在Pixel 11的各种泄露和传言中,许多人将Google I/O上的一个特定镜头视为该功能的首次"官方"亮相。但事实几乎可以肯定并非如此,不过这确实让人联想到谷歌在之前活动中一个颇为有趣的暗示性彩蛋。
在2026年谷歌I/O主题演讲的Gemini Omni环节中,一个特定镜头引发了广泛关注——它与即将发布的Pixel 11系列中"Pixel Glow"功能的传言高度吻合,而这一功能最早由9to5Google率先报道。该镜头展示了一部Pixel手机,其摄像头条周围有一圈发光条带,与早期传言中关于"Pixel Glow"外观的猜测颇为相似。
自主题演讲结束后,"官方一瞥""意外预告"等各种说法便开始在标题和Twitter/X认证账号上广泛流传。
但这很可能并不准确。
首先,我们所关注的这整个视频片段都是由AI生成的。那个发光的摄像头条与Omni所营造的迪斯科场景完美契合,本身就是创作需要的一部分。
当然,话说回来,这个画面确实看起来相当贴合传言。加之它出现在整个序列的最后一个镜头,也因此更加引人注目。但这并不意味着它是某种意外泄露或"官方预告",不过它倒很可能是谷歌针对外界泄露消息所做的一次有趣暗示。
这种做法对谷歌来说并不陌生。
近年来,除了直接"顺应"泄露,提前数周甚至数月公开展示Pixel新机之外,谷歌多年来一直习惯于在产品发布活动中,以各种小玩笑和暗示来回应外界的泄露和传言。
看到这一幕时,笔者第一时间想到的是2018年Pixel 2发布活动上那个"Pixel Ultra会议"的梗。在Pixel 2发布之前,关于"Pixel Ultra"的传言持续了数月,甚至在一年后Pixel 3发布前后依然不断。谷歌在Pixel 2的发布演示中,将一个非常显眼的"Pixel Ultra meeting"日历提醒放在了"At a Glance"小组件上,明显是在对网络上的各种讨论做出调侃式的回应。
Pixel 11上的"Pixel Glow"功能,外观是否真的会像I/O上那段AI视频所呈现的那样?也许吧!从个人审美来看,那种设计确实令人心动。但同样有可能的是,最终呈现的不过是摄像头条内嵌入几颗LED灯,远没有那么令人兴奋。
目前,关于"Pixel Glow"我们真正确定的只有一点:它确实存在。
Q&A
Q1:Pixel 11的"Pixel Glow"功能到底是什么?
A:根据目前的泄露和传言,"Pixel Glow"是Pixel 11系列上一项与摄像头区域相关的发光设计功能,可能表现为摄像头条周围的一圈发光条带。但目前尚无官方确认,具体形态仍不明朗,有可能是炫酷的灯光设计,也可能只是普通的LED灯。
Q2:谷歌I/O 2026上出现的发光Pixel手机画面是官方预告吗?
A:几乎可以肯定不是。该画面出现在Gemini Omni演示的AI生成视频片段中,发光摄像头条是AI为配合迪斯科场景生成的视觉效果。尽管画面与"Pixel Glow"传言高度吻合,但更可能只是一个巧合,或是谷歌对外界泄露消息的一次调侃式暗示,并非正式的产品预告。
Q3:谷歌以前有过在发布活动中暗示泄露内容的先例吗?
A:有。最典型的例子是2018年Pixel 2发布活动,谷歌在演示中将"Pixel Ultra meeting"作为日历提醒显示在"At a Glance"小组件上,公开调侃了当时关于"Pixel Ultra"机型的大量传言。这说明谷歌确实有以幽默方式回应外界泄露的习惯。
好文章,需要你的鼓励
Uber年度失物报告首次纳入无人驾驶出租车数据。过去一年,乘客在Uber平台的机器人出租车中遗留了数千件物品,包括手机、钥匙、钱包等常见物品,以及假牙、15磅溜溜球等奇特物件。乘客可通过App联系客服找回失物,支付15美元即可享受同城配送,或前往车辆停放站自取。Uber表示,将依托现有运营体系为自动驾驶业务提供全面支持,计划2025年底前在全球15座城市开通无人驾驶打车服务。
TREK方法通过引入外部验证解法对AI进行短期校准,解决了GRPO训练在困难题目上因无法探索正确解法区域而陷入瓶颈的问题,在数学推理和智能体任务上均取得明显提升。
Uber周三发布了一款基于现代Ioniq 5改装的数据采集原型车,搭载14个摄像头、8个固态激光雷达和9个雷达,通过英伟达双驱Thor计算机处理数据。Uber计划今年在全球部署500辆此类车辆,每月可采集200万英里高保真驾驶数据,供Avride、Waymo、WeRide等30余家自动驾驶合作伙伴使用。这是Uber自2020年出售自动驾驶部门以来首次自主组装车辆,也是其AV Labs部门的重要进展。
SkillOpt-Lite通过将智能体技能优化形式化为零阶优化问题,提出极简流水线:把执行轨迹存为文本文件,让AI直接用文件系统工具翻日志、找规律、改技能,配合独立验证门控,比复杂的多智能体优化框架跑得更快效果更好,并自然延伸至执行框架自动优化(HarnessOpt),使轻量模型能够超越大模型。