴趣可以去看一看。大概 就这么多内容,如果各位非常闲的话也可以去看看。这个直播还是蛮催眠的。那以上呢,就是本期视频的全部内容了,如果你对上述我们提到的这些内容某 某一部分你感兴趣,可以在弹幕里留言,我们可能会单独出一些视频来测试,或者是解读一下。各位记得点赞,不点赞的话你就不是我的兄。 ok, 最后祝各位玩的愉快,我是段峰,我们下期再见!拜拜!

兄弟们,我现在就在谷歌 i o 二零二六的现场,这是谷歌一年一度最盛大的发布会。这场发布会,谷歌几乎发布了一整套 ai 接管数字世界的产品, jamming 三六五 flash、 jamming spark、 jamming omni 智能眼镜,每一个单拎出来,都够写一篇报道。合在一起,你能感受到,谷歌这次是真的把底牌一张张甩出来了。 但我坐在现场听了一半,最大的感受不是兴奋,而是一种很奇怪的茫然感。你想想啊,互联网进入普通人生活才多久? 满打满算也就三十年。三十年前,你想知道一件事,可能要去图书馆,想买一个东西要出门,然后互联网来了,所有信息铺平了所有人,连上了 所有的商品都被送到你的面前。如果一个古人穿越到今天,看到我们坐在房间里,就能看见地球另一端的事,能和万里之外的人视频通话,能瞬间查到几乎所有人类知识。他一定觉得这是神迹, 可这个神迹在人类历史上连一个逗号都还没写完, ai 就 来了。而且它不是让互联网变得更好用,它是在告诉我们, 过去三十年的上网方式,可能只是一个临时版本。过去你上网的方式是什么?你搜索、点击,打开 app, 操作今天谷歌发布的东西,让这些动作一个个变得没有必要。第一个,你没必要再唱。谷歌发布了 jammin spark, 一个跑在云端的私人 ai 智能体, 二十四小时运转,你关掉电脑去睡觉了,他还在替你干活,读你的邮件,整理日历,起早回复,跨好几个应用,帮你完成一整套流程, 遇到重要决定停下来问你,其他的自己全做了。这跟以前的 siri、 谷歌 assistant 完全不是一回事啊。那些东西你喊一句动一下,不喊就是个摆设。 spark 的 意思是你不在互联网也能替你赚。第二个,你不用主动搜索了。 去年 ai overview, 你 问一句,他给一段总结,但还是一问一答。这次谷歌做了 information agent, 你 跟他说帮我盯着某个型号的相机,低于某个价格通知我,然后不用管了, 他二十四小时在后台扫全网,条件到了,主动来找你。搜索框存在的前提是人得主动提问,一旦 ai 能替你盯着,替你追踪搜索,这个动作本身正在消失。第三个,软件不需要用别人做出来的。 现在 webcoding 满大街都是啊。你跟 ai 说要什么,他帮你写。但谷歌做的 anti gravity 往前走了一步,不是让你更方便写代码,是让一群 ai 自己管理整个开发流程, 规划写测修,自己协调,自己并行。以前你还是那个坐在电脑上说改这里的人,但 anti gravity 的 方向是你给目标,然后离开,回来时活已经干完了。 第四个 g m 来 omni, 它能让你拿一段已经拍好的真实视频,用自然语言修改,换背景,换物体,改光线,多轮对话,一句一句叠加。以前 sorrow 是 从文字凭空造画面, omni 是 对已有的现实动手,你的视频变成一份可以被语言不断改写的现实草稿。 过去看到一段视频,至少默认背后有一个真实,但现在看见不再等于发生过。支撑这一切的底层是 gm 三六 flash 速度是上一代的四倍,成本砍掉了一半。以前 ai 太慢太贵,只能一问一答,但是快到能自己规划自己跑几十轮不心疼。成本上面这些才全部成立。 三点五, flash 不是 一个新模型,它是这一切的发动机。再加上 universal card ai 支付、智能眼镜,你会发现谷歌不是在发一堆零散功能,这些东西合在一起,是在改写人和生死世界的关系。互联网过去的承诺是,一切信息对你敞开,但你得自己来拿。 ai 正在把但你得自己来的半句删掉。这才是我坐在现场最强烈的感受。不是某个产品多酷,而是人类突然进入到一个谁也不知道未来会怎么展开的阶段。以前我们觉得未来至少还能看懂方向, 技术会进步,行业会洗牌,但大致往哪走,心里有数。但现在 ai 的 变化速度已经快过大多数人的理解速度。 你今天刚学会一个工具,明天他可能就被一个 a 的 替代了。你今天刚适应一种内容形式,明天视频、声音、现实记录本身都可以被重置。从二零二六年开始,我们熟悉的世界正在失去旧的说明书,而新的说明书还没有人写出来。我是彭州 ai, 永不眠。

大家好,我是你们的老朋友汤姆。今天我想聊聊昨天凌晨刚结束的谷歌 i o 大 会。 那么说实话呢,看完这场发布会,我的感受其实是非常的复杂的,一方面呢,谷歌的确拿出了一些真的东西,非常的有诚意。 gemini 三点五, flash 的 性能翻倍,价格也腰斩了。 andi gravity 二点零,把开发平台直接升级成了一个智能体的管理平台,响应速度直接提升了十二倍。 gemini omni, 这是我认为这次最被低估的一个产品,它能接受文本、图像、音频、视频的一个任意的一个输出,然后输出视频内容,而且未来可以输出任何的模态。 用大白话说,谷歌做了一个真正的全能选手,不是一个只能写文字的聊天机器人, 而是一个能看懂你,听懂你,看懂世界的一个智能题。那么最重要的是, timothy spark 上线了,他能二十四小时帮你跑任务,甚至未来能帮你付款,这不再是 ppt 上面的一个演示,是下周就能用的一个真东西。 而且谷歌这边公布了一个数据,让我印象非常的深刻啊,就是 jamming 的 月活从去年的四亿飙到今年的九亿, 翻了一倍多。谷歌用一年的时间证明了自己,在 ai 赛道上不是掉队者,而是真正的竞争者。 但另外一个方面呢,我有一些不太舒服的一些感觉啊,想跟你们说说。就是我的第一个质疑就是代理支付,这听起来非常的不错啊,但这个方式真的安全, 谷歌宣布 spa 未来能替你付款,理由是有专门的代理支付协议,保障安全,但是说实话,这个安全只是目前谷歌的一家之言。 ai 能代表你花钱,那么这意味着什么?你的账户权限直接对外暴露? 你的消费行为被一个 ai 算法驱动,一旦出了问题,责任该如何界定?用户协议里那些密密麻麻的免责条款,普通用户真的会仔细看吗?我对此保持怀疑的一个态度。 第二个质疑就是计费的模式改成了计算量,听起来划算,但这个真的透明吗?谷歌说从日提示词限制改成按计算量来收费价格更加合理,但问题是,计算量的计算方式由谁来定义? 用户该如何去核实?这个账单的透明度比传统 api 定价模式差很多?企业用户可能用起来还好,因为可能不太差钱,但是个人开发者,我觉得这里面有些信息不对称的一些风险。 我的第三个质疑就是 jimmy 的 omni, 他 确实非常的强大,但是他的上限到底在哪里? 这次的 omni 的 发布确实让我眼前一亮,但我更关心的是它的边界在哪里? 谷歌说 omni 可以 生成视频,可以对话式剪辑画面里的任意一个元素,但你有没有想过,如果,如果任何人啊,可以随意篡改视频里的任意的元素?真实和虚构之间的界限还有吗? simid 水印技术听起来是一个解决的一个方案,但是说实话,用户肉眼识别高质量 ai 生成视频的概率只有四分之一, 大多数人是根本就分辨不出来的,尤其是老人。欧米尼能力越强,那么深度造假的门槛就会越低,这是一体两面的事情,技术本身没有任何善恶,但是应用的边界需要整个行业来共同约束。 我的第四个质疑,就是也是最大的一个问题就是 ai 的 智能体时代到来了,但是由谁来负责? 谷歌把智能体描述成帮你处理一切数字事物的个人助手,这听起来非常的爽,但是你有没有想过,当你的 ai 助理替你发邮件,替你下单,替你做任何决策的时候,如果出了问题,谁来负责? 谷歌会说在您的指导和受益下执行,但是 ai 的 理解和你的意图之间永远存在着偏差,这种责任的真空,目前没有任何一家公司能够给你认真的回答这件事情。 所以我的态度是,这次的谷歌 i o 的 技术层面呢,我给一个非常高的一个分,但是在论语和安全的一个层面,整个行业都在摸索阶段, 作为普通用户呢,我建议你可以积极的拥抱 ai 的 到来,但是不要盲目的信任。好的,以上就是我对这次谷歌 i o 的 一点真实的看法,不一定对啊,仅供大家参考。

google i o 大 会两天前刚开完,发布了很多新技术新产品,一句话总结, google 全面进入 ai a 阵时代。先说几个数字, gemini 现在九亿月活用户,每月处理三千两百万亿个 token, 去年同期翻了七倍。 google 搜索的 ai 模式上线一年,月火已经突破十亿。这次特别值得关注的是 gemini omni, 一个模型什么都能输入,什么都能输出,给他一张照片加一段描述,直接生成带声音的视频,而且他懂物理,水会流,球会弹,不是那种一眼假的 ai 视频。然后是 gemini spark, 说白了就是你的二十四小时私人助理, 关掉手机,他还在后台帮你干活,整理邮件,查航班,甚至帮你买东西付款,这不是概念,已经开始内测了。 开发者这边 google 推了 ant gravity 平台,以前花几天写的代码,现在 ai ai 阵几分钟搞定,内部已经每天处理三万亿 token 了,而且三点五 flash 模型,速度比同级别快四倍, 搜索也大升级。 amo 现在能帮你建仪表盘,追踪项目相对迷你。 app 购物有 universal cart, 跨搜索, youtube, gmail 帮你管购物车追降价,而且直接 google 配一键结账。 最后一个大的智能眼镜,跟 gentle monster 和 warby parker 合作的,今年秋天就能买到,带着直接跟 gemini 对 话,拍照导航,不用掏手机。 google 在 ai 基础设施上的投入力度也很大, tpu 已经出到第八代了,训练集群超过百万颗,这个投入力度说明他们是认真的,感兴趣的关注我,后续给你们拆解每个产品。

用 ai 做带货视频啊,最近大家的谷歌 flow 是 不是都崩了?崩了不用担心啊,不是你一个人崩啊,是所有人都崩。据大家消息传的啊,应该是 vivo 要更新了,应该是 gimini, 然后难度不大的 pro, 然后 vivo 三点一可能都要更新了。希望这次 vivo 三点一更新了之后能把吉梦给拽下神坛啊,而且价格不要涨价。

谷歌昨晚扔了一枚重磅核弹,但真正大的可能不是 openai, 而是你我手机里的每一个 a p p。 五月二十号凌晨呢,谷歌 i o 大 会连发三款的重磅产品, jimmy 欧米视频模型、 jimmy 三点五 flash 超高速模型,还有能在后台自主干活的助手 ai 的 spark 詹姆奶应用,月活冲到了九亿,一年翻了一倍,搜索 ai 模式用户超过十亿。但我今天不想只跟你复述参数,我想换个角度聊聊这三个产品的背后,一场正在发生的权力转移。 先说两个模型,詹姆奶欧米是谷歌目前最强的多肽系统核心,就一句话,从任何输入生成任何输出, 你给他文字、图片、视频、语音,他能够生成视频,还能用对话的方式进行改画面、换背景、换角色、换风格,一句话的事。 而且它不是纸堆画面,它用谷歌的物理知识做底座,它模拟重力动能、流体动力学这些真实世界的物理规则。这么在三点五 flash 呢,走的是另外一条路, 极致的速度和低成本输出速度呢,是 gpd 五点五和克拉的 opus 四点七的四倍,每秒有两百八十九个头,肯生成成本呢,只有同类前沿模型的一半或者是三分之一。 谷歌现场展示了一个炸裂的场景,九十三个智能体并行工作十二个小时,从零写出一个完整的操作系统的内核消耗还不到一千美元 a p i。 的 一个额度,现场还直接运行了一款三 d 游戏,非常非常的炸裂。 但这里我要说一句可能更扎很多人心的话,模型跑得越快,视频生的越真,普通内容创作者的存在感就越弱。这不是危言耸听,谷歌已经把 omni 免费接入了 youtube 的 shots, 你 想想看,以后刷到的短视频,可能一半是 ai 生成的。你费劲拍三天剪出来的片子, ai 三秒就生成了,你的优势在哪里? 那谷歌砸一千八到一千九百亿的美元搞 ai 的 基建,到底图什么呢?答案是,它要把 ai 塞进你的手机、浏览器、眼镜和生活的每一寸裂缝。新发布的 spark 智能体能,二十四小时后台运行,帮你监控邮件、整理文档、跟踪任务,不需要你盯着屏幕。 谷歌管这个叫做搜索进入智能启时代,但说白了,他在做的事情就是让用户从自己动手变成下达指令,然后等结果。这个转变一旦达成,过去靠用户停留时长吃饭的所有产品、社交内容、电商都得重新洗牌。 这也是我之前讲到腾讯股价下跌时提到的逻辑, ai 强的不是某个功能,是用户的时间结构。所以这场发布会真正让我警醒的不是谷歌有多强,而是一个已经加速到来的趋势, ai 负责生成,人类负责判断。 ai 负责效率,人类负责连接。 昨天是图片生成,今天是视频生成,明天可能就是全场景的 ai 代理。我讲过很多次,包括红山的峰会也说过, ai 不 卖工具,只卖结果。 当 ai 把结果做得越来越快,越来越真,普通人还剩下真正值钱的就两样,你的审美判断力和你客户之间那层真实的信任连接。这也是我们做无相机摄影一直坚持的逻辑。我们不做通用 ai, 我 们是帮实体店的老板把最复杂的视觉能力封装好, 只需要拍一张照片,不需要下达指令,都可以来去生成四 k 高清的商拍大片和文案。技术上的事让 ai 来做,你看一眼觉得行还是不行,怎么用更好,这事只有你能做。 谷歌把 ai 往世界模型推,我们把 ai 往帮老板省时间来拉。方向不同,底层逻辑一样, ai 负责效率,你负责人情,你负责关系。 五月二十一号晚上八点,我将在人大商学院分享我们的产品,欢迎到我的直播间一起聊聊。我是明哥,关注我,陪你一起看懂 ai, 用上 ai。