Google I/O 2025 大会刚刚落幕，一系列人工智能产品与技术更新令人目不暇接。从模型能力的跨越式提升，到基础设施的硬核升级，再到各类从实验室真正走进现实的应用——这场大会释放出一个清晰信号：AI 正在以前所未有的速度融入我们的日常生活。

以下内容，是根据 Google CEO Sundar Pichai 在大会上的演讲内容整理编辑而成，涵盖当天发布的几大亮点。如果你想了解今年 I/O 到底有哪些重磅消息，这篇梳理值得一读。

模型的持续迭代

说到模型的发展速度，确实令人惊叹。衡量模型能力的关键指标——Elo 等级分，从第一代 Gemini Pro 发布至今，已提升了 300 多分。如今，Gemini 2.5 Pro 在 LMArena 排行榜的所有类别中均位居第一。这背后靠的是什么？当然是世界一流的基础设施。第七代 TPU Ironwood 专为推理型 AI 工作负载设计，性能比上一代飙升了 10 倍，单个 pod 的计算能力达到 42.5 exaflops——这个数字放在几年前简直难以想象。

正是这种从 TPU 到整体基础设施的深度整合，才让模型在成本大幅下降的同时，依然能保持性能与速度的持续领先。Google 不仅保持在帕累托前沿上的优势，更在持续拓宽这个前沿的边界。

世界正在拥抱 AI

更智能的技术正变得触手可及，全球各地的响应速度也远超预期。一组数据可以说明问题：去年此时，Google 通过不同产品与 API 每月处理约 9.7 万亿个令牌，如今这个数字已超过 480 万亿——翻了 50 多倍。与此同时，超过 700 万开发者正在使用 Gemini 进行开发，比去年同期增长了五倍。Gemini 应用目前的月活跃用户已超过 4 亿，其中 2.5 Pro 的使用量增长了 45%。

这些数字背后，是实实在在的用户参与度与市场接纳度。

从研究到现实

所有这些进展都标志着 AI 平台正进入一个全新的阶段。几十年的研究成果，如今真正变成了全球各地人们、企业和社区能够使用的产品。

Project Starline → Google Beam + 语音翻译

几年前在 I/O 大会上首次亮相的 Project Starline，当时看起来还很科幻。如今，它已演变为 Google Beam——一个完全由 AI 驱动的视频通信平台。Beam 利用六个摄像头组成的阵列和 AI 技术，将普通的 2D 视频流实时转换成逼真的 3D 体验，头部追踪精确到毫米，并能以每秒 60 帧的速度流畅呈现。这种沉浸感，几乎让人忘记对方在千里之外。目前，首批 Google Beam 设备已与惠普合作，计划今年晚些时候向早期客户发售。

与此同时，Google Meet 也加入了一项突破性的语音翻译技术——它能近乎实时地匹配说话者的声音、语调甚至表情，让跨语言交流变得像面对面聊天一样自然。英语和西班牙语版本已向 Google AI Pro 和 Ultra 订阅者提供 Beta 测试，更多语言即将跟进。

Project Astra → Gemini Live

另一个从实验室走向前台的是 Project Astra。这个能够理解周围世界的通用 AI 助手，如今已整合进 Gemini Live，支持摄像头与屏幕共享功能。用户用它来模拟面试、训练马拉松——玩法五花八门。目前这项功能已对所有 Android 用户开放，iOS 版本今天也开始推送。

Project Mariner → Agent Mode

智能体（agent）是今年大会的一大重头戏。简单来说，智能体就是能将高级模型的智能能力与工具调用相结合的系统，可以在用户控制下代为执行操作。早期的 Project Mariner 原型已展示了计算机使用能力，现在它的多任务处理能力大幅提升，还引入了一种名为“教学与重复”的方法——你只需演示一次任务，它就能学会并计划未来类似的操作。

为了让智能体生态系统蓬勃发展，Google 不仅开放了 Agent2Agent 协议，让不同的智能体互相交流，还宣布 Gemini API 和 SDK 兼容 Anthropic 推出的模型上下文协议（MCP）。这意味着智能体可以访问更多外部服务。

此外，Gemini 应用中新增的 Agent Mode 能帮助用户完成更复杂的任务，比如找公寓——它会自动搜索 Zillow 等网站，调整过滤器，甚至安排看房。这个实验版本很快会向订阅者推出。对于像 Zillow 这样的平台来说，这意味着更精准的客户推荐与更高的转化率。

个性化的力量

研究落地的关键在于能否真正在用户的生活中发挥作用。Google 正通过“个人上下文”（personal context）技术来实现这一点。在用户许可的前提下，Gemini 模型可以私密、透明地访问用户自己 Google 应用中的相关信息。一个典型例子是 Gmail 中的个性化智能回复——如果你朋友发邮件来问过去旅行的建议，Gemini 可以搜索你的历史邮件和 Google Drive 里的文件，生成一个贴合你语气和风格的答复。这个功能今年晚些时候会向订阅者推出。

搜索中的 AI Mode

搜索也在被 AI 彻底改写。AI Overviews 目前已覆盖超过 15 亿用户，在 200 个国家和地区上线。使用过的用户更满意，搜索次数也更多——在美国和印度，显示 AI Overviews 的查询量增长了超过 10%，而且还在持续上升。这可以说是过去十年搜索领域最成功的发布之一。

对于想要端到端 AI 搜索体验的用户，全新的 AI Mode 正式登场。它支持更长、更复杂的查询，并且可以进一步追问。早期测试者的查询长度是传统搜索的两到三倍。这个功能今天开始在美国向所有用户推出，Gemini 2.5 也将在本周登陆美国地区的搜索。

推进最智能的模型: Gemini 2.5

Gemini 2.5 Flash 作为高效的主力模型，在速度和成本方面优势明显，新版在推理、多模态、代码和长上下文等关键基准上都有提升。在 LMArena 排行榜上，它仅次于自家的 2.5 Pro。为了让 2.5 Pro 更强，Google 引入了 Deep Think 增强推理模式，运用了包括并行思维技术在内的前沿研究。

更个性化、更主动、更强大的 Gemini 应用

Deep Research 现在更个性化——允许上传自己的文件，很快还将连接到 Google Drive 和 Gmail。它还能与 Canvas 集成，一键生成动态信息图表、测验甚至多语言播客。Canvas 本身也被广泛用于“氛围编程”（vibe coding），让更多人只需与 Gemini 聊天就能创建功能应用。

Gemini Live 的摄像头和屏幕共享功能已免费向所有用户开放，包括 iOS。未来还将连接到更多 Google 应用，提供无缝帮助。

生成式媒体模型的进展

视频模型 Veo 3 最新版本具备了原生音频生成能力；图像模型 Imagen 4 也同步升级。这两款模型都可以在 Gemini 应用中使用。此外，为电影制作人推出了一款名为 Flow 的新工具，可以将短片扩展为更长的场景。

改善生活的机会

AI 带来的机会影响深远，而能否惠及更多人，取决于开发者、技术专家和所有解决问题的人共同努力。Pichai 在现场分享了一个小故事：他的父母来到旧金山，第一个想体验的就是 Waymo。虽然他自己早已坐过，但当他 80 多岁的父亲坐上自动驾驶汽车，被深深震撼的那一刻，他对技术进步有了全新的理解。这个故事让人想起：技术的真正力量，不仅在于它能解决多大的问题，更在于它能触动多少人心。

毋庸置疑，我们今天在机器人、量子计算、AlphaFold、Waymo 等领域的每一项研究，都将是未来现实的基石。