“它不仅看得见、听得到，还记得你说过的话，知道什么时候做出反应。”

去年的谷歌 I/O 开发者大会上，多模态 AI 助手 Project Astra 首次亮相。当时它更像是一种概念验证。

而在今天的谷歌 I/O 大会上，Project Astra 以一种更令人惊叹的方式进化了，谷歌 DeepMind 展示了它在实时感知、语境理解、边缘设备运行等方面的全新能力：它能通过手机或智能眼镜识别物体、追踪用户语音指令，并对环境中的动态变化做出快速反应，真正融入人类的现实生活。

“Astra 可以根据它看到的事物选择何时说话。”DeepMind 研究总监 Greg Wayne 表示，“实际上，它一直在持续观察，然后发表评论。”

这意味着：它能够代表你完成任务，即使你没有明确要求；它还可以根据所看到的内容选择性“发言”，比如指出作业中的错误。

Project Astra 仍然是一个试验项目，公众或许很久都没有机会体验它，但它的升级，代表着谷歌的 AI 战略野心。它的背后，是谷歌正在以 Gemini 为核心，构建一个贯穿搜索、创作、办公、助手系统的 AI 应用世界。

从文本生成图像与视频，到智能回复邮件和工作流整合，再到与用户实时对话的语音交互——Gemini 已不只是聊天工具，而是逐渐成为谷歌全产品线的大脑。

因此，在 I/O 2025 大会上，谷歌用来打头阵的就是 Gemini。

谷歌CEO Sundar Pichai 表示，最新的 Gemini 2.5 Pro 模型（preview-05-06 版）已经在 LMArena“屠榜”，所有测试均排第一。

同时，谷歌还带来了新的模型升级。Gemini 2.5 Pro 新增了一种名为 Deep Think 的强推理模式，该模式专为与数学和编程相关的复杂查询而设计，能够在回应前"考虑多种假设"，但目前仅向可信测试者开放。

开启 Deep Think 模型的模型在多模态推理测试 MMMU 中获得了 84% 的准确率。

该公司还补充说，该模式在 2025 年美国数学奥林匹克竞赛 (USAMO) 中取得了“令人印象深刻的成绩”，但并未公布确切分数。

此外，上个月发布在 Pixel 手机上的 Gemini Live 应用将登陆所有兼容的 Android 和 iOS 设备，可通过 Gemini 应用程序使用（谷歌透露该应用已拥有超过 4 亿月活跃用户）。

该应用允许用户询问 Gemini 关于截图的问题，以及手机摄像头正在捕捉的实时视频内容。

Gemini 重塑搜索体验

另一个新进展是，谷歌宣布将 Gemini 进一步集成到 Chrome 浏览器中。

从5 月 21 日开始，Google AI Pro 和 Ultra 订阅用户可以看到 Chrome 中的 Gemini 按钮，以跨网页总结信息，并帮助他们更好地浏览网站。谷歌计划今年晚些时候让 Gemini 能够同时处理多个标签页。

在此基础上，谷歌宣布了搜索引擎将加入新功能，AI Mode。

这项功能位于单独的标签页中，旨在处理比传统搜索更复杂的查询。用户可以利用它比较不同品牌的同类商品，或寻找最便宜的门票。该功能将首先向美国用户开放。

AI Mode 还为购物功能带来了重大升级。用户很快就能上传一张自己的照片，来虚拟试穿衣服，查看服装在真实人物上的效果。谷歌正在测试这一新功能，该功能利用“了解人体和服装细微差别”的 AI 模型来实现试穿效果。

据谷歌透露，每月已有超过15 亿人次看到 AI 生成的搜索概览（AI Overviews），而且绝大多数用户都以有意义的方式与之互动。

AI Mode 将使用 Gemini 2.5 模型，并将很快能够根据特定查询生成自定义图表和图形。它还能够处理后续问题，使搜索体验更加连贯自然。

同时谷歌还推出了名为 Search Live 的功能，允许用户通过选择 AI Mode 或 Lens 中的 Live 图标，实时讨论手机摄像头看到的内容。这项功能未来将从谷歌 Astra 项目中汲取灵感，进一步扩展搜索引擎的能力范围。

作为安全增强措施，Chrome 的密码管理器也将得到更新。如果 Chrome 检测到您的密码已被泄露，浏览器将很快能够“生成强大的替代密码”，并在支持的网站上自动更新它（如果用户同意）。此功能将于今年晚些时候推出。

AI 创作工具升级：Imagen 4、Veo 3 和 Flow

接下来，谷歌宣布了图像生成和视频生成模型的更新。

AI 创作工具是本次大会的另一大亮点。谷歌推出了全新图像生成模型 Imagen 4，在输出图像的细节、构图和风格控制上“实现了明显提升”，更擅长处理布料和毛皮等精细细节。

“Imagen 4 可以创建各种宽高比的图像，分辨率高达 2k，更适合打印或演示。它在拼写和排版方面也得到了显著提升，让用户可以更轻松地创作自己的贺卡、海报甚至漫画。”谷歌表示。

而新一代视频生成模型 Veo 3 不仅提高了生成质量，而且首次可以生成带有音频的视频，包括城市街道场景背景中的交通噪音、公园里鸟儿的歌唱，甚至人物之间的对话。

结合上述模型的进步，谷歌还推出了一款名为 Flow 的新型 AI 电影制作应用，类似于 OpenAI Sora。

它是 VideoFX 的升级版，使用 Veo、Imagen 和 Gemini 来创建基于文本提示和/或图像的视频片段。该工具还提供场景构建工具，可将剪辑拼接在一起，创建更长的 AI 视频。

Flow 具备摄像机移动和透视控制等功能，允许编辑和扩展现有镜头，还能将 Veo 模型生成的 AI 视频内容融入更复杂的项目中。

Flow 从今天开始向美国的谷歌 AI Pro 和 Ultra 订阅用户开放，很快将扩大到其他市场。

为了帮助用户确定内容是否由 AI 工具生成，谷歌设计了一种工具，名为 SynthID Detector，它可以扫描图像、音频、视频或文本中的 SynthID 水印，并让用户知道哪些部分可能带有水印。早期测试人员将从今天开始尝试使用这一工具。

Project Aura：新的 XR 眼镜

谷歌还展示了自己在 Android XR 领域取得的新进展。

Android XR 平台是谷歌为增强现实、混合现实和虚拟现实开发的平台，希望能复制 Android 系统在智能手机领域的成功。

基于此，谷歌宣布了第二款官方 Android XR 设备：Project Aura，一款智能眼镜。

Xreal 和谷歌正在合作开发 Project Aura，它将是一款使用 Android XR 平台的新型智能眼镜。目前关于这款眼镜的信息不多，但它将集成 Gemini，拥有大视场，预计将使用高通芯片，以及内置摄像头和麦克风。

在 Android XR 的演示中，谷歌展示了实时翻译功能，但使用的是与三星共同开发的智能眼镜（Project Moohan）于今年初公布的）。

除了上述大更新外，谷歌还在生产力场景中加入了 AI 技术。

Gmail 将大规模引入基于 Gemini 的智能回复功能，可从用户过往邮件、谷歌云盘文件中提取背景信息，生成更精准、定制化的回复内容。用户在阅读邮件时，也可调出 Gemini 侧边栏，获取总结、要点提取和后续操作建议。

谷歌 Workspace 中的 Docs、Sheets、Slides 等工具也将陆续集成 Gemini，帮助用户更高效地处理长文档、制作数据报告或撰写内容提案。

谷歌还宣布了一个新的 3D 视频会议项目，Google Beam。目前仅面向企业客户。

这套系统也集成了 AI 技术。它使用光场显示技术，不需要佩戴任何特殊设备，而是通过六个摄像头阵列捕捉不同角度，然后用 AI 将这些图像拼接在一起，使用头部跟踪功能跟踪用户的动作，并以每秒最高 60 帧的速度传输。

最后，谷歌推出了高达每月 250 美元的 AI Ultra 订阅计划。这个价格比 OpenAI 的 200 美元 Pro 计划还要贵。

谷歌表示，该计划将包括对其最新 AI 工具的早期访问权限，以及无限使用对谷歌来说成本高昂的功能，如 NotebookLM、Deep Research 和最新推出的 Flow，都将解除使用次数上限。此外，它还提供 30TB 的存储空间，以及 YouTube Premium 服务。

可以看出，与尝试统治 AI 代理生态系统的微软不同，谷歌在此次 I/O 大会上更多展示的是应用层面的更新，将以 Gemini 为核心的 AI 技术全面拓展到自家产品中。

对于普通用户而言，这样或许能够更直观地感受到 AI 带来的价值。

参考资料：

https://io.google/2025/

https://deepmind.google/models/project-astra/

https://www.theverge.com/news/669408/google-io-2025-biggest-announcements-ai-gemini

https://www.engadget.com/ai/google-io-2025-recap-ai-updates-android-xr-google-beam-and-everything-else-announced-at-the-annual-keynote-175900229.html

排版：初嘉实