AI-assisted summary of Google I/O '26 Keynote — original source. Check the original for full context.
Source published:
Key ideas
- Google 宣布月度 Token 处理量在过去一年激增 7 倍达 3.2 千万亿(3.2 quadrillion),2026 年预计资本支出高达 1800 亿至 1900 亿美元,用于第八代训练与推理双芯 TPU 及全球分布式集群建设。 (3:56)
- 发布全新 Gemini 3.5 Flash 与世界模型 Gemini Omni,前者在 GDP-Val 商业评测上大幅超越 3.1 Pro 且吞吐速率达竞品 4 倍,后者主打“任意输入生成任意输出”并融合直觉物理学模拟。 (15:44)
- 推出常驻云端虚拟机的 24/7 个人智能体 Gemini Spark,并全面重构开发者平台推出 Antigravity 2.0,后者成功利用 93 个子代理在 12 小时内以不足 1000 美元成本自主构建出可用操作系统。 (27:14)
- Google 搜索迎来 25 年来最大升级,全面接入 Gemini 3.5 并上线动态智能搜索框与生成式 UI,同时联合亚马逊、Meta 等推出通用商务协议 UCP 与支付协议 AP2,加速智能体电商闭环。 (43:42)
- 硬件与科学计算双线发力:携手三星、Gentle Monster 及 Warby Parker 打造的 Android XR 纯音频智能眼镜将于今秋率先开售;DeepMind 则发布 CodeMender 安全智能体与 Gemini for Science 科研体系。 (92:37)
Detailed notes
## Background 该视频由 Google 官方 YouTube 频道于 2026 年 5 月 19 日发布,全长约 1 小时 51 分钟。视频内容为 Google I/O '26 年度开发者大会主题演讲,官方简介表明大会集中展示了 Google 在人工智能领域的最新前沿进展、重磅产品更新以及全栈技术发布。
## TL;DR 在本次 I/O 大会上,Google 宣布全面迈入“Agent 优先”(Agent-First)的新纪元,重磅发布了具备世界模型属性的 Gemini Omni、极致高能效的 Gemini 3.5 Flash,以及全新一代 Agent 开发平台 Antigravity 2.0。面向终端用户,Google 推出了可 24/7 全天候自主执行任务的个人助理 Gemini Spark,并宣布 Google 搜索迎来 25 年来最大变革——深度整合生成式 UI、信息代理与基于 UCP/AP2 协议的智能体电商闭环。此外,大会还亮相了采用 Neural Expressive 设计语言的全新 Gemini 应用、由三星与时尚品牌联合打造的 Android XR 智能眼镜,以及专注于代码修复与科学攻关的 CodeMender 和 Gemini for Science 等前沿成果。
## Atmosphere & style 整场发布会节奏极为紧凑宏大,科技感与极客幽默交织。从 Sundar Pichai 打趣自己手插 TPU 线缆,到 Antigravity 现场在自研 OS 中成功运行《Doom》,台上工程师的兴奋与自信极富感染力。随着 Demis Hassabis 在尾声阶段将叙事拔高至 AGI 的黎明、极端天气预警与 AI 攻克全人类疾病的宏伟愿景,全场情绪从对前沿落地功能的惊叹升华至敬畏与崇高感,令观众切身感受到正站在“技术奇点山脚下”的历史厚重感。
## Bulletin - [03:56](https://www.youtube.com/watch?v=wYSncx9zLIU&t=236s) Google 宣布月度 Token 处理量在过去一年激增 7 倍达 3.2 千万亿(3.2 quadrillion),2026 年预计资本支出高达 1800 亿至 1900 亿美元,用于第八代训练与推理双芯 TPU 及全球分布式集群建设。 - [15:44](https://www.youtube.com/watch?v=wYSncx9zLIU&t=944s) 发布全新 Gemini 3.5 Flash 与世界模型 Gemini Omni,前者在 GDP-Val 商业评测上大幅超越 3.1 Pro 且吞吐速率达竞品 4 倍,后者主打“任意输入生成任意输出”并融合直觉物理学模拟。 - [27:14](https://www.youtube.com/watch?v=wYSncx9zLIU&t=1634s) 推出常驻云端虚拟机的 24/7 个人智能体 Gemini Spark,并全面重构开发者平台推出 Antigravity 2.0,后者成功利用 93 个子代理在 12 小时内以不足 1000 美元成本自主构建出可用操作系统。 - [43:42](https://www.youtube.com/watch?v=wYSncx9zLIU&t=2622s) Google 搜索迎来 25 年来最大升级,全面接入 Gemini 3.5 并上线动态智能搜索框与生成式 UI,同时联合亚马逊、Meta 等推出通用商务协议 UCP 与支付协议 AP2,加速智能体电商闭环。 - [01:32:37](https://www.youtube.com/watch?v=wYSncx9zLIU&t=5557s) 硬件与科学计算双线发力:携手三星、Gentle Monster 及 Warby Parker 打造的 Android XR 纯音频智能眼镜将于今秋率先开售;DeepMind 则发布 CodeMender 安全智能体与 Gemini for Science 科研体系。
## Key takeaways - [01:54](https://www.youtube.com/watch?v=wYSncx9zLIU&t=114s) 全栈垂直整合驱动规模爆发:Google 凭借自研 TPU 芯片底座、JAX 与 Pathways 分布式调度以及顶层模型,将每月 Token 处理吞吐量推升至 3.2 千万亿,服务超 850 万开发者。 - [11:17](https://www.youtube.com/watch?v=wYSncx9zLIU&t=677s) 算力基建投资呈指数级上升:2026 年资本支出预计达 1800 亿至 1900 亿美元,新一代双芯片架构第八代 TPU 将大规模预训练原始算力提升至近 3 倍,能效提升最高达 2 倍。 - [15:44](https://www.youtube.com/watch?v=wYSncx9zLIU&t=944s) 迈向物理世界模拟:Demis Hassabis 发布 Gemini Omni 与世界模型,融合常识推理与高保真生成能力,能够准确模拟重力与动能等物理法则,支持跨模态任意输入生成与连续对话编辑。 - [20:47](https://www.youtube.com/watch?v=wYSncx9zLIU&t=1247s) 安全透明度行业结盟:数字水印技术 SynthID 累计标记超千亿图影与 6 万年音频,现原生嵌入搜索与 Chrome 供一键溯源,OpenAI、Kakao、ElevenLabs 等头部机构均已加入该标准联盟。 - [23:05](https://www.youtube.com/watch?v=wYSncx9zLIU&t=1385s) 主干模型兼顾高智力与低成本:Gemini 3.5 Flash 刷新多项复杂商业与工程基准,以不足前沿旗舰半数的价格提供 4 倍生成速率,内部日处理量已突破 3 万亿 Token,3.5 Pro 预计下月发布。 - [25:26](https://www.youtube.com/watch?v=wYSncx9zLIU&t=1526s) 开发范式转向 Agent-First:全新独立桌面端 Antigravity 2.0 确立了以 Agent 核心会话、工程产出物及多 Agent 编排为中心的工作流,成功实现在 AI 自研 OS 中现场修复驱动并运行 Doom。 - [34:55](https://www.youtube.com/watch?v=wYSncx9zLIU&t=2095s) 个人通用智能体 Gemini Spark:托管于专属云端虚拟机实现 24/7 离线常驻运转,深度打通 Workspace 生产力套件并即将支持 MCP 开放协议,在手机和 PC 端无缝实现跨应用长周期自主排程。 - [43:42](https://www.youtube.com/watch?v=wYSncx9zLIU&t=2622s) Google 搜索彻底 AI 化:AI Mode 月活突破 10 亿并全面升级至 Gemini 3.5,带来支持跨模态多轮联合推理的全新智能搜索框,打破传统结果页割裂实现全链路流式响应。 - [51:10](https://www.youtube.com/watch?v=wYSncx9zLIU&t=3070s) 搜索生成式 UI 与信息代理:结合 Antigravity 沙箱代码执行能力,搜索可根据查询即时编写可交互的微型 App(如天体物理模拟器与周末家庭规划器),并支持 24/7 信息代理全天候网络监控。 - [58:45](https://www.youtube.com/watch?v=wYSncx9zLIU&t=3525s) 智能体电商(Agent Commerce)基础设施:Google 联合行业巨头确立开放标准 UCP(通用商务协议)与 AP2(智能体支付协议),通过数字委托凭证保障交易风控,并推出跨生态通用购物车。 - [01:08:01](https://www.youtube.com/watch?v=wYSncx9zLIU&t=4081s) Gemini 应用视觉交互全面重构:引入 Neural Expressive 设计语言,以动态生成式 UI 替代纯文本之墙,并面向订阅用户全面开放 Gemini Omni 视频多模态创作与 Daily Brief 早间主动简报智能体。 - [01:23:39](https://www.youtube.com/watch?v=wYSncx9zLIU&t=5019s) 多模态生成媒体矩阵升级:推出图像语义编辑工具 Google Pics,Stitch 支持通过语音直接重构并部署 UI 原型,Google Flow 音乐与视频 Agent 支持单张静态图派生 16 个独特机位镜头与完整音频编曲。 - [01:32:37](https://www.youtube.com/watch?v=wYSncx9zLIU&t=5557s) Android XR 赋能可穿戴硬件落地:携手三星、高通以及时尚设计品牌打造智能眼镜,纯音频版将于今年秋季开售,现场演示了手机不掏出口袋直接由 Gemini 后台通过 DoorDash 点咖啡与实景导航。 - [01:44:37](https://www.youtube.com/watch?v=wYSncx9zLIU&t=6277s) AI 加速科学与安全防护:发布自主修复代码漏洞的 CodeMender 智能体,启动 Gemini for Science 工具集,同时展示了在 2025 飓风季提前三天准确预报 5 级飓风的 WeatherNext 及 Isomorphic Labs 的 AI 药物研发进展。
## Detailed walkthrough ### [00:01](https://www.youtube.com/watch?v=wYSncx9zLIU&t=1s) 开场短片:创造真正重要的事物
开场短片以快速剪辑展现了人类在技术赋能下的探索历程。来自各行各业的普通人与研究人员分享了他们如何借助前沿工具突破界限:一位并不擅长编程的教育工作者表示,获得创造的能力为教学打开了无数扇大门;一名创业者发现 Gemini 能全方位协助自己的生意,从撰写菜单、构思营销策略到管理库存;医学研究团队则在攻关攻克疾病的使命,感叹手中拥有了深刻的技术变革力量。短片中还出现了一个温馨的画面,一位叫 Matthias 的男孩自豪地介绍:“我叫 Matthias,我的哥哥 Tommaso 为我做出了这个 AI 助手。” 短片最后发出呼吁:“所以,不要仅仅去制造东西,让我们创造真正有重要意义的事物。”
[01:54](https://www.youtube.com/watch?v=wYSncx9zLIU&t=114s) 十年 AI-First 历程与全栈技术布局
Google 首席执行官桑达尔·皮查伊(Sundar Pichai)步上 Shoreline Amphitheatre 的舞台,向现场观众与全球收看直播的观众问好。他感叹过去一年的高节奏与技术迭代之迅猛:“这不仅是一个不断发布产品、技术飞速演进的年份,也是我自己深有体会的极度充实且忙碌的一年。”在屏幕打出一张张调侃其日程的趣味幻灯片后,皮查伊笑着打趣说自己确实花了不少时间在机房亲自插 TPU 线缆,但要把它们送上太空还得加把劲。
回到严肃话题,皮查伊回顾了十年前 Google 正式确立“AI-First(AI 优先)”转型的关键时刻。他强调,Google 从一开始就清醒地预见到人工智能在推进公司使命、大规模改善人类生活方面的深远价值。为了实现这一目标,Google 坚持走端到端的“全栈式 AI 创新”路线。这套体系下起自主研发的定制芯片与安全底层,中至顶尖的模型架构与科研能力,上至触达全球数十亿用户的产品与生态平台。正是这种全栈垂直整合,让各个业务线之间能够快速迭代。皮查伊分享了他个人的真实生活场景:“最近我一直在用 Gemini 来理清我父母的就诊记录,我想你们当中很多人也做过类似的事情。”
```mermaid flowchart TD accTitle: Google 全栈式 AI 创新体系 accDescr: 展示从硬件基础设施、前沿模型研发到数十亿级用户产品与平台的自下而上全栈架构。 subgraph Platform["应用与平台层"] P1["触达全球数十亿用户的产品与生态"] P2["Search / Gemini App / Maps / YouTube / Docs"] end subgraph Model["模型与科研层"] M1["世界级科研能力与前沿模型"] M2["Gemini 多模态大模型 / 音频模型 / Veo / Lyria"] end subgraph Infra["硬件与基础设施层"] I1["定制自研芯片与安全底座"] I2["TPU 芯片矩阵 / JAX 与 Pathways 分布式集群"] end Infra --> Model Model --> Platform ```
[03:56](https://www.youtube.com/watch?v=wYSncx9zLIU&t=236s) 代币处理量飙升与开发者生态扩张
在衡量 AI 的普及与发展规模时,除了生动的用户故事,皮查伊给出了一个最硬核的度量指标——模型处理的基本数据单元 Token(代币)。这一指标在过去几年经历了天文数字般的跨越式暴增: - 两年前:全平台每月处理的 Token 总量为 9.7 万亿(9.7 trillion); - 一年前的 I/O 大会:该数字攀升至约 480 万亿(480 trillion); - 如今:每月 Token 处理量翻了 7 倍,达到了令人咋舌的 3.2 千万亿(3.2 quadrillion)。
面对如此庞大的量级,皮查伊风趣地坦言:“我从未想过自己会在 I/O 的主题演讲中念出‘千万亿(quadrillion)’这个词,但事实就是如此。”他调侃这或许会被某些人称为“Token 狂刷(token maxing)”,但它确切反映了行业对算力和模型的空前渴求。
在开发者与企业生态方面,目前已有超过 850 万开发者每月使用 Google 的模型构建应用,模型 API 的吞吐量已经达到每分钟约 190 亿个 Token。过去 12 个月内,有超过 375 家客户各自的模型 Token 消耗量突破了 1 万亿大关。
[05:16](https://www.youtube.com/watch?v=wYSncx9zLIU&t=316s) 核心产品全面拥抱 Gemini
随着底层模型能力注入,Google 旗下的消费级产品迎来规模与使用频次的双重激增。目前,Google 已坐拥 13 款用户量突破 10 亿的产品,其中更有 5 款产品的用户规模超过了 30 亿。
作为核心的 Google 搜索迎来了史上最大的变革升级: - **AI Overviews(AI 概览)**:月活跃用户已突破 25 亿,成为全球将生成式 AI 普惠至最多用户的产品通道。 - **AI Mode(AI 模式)**:上线仅一年,月活跃用户便火速突破 10 亿。用户一旦体验了 AI 搜索功能,其整体搜索频次和互动度显著增加。皮查伊评价道,搜索正从单纯的一问一答变成连续深入的对话,帮助人们更顺畅地连接广阔的网络信息。 - **Gemini App**:月活跃用户从去年 I/O 上的 4 亿翻倍攀升至今年的 9 亿以上,日均请求量激增超过 7 倍。 - **图像生成与个性化**:借助 Nano Banana 等轻量高效的模型,全网累计生成的图像数量已突破 500 亿张。
[07:01](https://www.youtube.com/watch?v=wYSncx9zLIU&t=421s) 深度对话能力落地 Maps 与 Ask YouTube
对话式交互正在向更多成熟产品中纵深推进。近期 Google Maps 迎来了十年来幅度最大的改版,引入了深度的自然语言对话功能。皮查伊分享了一条真实的家长提问以证明其实用性:“我的孩子刚刚掉进了鸭子池塘,而婚礼 30 分钟后就要开始了,我能步行到哪里给她买一件新裙子?”
紧随其后,皮查伊宣布对话式体验扩展到 YouTube,推出全新功能“Ask YouTube(向 YouTube 提问)”。该功能彻底重构了视频检索与学习体验。例如一位家长想教三岁孩子骑踏板自行车(孩子已有平衡车基础),直接向 YouTube 提问后,系统不仅会提供清晰直观的教学要点与步骤总结,还会精选出最匹配的视频,并直接智能跳转定位到与问题最相关的具体片段。系统具备上下文记忆功能,支持多轮连续追问(例如“我该买手刹款还是脚刹款”),甚至能自动生成横向对比表格以便决策。Ask YouTube 即日起进入测试阶段,并在夏季面向美国用户全面铺开。
[08:57](https://www.youtube.com/watch?v=wYSncx9zLIU&t=537s) Docs Live:实时语音驱动文档生成与编辑
皮查伊指出,除了文本对话,随着音频模型技术层面的巨大飞跃,用户越来越希望“以说话的速度搞定一切”。随后,Google 发布了革命性功能“Docs Live”。以往在 Gemini App 中撰写文档需要费尽心思打出精确的 Prompt(提示词),而在 Docs Live 中,用户只需随心所欲地把脑海中的碎片想法通过口语倾泻而出,Gemini 便会在后台实时梳理成章。
产品团队在现场进行了一段全程未经加速的实时语音演示: 演示人员对着麦克风自然地“碎碎念”,提到自己明天要回高中参加校友职业日分享,需要准备发言要点来解释软件工程师的工作,希望 Gemini 从 Google Drive 中调取其简历,但又担心简历太枯燥,于是要求想几个幽默贴切的类比让高中生觉得有趣;接着,演示人员想起学校发过一封主题大概是“职业日后勤安排”的邮件,要求直接抓取邮件中的时间与地点贴在文档顶端。
片刻之间,屏幕上的文档草稿自动生成完毕。演示人员继续口头要求调整:“内容有点密,把那些比喻做成表格形式方便快速扫视;另外在文档最上方加一条粗体备忘,提醒我讲一讲哥哥当年如何激励我成为软件工程师的故事。”Gemini 几乎无延迟地按要求重构了表格并插入了醒目的加粗备注。
皮查伊确认,未来用户将可以完全仅凭语音直接创建并多轮微调文档。Docs Live 预计于今年夏季面向 Google Workspace Pro 和 Ultra 订阅用户上线,并且这套语音多模态能力将在同期下沉至 Gmail 与 Google Keep。
[11:17](https://www.youtube.com/watch?v=wYSncx9zLIU&t=677s) 算力基建投资与第八代双芯 TPU
为了在全球范围内支撑数十亿级用户的并发访问、海量企业客户以及顶级研究团队的算力需求,Google 在基础设施上的资本投入达到了前所未有的量级。皮查伊透露了一组震撼的对比数据: - 2022 年,Google 的年度资本支出(CapEx)为 310 亿美元; - 预计今年(2026年),这一数字将达到此前的近 6 倍,预计落在 1800 亿至 1900 亿美元之间。
这笔巨额投资的重心依然是 Google 自主研发的定制硅芯片——Tensor 处理单元(TPU)。自十年前在 I/O 舞台上首次公布初代商用 TPU 以来,Google 已经彻底重构了 AI 芯片的设计逻辑。近期在 Cloud Next 大会上亮相的第八代 TPU 采用了专芯专用的双芯片路线,针对训练与推理场景进行了深度定制解耦。负责大规模预训练任务的 TPU 芯片,其原始计算性能达到了上一代产品的近 3 倍。
在系统级工程上,Google 结合 JAX 与 Pathways 运行时框架打破了物理壁垒。皮查伊表示:“我们的模型训练不再受限于单个超大规模数据中心的物理边界。”系统现已能够将训练负载无缝调度、跨站点分发至全球数以万计的 TPU 集群之中,成功构建起全球最大的分布式模型训练网络,使得原本需要数月才能完成的前沿大模型训练直接缩短至几周内交付。
```mermaid flowchart LR accTitle: 第八代 TPU 算力集群与分布式训练架构 accDescr: 展现从 JAX Pathways 跨数据中心调度,到第八代 TPU 训练与推理双芯片分工的硬件逻辑。 subgraph Distributed["分布式调度框架"] JP["JAX + Pathways 运行时"] end subgraph Sites["跨数据中心全球集群"] DC1["数据中心 A"] DC2["数据中心 B"] DCN["全球多站点协同"] end subgraph DualChip["第八代 TPU 双芯架构"] T_Train["TPU 训练专芯<br/>(优化大规模预训练,近 3 倍原始算力)"] T_Infer["TPU 推理专芯<br/>(针对低延迟大并发推理定制)"] end JP --> Sites Sites --> DualChip DualChip --> Output["训练周期从数月压缩至数周"] ```
[13:03](https://www.youtube.com/watch?v=wYSncx9zLIU&t=783s) 追求极限延迟与绿色算力:即将推出的 Flash 模型与 TPU 幕后趣闻
在搜索领域深耕二十七年,Google 总结出一条最朴素但也最关键的铁律:延迟就是一切。为了让现场观众切身体会这种极致速度,Sundar Pichai 现场演示了一款即将推出的 Flash 模型。当他在输入框中提交让模型现场编写一个 Chrome 离线恐龙(Dino)游戏的指令后,生成内容几乎是在点击提交的瞬间实时喷涌而出,右上角的生成速率飙升到了近每秒 1,500 个 token。“It almost took longer to write out the request.”(写下这个请求花的时间甚至比生成游戏还要长),Sundar 笑着感叹道,而且生成出来的游戏可玩性还相当不错。除了极致的响应速度,算力基础设施的绿色与可持续扩张同样是重中之重,新一代芯片实现了能效的大幅跃升,每瓦特性能提升高达两倍。
随后大屏幕播放了一段诙谐的动画短片,展现了张量处理器(TPU)在 I/O 大会前夕紧锣密鼓备战的“幕后日常”。短片中几个拟人化的 TPU 互相攀比周末加班的“战绩”:一个在稀有肿瘤学数据集上完成了海量蛋白质折叠,另一个模拟了未来 50 年的全球气候演变,还有一个则得意洋洋地展示自己刚生成的一张打扮成会计师的哈巴狗图片。随着“I/O 大会即将开始,我们有数万亿项任务要跑”的号令下达,TPU 们赶紧清理缓存、吹干散热风扇,在激昂的蒙太奇配乐中向着算力巅峰冲刺。Sundar 在短片结束后打趣道,经历了这么高强度的负荷,可怜的“Timmy TPU”在大规模推理结束后恐怕只想直接一个“teraflop(万亿次浮点运算)”瘫倒在大床上呼呼大睡了。
- 演示中 Flash 模型实时推理吞吐量接近每秒 1,500 token。 - 新一代芯片每瓦特性能提升最高可达 2 倍。
---
[15:44](https://www.youtube.com/watch?v=wYSncx9zLIU&t=944s) 从预测文本到模拟现实:Demis Hassabis 发布 Gemini Omni 与世界模型
Sundar Pichai 强调,底层算力的突破直接推动了三大核心领域的飞跃:模型、代码编写与智能体。其中最激动人心的莫过于世界模型(World Models)的演进——AI 正在从单纯的预测下一个文本 token,走向全面模拟真实物理世界。Google DeepMind 首席执行官 Demis Hassabis 登台分享了通往通用人工智能(AGI)的最新里程碑。Demis 直言,过去一年中 AI 具备了代人类规划和采取行动的能力,“And artificial general intelligence is just a few years away.”(通用人工智能距离我们只有几年的时间了)。要实现 AGI,构建一个能够深入理解并精确模拟物理法则的世界模型是核心支柱,无论对于下一代 AI 助理还是实体机器人训练都不可或缺。
紧接着,Demis 正式发布了重磅模型 Gemini Omni。这款全新模型旨在实现“输入任意内容,生成任意输出”(create anything from any input),它将 Gemini 的推理智慧与 Veo、Nano、Genie 等前沿生成媒体模型的长处融为一体,在运动动能和重力等直觉物理规律的模拟上实现了质的跃迁。Demis 在现场展示了一个生成定格粘土动画解释蛋白质折叠的案例:模型准确呈现了氨基酸长链如何卷曲折叠成 α-螺旋结构与 β-折叠片,最终拼装成精密的立体分子构造。更重要的是,Omni 彻底改变了视频的迭代创作流程,用户只需使用自然的对话语言就能局部微调视频、改变风格、插入全新元素,甚至上传一段自己的日常自拍视频,将其轻松转化为黑洞形成或梦幻黄昏漫步等全新现实画面。
```mermaid flowchart TD accTitle: Gemini Omni 架构与能力流向图 accDescr: 展示多模态输入通过 Gemini 推理与生成媒体能力,输出高保真模拟视频并支持对话式迭代编辑的过程。
subgraph Inputs["多模态任意输入"] I1["文本 Prompt / 创意想法"] I2["用户自拍 / 现有视频素材"] I3["图像 / 概念草图"] end
subgraph Engine["Gemini Omni 核心引擎"] E1["Gemini 常识与物理世界推理"] E2["Veo / Genie 级高保真生成媒体能力"] E3["直觉物理学模拟(重力 / 动能)"] end
subgraph Outputs["动态现实模拟与交互"] O1["高保真仿真视频(如蛋白质折叠)"] O2["自然语言连续对话编辑"] O3["全场景风格变换与实体交互"] end
Inputs --> Engine Engine --> Outputs ```
- 首款系列模型 Gemini Omni Flash 即日起全面集成上线至各大 Google 产品。 - 具备强劲复杂推理能力的旗舰款 Gemini Omni Pro 也将在不久后正式揭晓。
---
[20:47](https://www.youtube.com/watch?v=wYSncx9zLIU&t=1247s) 数字水印与真实性溯源:SynthID 扩容与跨行业透明度联盟
重返舞台的 Sundar Pichai 指出,生成式 AI 的拟真度越高,全社会对内容透明度与真实性追溯的需求就越迫切。研究数据显示,面对当下高画质的 Deepfake 伪造视频,普通人单凭肉眼能够正确识破的概率只有四分之一左右。为了构筑内容防线,Google 早在三年前就推出了肉眼完全不可见的数字水印技术 SynthID。截至目前,SynthID 已累计为超过 1,000 亿张图片与视频,以及相当于 60,000 年播放时长的音频素材打上了安全水印,数以百万计的用户正在 Gemini 移动应用中调用检测工具来核验内容真伪。
在此基础上,Google 正式推进全产品线的内容凭证(Content Credentials)验证机制,明确标注某项内容的原始来源是真实物理相机还是 AI 合成,以及后续是否经过了生成式修图工具的修改。为了让这项防护技术普及至大众日常,SynthID 与内容凭证验证现已原生嵌入至 Google 搜索与 Chrome 浏览器中——用户只需在手机屏幕上画圈搜索(Circle to Search),或在桌面端 Chrome 中右键点击任何图片选择“这是由 AI 生成的吗?”,系统便会迅速给出明确的判定和背景说明。Sundar 在大屏幕上放出一张去年在社交平台上疯传的他本人大快朵颐吃汉堡的照片,风趣地调侃道:“It’s obviously fake. I don't eat hamburgers.”(这显然是假的,我根本就不吃汉堡包)。但在真假难辨的互联网环境中,普通大众确实需要这样的鉴别利器。Sundar 随后公布了跨行业合作的新进展:继去年 NVIDIA 率先接入后,OpenAI、Kakao 以及 ElevenLabs 如今也全线采纳 SynthID 标准,共同树立 AI 时代的数字透明度行业规范。
- SynthID 历史累计标记数据:1000 亿+ 图片与视频、6 万年音频资产。 - 搜索与 Chrome 支持通过圈选或右键一键检测 AI 生成属性。 - 新增采纳 SynthID 的行业伙伴:OpenAI、Kakao、ElevenLabs(紧随去年的 NVIDIA)。
---
[23:05](https://www.youtube.com/watch?v=wYSncx9zLIU&t=1385s) “不仅能思考,更能行动”:Gemini 3.5 Flash 登场与内部工程实战反馈
谈及模型主线的演进,Sundar 回顾了数月前亮相的 Gemini 3 家族,称其是 Google 迄今为止开发者采纳率最高的一代模型,其中 Flash 成为了无数开发者的日常首选主力,而 Pro 则在深度推理与跨模态处理上树立了标杆。在此势头下,团队将攻坚重点聚焦于长周期复杂任务、真实工程工作流以及代理式代码编写(Agentic Coding),并由此正式推出了全新的 Gemini 3.5 Flash。Sundar 指出,3.5 Flash 的定位极为明确,那就是将前沿智慧与落地行动力紧密结合。
在性能对标上,Gemini 3.5 Flash 相比前代 3.1 Pro 实现了全方位的跨越,不仅刷新了绝大多数通用基准测试的成绩,尤其在体现真实世界高商业价值复杂任务的 GDP-Val 基准上更是迎来了大幅跃升。更关键的是它的极致吞吐率:在绘制智力水平与输出速率的四象限图上,3.5 Flash 独占鳌头地高踞于“又聪明、又飞快”的最右上象限,其输出 token 的每秒速率高达其他前沿同级模型的 4 倍之多。这款模型在 Google 内部早已成为研发提速的战略神器——Google 工程师团队将它与重构后的 Agent 开发平台 Antigravity 深度绑定,日均 token 吞吐量在短时间内呈现几何级爆发,从三月份的每日处理 5,000 亿 token 迅速攀升至当下的每日超过 3 万亿 token。
- 相比 Gemini 3.1 Pro,在几乎所有核心基准(特别是编码与 GDP-Val 商业任务测试)上实现全面超越。 - 输出速率达到同类前沿模型的 4 倍。 - Google 内部开发者日常处理量:从 3 月的每天 5000 亿 token,每隔数周翻倍,目前已突破每天 3 万亿 token。
---
[25:26](https://www.youtube.com/watch?v=wYSncx9zLIU&t=1526s) 彻底转向 Agent-First:Varun Mohan 揭秘 Antigravity 2.0 桌面端与开发全家桶
负责开发者工具的 Varun Mohan 登台接棒演讲。他激动地表示,开发者正在经历从“辅助编写文本的 AI 工具”向“直接代为执行任务的 Agent 智能体”的历史性转变,开发的门槛被降得如此之低,以至于连日理万机的 CEO 都能随时上手写代码:“In fact, Sundar used Google Antigravity last week to fix a bug in the Google code base.”(事实上,Sundar 上周就用 Google Antigravity 修复了 Google 代码库里的一个 Bug)。自去年 11 月发布 Antigravity IDE 以来,平台已积累了数以百万计的活跃开发者,基于对用户海量反馈与工作流习惯的梳理,团队决定对整个生态进行全面拓展。
Varun 宣布推出一整套全新的开发者套件,包括原生的命令行接口(CLI)体验、Antigravity SDK、依托 Gemini 音频模型驱动的原生语音开发交互,以及对 Android、Firebase 和 Google AI Studio 等官方生态服务的原生集成支持。而在整场发布的最核心位置,则是全新蜕变的 Antigravity 2.0 独立桌面应用程序。这款软件毫不妥协地贯彻了“Agent 优先”(Unabashedly agent-first)的交互哲学,摆脱了传统以文本编辑器为主体、侧边栏挂插件的旧框架,将核心视窗完全让位给与 Agent 的多轮策略沟通、Agent 实时生成的工程产出物(Artifacts),以及复杂的跨智能体协同编排调度(Multi-agent orchestration)。
- Antigravity 开发者生态上新:全功能 CLI、开发 SDK、Gemini 语音原生输入开发。 - 生态互通:深度打通 Android、Firebase、Google AI Studio。 - Antigravity 2.0 核心三大支柱:Agent 核心会话、Agent 产出制品(Artifacts)、多 Agent 协同编排调度。
[27:14](https://www.youtube.com/watch?v=wYSncx9zLIU&t=1634s) Antigravity 2.0 框架与自研操作系统的极限挑战
演讲者强调,Antigravity 是“毫不掩饰的 Agent 优先”(unabashedly agent first),正如 Sundar Pichai 此前所言,Google 内部各团队一直在使用这种工作模式来创造巨大的业务价值。Antigravity 的 Agent Harness 作为 Gemini 执行真实世界任务的底层无形框架,在新核心原语(Primitives)的加持下变得更加强大,包括子代理(Subagents)、钩子(Hooks)以及异步任务管理(Asynchronous task management)。这一整套架构的核心基石是 Gemini 系列模型,其中 Gemini 3.5 Flash 专门针对 Antigravity 框架进行了深度调优。
为了探寻这些 Agent 与模型的极限,工程团队给智能体布置了一项极为复杂且艰巨的硬核任务:从零构建一个可运行的操作系统(OS)。Antigravity 异步工作,自动将整个挑战拆解为一份周密的计划,随后通过并行子代理生成、执行代码并对其自身编写的测试进行迭代。在整整 12 个小时里,93 个并行子代理发起了超过 15,000 次模型请求,累计处理了 26 亿个 Token,将一个初始完全为空的项目变成了一个具备核心功能的操作系统。
```mermaid flowchart TD accTitle: Antigravity 操作系统构建流程 accDescr: 展示 Antigravity 如何将空项目通过子代理协作构建出完整 OS 核心
subgraph Input["初始输入"] A["初始空项目"] --> B["Antigravity 规划引擎"] end
subgraph Orchestration["调度与协作 (12小时)"] B --> C["分解综合实施方案"] C --> D["93个并行子代理集群"] D --> E["任务执行与钩子调用"] E --> F["测试生成与自主迭代验证"] F -->|"反馈循环"| D end
subgraph Output["最终交付"] F --> G["调度程序 (Scheduler)"] F --> H["内存管理 (Memory Management)"] F --> I["文件系统 (File System)"] G & H & I --> J["完整可用操作系统核心<br/>(总耗资 < $1,000)"] end ```
这种工程壮举在过去的模型上是无法实现的。演讲者直言:“这在 Gemini 3.1 Pro 上是不可能的,但得益于 Gemini 3.5 Flash 的性能与成本效率,构建一个完全功能完备的操作系统消耗了不到 1,000 美元的 API 额度。”从底层的调度程序、内存管理再到文件系统,系统里的每一行代码都是由这支自主的 Agent 团队独立生成、审计和测试的。在实际工业环境中,从头打造一个 OS 极其严苛繁琐,通常需要人类工程师耗费数月时间,而 Antigravity 交付的是一个能供各种真实应用程序直接运行的底座平台。
- **核心运行指标**:持续 12 小时连续运行,93 个子代理协同工作,发起超过 15,000 次请求,消耗 26 亿 Token。 - **构建成本控制**:通过 Gemini 3.5 Flash 的极致能效比,全套操作系统的开发 API 费用低于 1,000 美元。 - **系统核心组件**:涵盖了 CPU 任务调度器(Scheduler)、虚拟内存管理系统、以及底层文件系统驱动等底层模块。
---
[29:34](https://www.youtube.com/watch?v=wYSncx9zLIU&t=1774s) 终端现场演示:在 AI 生成的操作系统中运行 Doom
为了验证该操作系统的真实可用性,演讲者直接在现场切入运行中的终端窗口进行实机演示。尽管现场演示一个操作系统极具挑战,但他先输入了常见的拼写错误趣味命令 `sl`(通常由将 `ls` 打错为 `sl` 触发),屏幕随即驶过了一辆挂着 Antigravity 徽标的 ASCII 字符火车,证明基础的终端显示与系统调用完全正常。然而,极客们对于操作系统的硬核评判标准向来只有一个:“如果不能运行《毁灭战士》(Doom),这显然不能算一个真正的操作系统。”
现场尝试在终端直接启动 Doom 时程序报错崩溃,原因在于该自研系统尚未内置必要的显卡(视频)与键盘输入驱动。演讲者立刻切入全新的 Antigravity 2.0 界面,将包含错误堆栈与修复要求的预置 Prompt 粘贴给 Agent 实时排障。趁着 Agent 自动修复驱动的间隙,演讲者展示了 Antigravity 2.0 的交互界面:左侧停靠所有历史对话与项目树,右侧面板支持直接生成图表与信息流成果物(Artifacts),比如 Agent 此前研究 Doom 趣闻时便利用 Nano Banana Pro 自动生成了信息图,并利用新生成的代码绘制了数据图与格式化表格。
修复指令下达后,Antigravity 自主开展了技术文档查阅,编写了 100 多行底层的视频与键盘驱动代码,随后自动重新编译并打包了操作系统。演讲者回到终端再次启动游戏,伴随着经典开场音乐与画面在屏幕中央顺畅渲染,Doom 成功运行,全场掌声雷动。演讲者赞叹道:“太神了,这百看不厌。”除了操作系统,团队还将相同的 Agent 体系用于构建照片编辑套件、实时即时通信软件以及多用户协作平台,“多天的工程工作量正在缩短至数小时甚至数分钟”。此外,针对 Agent 编程对 Token 的巨大消耗,Antigravity 将 3.5 Flash 的运行速度从行业平均的 4 倍直接压榨优化到了惊人的 12 倍。该开发平台(Antigravity 2.0)即日起面向全球开发者开放公测预览。
---
[33:35](https://www.youtube.com/watch?v=wYSncx9zLIU&t=2015s) Sundar Pichai 算经济账:3.5 Flash 的代际性价比与 3.5 Pro 预告
Google 首席执行官 Sundar Pichai 重返演讲台,赞叹 Varun 展示的操作系统的惊人成就:仅用 12 小时和极低的成本,一个子代理团队就交出了一个完整的操作系统。Sundar 指出,Gemini 3.5 Flash 最具革命性的一点在于以“不足同类前沿模型一半的价格,提供前沿级别的强大能力”。
面对生成式 AI 在企业落地中不断攀升的基础设施开支,Sundar 算了一笔详实具体的经济账: > “我们听说许多公司已经花光了他们的全年代币预算,而现在才刚到五月。”
Sundar 指出,如果企业灵活搭配 Flash 与其他前沿模型,将能省下海量资金。以 Google Cloud 上的头部企业客户为例,这些公司每日处理大约 1 万亿(1 Trillion)Token;假使这些企业将其 80% 的工作负载从昂贵的前沿大模型迁移至 Gemini 3.5 Flash,每年累计节约的成本将超过 10 亿美元。这笔真金白银的降本能够直接反哺企业自身的核心业务。Gemini 3.5 Flash 即日起全面登陆 Google 全线产品矩阵与开放 API。至于外界翘首以盼的旗舰级 Gemini 3.5 Pro,Sundar 透露团队内部正在高强度使用并看到了巨大提升,保证大家在下个月就能正式上手。
---
[34:55](https://www.youtube.com/watch?v=wYSncx9zLIU&t=2095s) Gemini Spark 亮相:运行在云端专用虚拟机的全天候个人 Agent
Sundar Pichai 表示,除了面向企业与开发者提供 Agent 工具,Google 正高度聚焦于如何将 Agent 能力以安全、受控的方式普惠至广大消费级用户。为此,Pichai 正式宣布在 Gemini 原生 App 中内置重磅功能——**Gemini Spark**。
```mermaid flowchart LR accTitle: Gemini Spark 架构与交互图 accDescr: 展示 Gemini Spark 如何基于云端虚拟机与 Antigravity 在多工具多协议下持续运行
subgraph Client["用户交互端"] U["用户指令"] --> G["Gemini App 仪表盘"] U -.->|"未来通道"| EC["Email / Chat 协议"] end
subgraph Engine["核心计算与宿主"] G --> VM["Google Cloud 专属虚拟机 (24/7常驻)"] VM --> Core["Gemini 3.5 + Antigravity Harness"] end
subgraph Ecosystem["工具与生态互联"] Core --> FirstParty["第一方 Workspace 工具<br/>(Gmail / Docs / Sheets / Slides)"] Core --> MCP["模型上下文协议 (MCP)<br/>第三方外部工具 (即将推出)"] end ```
Gemini Spark 定位为协助用户驾驭个人数字生活的全能 AI 助理,能遵循人类用户的意图在后台自主行动。其最大技术突破在于它直接托管并运行在 Google Cloud 的专属虚拟机(Dedicated Virtual Machines)之上,能够实现真正的 24/7 全天候持续运转。用户在吩咐完任务后,即使合上笔记本电脑,Agent 的生命周期也不会中断。该功能完全由 Gemini 3.5 与 Google Antigravity Harness 联合驱动,能够无感知地在后台并行推进超长耗时任务。Spark 优先打通 Google 自家 Workspace 等生产力生态,在接下来的数周内还将通过模型上下文协议(Model Context Protocol,简称 MCP)无缝接入第三方外部工具。
- **基础设施依托**:独立运行于 Google Cloud 云端虚拟机,提供 24/7 全天候持久化算力与状态存储。 - **人机解耦工作**:支持离线托管,用户下发指令后可即时离线、关机,由后台 Agent 独立完成。 - **协议与生态开放**:初期支持全套 Google 官方生态,后续几周全面接入开放规范 MCP(Model Context Protocol)。
---
[36:26](https://www.youtube.com/watch?v=wYSncx9zLIU&t=2186s) 现场实战:从内部工作周报到街区派对(Block Party)筹办
产品副总裁 Josh Woodward 登台,在彻底重新设计的全新 Gemini 界面中带来了 Gemini Spark 的生活化实测。进入 Spark 专属仪表板后,用户可以随时监控并接入所有在后台挂起运行的长效任务。Josh 现场粘贴了第一个工作任务:“帮我给团队起草一封邮件。汇总过去一周关于我们近期 Gemini Live 发布的所有信息和胜利成果。使用 Ghostwriter。”
在这个任务流中,Spark 展现了深度的跨应用穿透能力:它能自主翻检与聚合 Google Docs、Gmail 邮件以及 Chat 会话中的关键信息点,并限定在过去一周的时间窗口内。更重要的是“Ghostwriter”这项个人技能(Skill)——这是 Josh 亲手编写的写作风格模板,能让 Spark 生成的邮件完全模仿其本人的口吻与语调。Spark 支持用户上传在互联网上发现或自建的各种定制化 Skills。屏幕显示 Spark 已开始自动发起多项底层工具调用(Tool calls)。
随后,Josh 切换到了另一个更接地气的复杂个人案例:策划大型街区邻里派对(Block Party)。面对“汇总所有 RSVP 回执、拉取大家认领携带物品的清单,并提醒未登记邻居”的多维度长周期指令,Spark 逐步拆解,并在后台跨越不同的工具生成了实打实的文件: 1. **Google Sheets 动态协作表**:创建了一个实时的 RSVP 回执追踪表,明确区分已确认和未确认人员;由于该表与 Gmail 实时双向打通,只要某位邻居(例如 L. Thompson)在邮件中回复了参加人数(如“8人”),表格后台就会无缝自动刷新。 2. **自动化提醒闭环**:对尚未签到报名的邻居,Spark 会自动撰写催更确认邮件草稿,保留在发件箱中等待主人核准后一键发送。 3. **Google Slides 派对宣发幻灯片(Hype Deck)**:自动从家庭群组沟通中提取细节生成展示页,甚至把计划放置在道路死胡同(Cul-de-sac)里的超大充气城堡模型也精美嵌入排版中。
在整个筹备流程中,一切操作都在后台静默发生,并且绝对置于人类用户的监督与控制之下。更有趣的是,Gemini Spark 还会主动进行常识与规则避坑:它能主动检索房主协会(HOA)的准则文件并给主人发出风控预警——提醒该街区的业主协会严禁在 6 月 5 日星期五下午之前提前在公共路段搭建充气城堡。
[39:16](https://www.youtube.com/watch?v=wYSncx9zLIU&t=2356s) Gemini Spark 跨设备脑力倾倒与后台自主任务分发
在笔记本端展示完 Spark 调用 Google Drive 文件的强大协同能力后,演示者转向了移动端体验。Spark 同样支持在 Android 和 iPhone 上随身使用,并且所有跨设备创建的任务都会实时无缝同步。演示者展示了一个日常高压场景:当脑子里堆满杂乱无章的待办事项时,用户根本不需要结构化地整理,只需要一股脑地向 Spark 进行“脑力倾倒”(brain dumping),正如演示者所形容的那样:“If you're super busy, it's almost you can just throw tasks over your shoulder. Spark will catch them and then run with them.”
演示者随即对着手机发出一连串语速极快的语音长指令,一口气丢出三个截然不同的任务:第一,找出接下来所有与 Sundar 的会议,并把日历颜色全部改成亮粉色(hot pink),以免看漏;第二,昨晚刚结识了新邻居 John,给他们一家写一封信,邀请他们参加街区派对(Block party),因为他们原本不在邀请名单上;第三,为他和妻子列一份在学年结束前必须为孩子们完成的待办事项清单,按截止日期和优先级排序,条理清晰、便于阅读。Spark 以说话的自然语速捕捉了所有上下文,在界面上先生成一条合并的对话线程,随后在后台将其自动拆解为三个独立的待办线程并逐步执行。演示者随即把手机放回口袋,强调这是 I/O 舞台上破天荒第一次——演讲者放下手机不再干预,而系统在后台自主持续工作。
- **跨平台支持**:支持 Web、Android 和 iPhone,所有任务状态全端实时同步。 - **并行任务拆解**:一次性语音输入即可捕获多主题指令,后台自动拆分成多个独立行动线程。 - **自主后台执行**:提交指令后无需用户停留在 App 内,AI 在云端与后台自主推进调度。
---
[41:02](https://www.youtube.com/watch?v=wYSncx9zLIU&t=2462s) Gemini Spark 测试节奏与 Google AI 订阅方案调整
鉴于代理(Agentic)系统深入个人数据的特性,Google 强调将安全性置于首位。Gemini Spark 将采取克制、审慎的分步推出策略:本周内首先向受信任的测试人员(trusted testers)推送,下周将面向 Google AI Ultra 订阅用户推出 Beta 测试版。为了让更多人能用上这种全新形态的 AI 辅助,Google 宣布推出更具普惠性质的订阅档位,并下调高配版本的价格。
```mermaid flowchart LR accTitle: Gemini Spark 推出与定价体系 accDescr: 展示 Gemini Spark 从测试到 Chrome 及 Android Halo 的落地路线,以及对应 Ultra 订阅方案价格。 subgraph Rollout["分阶段推出路线"] A["受信任测试者<br/>(本周)"] --> B["Google AI Ultra 测试版<br/>(下周)"] B --> C["Chrome 原生代理<br/>(今夏)"] C --> D["Android Halo 专属中心<br/>(年内)"] end subgraph Pricing["Ultra 订阅方案调整"] P1["新设基础 Ultra 方案<br/>$100 / 月"] P2["顶配 Ultra 方案<br/>从 $250 降至 $200 / 月"] end ```
此外,今年夏季 Gemini Spark 将直接深度整合进 Chrome 浏览器,化身具备代理能力的网页浏览器(agentic browser),在用户的指引下直接穿梭于各类网页之间采取实际操作;而在今年晚些时候,Google 还将在手机端构建专属的代理大本营——“Android Halo”。随后演讲交还给 Sundar Pichai,Sundar 总结指出,尽管业界对代理的潜力极为看好,但要做到既安全易用又切实有用仍处于起步阶段,而 Gemini Spark 依靠 Gemini 3.5 模型与 Antigravity 技术架构的结合,正式吹响了 Google 全面进入代理级 Gemini 时代的号角。
- **新设 Ultra 订阅档位**:推出每月 100 美元的新 Ultra 计划,降低体验门槛。 - **顶配 Ultra 方案降价**:最高规格的 Ultra 方案月费从 250 美元下调至 200 美元。 - **Chrome 原生 Agent**:定于今年夏季上线,支持跨网页理解与自主交互操作。 - **Android Halo 代理中心**:计划于今年晚些时候登陆移动端,作为手机各智能体的集中承载平台。
---
[43:42](https://www.youtube.com/watch?v=wYSncx9zLIU&t=2622s) 搜索的全面 AI 化:智能搜索框与全链路流式体验
负责 Google 搜索的 Liz Reid 登台回顾了搜索的演进。数十亿用户每天带着五花八门的问题来到 Google,从早期的 AI Overviews 到一年前推出的 AI 模式(AI Mode),搜索一直在尝试融合传统检索与顶级大模型能力。如今,AI Mode 月活跃用户已突破 10 亿大关,查询量自发布以来每季度翻倍以上,上季度更推动 Google 整体搜索量创下历史新高。用户不再只是简单键入“附近的徒步路线”,而是提出极为细致的多条件真实诉求,比如“帮我规划附近一日徒步路线,视野开阔、允许带狗,且午餐地点停车方便”。Liz 宣布,AI 模式即日起全面升级至 Gemini 3.5 驱动,Google 搜索正迎来“AI features aren't just in search. Google Search is AI search through and through”的全新篇章。
首先亮相的是 25 年来最彻底重构的**全新智能搜索框(Intelligent Search Box)**。以往受限的单一输入栏被打破,它会随着用户的探索欲望动态伸展;伴随用户的输入,它不再仅仅提供基础的前缀自动补全(autocomplete),而是利用 AI 建议更深入的修饰维度与表达,协助用户把潜意识中的细微想法精准描摹出来。该搜索框还原生打通了跨模态交互,支持混合文字、图片、文件、视频共同提问与联合推理,即日起正式上线推送。同时,AI Overviews 与 AI Mode 彻底打通融合为一体化体验:用户在主结果页发起提问后,可无缝进入 AI Mode 追问,上下文全局保留,随着对话递进,系统呈现的外链与信源深度也会动态进化。
- **AI 模式里程碑**:月活突破 10 亿,查询量每季度翻番,驱动季度总搜索量创历史新高。 - **底层底座升级**:搜索系统即日起全面接入 Gemini 3.5,支撑分钟级更新超 10 亿条事实与每日百亿级新增网页索引。 - **全新智能搜索框**:25 年来最大升级,支持长文本、图片、文件、视频跨模态多轮联合推理与启发式补全。 - **全局融合体验**:打破传统 SERP(搜索结果页)与对话界面的割裂,桌面端与移动端即日起全球同步上线。
---
[47:41](https://www.youtube.com/watch?v=wYSncx9zLIU&t=2861s) 搜索信息代理(Information Agents)与定制化代码生成
Liz Reid 宣布搜索正式跨入“搜索代理时代”(Era of Search Agents)。用户未来可以在搜索中配置并并发运行多个 24/7 全天候待命的**信息代理(Information Agents)**,在后台不知疲倦地监控网络并协助采取后续动作。信息代理不仅可以独立运转,还能与 Gemini Spark 协同作战。Liz 现场举了三个典型用例:
1. **金融投资监控**:用户设定苛刻选股条件(如关注市盈率低于 15、现金流为正、负债率低的大型生物医药股),代理会自动解构需求,连接 Google 实时金融数据流,设定触发器。一旦出现异动,代理会过滤掉无用杂讯,生成高浓度综合研报,并附上众包研究平台、权威新闻与社交媒体的超高相关度原始信源。 2. **多约束找房追踪**:用户把位置、采光、起租日期等一系列繁杂条件直接倾倒给搜索,代理将不间断爬梳各大网站、社交媒体与社区论坛,实时汇报符合条件的新房源。 3. **球鞋联名发售预警**:潮流玩家只需关注特定球星的球鞋联名或发售事件,代理便会实时交叉监控潮流博客与 Google Shopping Graph。
Liz 指出,信息代理将于今年夏季正式面向公众开放,未来搜索将逐步扩展至查找、核对、预订、购买等全闭环任务。随后,Liz 引出搜索领域的下一项重磅突破——**搜索代理编程(Agentic Coding in Search)**。随后 Robby Stein 登台,他开宗明义地阐述了 Google 团队对这一新阶段的核心信念:“We believe the best version of search is one created just for you.” 搜索不再是把用户的问题生硬套进固定的千篇一律模板中,而是根据用户的每一次独特提问,即时编程构建最合适的信息展现形态。
[51:10](https://www.youtube.com/watch?v=wYSncx9zLIU&t=3070s) Antigravity 与 Gemini 3.5 Flash:搜索生成式 UI 与天体物理学交互演示
Google 将 Antigravity 与 Gemini 3.5 Flash 的智能体代码编写(agentic coding)能力直接引入 Google 搜索中。搜索系统不再仅仅返回静态文本或标准卡片,而是能针对用户的具体问题,完全实时、动态地生成量身定制的布局、交互式组件乃至整个数字体验。演讲者将其总结为:“This is agentic coding at the scale of search.”
```mermaid flowchart TD accTitle: 搜索端生成式 UI 工作流 accDescr: 展示从用户输入复杂查询到安全容器中生成并渲染交互式 UI 的全流程
subgraph UserInteraction["用户交互层"] Q["用户提问<br/>(例如:黑洞如何影响时空)"] FollowUp["追问与参数微调<br/>(轨道间距、质量比等)"] end
subgraph SearchEngine["Gemini 3.5 Flash 编排规划"] Plan["规划理想响应形式与布局"] Research["扇出检索专业资料<br/>(如 LIGO 论文)"] end
subgraph Execution["Antigravity 执行环境"] Harness["智能体编码框架<br/>(Agentic Coding Harness)"] Container["安全沙箱/容器化环境<br/>(读写文件与执行代码)"] end
Q --> Plan Plan --> Research Plan --> Harness Harness --> Container Container -->|"动态部署渲染"| FollowUp ```
为了直观展现这一能力,演讲者模拟了一名大学本科生学习天体物理学的场景。当在搜索中输入“黑洞如何影响时空”(how do black holes affect spacetime)时,AI Overview 中立刻生成了一个可互动的可视化模型。随后进行更深一步的追问:“展示两个相互绕转的天体(如双黑洞)如何产生引力波”(now show me how two orbiting objects like binary black holes create gravitational waves)。搜索系统随即实时编写出全新的动态可视化界面,用户可以直接在界面中滑动调节“轨道间距”(orbital separation)和“质量比”(mass ratio)等物理参数,实时观察引力波波形变化以及较小黑洞向大黑洞旋进的过程,下方还附有诸如 LIGO 发现论文等权威学术资源供深入研读。
- **工作机制**:Gemini 3.5 Flash 从零规划响应结构,决定所需组件并扇出检索信息,随后调用由 Antigravity 驱动的代码框架(与此前演示中构建整套 OS 的技术相同),在安全的容器化沙箱环境中读写文件并运行代码,最终部署前端组件。 - **发布节奏与价格**:搭载 Antigravity 的搜索生成式 UI 将于今年夏季(summer)正式向所有用户免费推出。无论是探究机械手表的工作原理还是计算新通勤路线的开销,用户都将获得完全定制化的响应。
[54:07](https://www.youtube.com/watch?v=wYSncx9zLIU&t=3247s) 现场构建状态化 Mini App:周末家庭行程规划器
搜索能力进一步延伸到了长期性、多步骤的持续任务,系统支持构建具备状态保存能力的定制化体验(stateful experiences),例如专属工具、追踪器与仪表板。演讲者形容这就像“在搜索里构建属于自己的迷你 App(mini apps)”,特别适用于婚礼筹备、搬家管理等长周期项目。现场以每周四困扰家长的“周末全家去哪玩”为例展开了实机演示。
当在 AI Mode 中搜索周末家庭活动时,搜索主动提议构建一个“周末规划器”(Weekend Planner)。演示界面直接拉开后壳,展示后台实时流动的思考步骤与代码编写过程。由于安全连接了 Gmail、Google 相册和日历,系统利用个人智能(Personal Intelligence)捕捉到了演讲者的家庭背景:有两个小孩、孩子们喜欢动物、大儿子正在学国际象棋。
```mermaid flowchart LR accTitle: 周末规划器迷你 App 协作流 accDescr: 展示从个人数据整合到生成 UI、多轮修改及多端共享的完整过程
subgraph Data["数据打通与个人智能"] D1["Gmail / 收据"] D2["Google 日历"] D3["Google 相册"] end
subgraph AppState["状态化 Mini App 生成"] Planner["周末日程看板<br/>(整合天气、驾车时间、地图)"] Edit["自然语言实时修改<br/>(置顶地图、新增周五约会)"] end
subgraph Share["协同与同步"] Mobile["实时共享至妻子手机"] Sync["一键同步至全家日历"] end
Data --> Planner Planner --> Edit Edit --> Mobile Mobile --> Sync ```
规划器根据驾车时间与天气自动排期:包含适合大儿子的活动、适合两人的“Happy Hollow 公园与动物园”行程,并自动避开了日历上已约好的看球赛时间,底部则整合了餐厅预订与 Google 地图。随后演讲者通过自然语言发出指令,要求“将地图移至最上方,并添加周五晚上夫妻二人约会之夜的标签页”。系统秒级重构界面,将保姆到达后的餐厅推荐置顶呈现。演讲者现场将该 App 的链接复制并发送至妻子 Danielle 的手机上,对方手机端瞬时打开了完全一致的交互界面。最后点击“添加到我的日历”,全套行程即被写入全家日历。该定制化体验功能将在未来数月内率先面向订阅者推出。
[58:45](https://www.youtube.com/watch?v=wYSncx9zLIU&t=3525s) 智能体电子商务(Agent Commerce)基石:UCP 与 AP2 协议
Vidhya Srinivasan 登台发表演讲,指出随着 AI 技术的突破,全球商业正步入智能体电商(Agent Commerce)时代。当前用户每天在 Google 上的购物搜索超过 10 亿次,而 Google 的 Shopping Graph(购物图谱)已收录超过 600 亿个商品条目并保持实时更新。结合 Gemini 模型,Google 正在构筑智能体电商的三大核心基础设施,本次首先揭晓了前两大协议标准。
```mermaid flowchart TD accTitle: 智能体电商前两大协议基石 accDescr: 展示通用商务协议 UCP 与智能体支付协议 AP2 的架构与行业生态
subgraph Protocols["三大支柱前两项"] UCP["UCP 通用商务协议<br/>(电商领域的 HTTP 开放标准)"] AP2["AP2 智能体支付协议<br/>(安全交易与数字委托凭证)"] end
subgraph UCP_Ecosystem["UCP 行业联盟伙伴"] P1["Amazon"] P2["Meta"] P3["Microsoft"] P4["Salesforce"] P5["Stripe"] end
subgraph AP2_Security["AP2 核心保障"] S1["严格边界:预算/品牌/品类限制"] S2["防篡改数字委托 (Digital Mandates)"] S3["不可否认审计追踪 (Digital Paper Trail)"] end
UCP --- UCP_Ecosystem AP2 --- AP2_Security ```
首个基石是通用商务协议(Universal Commerce Protocol,简称 UCP)。Vidhya Srinivasan 强调:“UCP does for agent commerce what HTTP did for the web.” 该开源标准为不同智能体和商户系统提供了统一语言,无缝打通商品搜索、结账到物流追踪的全链路。行业巨头已全面加入该生态,包括创始合作伙伴以及近期加入的 Amazon、Meta、Microsoft、Salesforce 和 Stripe。Vidhya 打趣道:“It may very well be the first time we've all agreed on something.” UCP 正在向酒店预订、本地外卖等行业拓展,并将接入 YouTube 等产品,未来数月落地加拿大、澳大利亚与英国。
第二个基石是智能体支付协议(Agent Payments Protocol,简称 AP2),旨在解决智能体自主代付时失控乱买(例如擅自买下一辆摩托车)的隐患。AP2 确立在两大原则之上: 1. **设立边界(Setting boundaries)**:用户可为智能体预先配置严格的预算上限、指定品牌与产品规格,仅在完全满足条件时触发代付。 2. **确保问责(Ensuring accountability)**:AP2 在消费者、商家与支付处理机构之间建立透明、可验证的链路,采用隐私保护技术对支付信息进行屏蔽,并依托防篡改的“数字委托”(tamper-proof digital mandates)提供永久性的数字存根(digital paper trail)。一旦发生退货,买卖双方依据完全一致的凭证记录进行处理。AP2 将在未来几个月内接入 Google 产品,首发支持 Gemini Spark。
在介绍完 UCP 与 AP2 两大协议后,Vidhya Srinivasan 引出了智能体电商的第三个关键基石——跨商家与跨服务协同的全新“通用购物车”(Universal Cart)。
[01:03:20](https://www.youtube.com/watch?v=wYSncx9zLIU&t=3800s) 通用购物车与智能商业体验
在跨生态购物场景中,用户在浏览网页、使用 Google 搜索、与 Gemini 应用对话、观看 YouTube 视频甚至是查阅 Gmail 邮件时,都能随时将商品加入购物车。商品一旦被添加,购物车就会自动在后台默默运行,承担起寻找优惠、监控降价趋势、提供历史价格走势洞察以及在商品补货时发送提醒的职责。整套机制依托底层的 Gemini 模型运作,能够随着模型能力的升级而持续变得更加聪明。演讲者对此打趣道:“So just think of it as shopping with superpowers.”(不妨将它视为拥有超能力的购物体验。)
除了价格监控,这套系统还展现了强大的智能推理能力。例如,当一名用户在组装个人首台定制 PC 时,挑选了一款广受好评的主板加入购物车,随后又选定了一款处理器;然而,该用户并未意识到该处理器与该主板的插槽类型并不匹配。此时购物车能精准识别这一兼容性问题,主动推荐替代配件,直接在下单前化解潜在的装机隐患。
对于信用卡福利繁琐的问题,该购物车整合了 Google Wallet,能自动挖掘隐藏优惠。系统会根据绑定卡片的特定福利或商家优惠券进行抵扣(例如 Target 针对此前加购商品的专属折扣)。在结算阶段,通过 Universal Commerce Protocol(UCP),用户既可以选择直接在 Google 平台上通过 Google Pay 几步完成结账,也可以一键将所有选购商品无缝转移至商家原网站下单。
```mermaid flowchart TD accTitle: Universal Cart Architecture accDescr: Diagram illustrating how Universal Cart operates from multiple entry points to intelligent backend actions and unified checkout.
subgraph Entry["全场景接入入口"] A1["Google Search"] A2["Gemini App"] A3["YouTube"] A4["Gmail"] end
subgraph Intelligence["Gemini 智能后台处理"] B1["降价追踪与补货通知"] B2["智能推理(如硬件兼容性检查)"] B3["Google Wallet 隐藏优惠与返现匹配"] end
subgraph Checkout["UCP 极简结账"] C1["Google Pay 站内直接购买"] C2["一键转移至商家官网结账"] end
Entry --> Intelligence Intelligence --> Checkout ```
- 通用购物车(Universal Cart)定于今年夏季率先在美国市场的 Google Search 和 Gemini 应用上线,后续将扩展至 YouTube 和 Gmail。 - 整合了 UCP 协议与 Google Pay,大幅压缩了跨平台跳转结算的繁琐流程。
---
[01:05:51](https://www.youtube.com/watch?v=wYSncx9zLIU&t=3951s) 搜索的下一篇章:Agentic Search 时代
Liz 重返舞台总结了搜索产品的革新,强调 Google 正在将顶尖搜索引擎的索引实力与最前沿的 AI 技术结合,打造一个前所未有高效且强大的 Google Search。在这一新阶段中,搜索不再只是给出一组静态链接,而是拥有了具备行动力的智能体(Search Agents),能够不知疲倦地全天候为用户解决复杂任务。
代码生成与 Agentic 架构让搜索体验能够根据每一个具体提问实时生成独一无二的界面与逻辑。Liz 动情地强调,Agentic Commerce 的力量绝非遥不可及的幻想,它已经成为当下的现实:“So in this chapter of AI Search, Google can help you find, understand, build, do anything. So go ahead, just ask.”(在 AI 搜索的这一新篇章中,Google 能帮你寻找、理解、构建并实现任何事情。所以,大胆发问吧。)
---
[01:08:01](https://www.youtube.com/watch?v=wYSncx9zLIU&t=4081s) Gemini 应用生态增长与全新 Neural Expressive 设计语言
Josh Woodward 登台分享了 Gemini 应用的迅猛发展势头。在过去一年中,Gemini 从无到有迅速演进为全能的个人创意工具,如今每月有超过 9 亿活跃用户使用 Gemini 应用。个人智能(Personal Intelligence)现已拓展至全球用户,通过安全连接用户的 Gmail、Google Photos 等个人数据,在度假规划、大件商品挑选(如为家用面包车挑选适配轮胎)乃至职业转型等人生重大决策中扮演思维伙伴的角色。此外,面向学生群体的功能也迎来爆发,由 Gemini 驱动的 NotebookLM 迄今已生成了超过 15 亿份笔记本、播客和幻灯片;随着搭载全新 Gemini 3.5 Flash 模型,该应用已服务于全球 230 多个国家和地区,支持超过 70 种语言。
Josh 揭晓了 Gemini 应用从底层彻底重构的全新视觉与交互系统——**Neural Expressive** 设计语言。这套设计语言涵盖了流动的动画转场、鲜艳饱满的色彩体系、全新排版规范以及贯穿应用各处的触觉震动反馈。Josh 直言:“Good design is about how it works.”(优秀的设计关乎其内在运转机制。)在功能交互上,Gemini Live 现在支持即开即用(inline 直接打开),并将在未来几周上线多种真实生动的地区方言(现场展示了极富特色的利物浦等口音)。
在回复展现形式上,系统彻底摒弃了冗长的“纯文本之墙”(wall of text),转而采用由 Gemini 实时生成的动态生成式 UI(Generative UI)。当用户滑动屏幕时,能看到由模型定制生成的交互式图像(可点击逐层钻入探索细节)、可快速扫视的时间轴或直接内嵌的视频流,在浅色和深色模式下均保持了流畅自然的未来感体验。
- Neural Expressive 设计现已面向全球 Android、iOS 以及 Web 端正式推送。 - 内置模版支持用户对生成的图像、视频和音乐进行一键二次混剪与重编(Remix)。
---
[01:13:01](https://www.youtube.com/watch?v=wYSncx9zLIU&t=4381s) Gemini Omni 视频多模态创作与 Daily Brief 智能体
在全新设计的底座之上,Josh 发布了 Gemini 的第二大重磅更新:**Gemini Omni** 正式入驻 Gemini 应用,向付费订阅用户开放。用户可以混合输入任意文本、图片与视频,实现极其轻松的视频创作与编辑。Josh 形容这一体验就像是视频领域的重大飞跃时刻。现场通过独立音乐人 Sasha 创作新歌视频预告片的案例展示了其强大的物理认知能力:Sasha 上传了一段原始视频与视觉参考素材,命令 Gemini 改变画面艺术风格并将镜头运镜转换为 360 度环绕视角。Gemini Omni 能深刻理解人体运动的物理规律,在将奇幻特效天衣无缝地融入现实画面的同时,完美保留原画面的情感内核与主体神态。
紧接着,Josh 带来了第三项革新——智能体(Agents)全面融入 Gemini 体系。正如他所指出的关键转变:“This is a big shift for Gemini because agents don't just answer questions, they proactively work on your behalf.”(这是 Gemini 的一次重大转变,因为智能体不仅能回答问题,更能代表你主动开展工作。)
现场发布了开箱即用的官方智能体 **Daily Brief(每日简报)**。该智能体被设计为用户每天早晨的第一站,它自动汇聚来自 Gmail 收件箱、Google Calendar 日程以及 Google Tasks 待办事项的核心信息,提炼出最关键的待办要点(例如提醒归还图书馆书籍)。它不仅是信息概括器,更会按主题分类整理,并主动附上具体的“下一步操作建议”(Next steps)。对于行程信息,用户直接在简报流内即可一键确认执行下一步。
- **Gemini Omni** 即日起向全球 Google AI Plus(含 Pro 和 Ultra)订阅用户在 Gemini 应用内开放试用。 - **Daily Brief 智能体** 即日起率先面向美国境内的 Google AI Plus(Pro 和 Ultra)订阅用户推送。
[01:15:55](https://www.youtube.com/watch?v=wYSncx9zLIU&t=4555s) Gemini Spark 工作流同步与主动智能体生态
演讲者在早间日程简报(Daily Brief)之外,进一步展示了面向高阶用户的 Gemini Spark 自定义工作流功能。为了展示跨设备无缝同步的能力,演讲者切入到发布会开头就已在手机上触发的后台任务,并在现场的笔记本电脑上打开查看进度。在电脑屏幕上,此前布置的任务被清晰划分为三项具体的子任务;系统内置了一套非常贴心的安全审批机制,对于特定需要人工确认的操作,它不会擅自行事,而是会主动请求用户批准后才继续执行。
以“学年规划检查清单”(school year planning checklist)为例,演讲者要求它将当前至年底所有不容遗忘的事项整理成一份文档。打开该文档后,其呈现出完全融合 Google Docs 原生排版能力的成果:针对不同孩子的各类活动清晰分项,日期、事项安排以及色彩标注一应俱全。在安全与易用性兼顾的前提下,演讲者正式公布了 Gemini Spark 的落地路线图,并强调其强大的生态整合能力,使其能以前所未有的主动姿态协助用户生活。例如,Spark 会自动扫描用户的日历,发现周六轮到家长负责孩子开球赛(tee ball)的零食采购,便会主动通过 Instacart 创建好订单,甚至还会自主记住避开含有坚果成分的零食。
```mermaid flowchart TD accTitle: Gemini Spark 跨端任务处理与自动化流程 accDescr: 展示用户在移动端布置任务后,Spark 在云端执行并通过安全审批在笔记本端展现完整排版文档,同时主动触发第三方服务。
subgraph InputStage["任务发起与同步"] A["手机端发起规划任务"] --> B["多端云同步"] B --> C["笔记本端任务细分看板"] end
subgraph ProcessingStage["安全执行与输出"] C --> D{"特定操作需要批准?"} D -- "是" --> E["等待用户审批确认"] D -- "否" --> F["自动生成 Docs 排版清单"] E --> F end
subgraph IntegrationStage["主动智能体生态"] F --> G["日历主动巡检"] G --> H["跨应用自动下单 (如 Instacart)"] end ```
- **测试与推出时间表**:Gemini Spark 于本周向受信任测试者(trusted testers)推送;下周将在美国面向 Google AI Ultra 订阅用户推出 Beta 版。 - **企业与协作支持**:Spark 后续将完整接入 Gemini Workspace 以及 Gemini Enterprise 体系,并在整个夏季持续推出一系列重磅更新。 - **第三方生态合作**:夏季期间将有一大批外部合作伙伴应用与 Spark 完成深度集成,覆盖更多全自动化的生活与工作场景。
---
[01:18:22](https://www.youtube.com/watch?v=wYSncx9zLIU&t=4702s) macOS 版 Gemini 原生应用与多模态语音交互实测
在原定发布计划之外,演讲者为现场观众带来了一项额外的重磅惊喜:上个月针对 macOS 平台推出的 Gemini 原生桌面端应用。该应用由一个小型工程师团队在 Antigravity 平台上从零搭建,在不到 100 天的时间内攻克并实现了超过 100 项功能特性。而在两周前团队内部黑客马拉松式的攻坚中,他们又开发出了一项全新的系统级集成能力,并在舞台上进行了即兴现场演示。
演示的情景是筹备夏季家庭旅行时为家里的两只宠物狗(Hank 和 Louis Cinnamon)挑选寄养犬舍。新犬舍往往需要极其繁杂的档案材料(过敏史、疫苗接种凭证、过往病历)。演讲者在 Finder 中批量勾选了包含病历发票照片和 PDF 的一堆文档,随后长按键盘上的 Function(fn)键直接语音口述邮件需求。口述过程中,演讲者出现口误:“starting this Thursday. Oh, wait, no, actually, it's this Friday.”(从本周四开始。哦等等,不是周四,其实是这周五。)松开按键后,Gemini 迅速凭借多模态理解能力解析了混杂的发票图片与 PDF 档案,不仅将信息梳理成整洁的表格插入邮件,还极其自然地自我纠错,自动将寄养开始日期修正为周五,并匹配了亲切友好的问候语气。
> “This is the power of what Gemini can do using your voice.” —— 演讲者在展示系统级多模态语音识别与自我纠错能力时如此评价。
- **极速工程落地**:原生 macOS 版应用由小团队借助 Antigravity 工具打造,实现了百天内交付 100 余项新特性的工程效率。 - **桌面级多模态语音**:依托对本地文件的多模态认知,系统支持长按 Function 键直接串联 Finder 选中项,将非结构化票据照片与文档即时转为排版表格。 - **发布节点**:全新加入的桌面端语音交互功能以及 Gemini Spark 自动化能力,将于今年夏季正式登陆 macOS 版 Gemini 客户端。
---
[01:21:01](https://www.youtube.com/watch?v=wYSncx9zLIU&t=4861s) 个人通用助理愿景与 Work Onward 创业故事
演讲者为 Gemini 核心篇章作了整体收尾,总结道当天是一场充实紧凑的“Gemini 之日”:借助 Neural Expressive 全面重构了产品的视觉与交互体验;正式发布全新 Gemini Omni 模型与 3.5 Flash 模型,并预告 3.5 Pro 即将登场;依托 Daily Brief 和 Gemini Spark,让 AI 即使在用户睡眠时也能持续处理繁杂任务。演讲者重申了 Google 的终极目标:“All of this gets us closer to our vision of a universal assistant that's personal, proactive, and powerful in your daily life.”(这一切都让我们离愿景更近一步:打造一个深入日常、高度个性化、主动且强大的通用个人助理。)
紧接着,现场播放了一段来自纽约市的小微企业创业者 Holly 的真实案例。Holly 于 2005 年从韩国移民至美国,出于全家人对美食的热爱开办了一家餐厅。但餐饮运营极为繁琐,她借助 Gemini 实现了从菜单设计、营销文案、预算编制到库存管理的全方位协助(例如随时调取上月采购了 5 加仑芝麻油等数据),甚至通过 Antigravity 和 Stitch 工具重构了餐厅官网并挂载了专属客服机器人。当某次面临洗碗工突发空缺时,痛感找人艰难的 Holly 带领一个小团队利用 Gemini 开发了包容性招聘平台 Work Onward。
- **Work Onward 的平民化创新**:该招聘平台突破了传统求职网站的技术门槛,不仅自动翻译职位描述,还允许雇主和工人仅凭手机短信(SMS)便能完成招工与找工作,专为不熟悉现代复杂软件的人群扫清障碍。 - **规模与社会价值**:目前该平台在纽约市已被超过 13,000 名蓝领工人和小商家日常使用,体现了 AI 赋予平凡工作者尊严与平权的技术底色。
---
[01:23:39](https://www.youtube.com/watch?v=wYSncx9zLIU&t=5019s) 创意赋能:Google Pics 图像编辑与 Stitch 交互设计更新
Google 的 Suz Chambers 随后登台开启生成式媒体(Generative Media)篇章。她开宗明义地指出:“The real breakthrough isn't the technology. It's what you do with it. Whether you're a designer, an entrepreneur, or an artist, our products help shrink the gap between the moment you have an idea and the moment you create it.”(真正的突破并不在于技术本身,而在于你如何运用它。无论你是设计师、创业者还是艺术家,我们的产品都在缩短从萌生灵感那一刻到亲手创造那一刻之间的距离。)为此,她重点带来了多款旨在将科技化为人类创造力画布的全新生产力工具。
首先亮相的是 Google Workspace 家族的全新成员——Google Pics。它集成了 Nano banana 的模型能力,旨在为用户提供对图像从无到有的创作与深度控制力,轻松搞定海报宣传单到数据信息图的一切图形需求。Google Pics 的核心在于能精准理解画面内部包含的语义要素及其关联。用户只需将鼠标悬停在某个对象上即可单键消除,或随意自由调整主体尺寸以适配画面比例;在排版就绪后,用户还能直接在画布内添加、编辑文字,甚至一键将所有文本翻译为其他语种。所有由 Google Pics 及其创作工具生成的内容均默认打上 Google 专有的 SynthID 水印,该产品将于今年夏季全面推出。
随后,Suz Chambers 展示了跨越平面图像限制的 UI 设计产品 Stitch。Google 内部团队一直使用 Stitch 将粗糙原型秒级转化为精美界面,在过去一年里,全球用户已借助 Stitch 生成了超过 1 亿张 UI 界面屏幕。
```mermaid flowchart LR accTitle: Stitch 实时自然语言协作与部署流程 accDescr: 从自然语言多模态提示词出发,Stitch 实时渲染 UI,支持语音与文字混合调优,并最终一键导出代码与发布。
A["单一 Prompt / 语音指令"] --> B["Stitch 实时渲染 UI 原型"] B --> C{"实时语音/文字微调"} C -- "调整标题层级/高亮菜单" --> B C -- "设计定稿" --> D["一键导出前端代码"] D --> E["一键线上发布上线"] ```
在演示中,Suz 以朋友 Tyler 和 Jenny 经营的比萨店为例,两位店主经验丰富却毫无网页设计知识。输入简单指令后,Stitch 立即实时绘制出交互原型;店主可以直接语音插话提出调整:“make the header text larger and update the menu to highlight more pizza options”(把标题字号改大,并更新菜单以突出更多比萨选项),界面版面即刻在眼前完成动态重排。设计定稿后,Stitch 还打通了多重工具链,支持一键将设计成果导出为代码或直接发布网站。Stitch 的这一系列全新功能于即日起向全球所有用户同步推送上线。在展示完短片致敬全球创作者后,Suz Chambers 强调与创意人员的并肩协作始终是 Google 核心理念,这也正是去年 I/O 大会推出 Google Flow 的初心所在。
[01:28:14](https://www.youtube.com/watch?v=wYSncx9zLIU&t=5294s) Gemini Omni 与 Google Flow:AI 视频与创意工具
演讲者回顾了 AI 在图像、影片和音乐创作领域的飞跃,并宣布推出一整套全新创作能力:Gemini Omni、全新 Google Flow Agent、自定义 Flow 工具以及音乐重混功能。首先展示的是 Gemini Omni 对原始视频素材的改造。演讲者播放了一段人物行走的原始实拍素材,并称赞道:“I love how this person is walking, his presence, his pacing.”(我喜欢这个人的走姿、气场与节奏)。借助 Gemini Omni,只需提供简单的提示词和风格参考图,系统便能在完全保留演员原始表演、动态与走姿的前提下,彻底重构周围环境并添加逼真的视觉特效;甚至还能在维持画面其余元素稳定的同时,无缝向场景中添加全新角色。
紧接着展示的是 Google Flow 平台内置的全新 Agent。以往的 Flow 一次只能执行单条提示词,而新版 Agent 具备自主多步骤规划与执行能力。演讲者以单张静态图片为例,要求 Agent 为该场景构思并寻找最佳镜头机位。Agent 深入分析图像内容,构思最具视觉冲击力的机位角度,“boom, a single image becomes 16 unique videos”(转眼间,单张静态图片就衍生出了 16 段各具视角的独立动态视频)。此外,该 Agent 还能胜任大规模批处理剪辑,例如一键将所有分镜从清晨转换为深夜场景。在沙漠场景演示中,沙漠天空彻底暗下来,车灯适时亮起并照亮扬起的沙尘,展示了极度精确的上下文理解能力。
演讲者随后介绍了“Flow Tools”(Flow 工具)。用户无需复杂编程,直接在 Flow 内部“氛围编程”(vibe code)即可按需打造任意创意工具,定制个性化创作流,无论是设计视频特效、逐帧手绘动画还是图层文字排版,皆可即时构建、分享并进行二次重混(remix)。
```mermaid flowchart LR accTitle: Google Flow Agent 多任务视觉生成流程 accDescr: 展示从单张静态图输入到通过 Agent 自动生成多角度视频并进行大规模环境编辑的端到端流程。
subgraph Input["输入阶段"] A["单张原始静态图像"] end
subgraph AgentAction["Flow Agent 规划与生成"] B["场景上下文与构图分析"] C["构思最佳镜头角度"] D["并行生成 16 个独特分镜视频"] end
subgraph MassEdit["大规模宏观剪辑"] E["跨场景光影与环境转换<br/>(例如:从清晨一键切换至深夜)"] end
A --> B B --> C C --> D D --> E ```
- **Gemini Omni 视频重构**:保留演员走位、步态与肢体表演,无缝替换环境风格、增添特效及添加新角色。 - **Flow Agent 多任务执行**:突破以往单指令限制,单图一键派生 16 个不同机位视频。 - **Flow Tools 自定义**:支持创作者在 Flow 内 vibe code 定制专属工具链,包括特效、手绘动画与文字排版。
---
[01:30:54](https://www.youtube.com/watch?v=wYSncx9zLIU&t=5454s) Google Flow Music 与创意生产力
视觉生成之外,Google 将同样的创意控制力延伸至音乐领域,正式发布 Google Flow Music。为了帮助艺术家将脑海中的灵感快速孵化为完整歌曲,Flow Music 支持以最原始的声音动机为起点进行全方位编曲。演讲者分享了团队成员的一个真实故事:该同事脑海中浮现了一段钢琴副歌(piano riff),便弹奏并录制下原始钢琴片段;但这只是基础动机,为了给乐队排练提供 Demo 参考,他将这段录音导入 Flow Music,输入生成提示词,要求将其扩展为带有女声伴唱的 R&B 风格 Demo。现场播放了生成的段落,人声唱出:“If I'm not on display, tell me why would I try to fly. Why would I try.”(若我不在聚光灯下,告诉我为何还要奋力飞翔)。这段由 AI 辅助生成的 Demo 成为了乐队下一步进棚录音的明确指南。
演讲者宣布,Google Flow 与 Google Flow Music 的所有全新特性即日起正式上线,供全球音乐人、小型企业、氛围程序员(vibe coders)及艺术家使用。演讲者总结道:“The real breakthrough isn't the technology, it's what you do with it.”(真正的突破并不在于技术本身,而在于你用它创造了什么)。
---
[01:32:37](https://www.youtube.com/watch?v=wYSncx9zLIU&t=5557s) Android XR 平台与智能眼镜路线图
XR 负责人 Shahram Izadi 登台,阐述 Google 如何将尖端 AI 落地于物理现实世界。Izadi 指出,AI 正在为头显、智能眼镜以及各类形态设备带来颠覆性体验。Google 联合三星硬件团队以及高通(采用 Snapdragon 芯片优化)共同打造了新一代底层操作系统——Android XR,将前沿硬件能力与 Gemini 深度融合,其核心理念是:“This gives you help in the moment without taking you out of it.”(在当下即刻为你提供帮助,同时不打断你与周围世界的互动)。
Izadi 明确了 Android XR 迈向现实世界的下一里程碑:智能眼镜(Intelligent Eyewear),并将推出两种形态的产品,它们通过蓝牙连接手机,提供全天候的免手持交互: 1. **带屏显示眼镜(Display Glasses)**:采用轻薄镜片内置微显示屏技术(去年 I/O 已做初步展示)。用户无需低头看手机,眼前即可直观浮现关键即时信息,例如 Uber 接驾车牌与到达时间、跨国旅行途中的实时双语翻译等,用户还可以使用“Create My Widget”自定义视觉轻微件。首批开发者已在构建显示体验,Google 计划于今年晚些时候扩大“受信任测试者计划”(Trusted Tester Program)。 2. **纯音频智能眼镜(Audio Glasses)**:将于今年秋季正式率先发售。该眼镜不设镜面显示屏,主打全天候轻量化佩戴,由 Gemini 在耳边私密耳语提供指导。用户无需伸手掏出手机,即可免手持、昂着头完成听音乐、拍照、拨打电话以及调用手机各类 App。Izadi 调侃自己的烹饪爱好:“Personally, I love to cook, but I'm not one to follow a recipe book, so it's great to have Gemini offer some advice before I get too experimental.”(我自己热爱做菜,但我向来不照着食谱做,所以在我的实验性创新失控前,有 Gemini 给点建议简直太棒了)。
针对今年秋季即将上市的音频眼镜,Google 组建了顶级生态阵容:镜框美学由知名眼镜设计品牌 Gentle Monster 与 Warby Parker 操刀;硬件整机工程由三星负责打造;全套软硬件深度适配 Android 与 iOS 双系统。随后,来自三星的合作伙伴 Jay Kim 登台致辞,强调眼镜制造中“Every millimeter counts”(每一毫米都关乎成败),三星凭借精密工程和精湛工艺,将形态、功能与 AI 融合,与时尚设计师通力合作,让智能眼镜在外观上比普通时尚眼镜更为优雅美观。
---
[01:38:30](https://www.youtube.com/watch?v=wYSncx9zLIU&t=5910s) 现场实机演示:Gemini 跨应用自主订咖啡与导航
Shahram Izadi 邀请 Nishtha Bhatia 登台进行全球首次实机 Live Demo。Izadi 佩戴 Warby Parker 合作款音频眼镜,Bhatia 佩戴 Gentle Monster 合作款。眼镜拾音器感应到全场观众的欢呼声后,现场即兴通过 Gemini 播放了动感十足的登场背景音乐。为了向观众演示,舞台将眼镜发出的耳语私密音频实时接入了现场大音响。
演示首先展示了结合个人记忆图谱的地图导航功能。Izadi 完全没有拿出手机,直接向眼镜发问:“hey, can you navigate me to the place I met my friend Gianna at last week?”(Gemini,能导航带我回到上周我和朋友 Gianna 见面的地方吗?)。Gemini 立即回忆起上周日程并作答:“Hey, I've set your route to the Redwood Grove nature preserve from last week's hike. Want to add a stop on the way to grab your afternoon cold brew?”(已为你规划前往上周徒步的红木树林自然保护区路线。要在途中加个停靠点买你常喝的下午冷萃咖啡吗?)。在得到确认后,Gemini 智能规划了先步行前往 Coupa Cafe 经停的路线,并结合眼镜第一视角感知环境,实时提示前方转弯方向与咖啡店即将出现在右侧。
随后进入高难度跨 App 任务级代理演示。Bhatia 对眼镜发出指令,让 Gemini 在刚才提到的咖啡店直接下单平日惯常喝的饮品。舞台大屏幕实时投射出 Bhatia 装在口袋中的手机屏幕:Gemini 直接在后台唤醒 DoorDash 应用,全自动跨界面点击浏览、定位到 Coupa Cafe、选定平时喝的“Nitro Cold Brew”(氮气冷萃咖啡),并推进到最终支付确认页。眼镜随后在耳机中私密提示:“I have prepared your order for the Nitro Cold brew from Coupa cafe. Would you like to confirm?”(已在 Coupa Cafe 为你备好氮气冷萃咖啡订单,是否确认下单?)。Bhatia 回复确认并要求加上 20% 的小费,整套跨应用交易全部通过语音与后台代理闭环完成。Izadi 在一旁打趣道:“I think after all these rehearsals. That's our 15th cold brew today. And thanks to the coffee shop for putting up with us.”(在经过无数轮彩排后,这已经是我们今天订的第 15 杯冷萃了,真心感谢那家咖啡店容忍了我们)。最后,Bhatia 顺势切入到眼镜在处理个人通知与静音场景下的管理能力。
- **多模态记忆导航**:结合日程与地点上下文(自动定位上周与 Gianna 见面的红木公园),主动建议添加常去的 Coupa Cafe 为途径点。 - **Agentic App 跨应用自主交互**:手机无需拿出,Gemini 后台驱动 DoorDash 完成选店、选品、购物车添加,并由用户语音完成最终核单与小费支付。 - **发布时间与兼容性**:音频眼镜将于今年秋季上市,支持 Android 与 iOS;全显示版本将于今年晚些时候向扩展后的 Trusted Tester 开放。
[01:42:01](https://www.youtube.com/watch?v=wYSncx9zLIU&t=6121s) 智能眼镜跨设备联动与现场创意自拍
智能眼镜的现场演示进入跨设备协作环节。台上展示了如何利用语音让眼镜中的 Gemini 快速检索并补全漏掉的信息。当被问及是否有错过的关键消息时,Gemini 迅速总结了已被静音的家庭群聊动态,提醒今天全家定于晚上聚餐,并顺带念出每日励志语录:“你坚强而自信。”用户随后指示将晚餐直接加入日程表,Gemini 便主动确认安排在当晚 7:00,刚好紧随团队庆功宴之后。整个流程不仅实现了对静音聊天内容的智能摘要,还无缝调用了日历应用完成排程。
演示进一步探索了眼镜与智能手表联动的“快捷一瞥”(Glanceable Display)交互体验。演讲者笑着表示,若没有全场自拍就称不上真正的 Google I/O,但这次自拍带有一点科技新意。台上的 Nishtha 面向观众席发起语音指令:“Gemini,拍一张台下精彩观众的照片,把它转成卡通风格,并在空中加上一个巨大的飞艇,上面用趣味彩色字体写着 Google I/O 2026。”伴随全场摆好姿势,系统在数秒之内完成了照片拍摄、风格化生成与合成,并直接将无缝生成的预览推送到她的手表屏幕上,现场爆发热烈掌声。
演讲者总结道,智能眼镜的未来从未如此令人振奋,其背后凝聚了顶级时尚品牌的外观设计、三星(Samsung)的工程与精湛硬件工艺、Gemini 的个性化主动助理能力,以及 Google 与整个开发者生态带来的定制化应用和功能。首款智能眼镜产品定于今年秋季正式面市。
- **静音消息智能归纳**:Gemini 自动提炼未读家庭群信息,明确了当晚 7 点的家庭聚餐安排。 - **跨应用智能排程**:根据上下文自动衔接日程表,在已有团队庆祝活动后插入聚餐事件。 - **手表流转预览**:眼镜拍摄的现场画面经实时卡通化与文本飞艇渲染后,直接流转至腕上智能手表呈现。 - **秋季发布计划**:首款集成了三星硬件制造与 Google 软件生态的智能眼镜将于今年秋季正式发售。
---
[01:44:37](https://www.youtube.com/watch?v=wYSncx9zLIU&t=6277s) 迈向 AGI 与网络安全防护:CodeMender 正式登场
随后,Google DeepMind 首席执行官戴米斯·哈萨比斯(Demis Hassabis)登台发表演讲,深入阐释人工智能的发展前沿与终极愿景。哈萨比斯回顾了大会上展示的一系列重磅更新——包括下一代前沿模型 Gemini 3.5 与 Gemini Omni、代码开发平台 Antigravity 2.0 的全新编程能力、以及搜索与 Gemini Spark 中的自主 Agent 架构。看到 Gemini 正深刻重构数十亿人每天使用的 Google 产品体系,哈萨比斯坦言这种演进速度令人惊叹。
在哈萨比斯看来,即便对于毕生投身该领域的科研人员而言,当前技术的跃进也是前所未有的。他明确指出人类正站在通用人工智能的门槛之上,郑重断言:“AGI is now on the horizon and it will be the most profound and impactful technology ever invented.”(通用人工智能如今已地平线在望,它将成为人类有史以来发明的影响最深远、最强大的技术。)他强调,如果引导得当,AGI 将以超乎想象的程度推动人类社会的繁荣与文明飞跃,但这不仅意味着巨大机遇,更伴随着前所未有的责任。人类必须保持清醒认知,全力以赴确保 Agent 自主系统以及未来 AGI 的安全性。
网络安全被哈萨比斯列为当下最受关注的关键风险领域之一。依托 Google 数十年来在安全领域的积累与前沿大模型能力,团队正致力于保护全球代码库的基础安全。现场正式公布了专门的代码安全智能体——CodeMender。该系统能够自主扫描并自动修复软件中的关键漏洞。大会当天,Google 已邀请部分顶尖安全专家内测全新的 CodeMender API,并计划在不久后向更广泛的开发者群体开放。
```mermaid flowchart LR accTitle: CodeMender Vulnerability Remediation Workflow accDescr: An automated workflow where CodeMender analyzes software repositories, identifies security flaws, and applies automated patches. subgraph Repo["软件代码库"] A["全球开源与企业代码"] end subgraph Engine["CodeMender 安全智能体"] B["深度代码语义分析"] C["关键漏洞定位"] D["自动生成修复补丁"] end subgraph Output["安全交付"] E["CodeMender API 验证与推送"] F["已修补安全系统"] end
A --> B B --> C C --> D D --> E E --> F ```
---
[01:46:17](https://www.youtube.com/watch?v=wYSncx9zLIU&t=6377s) Gemini for Science 与 AI 模拟:从数字地球到极端天气预警
哈萨比斯向全场倾诉了他毕生投身人工智能的初心:“从根本上讲,我整个职业生涯都在从事 AI 研究,原因就在于我认为它是推动科学发展和加深我们对世界认知终极工具。”如今,AI 开始在几乎每一个科学领域赋能科研人员,科学梦想正在逐步照进现实。基于这一发展势头,哈萨比斯正式宣布推出“Gemini for Science”,旨在整合一系列强大的 AI 工具集,全面加速全球科研进程。
除了能协助解决高难度抽象难题外,全新的实验室原型工具还能简化科学家的日常繁琐工作——无论是实时跟进全球前沿论文、将复杂的科研设想直接转化为可运行的高质量代码,还是基于现有数据自动推演新假说。哈萨比斯指出,推动现代科学突破的另一项核心支柱是“AI 模拟”(AI Simulation),它对于预测和理解当今算力难以直接建模的极端动态复杂系统至关重要。例如,Google 构建的数字地球基础模型 AlphaEarth Foundations,已成为最接近“地球数字孪生”的系统,能够有效协助应对森林砍伐监测和全球粮食安全等棘手环境问题。
这种模拟能力在气象防灾领域展现了立竿见影的社会效益。现场视频回顾了 Google 开发的全球气象预测大模型 WeatherNext 在 2025 年飓风季中的实战表现。热带气旋路径与强度变化极快,传统数值模式预测难度极大,而 WeatherNext 提前整整三天准确预测了一场 5 级强飓风将正面袭击牙买加,预测精度远超以往旧有模型。飓风预报中心专家在回顾案例时表示,正因为提前获得了长达三天的宝贵预警时间,政府才能果断组织危险区域民众转移避险,挽救了成千上万人的生命。WeatherNext 如今正被正式纳入飓风预报中心的日常核心工具库。
- **Gemini for Science 全新发布**:集成了文献追踪、研究意图代码化生成以及假说推演等科研原型工具。 - **AlphaEarth Foundations 数字孪生**:模拟地球复杂生态与陆地系统,为林业保护与粮食供应规划提供科学依据。 - **WeatherNext 飓风实战**:对 2025 年袭击牙买加的“梅丽莎”(Melissa)5 级飓风实现了提早 3 天的超前精准预警,为居民撤离争取了决定性窗口。
---
[01:48:56](https://www.youtube.com/watch?v=wYSncx9zLIU&t=6536s) 数字速度下的科学革新:AI 制药与奇点的黎明
放眼生命科学的未来,哈萨比斯认为人工智能将有能力模拟更为复杂的生命涌现系统,乃至实现“虚拟活细胞”的模拟。目前,以 AlphaFold 和 AlphaGenome 为代表的生物大模型已成为全球数百万科学家案头不可或缺的标准研究工具,极大催生了结构生物学与遗传学的跨越式发展。哈萨比斯将这一现象生动地概括为“数字速度下的科学”(Science at digital speed)——不仅体现在找到难题解法的运算速度上,更体现在科学方案向全球科研人员分发扩散的即时性。
在所有技术分支中,哈萨比斯坚信人工智能最核心的使命应是造福人类健康。由他创立并担任首席执行官的 Isomorphic Labs 正利用 AI 模拟分子相互作用,与全球顶尖制药伙伴展开合作,全面重塑传统药物研发流程。目前,该实验室已有多个自研新药项目步入临床前阶段,涵盖了免疫系统紊乱以及癌症等致命疾病的潜在治疗方案。面对台下观众,哈萨比斯动情地重申其终极使命:“Our mission is to reimagine the drug discovery process with the goal of one day solving all disease, something that would have seemed impossible just a few years ago.”(我们的使命是重构药物发现流程,以期在未来彻底终结所有疾病;这在短短几年前还是天方夜谭,但我坚信它如今已触手可及。)
在演讲尾声,哈萨比斯将眼下的时代置于宏大的科技史坐标系中。他深情展望道,当未来的人们回望这个转折点时,所有人都会意识到,人类正真真切切地站在“技术奇点的山脚下”(standing in the foothills of the singularity)。作为人类智慧的超级倍增器,AGI 将开启科学探索的全新黄金时代,为全球每一个角落的普通人带来福祉。在热烈的掌声中,Google I/O 2026 主题演讲圆满落下帷幕。
## Notable quotes > [01:44:37](https://www.youtube.com/watch?v=wYSncx9zLIU&t=6277s) AGI is now on the horizon and it will be the most profound and impactful technology ever invented. — Demis Hassabis
> [01:23:39](https://www.youtube.com/watch?v=wYSncx9zLIU&t=5019s) The real breakthrough isn't the technology. It's what you do with it. Whether you're a designer, an entrepreneur, or an artist, our products help shrink the gap between the moment you have an idea and the moment you create it. — Suz Chambers
> [01:08:01](https://www.youtube.com/watch?v=wYSncx9zLIU&t=4081s) Good design is about how it works. — Josh Woodward
> [01:13:01](https://www.youtube.com/watch?v=wYSncx9zLIU&t=4381s) This is a big shift for Gemini because agents don't just answer questions, they proactively work on your behalf. — Josh Woodward
> [47:41](https://www.youtube.com/watch?v=wYSncx9zLIU&t=2861s) We believe the best version of search is one created just for you. — Robby Stein
> [11:17](https://www.youtube.com/watch?v=wYSncx9zLIU&t=677s) 我们的模型训练不再受限于单个超大规模数据中心的物理边界。 — Sundar Pichai
> [00:01](https://www.youtube.com/watch?v=wYSncx9zLIU&t=1s) 不要仅仅去制造东西,让我们创造真正有重要意义的事物。
## Mentioned Google, Sundar Pichai, Demis Hassabis, Varun Mohan, Josh Woodward, Liz Reid, Robby Stein, Vidhya Srinivasan, Suz Chambers, Shahram Izadi, Jay Kim, Nishtha Bhatia, Gemini, Gemini 3.5 Flash, Gemini 3.5 Pro, Gemini Omni, Gemini Spark, TPU, Google Antigravity, Google Search, AI Overviews, AI Mode, YouTube, Google Maps, Docs Live, Google Workspace, SynthID, Universal Commerce Protocol (UCP), Agent Payments Protocol (AP2), Universal Cart, NotebookLM, Google Pics, Stitch, Google Flow, Google Flow Music, Android XR, Gentle Monster, Warby Parker, Samsung, Qualcomm, CodeMender, Gemini for Science, AlphaEarth Foundations, WeatherNext, AlphaFold, AlphaGenome, Isomorphic Labs, Work Onward, Doom, NVIDIA, OpenAI, Kakao, ElevenLabs, Amazon, Meta, Microsoft, Salesforce, Stripe
## Video description It's time to I/O! Tune in to learn the latest news, announcements, and AI updates from Google.
00:00 Opening 17:10 Gemini Omni 24:43 Google Antigravity 35:13 Gemini Spark 43:32 Search 01:07:52 Gemini 01:23:26 Generative Media 01:32:47 Intelligent Eyewear 01:44:28 Closing
To watch this keynote interpreted in American Sign Language (ASL), please click here: https://youtube.com/watch?v=vw73r_xaeX0
#GoogleIO
Subscribe to our Channel: https://www.youtube.com/google Find us on X: https://twitter.com/google Watch us on TikTok: https://tiktok.com/@google Follow us on Instagram: https://www.instagram.com/google Join us on Facebook: https://www.facebook.com/Google
[Source](https://www.youtube.com/watch?v=wYSncx9zLIU)