2026年7月21日星期二 | 第 161 期

AI 观察👀

记录、思考，but AI

刊载于

Google I/O 2026深度复盘：Gemini 3.5、Omni视频模型与Spark Agent三箭齐发，Hassabis宣称"站在奇点的山麓"

Google I/O 2026正式发布Gemini 3.5 Flash、Gemini Omni视频生成模型、Gemini Spark个人AI Agent及Android XR智能眼镜。DeepMind CEO Hassabis在keynote中宣称人类正"站在奇点的山麓"。Gemini月活达9亿，AI Search迎来25年来最大变革。

AI 分析 Google Gemini Google IO AI Agent 智能眼镜 行业动态

如昨日报道所述，Google I/O 2026是Google在AI竞赛中夺回话语权的关键时刻。现在，尘埃落定。Google没有发布外界预期的”Gemini 4.0”，而是祭出了三张更具战略深度的王牌：Gemini 3.5 Flash——超越前代Pro的编码和Agent模型；Gemini Omni——从任意输入生成视频的全新多模态模型；Gemini Spark——基于Gemini 3.5的个人AI Agent，可以24/7在云端代你执行任务。

而在keynote的最后几分钟，Google DeepMind CEO Demis Hassabis抛出了一个让全场倒吸一口凉气的判断：“当我们回顾此刻，会意识到我们正站在奇点的山麓。“与此同时，Google宣布Gemini月活用户已达9亿——但与ChatGPT的9亿周活相比，这个数字的含金量仍存争议。

Gemini 3.5 Flash：不是4.0，但比3.1 Pro更强

发生了什么

Google官方博客、The Verge和9to5Google确认：Google发布了Gemini 3.5 Flash，而非此前广泛预期的”Gemini 4.0”。

核心数据：

指标详情
模型名称Gemini 3.5 Flash（Pro版本下月发布）
基准测试编码、Agent和多模态任务超越Gemini 3.1 Pro
速度输出token速度比其他前沿模型快4倍
成本”不到其他前沿模型一半”
安全性改进防护栏，减少有害内容生成和误判
部署范围即日起成为Gemini App和AI Mode搜索的默认模型

值得注意的是，Google没有发布”Gemini 4.0”这个品牌名称，而是选择了”3.5”——这在技术上更准确（架构迭代而非全新一代），但在营销上可能不如”4.0”抢眼。此前，美国财政部长Bessent曾公开预计Google将发布”大的阶跃式跳跃”——3.5的命名是否意味着这一跳跃尚未到来？

为什么这很重要

Flash超越Pro是一个重要的能力跃迁。 在Google的模型命名体系中，Flash一直代表”快速但便宜”的版本，Pro代表”强大但昂贵”的版本。当Flash在编码和Agent任务上超越上一代Pro时，这意味着Google的模型效率正在大幅提升——更便宜的模型正在追上更贵的模型的能力上限。

“4倍输出速度、一半成本”的定价策略直指Anthropic和OpenAI。 Google正在用典型的”Android策略”——通过规模和效率优势将成本压到竞争者无法匹敌的水平。如果Gemini 3.5 Flash在能力上接近Claude Opus 4.7或GPT-5.5，但成本只有一半，这对开发者而言是一个极具吸引力的选择。

Google Antigravity 2.0的同步更新强化了开发者生态。 TechCrunch报道确认，Google Antigravity 2.0全面升级——从单仓库工具进化为多仓库工作空间，新增桌面应用和CLI工具。这直接对标Cursor、Windsurf和Claude Code。Google正在构建一个从模型到开发工具的完整闭环。

历史上类似的情况

2019年Google I/O——Pixel 3a发布。 当时Google用”中端价格、旗舰体验”的Pixel 3a证明了低价不等于低质。Gemini 3.5 Flash的”Flash价格、Pro性能”策略如出一辙。但与手机硬件不同，AI模型的竞争是动态的——Anthropic和OpenAI不会坐视Google的成本优势。

Gemini Omni：从任意输入生成视频，编辑只需”对话”

发生了什么

Google发布了一个全新的模型系列Gemini Omni——不是Gemini 3.5的子版本，而是一个独立的产品线。Engadget和9to5Google详细描述了其能力：

功能详情
输入文本、图片、音频、视频——任意组合
输出首发支持视频生成；图片和音频输出”即将推出”
编辑方式对话式——用自然语言指令修改视频中的场景、角度、光线、角色
一致性多轮编辑中角色和风格保持一致
个性化可创建拥有用户声音和外貌的数字人像
水印所有生成内容内嵌SynthID数字水印
部署Omni Flash即日起在Gemini App、Google Flow、YouTube Shorts上线

Google还发布了Flow和Flow Music的移动端应用——Flow在Android上线beta版（iOS即将推出），Flow Music在iOS上线（Android即将推出）。

为什么这很重要

Omni是Google对Sora、Runway和Pika的全面回应。 但它的差异化在于”对话式编辑”——不是一次性生成视频然后重做，而是像和导演对话一样逐步修改。这种交互范式如果成功，将视频制作从”参数调整”转变为”创意对话”。

“任意输入到视频”的能力意味着Google正在定义多模态AI的新范式。 此前的视频生成模型（如Sora）主要从文本生成视频。Omni允许混合输入——一段文字描述、一张角色照片、一段参考音频、加上一个视频素材——然后生成融合所有这些元素的视频输出。这是”多模态”从”理解”走向”创作”的关键跨越。

YouTube Shorts的集成是一个分发优势。 OpenAI有ChatGPT的分发渠道，但Google有YouTube——全球最大的视频平台。当Omni的能力直接嵌入YouTube Shorts创作工具时，视频AI生成的用户触达将实现指数级增长。

历史上类似的情况

2023年ChatGPT的爆发式增长。 OpenAI的成功很大程度上归功于将强大的AI能力包装成一个任何人都能用的对话界面。Omni正在尝试复制这一模式——不是把视频生成做成专业工具，而是做成”跟AI聊天就能改视频”的消费级产品。关键区别在于：ChatGPT解决了”AI能做什么”的问题，而Omni需要解决”AI生成的视频是否足够好”的问题。

Gemini Spark：Google的AI Agent野心终于落地

发生了什么

Google发布了Gemini Spark——一个基于Gemini 3.5的个人AI Agent，被描述为”你的24/7个人AI Agent”。Engadget详细报道了其功能：

功能详情
运行方式云端运行——不需要保持手机或电脑开启
底层模型Gemini 3.5 + Google Antigravity
集成范围Gmail、Docs等Google Workspace应用；今夏扩展至第三方应用（通过MCP协议）
确认机制发送邮件、完成购买、添加日程等操作须用户确认
第三方合作Canva、OpenTable、Instacart
上线时间下周面向AI Ultra订阅用户（美国）；桌面版今夏推出

Google还发布了Android Halo——一个在手机屏幕顶部显示Agent任务进度的UI组件，让你”在任何界面都能看到Agent在做什么”。

Spark的具体用例包括：

  • 监控信用卡账单中的隐藏订阅费用
  • 追踪孩子学校发来的邮件更新
  • 从Gmail中提取项目笔记并自动创建Google Doc

为什么这很重要

Spark是Google对Anthropic的Mythos和OpenAI的Workspace Agents的直接回应。 如4月23日报道所述，AI Agent是2026年AI竞赛的核心战场。Google的优势在于生态——Gmail、Docs、Calendar、YouTube、Search——这些都是Spark可以触及的数据源和操作界面。Anthropic和OpenAI没有如此广泛的消费者产品线。

MCP协议的采用是一个重要信号。 Spark将通过MCP（Model Context Protocol）接入第三方应用。MCP是Anthropic提出的开放协议——Google选择支持而非对抗，意味着AI Agent的互操作性正在成为行业共识。这对用户而言是好消息——你的Agent不会被锁定在一个生态里。

“云端运行”是关键差异化。 不需要保持设备开启意味着Spark可以真正实现”24/7”——在半夜监控价格变化，在你开会时整理邮件。这是Agent从”辅助工具”走向”数字分身”的第一步。

Demis Hassabis的”奇点山麓”宣言：谨慎还是警告？

发生了什么

Business Insider和The Verge确认：Google DeepMind CEO Demis Hassabis在I/O 2026 keynote的压轴环节中说出了那句让全场观众倒吸一口凉气的话——

“当我们回顾此刻，会意识到我们正站在奇点的山麓。”

在同一环节，Hassabis还透露了更紧迫的警告：

  • AI将使人类”减少自私”
  • AGI”就在地平线上”，将是”人类发明过的最深远、最具影响力的技术”
  • 他对生物安全和网络安全风险表示了紧迫关注：“可能在接下来两三年内，我们会看到一些非常严重的（风险事件）”
  • Google正在将AI应用于科学前沿：WeatherNext（天气预报）、蛋白质科学等

为什么这很重要

这是首位大型科技公司高管在主要产品发布会上公开使用”奇点”一词。 “奇点”（Singularity）长期以来是科幻小说和边缘学术圈的概念——指AI超越人类智能后导致不可预测变化的那个时刻。Hassabis不是在播客或学术论文中说这番话——他是在Google年度最重要的产品发布会的压轴环节，面对全球数百万直播观众说的。

“山麓”这个词暗示他认为奇点还没到来，但已经能看到它了。 这比说”奇点即将到来”更为具体——它描绘了一个地理性的画面：我们已经走出了平原，进入了山丘地带，而前方是真正的山峰。Hassabis同时警告生物安全和网络安全风险在”两三年内”会变得非常严重——这为他的”山麓”判断添加了紧迫性。

与Hassabis以往的风格形成鲜明对比。 作为诺贝尔化学奖得主，Hassabis一直以谨慎和理性著称。他过去多次回避关于AGI时间表的直接回答。此次在I/O上如此直白地使用”奇点”一词，要么反映了Google内部对AI进展速度的真实判断，要么是一场精心计算的营销——用”末日感”为产品发布制造戏剧性。

其他重要动态

Gemini月活9亿 vs ChatGPT周活9亿：用户数据的”猫鼠游戏”

Reuters确认：Google CEO Sundar Pichai在I/O上宣布Gemini月活用户已达9亿——较去年5月的约4亿翻了一倍多。但AOL指出，ChatGPT的9亿是周活用户（weekly active users），而Gemini的9亿是月活（monthly）。两者统计口径不同，直接比较可能误导。值得注意的是，今年3月本站曾报道ChatGPT月活为9.56亿（MAU），此次AOL引用的9亿周活可能来自不同统计周期或来源，读者在对比时应注意数据口径的差异。

AI Search迎来”25年来最大变革”

Google发布了”智能搜索框”——可以用图片、文件、视频甚至Chrome标签作为搜索输入，AI会”预判你的意图”。此外，信息Agent可以24/7在后台监控你关心的主题（新闻、股价、体育赛事等），Vibe Coding直接集成在搜索中——用户可以通过自然语言在Search中构建自定义”mini apps”（如婚礼策划仪表盘、健身追踪器）。这对依赖搜索流量的内容发布者构成了新的生存威胁。

Android XR智能眼镜：今秋上市，支持iPhone配对

Samsung与Google合作的Android XR智能眼镜确认今秋上市（如5月18日前瞻报道所述，合作方包括Gentle Monster和Warby Parker，iPhone配对能力也是当时已预期的亮点）。此次I/O确认了具体时间表和部分细节。

Microsoft同日发布Surface Pro 12和Surface Laptop 8

The Verge报道：Microsoft在Google I/O同日发布了Surface Pro 12和Surface Laptop 8，搭载Intel Core Ultra Series 3芯片。Surface Pro 12起售价$799.99，顶配（Core Ultra 7/64GB/1TB）$4,399.99。两款设备均定位Copilot+ PC——Microsoft与Google的AI硬件竞争正在从云端延伸到终端。

行业趋势

Google正在用”生态战争”取代”模型战争”。 回看I/O 2026的所有发布——从Gemini 3.5 Flash的默认部署，到Omni嵌入YouTube Shorts，到Spark打通Gmail/Docs/Calendar，到Search中的Agent和Vibe Coding，再到XR眼镜和Android Halo——Google不是在卖一个模型，而是在构建一个AI渗透到每一个触点的完整体验。这是Anthropic和OpenAI无法复制的优势：它们没有搜索、没有邮件、没有视频平台、没有移动操作系统。

Agent竞赛进入”产品化”阶段。 如4月23日OpenAI和Google同日发布AI Agent产品时所述，Agent是2026年的核心战场。现在三家（OpenAI的Workspace Agents、Anthropic的Mythos、Google的Spark）都已亮牌。关键区别在于：Google有Android Halo和全设备覆盖，Anthropic有企业级安全和MCP协议，OpenAI有ChatGPT的用户基础和Jony Ive的硬件设计。谁能在”信任+便利”的平衡点上做得最好，谁就能赢得这一轮。

Hassabis的”两三年”生物安全警告值得认真对待。 这不是随机发言——Hassabis是诺贝尔奖得主，他的判断基于Google DeepMind对前沿AI能力的第一手认知。如果他认为两三年内会出现”非常严重”的生物和网络安全风险事件，政策制定者应该提前准备，而不是等到事件发生后才反应。

关键要点

  • Google I/O 2026发布Gemini 3.5 Flash而非预期的Gemini 4.0——但Flash在编码和Agent任务上超越了前代Pro，速度4倍、成本减半，即日起成为默认模型
  • Gemini Omni是最大的技术突破——从任意输入组合（文本/图片/音频/视频）生成视频，支持对话式多轮编辑，集成YouTube Shorts分发
  • Gemini Spark标志着Google正式进入AI Agent竞赛——云端运行的24/7个人Agent，集成Gmail/Docs，通过MCP协议接入第三方应用
  • Hassabis宣称人类”站在奇点的山麓”，并警告两三年内将出现严重的生物和网络安全风险——大型科技公司高管首次在产品发布会上使用”奇点”一词
  • AI Search迎来25年来最大变革——智能搜索框、信息Agent、Vibe Coding构建mini apps，直接挑战内容发布者的流量模式

常见问题

Google为什么发布Gemini 3.5而不是预期的Gemini 4.0？

Google可能认为3.5的架构迭代尚未达到”4.0”级别的能力跃迁。选择”3.5”在技术上更准确——Flash超越了前代Pro，但可能还没有在所有维度上实现质变。这也可能暗示Google正在为年底的”4.0”积蓄更大的发布势能。

Gemini Omni和Sora有什么区别？

最核心的区别是”对话式编辑”——Omni允许用户通过多轮自然语言对话逐步修改视频（改变角度、风格、角色等），每次编辑基于上一次的结果累积。而Sora主要是一次性生成。此外，Omni支持”任意输入组合”（混合文本、图片、音频、视频），而Sora以文本输入为主。

Gemini Spark和其他AI Agent（如Workspace Agents、Mythos）有什么不同？

Spark的最大优势是Google生态的广度——它可以直接访问Gmail、Docs、Calendar等数十亿用户日常使用的应用。OpenAI的Workspace Agents依赖合作方生态，Mythos侧重企业级安全。Spark的另一个差异化是”云端运行”——不需要保持设备开启，真正实现24/7。

Hassabis说”奇点山麓”是在炒作还是真实判断？

Hassabis是诺贝尔化学奖得主，以谨慎著称。他在I/O keynote（而非学术论文）中使用”奇点”一词，结合他对”两三年内”生物和网络安全风险的紧迫警告，更可能反映了Google DeepMind内部对AI进展速度的真实评估。但作为产品发布会的压轴环节，营销成分也不可忽视。

Android XR智能眼镜能和iPhone配对意味着什么？

这意味着Google正在走”开放平台”路线，与Apple Vision Pro的”封闭生态”形成鲜明对比。支持iPhone配对意味着Google不打算把XR眼镜局限于Android用户——这是一种以AI服务为核心、而非以操作系统为核心的策略。

参考资料