谷歌I/O大會的10個新東西，用Gemini接管一切

一年一度的谷歌I/O大會，重磅來襲。

谷歌官方這次一口氣發布了24篇I/O相關公告，信息量很大，但主線并不復雜：底層模型更新到Gemini 3.5，并推出面向視頻和多模態創作的Gemini Omni；用戶入口上，Gemini App開始往個人助理方向走；搜索開始加入更多AI模式和智能體能力；購物、辦公、開發工具也都被重新接入Gemini；硬件上，谷歌還展示了搭載 Gemini 的智能眼鏡。

重點在于，今年不僅有模型能力的提升，谷歌還把Gemini塞到了各種地方。

從搜索框，到購物車，再到智能眼鏡……谷歌正在用AI接管一切。

我們整理了這次大會上最值得關注的10個新東西，一起來看：

01

Gemini 3.5：迄今為最強的編碼、智能體模型

先來看備受關注的底層模型。

這次谷歌發布了Gemini 3.5系列，首發的是Gemini 3.5 Flash，3.5 Pro還在內部使用，計劃下個月推出。

雖然3.5 Flash名字里還是Flash，但它的定位已經不只是“快”和“便宜”，可以說，它是谷歌這次所有Agent產品的發動機。

3.5 Flash面向的是編碼、智能體任務和真實工作流，已經進入Gemini App、Google Search的AI Mode、Google Antigravity、Gemini API、Android Studio，以及企業平臺。

跑分方面，Gemini 3.5 Flash在編碼能力、Agent能力、工具調用能力上比3.1 Pro強了不少，但在Humanity's Last Exam和ARC-AGI-2上還是有所不足。

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

定價上，3.5 Flash輸入$1.50/百萬token，輸出$9.00/百萬token，比3 Flash貴了3倍，比3.1 Pro便宜40%。

官方給了幾個典型場景：比如開發應用、維護代碼庫、準備財務文件、整理非結構化資產、把舊代碼庫遷移到Next.js，甚至讓兩個agent合作，把AlphaZero論文讀完，再做出一個可玩的游戲。

在Gemini 3強大的多模態基礎之上，3.5 Flash可以生成更豐富、更具交互性的Web用戶界面和圖形。

它可以在不到一分鐘里生成6個不同的支付頁面，也可以一次做出64個分形圖案變體；用戶只要用文字描述一個想法，它就能生成可互動的網頁組件。

更復雜一點，它還能把論文、課程視頻變成互動式學習卡片和可視化頁面，甚至在Google搜索里，根據用戶的問題現場生成圖表、模擬器和沉浸式解釋界面。

以前大家對Flash類模型的印象是：便宜、快、適合輕量任務。但現在谷歌要表達的是，未來的Agent不可能每一步都調用最貴、最慢的大模型。真正能規模化跑起來的Agent，需要一個速度、成本和能力都比較平衡的模型。

這就是Gemini 3.5 Flash的位置。

02

Gemini Omni：谷歌版全模態生成模型

除了Gemini 3.5，這次谷歌還發布了一個更偏創作的新模型：Gemini Omni。

谷歌對它的定位是：can create anything from any input（從任何輸入，生成任何內容）。

當然，現在第一步還是視頻。之后谷歌還計劃支持圖片、音頻等更多輸出形式。

首個上線的是Gemini Omni Flash，已經向Google AI Plus、Pro和Ultra訂閱用戶開放，可以在Gemini App和Google Flow 中使用；YouTube Shorts和YouTube Create App也會免費接入。未來幾周，谷歌還會把它通過API開放給開發者和企業客戶。

Omni不是一個單純的文生視頻模型。它可以把文字、圖片、音頻、視頻一起作為輸入，然后生成一段完整視頻，并且支持對話式視頻編輯。

官方還展示了一個連續修改的例子：先生成一個小提琴手演奏的視頻，然后把小提琴手放進另一張圖片里的環境，再把小提琴變成透明，最后把鏡頭角度改成從小提琴手肩膀后方看。整個過程是一輪一輪接著改，而不是每次推倒重來。

谷歌還特別強調，Omni背后接的是Gemini的世界知識。它對重力、動能、流體這些物理效果有更好的理解，也可以把復雜概念做成解釋視頻。行動會產生后果，環境會對事件做出反應，敘事會按邏輯發展。

換句話說，谷歌想表達的是，AI視頻不是只能做炫酷短片，也可以變成一種知識表達工具。復雜概念、科學過程、教學內容，都可以被轉成更直觀的視頻。

和Seedance 2.0一樣，Omni也能多種參考素材來生成視頻，圖片、視頻、音頻、音樂都可以成為輸入。用戶可以讓它保留某張圖里的角色，借用一段視頻里的動作，再讓畫面跟隨音樂節奏變化，最后生成一段新的完整視頻。

官方還提到，用戶可以從已有素材出發：用草圖作為動作參考，把它變成真實影像；例如用視頻里的鯨魚游動動作，遷移到一種反光流體材料上；或者保留房間結構不變，只把植物變成半透明的發光植物，并讓螢火蟲和聲音節奏互動。

簡單點說，Omni想讓用戶能夠“把各種素材、風格、動作和聲音，重新組織成一個新視頻”。這對創作者很重要。

不過，看社群反應，它用起來并沒有Seedance 2.0出色……但這只是Flash版本的一個開始，對吧？

安全方面，Omni支持用戶創建自己的數字分身，也就是用自己的聲音和形象生成視頻。但谷歌強調，其他涉及改音頻、改語音的能力還在測試中，需要更謹慎地推出。所有Omni生成的視頻都會帶有不可見的SynthID數字水印，用戶可以通過Gemini以及Google搜索來驗證內容是否由Gemini Omni生成。

03

Gemini App：大更新

這次Gemini App也大改。

谷歌說，今年對Gemini App來說是“碩果累累的一年”。去年I/O時Gemini App有4億用戶，現在已經有超過9億月活，覆蓋230多個國家和70多種語言。

這次 Gemini App 的更新主要有幾個：

第一，接入Gemini 3.5 Flash。

第二，推出新的設計語言Neural Expressive。界面會更動態，有流體動畫、更鮮明的顏色、新字體、觸覺反饋。Gemini Live也被直接整合到Gemini，用戶可以從打字自然切到語音對話。谷歌還說，Gemini以后不只是給你一堵文字墻，而是會根據問題實時生成更適合的回答形式，比如圖片、交互時間線、旁白視頻、動態圖形等。這個新設計從今天起在Web、Android、iOS全球推出。

第三，Gemini App接入Gemini Omni，可以直接生成和編輯視頻。用戶可以上傳手機相冊里的素材，用模板、提示詞、背景替換、電影感變焦等方式做視頻。甚至可以創建自己的數字分身。

第四，是Daily Brief。它像一個早晨簡報Agent，你授權之后，它會在后臺看你的 Gmail、Calendar，把緊急郵件、接下來的日程、需要跟進的事項整理成一個早間摘要。它不只是總結，還會按你的目標排序，并建議下一步。Daily Brief從美國開始，面向Google AI Plus、Pro、Ultra用戶推出。

第五，也是最重要的，是Gemini Spark。

04

Gemini Spark：谷歌版24小時個人Agent

Gemini Spark是這次最值得單獨介紹的產品之一。

谷歌給它的定位是24/7 personal AI agent。也就是說，它可以在你授權下，持續幫你做事。

它運行在Gemini 3.5上，使用Antigravity harness，并且深度連接Gmail、Docs、Slides等工具。而且因為它是云端Agent，所以你關掉電腦、鎖上手機，它也可以繼續在后臺工作。

谷歌舉了幾個例子。

比如你可以讓它定期解析每月信用卡賬單，找出新增訂閱或者隱藏費用；或者教它檢查孩子學校郵件，把重要日期提取出來，每天發一份簡報給你和伴侶；再比如，你可以讓它從郵件和聊天記錄里的會議筆記中提煉信息，整理成Google Docs，再起草一封項目啟動郵件。

這是典型的Agent敘事：幫你跨應用完成一串動作。

這也是谷歌最有優勢、也最敏感的地方：它手里有Gmail、Calendar、Docs、Drive、Slides、Maps、YouTube、Search。只要用戶愿意授權，Gemini可以觸達的個人上下文，將成為一個非常龐大的生態。

當然，谷歌也在強調權限和安全。Spark需要用戶選擇是否開啟、連接哪些App；涉及花錢、發郵件等高風險動作時，會先詢問用戶。

這一功能本周先面向trusted testers，下周計劃作為Beta推給美國Google AI Ultra用戶。

05

macOS版Gemini：開始進入桌面工作流

Gemini App還有一個比較容易被忽略的更新：macOS桌面版。

谷歌說，Gemini的macOS App已經可以下載，接下來會把Gemini Spark帶到桌面端，讓它處理本地文件，并自動化桌面上的工作流。它還會加入新的語音能力：用戶可以對著屏幕說一段并不完整、夾雜著停頓和口頭禪的話，Gemini能根據屏幕上下文，把它整理成更準確的文本，并直接放到光標所在位置。

這件事看起來小，但也值得注意，因為Agent最終不可能只在網頁里工作。很多真實工作發生在本地：文件夾、桌面軟件、瀏覽器、多窗口、多文檔之間。谷歌把Spark帶到macOS，其實就是在往桌面Agent的方向走。

我們之前寫過一篇文章，說PC才是agent時代的頭號硬件，谷歌之前在The Android Show上發布的種種更適應真實工作流的軟硬件產品，和這件事也是互通的。

06

Google Search：搜索框25年來最大改版

這次最有象征意義的產品，還是Search。

谷歌說，AI Mode上線一年后，月活已經超過10億，查詢量每個季度翻倍。現在，谷歌把Gemini 3.5 Flash作為AI Mode的默認模型，并宣布對搜索框進行25年來最大升級。

新的搜索框不再只是輸入關鍵詞的小框，變成了一個AI入口。

它會動態展開，讓你用更自然的方式描述問題；它會根據意圖給出AI建議，不只是傳統自動補全；它支持多模態輸入，可以用文本、圖片、文件、視頻，甚至Chrome標簽頁作為輸入。

也就是說，搜索不再只是“給我十個鏈接”，變成了“我有一個問題、一段材料、一張圖、一個網頁上下文，你幫我理解并繼續往下走”。

另外，AI Overview 也可以更自然地接入AI Mode。用戶可以直接對AI Overview繼續追問，搜索會帶著上下文進入對話。這個體驗已經在桌面和移動端全球上線。

Search這次還有一個更Agent化的能力：Search agents。

谷歌說，用戶以后可以在Search里創建、定制和管理多個AI agents。第一批是information agents，信息型Agent。它們可以24小時在后臺監控你關心的信息，然后在合適的時候給你一份綜合更新。

這和Google Alerts很像，但更智能。

Google Alerts只能按關鍵詞訂閱。Search agents訂閱的是“你的意圖”。它不像爬蟲那樣只看某個詞有沒有出現，而是理解你到底要什么，然后跨網頁、新聞、社交、購物、體育、金融等信息源監控變化。

information agents今年夏天先給Google AI Pro和Ultra用戶推出。

此外，Search還在擴展agentic booking，也就是幫你完成預訂類任務。比如你要找一個周五晚上、能坐6個人、供應夜宵的私人KTV房間，Search會綜合價格和可用性，并給你直接完成預訂的入口。部分品類，比如家政維修、美容、寵物護理，用戶甚至可以讓Google代為給商家打電話。這些能力今年夏天在美國面向所有用戶推出。

另外，谷歌還把Antigravity和Gemini 3.5 Flash的編碼能力帶進了Search。目標是讓搜索結果不再只是文本、圖片、表格，而是根據你的問題即時生成合適的交互界面。

比如你想理解天體物理，或者想看手表內部怎么運轉，Search可以實時組裝交互視覺、表格、圖表、模擬器。這些generative UI能力今年夏天會免費開放給所有Search用戶。

更進一步，Search還可以為持續性任務生成mini apps。比如你在搬家、籌備婚禮、管理健康計劃，不是一次搜索就結束，而是一個長期項目。Search可以給你生成一個自定義dashboard或tracker，以后你可以持續回來用。

這非常像一個新的產品形態：搜索結果不再是網頁，變成了臨時生成的小工具。

07

Universal Cart：谷歌想做AI購物車

購物也是這次大會的大更新之一。

谷歌發布了Universal Cart，一個跨服務、跨商家的智能購物車。它可以出現在Search、Gemini、YouTube、Gmail里。用戶在搜索商品、和Gemini聊天、看YouTube、讀Gmail的時候，都可以把商品加入同一個購物車。

但它不是普通的購物車。

商品一加入購物車，它就會在后臺開始工作：找優惠、追蹤價格下降、查看價格歷史、提醒補貨。它還會用推理能力提前發現問題，比如你在不同零售商那里買電腦配件，它會提醒你哪些零件不兼容，并推薦替代方案。

因為它基于Google Wallet，還能理解你的支付方式權益、會員信息、商家優惠，幫你找到隱藏折扣或者積分機會。

結賬時，Universal Commerce Protocol會讓用戶用Google Pay快速完成購買，或者把商品轉到商家網站繼續下單。

谷歌提到，Nike、Sephora、Target、Ulta Beauty、Walmart、Wayfair，以及Shopify 上的Fenty、Steve Madden 等品牌會參與相關結賬能力。Universal Cart今年夏天會先在美國的Search和Gemini App推出，之后進入YouTube和Gmail。

谷歌還提到Agent Payments Protocol，AP2。它的目的是讓Agent代表用戶安全付款。用戶可以給Agent設定嚴格邊界，比如只能買哪些品牌、哪些產品、最多花多少錢。AP2會在用戶、商家、支付處理方之間創建可驗證的記錄，讓Agent的購買行為有邊界、有憑據、有追蹤。谷歌說，AP2會在未來幾個月進入Google產品，首先從Gemini Spark開始。

不過……購物也就算了，誰會想讓AI幫你一鍵付款呢。

08

智能眼鏡：Google Glass的AI時代重啟

硬件側最值得關注的是智能眼鏡。

以前Google Glass確實做得挺爛的，甚至能算是硅谷硬件史上“技術很酷，但產品沒想明白”的典型案例。

這次和當年Google Glass最大的不同是產品邏輯換了。Google Glass像是把手機通知、拍照、導航這些功能，硬塞到眼前，但這次的Gemini智能眼鏡更像是：讓AI隨時看見你看到的東西、聽見你聽到的東西，然后幫你理解和處理。

也就是說，它不再只是“戴在臉上的小屏幕”，變成了一個更自然的AI入口。

在今年的I/O大會上，谷歌分享了更多關于智能眼鏡的信息：這種眼鏡可以在不打斷你的情況下，即時提供幫助。

智能眼鏡分為兩種：一種是音頻眼鏡，可以在你的耳朵里提供語音幫助；另一種是顯示眼鏡，可以在你需要的時候立即顯示所需信息。這兩種眼鏡都能讓你解放雙手，專注于其他事情，只需開口詢問，即可獲得Gemini的幫助。

音頻眼鏡會先上市，今年秋天推出。

樣子看起來，怎么說，挺日常的。

功能上，它可以通過“Hey Google”或者輕觸鏡腿喚起Gemini。用戶可以問它眼前看到的東西，比如路過一家餐廳，問它評價怎么樣；看到一塊云，問這是什么云；看到復雜停車標志，讓它幫你解釋。

它還支持導航，也可以接電話、發短信、總結錯過的消息、播放音樂；可以拍照和視頻，并用Nano Banana做圖像編輯，比如拍完照直接說“給每個人戴上搞笑帽子”；還能實時翻譯語音和文字，翻譯語音時甚至會盡量匹配說話人的語氣和音高。眼鏡也可以連接 Uber、Mondly等手機應用，并同時支持Android和iOS。

雖然不好說實際使用效果如何，但這次至少避開了Google Glass當年的幾個坑：

不再把眼鏡當成微型手機，核心不是通知和小屏幕，而是Gemini對現實世界的理解和任務執行；不再一上來押注重AR，先推音頻眼鏡，降低硬件難度和社會接受門檻；不再忽視外觀，找Gentle Monster和Warby Parker，承認眼鏡是時尚消費品，不是純科技產品。

畢竟當初Google Glass長這樣：

場景也更清楚了。導航、翻譯、識別眼前事物、總結消息、拍照編輯、叫車點單，這些都更接近“我為什么要戴它”。

09

Google Antigravity 2.0：開發者側的Agent工作臺

開發者側，最重要的是Google Antigravity 2.0。

谷歌把它稱為agent-first development platform。也就是說，它不是普通 IDE 插件，而是一個以Agent為中心的開發平臺。

這次I/O大會發布了Antigravity 2.0桌面應用、Gemini API里的Managed Agents，以及AI Studio的原生Android vibe coding。

過去AI編程工具的核心是“幫你補代碼、寫函數、解釋報錯”，現在谷歌想做的是“從prompt到生產就緒app”，也就是你給一個目標，AI就能規劃、拆任務、調用工具、跑測試、修bug、部署，并且可能讓多個子Agent并行工作。

這和Codex、Claude Code、Cursor競爭的是同一條賽道。谷歌的優勢在于它不只有模型，還有Android、Firebase、Cloud、Workspace、Play Store、Search、Chrome 等完整生態。

10

Project Genie + Street View：世界模型開始連接真實街景

另一個偏前沿的產品是Project Genie。

Genie是Google DeepMind的通用世界模型，可以生成多樣化、可交互的環境。谷歌說，它已經成為研究工具，可以讓Agent在復雜虛擬環境中學習和推理，也幫助Waymo（Alphabet旗下的自動駕駛公司）模擬高真實度道路環境。

這次的新能力，是把Genie和Google Street View連接起來。

也就是說，Genie 的生成能力開始和Google近20年街景圖像結合，讓模型生成的環境可以錨定真實世界。谷歌說，這可以為AI agents或機器人提供虛擬環境，讓它們在其中導航、互動、學習現實世界的復雜性。

機器人和自動駕駛需要大量真實世界數據，但現實世界測試昂貴、危險、慢。世界模型可以提供虛擬訓練場；而Street View則是谷歌獨有的數據資產。二者結合，意味著谷歌可以把真實街景變成可交互的模擬環境。

換句話說，Project Genie是谷歌把“地圖資產”變成“AI訓練環境”的嘗試。

11

總結

今年Google I/O不是一個單點發布會，而是一次生態鋪開。

模型層，谷歌發布Gemini 3.5和Gemini Omni。前者面向行動和 Agent，后者面向全模態生成和視頻編輯。

產品層，Gemini被塞進Search、Workspace、Shopping、Flow、AI Studio、智能眼鏡。它不再只是一個App，而是Google產品體系里的統一智能層。

商業層，谷歌開始把Agent落到真實任務上：幫你盯信息、訂服務、管購物車、處理郵件、寫文檔、做App、生成視頻、甚至輔助科研。

這次大會的一個明顯趨勢是，谷歌正在把Gemini改造成Google生態的操作系統。

過去的Google，是一個你主動使用的工具箱，你可以用它搜索、發郵件、寫文檔……現在，谷歌想讓Gemini站在這些工具之上，理解你的意圖，調用這些工具，替你完成一串動作。

今年I/O的發布看起來特別多、特別散：搜索、購物、辦公、視頻、眼鏡、開發、科研，幾乎每條線都在講AI，它們指向的其實是同一件事：

谷歌想要證明，自己仍然擁有把AI變成日常入口的最大生態。