谷歌I/O大会的10个新东西，用Gemini接管一切-钛媒体官方网站

文 | 字母AI

一年一度的谷歌I/O大会，重磅来袭。

输出速度上，比其它前沿模型快4倍，在人工智能分析指数中位列右上象限——意思是又快又强。

定价上，3.5 Flash输入$1.50/百万token，输出$9.00/百万token，比3 Flash贵了3倍，比3.1 Pro便宜40%。

在Gemini 3强大的多模态基础之上，3.5 Flash可以生成更丰富、更具交互性的Web用户界面和图形。

它可以在不到一分钟里生成6个不同的支付页面，也可以一次做出64个分形图案变体；用户只要用文字描述一个想法，它就能生成可互动的网页组件。

更复杂一点，它还能把论文、课程视频变成互动式学习卡片和可视化页面，甚至在Google搜索里，根据用户的问题现场生成图表、模拟器和沉浸式解释界面。

谷歌对它的定位是：can create anything from any input（从任何输入，生成任何内容）。

当然，现在第一步还是视频。之后谷歌还计划支持图片、音频等更多输出形式。

首个上线的是Gemini Omni Flash，已经向Google AI Plus、Pro和Ultra订阅用户开放，可以在Gemini App和Google Flow 中使用；YouTube Shorts和YouTube Create App也会免费接入。未来几周，谷歌还会把它通过API开放给开发者和企业客户。

Omni不是一个单纯的文生视频模型。它可以把文字、图片、音频、视频一起作为输入，然后生成一段完整视频，并且支持对话式视频编辑。

谷歌说，今年对Gemini App来说是“硕果累累的一年”。去年I/O时Gemini App有4亿用户，现在已经有超过9亿月活，覆盖230多个国家和70多种语言。

这次 Gemini App 的更新主要有几个：

第一，接入Gemini 3.5 Flash。

第二，推出新的设计语言Neural Expressive。界面会更动态，有流体动画、更鲜明的颜色、新字体、触觉反馈。Gemini Live也被直接整合到Gemini，用户可以从打字自然切到语音对话。谷歌还说，Gemini以后不只是给你一堵文字墙，而是会根据问题实时生成更适合的回答形式，比如图片、交互时间线、旁白视频、动态图形等。这个新设计从今天起在Web、Android、iOS全球推出。

第五，也是最重要的，是Gemini Spark。

Gemini Spark：谷歌版24小时个人Agent

Gemini Spark是这次最值得单独介绍的产品之一。

谷歌给它的定位是24/7 personal AI agent。也就是说，它可以在你授权下，持续帮你做事。

它运行在Gemini 3.5上，使用Antigravity harness，并且深度连接Gmail、Docs、Slides等工具。而且因为它是云端Agent，所以你关掉电脑、锁上手机，它也可以继续在后台工作。

谷歌举了几个例子。

比如你可以让它定期解析每月信用卡账单，找出新增订阅或者隐藏费用；或者教它检查孩子学校邮件，把重要日期提取出来，每天发一份简报给你和伴侣；再比如，你可以让它从邮件和聊天记录里的会议笔记中提炼信息，整理成Google Docs，再起草一封项目启动邮件。

这是典型的Agent叙事：帮你跨应用完成一串动作。

这也是谷歌最有优势、也最敏感的地方：它手里有Gmail、Calendar、Docs、Drive、Slides、Maps、YouTube、Search。只要用户愿意授权，Gemini可以触达的个人上下文，将成为一个非常庞大的生态。

当然，谷歌也在强调权限和安全。Spark需要用户选择是否开启、连接哪些App；涉及花钱、发邮件等高风险动作时，会先询问用户。

这一功能本周先面向trusted testers，下周计划作为Beta推给美国Google AI Ultra用户。

macOS版Gemini：开始进入桌面工作流

Gemini App还有一个比较容易被忽略的更新：macOS桌面版。

谷歌说，Gemini的macOS App已经可以下载，接下来会把Gemini Spark带到桌面端，让它处理本地文件，并自动化桌面上的工作流。它还会加入新的语音能力：用户可以对着屏幕说一段并不完整、夹杂着停顿和口头禅的话，Gemini能根据屏幕上下文，把它整理成更准确的文本，并直接放到光标所在位置。

这件事看起来小，但也值得注意，因为Agent最终不可能只在网页里工作。很多真实工作发生在本地：文件夹、桌面软件、浏览器、多窗口、多文档之间。谷歌把Spark带到macOS，其实就是在往桌面Agent的方向走。

我们之前写过一篇文章，说PC才是agent时代的头号硬件，谷歌之前在The Android Show上发布的种种更适应真实工作流的软硬件产品，和这件事也是互通的。

Google Search：搜索框25年来最大改版

这次最有象征意义的产品，还是Search。

它会动态展开，让你用更自然的方式描述问题；它会根据意图给出AI建议，不只是传统自动补全；它支持多模态输入，可以用文本、图片、文件、视频，甚至Chrome标签页作为输入。

也就是说，搜索不再只是“给我十个链接”，变成了“我有一个问题、一段材料、一张图、一个网页上下文，你帮我理解并继续往下走”。

另外，AI Overview 也可以更自然地接入AI Mode。用户可以直接对AI Overview继续追问，搜索会带着上下文进入对话。这个体验已经在桌面和移动端全球上线。

Search这次还有一个更Agent化的能力：Search agents。

谷歌说，用户以后可以在Search里创建、定制和管理多个AI agents。第一批是information agents，信息型Agent。它们可以24小时在后台监控你关心的信息，然后在合适的时候给你一份综合更新。

这和Google Alerts很像，但更智能。

Google Alerts只能按关键词订阅。Search agents订阅的是“你的意图”。它不像爬虫那样只看某个词有没有出现，而是理解你到底要什么，然后跨网页、新闻、社交、购物、体育、金融等信息源监控变化。

information agents今年夏天先给Google AI Pro和Ultra用户推出。

此外，Search还在扩展agentic booking，也就是帮你完成预订类任务。比如你要找一个周五晚上、能坐6个人、供应夜宵的私人KTV房间，Search会综合价格和可用性，并给你直接完成预订的入口。部分品类，比如家政维修、美容、宠物护理，用户甚至可以让Google代为给商家打电话。这些能力今年夏天在美国面向所有用户推出。

另外，谷歌还把Antigravity和Gemini 3.5 Flash的编码能力带进了Search。目标是让搜索结果不再只是文本、图片、表格，而是根据你的问题即时生成合适的交互界面。

比如你想理解天体物理，或者想看手表内部怎么运转，Search可以实时组装交互视觉、表格、图表、模拟器。这些generative UI能力今年夏天会免费开放给所有Search用户。

更进一步，Search还可以为持续性任务生成mini apps。比如你在搬家、筹备婚礼、管理健康计划，不是一次搜索就结束，而是一个长期项目。Search可以给你生成一个自定义dashboard或tracker，以后你可以持续回来用。

谷歌发布了Universal Cart，一个跨服务、跨商家的智能购物车。它可以出现在Search、Gemini、YouTube、Gmail里。用户在搜索商品、和Gemini聊天、看YouTube、读Gmail的时候，都可以把商品加入同一个购物车。

但它不是普通的购物车。

商品一加入购物车，它就会在后台开始工作：找优惠、追踪价格下降、查看价格历史、提醒补货。它还会用推理能力提前发现问题，比如你在不同零售商那里买电脑配件，它会提醒你哪些零件不兼容，并推荐替代方案。

以前Google Glass确实做得挺烂的，甚至能算是硅谷硬件史上“技术很酷，但产品没想明白”的典型案例。

这次和当年Google Glass最大的不同是产品逻辑换了。Google Glass像是把手机通知、拍照、导航这些功能，硬塞到眼前，但这次的Gemini智能眼镜更像是：让AI随时看见你看到的东西、听见你听到的东西，然后帮你理解和处理。

也就是说，它不再只是“戴在脸上的小屏幕”，变成了一个更自然的AI入口。

在今年的I/O大会上，谷歌分享了更多关于智能眼镜的信息：这种眼镜可以在不打断你的情况下，即时提供帮助。

智能眼镜分为两种：一种是音频眼镜，可以在你的耳朵里提供语音帮助；另一种是显示眼镜，可以在你需要的时候立即显示所需信息。这两种眼镜都能让你解放双手，专注于其他事情，只需开口询问，即可获得Gemini的帮助。

音频眼镜会先上市，今年秋天推出。

样子看起来，怎么说，挺日常的。

功能上，它可以通过“Hey Google”或者轻触镜腿唤起Gemini。用户可以问它眼前看到的东西，比如路过一家餐厅，问它评价怎么样；看到一块云，问这是什么云；看到复杂停车标志，让它帮你解释。

它还支持导航，也可以接电话、发短信、总结错过的消息、播放音乐；可以拍照和视频，并用Nano Banana做图像编辑，比如拍完照直接说“给每个人戴上搞笑帽子”；还能实时翻译语音和文字，翻译语音时甚至会尽量匹配说话人的语气和音高。眼镜也可以连接 Uber、Mondly等手机应用，并同时支持Android和iOS。

虽然不好说实际使用效果如何，但这次至少避开了Google Glass当年的几个坑：

不再把眼镜当成微型手机，核心不是通知和小屏幕，而是Gemini对现实世界的理解和任务执行；不再一上来押注重AR，先推音频眼镜，降低硬件难度和社会接受门槛；不再忽视外观，找Gentle Monster和Warby Parker，承认眼镜是时尚消费品，不是纯科技产品。

毕竟当初Google Glass长这样：

场景也更清楚了。导航、翻译、识别眼前事物、总结消息、拍照编辑、叫车点单，这些都更接近“我为什么要戴它”。

Google Antigravity 2.0：开发者侧的Agent工作台

开发者侧，最重要的是Google Antigravity 2.0。

谷歌把它称为agent-first development platform。也就是说，它不是普通 IDE 插件，而是一个以Agent为中心的开发平台。

这次I/O大会发布了Antigravity 2.0桌面应用、Gemini API里的Managed Agents，以及AI Studio的原生Android vibe coding。

过去AI编程工具的核心是“帮你补代码、写函数、解释报错”，现在谷歌想做的是“从prompt到生产就绪app”，也就是你给一个目标，AI就能规划、拆任务、调用工具、跑测试、修bug、部署，并且可能让多个子Agent并行工作。

这和Codex、Claude Code、Cursor竞争的是同一条赛道。谷歌的优势在于它不只有模型，还有Android、Firebase、Cloud、Workspace、Play Store、Search、Chrome 等完整生态。

Project Genie + Street View：世界模型开始连接真实街景

另一个偏前沿的产品是Project Genie。

<img src="https://images.tmtpost.com/uploads/images/2026/05/38e432fc2e6d1f681af120608808a385_1779253324.jpg?imageMogr2/auto-orient/strip/interlace/1/quality/85/thumbnail/1440x812/gravity/center/crop/!1440x812&ext=.jpg />Genie是Google DeepMind的通用世界模型，可以生成多样化、可交互的环境。谷歌说，它已经成为研究工具，可以让Agent在复杂虚拟环境中学习和推理，也帮助Waymo（Alphabet旗下的自动驾驶公司）模拟高真实度道路环境。这次的新能力，是把Genie和Google Street View连接起来。也就是说，Genie 的生成能力开始和Google近20年街景图像结合，让模型生成的环境可以锚定真实世界。谷歌说，这可以为AI agents或机器人提供虚拟环境，让它们在其中导航、互动、学习现实世界的复杂性。机器人和自动驾驶需要大量真实世界数据，但现实世界测试昂贵、危险、慢。世界模型可以提供虚拟训练场；而Street View则是谷歌独有的数据资产。二者结合，意味着谷歌可以把真实街景变成可交互的模拟环境。换句话说，Project Genie是谷歌把“地图资产”变成“AI训练环境”的尝试。<h3>总结</h3>今年Google I/O不是一个单点发布会，而是一次生态铺开。模型层，谷歌发布Gemini 3.5和Gemini Omni。前者面向行动和 Agent，后者面向全模态生成和视频编辑。产品层，Gemini被塞进Search、Workspace、Shopping、Flow、AI Studio、智能眼镜。它不再只是一个App，而是Google产品体系里的统一智能层。商业层，谷歌开始把Agent落到真实任务上：帮你盯信息、订服务、管购物车、处理邮件、写文档、做App、生成视频、甚至辅助科研。这次大会的一个明显趋势是，谷歌正在把Gemini改造成Google生态的操作系统。过去的Google，是一个你主动使用的工具箱，你可以用它搜索、发邮件、写文档……现在，谷歌想让Gemini站在这些工具之上，理解你的意图，调用这些工具，替你完成一串动作。今年I/O的发布看起来特别多、特别散：搜索、购物、办公、视频、眼镜、开发、科研，几乎每条线都在讲AI，它们指向的其实是同一件事：谷歌想要证明，自己仍然拥有把AI变成日常入口的最大生态。