谷歌狙击OpenAI

谷歌集中火力猛攻AI智能体

如果我们从这一波密集更新中提炼出一个方向，答案其实很明确——谷歌在AI上的战略核心，就是奔着智能体去的。一切的布局，都指向同一个目标。

那么，这次放出的新料，具体有哪些看点？

更强大的多模态能力

从数据层面看，Gemini 2.0 Flash实验版已经不是简单的输入输出升级。它不仅能接收图像、视频和音频，还能直接生成这些东西。比方说，原生的图文结合输出，还有支持多语言、可自由操控的文本转语音音频。这就意味着，它不再只是“看懂”，而是能“创作”和“表达”。

更专业的AI搜索

另一个值得注意的点，是Gemini Advanced里新加入的深度研究功能。这玩意，本质上是一个私人研究助手。它把谷歌最擅长的搜索能力和Gemini的高阶推理能力绑在一起，对某个复杂主题进行深度挖掘，最终生成一份像模像样的研究报告。对于那些需要快速掌握一个陌生领域全貌的场景，这个功能的价值不言而喻。

多款智能体更新、上线

当然，更重磅的戏码在于智能体本身的应用落地。

首先，基于Gemini 2.0的Project Astra有了新能力。它现在能支持多语言混合对话，在Gemini应用里直接调用Google Lens和地图。关键是记忆能力的大幅提升，最多能记住10分钟的对话内容，这意味着交互不再是“问一句答一句”的碎片模式，而是能形成真正连贯的交流。值得注意的是，Astra是谷歌为眼镜项目做的技术储备，官方已经明确表示正在将它移植到眼镜等更多移动终端上。这背后的想象空间，非常大。

接下来是浏览器的智能体Project Mariner。它的工作方式很有意思：直接理解并推理浏览器屏幕上的一切，包括像素点、文本、代码和图片，然后通过Chrome扩展来调用这些信息帮你完成任务。这相当于在浏览器里安插了一个“全能助理”，能看、能理解、还能动手操作。

对于开发者，谷歌推出了AI编程智能体Jules。它直接集成到GitHub工作流里，你用自然语言描述问题，它就能生成可以直接合并到项目中的代码。这相当于给开发流程装上了一台“自动化引擎”。

还有个很有意思的方向是游戏智能体。它能实时读取游戏画面，根据你的操作给出下一步建议，甚至在游戏过程中直接跟你语音交流。这个场景如果跑通，对游戏行业的影响会是碘伏性的。

最后，谷歌也明确了下一步的时间表：明年年初，Gemini 2.0将扩展到更多产品线。之前引入的AI Overviews也会集成新版本，进一步提升对复杂问题的处理能力，比如高级数学、多模态查询和编程。本周已经在有限测试，预计明年全面推广，并覆盖更多国家和语言。

这次更新透露出的信号很清楚：智能体，已经成为谷歌AI战略的绝对核心。