当地时间5月20日，谷歌2025年度i/o开发者大会展示了ai、多模态模型等最新成果。谷歌ceo皮查伊强调gemini 2.5 pro为最强通用ai模型，将在chrome、搜索及gemini app中推出智能体模式，实现与浏览器等软件交互。谷歌搜索添加ai模式标签页，支持长查询、自动分解意图并生成结构化答案。
继微软之后，谷歌也全面拥抱人工智能（ai）智能体（agent）。在开发者大会上，谷歌宣布要让智能体全面进驻谷歌的主打业务搜索以及ai助手gemini，并通过gemini与搜索结合，推出全新的ai模式搜索。
当地时间5月20日，谷歌2025年度i/o开发者大会的主题演讲展示了在ai、多模态模型、跨设备整合与开发者工具方面的最新成果。从升级后的gemini 2.5 pro模型到智能眼镜的xr应用，再到ai驱动的搜索与网页浏览体验。谷歌展现的不仅是模型的性能提升，更是ai从“信息工具”进化为“通用智能体”的进步。
本次发布内容主要包括：
模型：gemini 2.5 pro/flash/deepthink；diffusion；imagine 4；lyria；
应用：gemini app、canvas、chrome助理、ai mode、agent模式；
搜索：ai overview+mode；支持个性化、多步推理、自动执行任务；
创作：flow平台、文本转图像、图像转视频、原生音频合成|
硬件：android xr头显、智能眼镜原型、wearos、车载整合
谷歌最强通用ai模型gemini 2.5 pro
刚开场，登台的alphabet兼谷歌ceo皮查伊（sundar pichai）就强调了gemini的重要性，称“在谷歌，每天都是gemini季”，并力推新模型gemini 2.5 pro——“迄今为止我们最强大的通用ai模型”。
皮查伊说，自上次i/o大会以来，谷歌已推出十多款模型和20项ai功能，谷歌的发布速度已经是史上最快：
“我们希望尽快将最好的模型和产品交到大家手中，因此我们的发布速度比以往任何时候都快。”
皮查伊透露，gemini 2.5 pro模型已在大语言模型（llm）测评llm arena的所有类别排行榜上名列前茅。gemini是热门ai代码编辑器cursor上增长最快的模型。
他介绍，一年来，谷歌系统每月处理的token数量激增，从去年的9.7万亿增加到现在的480万亿，增长将近50倍。gemini的app每月有4亿多活跃用户。
“智能体模式”将上线chrome、搜索及gemini app
皮查伊宣布，谷歌将在chrome浏览器、搜索以及gemini的app中推出智能体模式（agent mode）。
智能体可以与浏览器和其他软件进行交互和操作。谷歌研究的ai智能体mariner现在可以同时管理多达10个任务，用户只需向其展示一次任务，它就会学习该任务，并将经验用于未来的案例。
智能体模式的实验版即将向gemini app的订阅者推出。
皮查伊现场演示gemini app中的智能体模式，要求它帮用户找公寓。得到指令后，gemini搜索房产网zillow，用电脑调整筛选条件，并使用模型上下文协议mcp预约看房。
皮查伊评价：
“这是一个新兴的时代。将研究成果转化为现实的最佳方式就是让它真正发挥作用。”
他说，在经用户许可的情况下，gemini现在可以在各种app中以“私密安全”的方式使用个人信息。
在ai综述的基础上，谷歌在搜索引擎中正式推出由gemini2.5模型驱动的ai模式。由于ai的特性，用户可以向搜索引擎提出更复杂、更难的问题。谷歌表示，现在用户从搜索引擎中得到的不只是信息，而是智慧。
图片来源：视频截图
未来谷歌还将ai模式与用户邮箱等个人信息打通，提供个性化的建议。与此同时，同类ai工具中常见的“深度研究”功能也将集成在这个模式中。
同时通过将先进多模态模型和实时对话等功能结合，谷歌也将在今年夏天推出实时影像搜索功能。用户可以开着摄像头向ai实时提问。
图片来源：视频截图
谷歌搜索添加ai模式标签页支持长达数百字提问
皮查伊称ai概览（ai overviews）是谷歌最成功的产品之一，每月有15亿用户在搜索中使用ai概览，它推动某些类型的查询增长了10%。这意味着，谷歌提供生成式ai服务的用户规模超过其他公司。
gemini模型将与谷歌搜索集合。它将通过ai模式（ai mode）增强智能，成为一种强大的新型ai搜索功能，可帮助解答问题。它是搜索中的新标签页，也将包含在ai概览中。
作为全新的搜索功能，ai模式让用户可以提出更长、更复杂的查询。它支持长达数百字的提问、自动分解查询意图、并生成结构化答案。该模式当地时间5月20日就上线，作为搜索的新标签页形势，向所有美国的用户推出。
新版本中，用户可以：
直接通过自然语言发问，系统会提供摘要式、结构化回答。
与搜索结果进行多轮对话，进一步深入了解相关内容。
获取图文并茂的“智能回答卡片”，例如自动整理出旅游行程、购物建议、编程指南等。
皮查伊称：“我们正在重新定义搜索的未来。不是找到链接，而是直接给出答案。”
谷歌搜索负责人liz reid介绍，ai模式会得到名为deep research的模型加持，谷歌称之为“深度搜索”（deepsearch）。该模型将通过逻辑搜索结果和高度相关的内容，更好地整理研究主题。
“就像你身边有一位博学助理。”它还会结合地图、评论、视频等生成图表和推荐内容。
reid说，ai模式将拥有谷歌所有最优秀的ai特性和功能。“随着时间的推移，我们将逐步将ai模式的许多尖端特性和功能融入核心搜索体验。”她还说，ai模式现在就将支持ai概览
谷歌光束、同声传译功能
谷歌光束（google beam）：极具未来主义的视频会议设备，从不同角度捕捉用户影像，使用ai技术将这些视频流合并，并在3d光场显示器上呈现用户的3d形象，帧率最高可达每秒60帧。首批“谷歌光束”设备将于今年晚些时候通过合作伙伴惠普推出，具体定价尚不清楚。
图片来源：视频截图
同声传译：在谷歌会议软件google meet中，用户可以使用不同语言进行实时对话，同时保留原声的音色、语调和情感表达。目前已经向订阅用户开放英语和西班牙语之间的实时翻译，未来几周将陆续增加意大利语、德语和葡萄牙语等更多语言。
图片来源：视频截图
此外，ai模式下也将提供购物决策的全流程支持——从“买什么”到“去哪里买”一步到位。谷歌也在实验室中推出虚拟试穿衣服工具，用户可以上传一张自己的照片，直观感受购物车里的衣服“穿在”自己身上的样子。
ai视频生成制作工具flow
这款工具旨在简化ai生成视频的创作流程。flow与veo 3视频生成模型，针对veo 2模型的更多控制功能，以及图像生成模型imagen 4一同亮相。
通过flow，用户可以通过文字或图片素材生成8秒的ai视频片段，随后使用flow的场景构建工具将多个片段拼接成完整视频。
与此同时， veo 3模型不仅生成质量更高、理解提示词更准确，还能同步生成视频和音频，包括不同角色的对话。此外，veo 2将增加相机控制和对象移除等工具，imagen 4在生成图片时也能准确生成真实文本，而不是一堆乱码。
推出的安卓xr平台针对一系列ai眼镜设备
谷歌工程主管shahram izadi介绍称，除了手机外，未来几个月里谷歌将会把gemini ai功能拓展至智能手表、汽车控制台、电视上，以及你的眼镜上。
izadi介绍称，谷歌推出的安卓xr平台针对一系列ai眼镜设备，意味着每个人可能会购买不止一副ai眼镜。例如看电影或者工作时，你需要更具沉浸感的头戴式设备；而出行购物时，你会需要轻便的眼镜提供实时信息。
图片来源：视频截图
安卓xr是谷歌与三星、高通一起开发的平台，自从去年公布项目后，现在已经有数百家软件开发商为这个平台提供适配。三星的project moohan是第一款安卓xr设备，并将在今年晚些时候开放购买。
谷歌也宣布，与中国ar品牌xreal达成战略合作，以project aura的名义推出第二款安卓xr设备，也是首款搭载安卓xr平台的ar眼镜。
来源：红星新闻等
