言變圖的“LLM時(shí)刻”,還有AI全家桶,Google殺瘋了

鯨選AI
0 評(píng)論 1063 瀏覽 1 收藏 13 分鐘
🔗 B端产品需要更多地依赖销售团队和渠道合作来推广产品,而C端产品需要更多地利用网络营销和口碑传播来推广产品..

在生成式AI快速崛起的浪潮中,Google以全新的產(chǎn)品矩陣和技術(shù)升級(jí)迎來(lái)屬于它的“LLM時(shí)刻”。從文本到圖像,從工具到生態(tài),AI全家桶的發(fā)布讓人們看到技術(shù)無(wú)邊的可能性。本文將帶你深入解讀這些突破背后的技術(shù)邏輯與市場(chǎng)策略,探討Google如何在AI競(jìng)賽中拔得頭籌,并展望行業(yè)未來(lái)的新格局。

對(duì)于Google來(lái)說(shuō),作為T(mén)ransformer等核心技術(shù)的發(fā)明者,在“AI 4巨頭”的討論中沒(méi)有它,是一件很尷尬的事情。

這讓其一直憋著一口氣,決心證明自己。最近Google的系列更新就頗具看點(diǎn):

發(fā)布開(kāi)源模型 Gemma 3,性能超越DeepSeek V3、o3mini為全球第二強(qiáng)開(kāi)源模型,但是模型大小僅為7B。發(fā)布Gemini 2.0 Flash Experimental,動(dòng)動(dòng)嘴就能PS的AI文生圖產(chǎn)品。不僅如此,對(duì)指令理解也相當(dāng)?shù)轿?,能連續(xù)生成一致性圖片,并評(píng)為AI生圖的GPT時(shí)刻,這幾天在X傳瘋了。Deep Research開(kāi)放免費(fèi)使用,背后是2.0 Flash Thinking Experimental 提升推理能力并擴(kuò)展上下文窗口。還有新一代 機(jī)器人 AI 模型Gemini Robotics ,對(duì)物理世界更懂了。

國(guó)外有網(wǎng)友評(píng)價(jià)Google這次更新,是幾乎每項(xiàng)到了最佳

到底有沒(méi)有這么強(qiáng)呢,鯨哥認(rèn)為是大差不差,有驚喜,也有吹噓。

先說(shuō)這次最被熱議的更新—Gemini 2.0 Flash Experimental。 原生圖像生成功能上線,說(shuō)話(huà)就能PS照片的夢(mèng)想實(shí)現(xiàn)。通過(guò)聊天任意編輯圖像的局部或者全部,有點(diǎn)類(lèi)似Adobefirefly版本。

我們用英偉達(dá)CEO黃仁勛此前發(fā)布會(huì)的圖片,來(lái)試試是否可以隨意PS。

我們先要求換背景,讓黃仁勛在直播間中帶貨。這個(gè)難度不大,是不是摳圖也不好說(shuō)。

“321上鏈接”,5090顯卡刀法精準(zhǔn),直接賣(mài)爆了,我們讓黃仁勛開(kāi)心地笑起來(lái)??吹贸鰜?lái)表情有些崩,但整體還是做到了AI改變?nèi)宋锉砬椤?/p>

再要求把臉從黃仁勛換成馬斯克,這個(gè)挺順暢完成了,馬斯克的臉部還挺逼真,表情也比較自然。一個(gè)小細(xì)節(jié),攝像機(jī)上手機(jī)屏幕中的人物也跟著換成了馬斯克。

還有一個(gè)這兩天大家很愛(ài)玩的功能,就是這個(gè)合成圖片的功能,熊的視角略微有一些轉(zhuǎn)向,但是合成圖片中還原的還不錯(cuò)。

很多人會(huì)質(zhì)疑這個(gè)功能有什么用,國(guó)外有小伙,利用gemini-2.0 新推出的圖片編輯 API,連夜肝了個(gè)工具,實(shí)現(xiàn)白底圖到產(chǎn)品實(shí)拍圖的批量自動(dòng)化生成。

他是這樣評(píng)價(jià)這個(gè)產(chǎn)品:“效果炸裂,特別是對(duì)產(chǎn)品的特征保留的很好,相比 ComfyUI 工作流調(diào)個(gè)半死,這不強(qiáng)多了?!?/p>

當(dāng)然它還能給線稿上色,鯨哥生成了“猿力崛起”類(lèi)似的圖片。生成效果確實(shí)還沒(méi)有Midjourney強(qiáng),但是能力很連貫,這是生成式AI的體現(xiàn),這是預(yù)言挑戰(zhàn)畫(huà)家的顛覆性一步。

Gemini-2.0不僅改圖能力強(qiáng),還能生成連續(xù)性的圖片故事集,效果也不錯(cuò)。以下是鯨哥測(cè)試的成果。

“生成一個(gè)關(guān)于爆炒羊雜教程系列圖片。對(duì)于每個(gè)場(chǎng)景,生成一個(gè)圖像和一段介紹文字?!盙oogle生成的教程顯示有點(diǎn)長(zhǎng),我在排版時(shí)用SVG動(dòng)畫(huà)顯示了,大家點(diǎn)擊下方即可查看。

羊雜切碎,調(diào)好備料最關(guān)鍵是羊雜焯水

羊雜切碎,調(diào)好備料最關(guān)鍵是羊雜焯水

放油,先炒調(diào)料再加入羊雜爆炒·

放油,先炒調(diào)料再加入羊雜爆炒

放入蔬菜,炒至斷生加入勾芡,炒熟裝盤(pán)·

放入蔬菜,炒至斷生加入勾芡,炒熟裝盤(pán)

感謝Google,終于知道中午做的爆炒羊雜為啥不好吃了,原來(lái)沒(méi)有先把羊雜焯水(直男落淚)。

此前的 2 月,Google Veo 2 已通過(guò) Freepik 發(fā)布了圖像轉(zhuǎn)視頻功能,現(xiàn)在與2.0 Flash有很好的結(jié)合了。

這個(gè)視頻是JP博主制作,用一張AI生成的美女和商品圖結(jié)合,先是生成了帶貨圖片,然后轉(zhuǎn)成了視頻,神奇的是視頻中飲料的商標(biāo)都沒(méi)有變,目前在X上很火。

最后再講一個(gè)很有用的東西,應(yīng)該比以上視覺(jué)工具更加落地。

是不是大家仍沒(méi)有Manus邀請(qǐng)碼,感覺(jué)也不用苦苦等待了。Google deep Research 現(xiàn)在可以免費(fèi)使用,由 2.0 Flash Thinking模型提供支持,而且可以展示研究過(guò)程(chain of research),甚至支持鏈接你的搜索記錄對(duì) Gemini 進(jìn)行個(gè)性化設(shè)置。

這是我做的“中國(guó)視頻類(lèi)科技商業(yè)博主起號(hào)及爆款”研究專(zhuān)題,要求生成30頁(yè)以?xún)?nèi)的PPT報(bào)告。

還能根據(jù)這份報(bào)告繼續(xù)提問(wèn),我問(wèn)了下最適合普通人學(xué)習(xí)的博主是誰(shuí),回答結(jié)果如下,額,不知道大家怎么看這個(gè)結(jié)果。

Deep Research能羅列Researching websites,這樣你可以清楚看到引用的哪些網(wǎng)站內(nèi)容,靠不靠譜。同時(shí)這也是Google deep Research 的優(yōu)勢(shì),搜索內(nèi)容的廣度上要比OpenAI 大很多,甚至能索引 YouTube 內(nèi)容。

最重要的是,它輸入框底下有行字,“Gemini can make mistakes, so double-check it”,避免出錯(cuò)進(jìn)行了雙倍檢查。這就極大避免了幻覺(jué)率,確保提供的信息,一定范圍內(nèi)的準(zhǔn)確性。

當(dāng)然問(wèn)題也有,就是這個(gè)產(chǎn)品不太Agent,讓生成PPT最終沒(méi)有生成,估計(jì)是因?yàn)檎{(diào)用不了其他工具。我體驗(yàn)導(dǎo)出報(bào)告,調(diào)用Chrome文檔也不流暢。以后使用MCP協(xié)議估計(jì)效果會(huì)更好。

在基礎(chǔ)語(yǔ)言模型方面,最大的更新是發(fā)布最新開(kāi)源模型 Gemma 3 。

最大僅為27B,性能超越DeepSeek V3、o3mini,為全球第二強(qiáng)開(kāi)源模型,僅次于DeepSeek R1,但是模型小很多,達(dá)到差不多的性能。

其他幾個(gè)模型分別為 1B、4B、12B 和 27B,微型模型意味著可在手機(jī)、電腦上跑。

雖然模型小,但是各方面能力都具備。比如增強(qiáng)文本和視覺(jué)能力,可理解文本、圖片、短視頻。支持128K上下文窗口 ,支持函數(shù)調(diào)用,支持AI 代理開(kāi)發(fā),自動(dòng)執(zhí)行任務(wù)。

不僅是通用LLM模型更新,Google還在具身智能領(lǐng)域做了很大的改進(jìn)。

Google DeepMind 推出基于 Gemini 2.0 研發(fā)的新一代 機(jī)器人 AI 模型Gemini Robotics 。

首先是具備泛化能力:Gemini Robotics利用Gemini 2.0的世界理解能力,機(jī)器人能夠處理未見(jiàn)過(guò)的新物體、新指令和新環(huán)境,甚至完成訓(xùn)練中未見(jiàn)過(guò)的新任務(wù)。

在綜合泛化基準(zhǔn)測(cè)試中,Gemini Robotics的性能比其他最先進(jìn)的VLA模型高出一倍以上。

例如,它能完成未訓(xùn)練過(guò)的任務(wù),如扣籃一個(gè)新籃球。-

其次是交互性:它能理解日常語(yǔ)言指令(包括不同語(yǔ)言),并快速響應(yīng)環(huán)境或指令的變化。例如,當(dāng)物體被移動(dòng)時(shí),它能迅速重新規(guī)劃行動(dòng)路徑,無(wú)需額外輸入即可繼續(xù)任務(wù)。

然后還具有靈活性與靈巧性:通過(guò)多模態(tài)推理(結(jié)合視覺(jué)、語(yǔ)言和動(dòng)作),機(jī)器人能精確操控物體,完成多步驟任務(wù)。支持執(zhí)行需要精細(xì)動(dòng)作的復(fù)雜任務(wù),如折疊紙鶴、將零食裝進(jìn)拉鏈袋或輕柔放置眼鏡。

要知道,一開(kāi)始,Google在大模型這波生成式AI浪潮中確實(shí)落后了。通過(guò)這兩年的蟄伏,Google還是證明了其技術(shù)儲(chǔ)備,完成了一場(chǎng)AI逆襲。

作者丨鯨哥

本文由人人都是產(chǎn)品經(jīng)理作者【AI鯨選社】,微信公眾號(hào):【鯨選AI】,原創(chuàng)/授權(quán) 發(fā)布于人人都是產(chǎn)品經(jīng)理,未經(jīng)許可,禁止轉(zhuǎn)載。

題圖來(lái)自Unsplash,基于 CC0 協(xié)議。

更多精彩內(nèi)容,請(qǐng)關(guān)注人人都是產(chǎn)品經(jīng)理微信公眾號(hào)或下載App
評(píng)論
評(píng)論請(qǐng)登錄
  1. 目前還沒(méi)評(píng)論,等你發(fā)揮!
专题
14020人已学习14篇文章
在很多产品中,搜索都是其中比较基础且很重要的一个功能。搜索的设计、逻辑、交互等问题也是需要特别注意,本专题的文章分享了电商搜索功能的设计指南。
专题
13111人已学习12篇文章
随着互联网的不断发展,如今获客渠道及方式也有很多。本专题的文章分享了获客渠道及方法。
专题
11709人已学习12篇文章
数据管理系统在后期能够为企业提供基础数据服务,保证企业往更好的方向运营。本专题的文章分享了如何做好数据管理。
专题
13420人已学习12篇文章
本专题的文章分享了B端产品经理的通用工作流程。
专题
11780人已学习12篇文章
随着现代科技的不断发展进步,智慧城市的建设也在不断发展,本专题的文章分享了智慧城市设计指南。
专题
19129人已学习13篇文章
画像标签是由数据标签经过分析、加工处理,形成的更加抽象、易于理解的复合标签。本专题的文章分享了如何设计用户标签体系。