在经历多年的渐进式更新之后,谷歌正押注旗下Gemini AI来重新定义智能音箱。近日,谷歌发布了首款专为Gemini打造的音频设备——售价99.99美元的Google Home Speaker。
这也是继2020年9月推出Nest Audio之后,谷歌时隔近五年推出的首款独立智能音箱。彼时,智能音箱主要被视为智能家居控制和音乐播放的辅助工具,远不具备如今AI聊天机器人的智能水平,用户往往需要以特定措辞才能让设备正确响应。
Google Home Speaker的到来正在改变这一局面。用户现在可以使用自然语言发出指令,甚至提出多步骤请求。例如,你可以说"关掉所有灯,但床头灯留着",或者"把厨房灯调暗,播放一些轻松的音乐,再设置一个20分钟的计时器"。
此外,用户还可以在说话过程中随时纠正自己的指令,无需重新发起请求。谷歌举例说,如果你说"关掉咖啡机……不对,我是说打开!",Gemini同样能够理解并做出正确响应。
该设备还预置了10种全新语音,支持与用户进行双向对话,话题范围不限于智能家居控制或简单指令,用户可以像在手机上使用Gemini一样,深入探讨自己感兴趣的话题。设备还配备了"持续对话"功能,麦克风在用户说话后会短暂保持开启状态,让用户无需每次都说"OK, Google"便可自然地提出追问。
在外观设计上,新设备延续了老款的风格,采用3D针织织物外壳,机身尺寸为3.4 x 4.2英寸的圆润造型。在美国市场,新品提供翡翠绿和浆果紫两款配色,全球其他地区则提供榛果棕和瓷白色选项。机身底部新增的环形灯带可直观显示设备当前处于聆听、思考还是回应状态。
不过,并非所有AI功能都免费提供。
谷歌为Google Home推出了Premium订阅计划,月费10美元或年费100美元,解锁更强大的AI能力。其中包括通过说"嘿谷歌,我们来聊聊"唤起的Gemini Live自由对话功能,以及查看和解读家中Nest摄像头捕捉到的活动内容,或获取外出期间家中动态摘要等功能。
这些付费功能能否真正打动用户、让其心甘情愿再多付一笔月费,目前还有待市场验证,尤其是设备本身已内置了相当数量的免费Gemini功能。
为了帮助用户养成使用高级功能的习惯,谷歌将提供六个月的免费试用期,再引导用户转为付费订阅。若这一策略奏效,谷歌将成功以生成式AI为智能音箱产品线注入新活力,并找到一条让用户为技术进步买单的商业路径。
该设备现已开放预购,将于本月晚些时候正式发货。
Q&A
Q1:Google Home Speaker支持哪些自然语言交互功能?
A:Google Home Speaker借助Gemini AI,支持用户以日常自然语言发出指令,包括多步骤复合请求,例如同时调暗灯光、播放音乐并设置计时器。用户还可以在说话途中随时纠错,无需重复整句指令。此外,"持续对话"功能让麦克风在对话后短暂保持开启,方便用户连续提问,无需每次唤醒设备。
Q2:Google Home Premium订阅计划包含哪些功能,值得付费吗?
A:Google Home Premium订阅计划月费10美元或年费100美元,主要提供Gemini Live自由对话、Nest摄像头画面解读以及家中活动摘要等高级AI功能。非订阅用户仍可使用基础Gemini功能。谷歌提供六个月免费试用,帮助用户体验后再决定是否付费,能否吸引用户长期订阅仍有待市场检验。
Q3:Google Home Speaker的外观设计和颜色选择有哪些?
A:Google Home Speaker延续了谷歌智能音箱一贯的设计风格,采用3D针织织物外壳,机身尺寸为3.4 x 4.2英寸。美国市场提供翡翠绿和浆果紫两款独家配色,全球其他地区则提供榛果棕和瓷白色。机身底部新增环形灯带,可实时显示设备的聆听、思考和回应状态。
好文章,需要你的鼓励
在基于Chiplet的架构中,可观测性正成为系统设计的关键缺失环节。多位半导体行业专家指出,AI可从硅层遥测数据中挖掘价值,但前提是架构须提供一致的检测手段、近传感器数据压缩及可编程采集能力。专家们强调,多供应商Chiplet生态系统需要标准化、安全的遥测模式,以实现跨芯片、封装和互联域的故障定位,同时保护敏感运营数据。目前,AI在遥测分析阶段已展现出显著价值,但可观测性的扩展本质上仍是架构问题。
这项研究系统比较了四种AI图像分词策略在640000张星系图像上的表现,发现重建质量与物理属性预测能力之间存在根本性解耦,为天文基础模型的分词器选择提供了实验依据。
生命科学企业在全渠道战略和AI平台上投入巨大,但成效往往不尽如人意。问题根源不在于技术本身,而在于组织架构、数据治理和工作方式未能同步演进。许多转型项目止步于试点阶段,原因是各部门数据孤立、职责不清。要实现从传统CRM向智能互动的真正转型,企业需优先建立统一的数据基础和跨团队协作机制,并将AI能力嵌入日常工作流程,而非将其视为独立模块。
阿里Qwen团队研究如何将大模型的规模化训练思路迁移到机器人操作领域,通过统一多机器人表示与38100小时数据预训练,让机器人在陌生场景和陌生机型上也能完成复杂操作任务。