谷歌搜索已今非昔比,而在2025年Google I/O大会上,这家公司对这一变革方向给出了最为明确的表态。这场于本周在加利福尼亚州山景城举办的年度开发者大会,清晰传递出谷歌对其旗舰产品的战略意图:告别沿用了25年的蓝色链接模式,转向更接近对话式AI智能体的全新形态。
本次大会的公告内容涵盖多个层面:Gemini 3.5 Flash正式成为全球AI模式的默认引擎,同时搜索框界面也迎来全面升级——谷歌将其定义为二十多年来搜索界面最重大的一次改版。
此前,AI在谷歌搜索中主要以两种形式呈现:一是所谓的"AI摘要",二是功能上更接近Gemini聊天机器人的独立AI模式。而即将推出的新界面将根据用户的搜索意图动态调整呈现风格,其中还包括一个支持输入更长、更复杂问题的"智能搜索框"。以下是Google I/O发布的搜索新功能详情。
搜索功能的AI升级
谷歌搜索产品副总裁罗比·斯坦将今年I/O大会的更新定位为搜索与先进AI深度融合的重要一步,回顾了从AI摘要到AI模式、再到统一AI搜索体验的演进历程。他表示,每月有10亿用户使用谷歌的AI模式,且提问数量还在持续增长。这些工具让用户几乎可以随时提问,并从谷歌庞大的知识体系中获取丰富的实时答案。
"现在是搜索领域非常令人振奋的时刻,"斯坦在I/O大会前对媒体表示,"人们可以提出任何想问的问题,人类的好奇心是无穷无尽的。"谷歌正在加快推进前沿AI模型与实时数据(包括网页、商家信息、商品、图片和金融数据)的整合,以提供更深入、更具对话感的搜索结果。
此次变革的推进与Gemini 3.5 Flash的发布同步进行,该模型在推理、编程和复杂任务处理方面更具竞争力。斯坦表示,基于新模型构建搜索工具将全面提升搜索答案的质量。
回答更复杂的问题
伴随模型升级,谷歌还推出了"智能搜索框"。这一搜索框可在输入长文本时自动展开,支持上传图片和PDF文件,能自动补全复杂提示词,还可访问用户正在浏览的Chrome标签页等上下文内容,以辅助多步骤的深度研究。
AI摘要现可无缝衔接进入AI模式,供用户进行追问对话。这意味着用户不再只是被动接收AI生成的搜索答案,而是可以与提供搜索结果的AI展开持续对话,直到找到真正想要的答案。
斯坦还介绍了由系统动态生成的交互式"小组件"及功能更强大的"超级组件"(依托Gemini和开发者工具实现)。这些组件可以模拟物理现象、可视化概念、构建计算器,或转化为用于搬家、健康追踪、行程规划等任务的持久化小应用——并可选择接入用户的个人数据(Gmail、Google相册、日历),为覆盖200个市场、支持98种语言的用户提供个性化搜索结果。
斯坦将搜索描述为正在迈入一个"智能体"时代,AI智能体可以协助用户完成多种任务,例如监控特定话题、推送提醒(如当用户喜爱的艺人宣布巡演时),或协助预订服务。虽然智能体目前尚不能直接代替用户完成预订,但用户可以向其提供偏好日期、时间及人数等信息,从而收到包含实时库存和最新价格的匹配列表,并通过官方链接最终完成预订。上述功能预计将于今年夏天正式上线。
Q&A
Q1:谷歌搜索的"智能搜索框"有哪些新功能?
A:谷歌新推出的智能搜索框支持输入更长、更复杂的问题,并可在输入长文本时自动展开。此外,它还支持上传图片和PDF文件,能够自动补全复杂的提示词,并可访问用户当前打开的Chrome标签页作为上下文参考,从而辅助用户完成多步骤的深入研究任务。
Q2:谷歌AI模式和AI摘要有什么区别?
A:AI摘要是谷歌搜索中自动生成的简短答案,而AI模式更像是一个对话式的AI助手。在新版体验中,AI摘要可以无缝衔接到AI模式,用户可以在获得初步答案后继续追问,与AI展开多轮对话,直到获得满意的结果,而不再只是被动接收单次生成的答案。
Q3:谷歌搜索的AI智能体功能具体能帮用户做什么?
A:谷歌搜索的AI智能体功能将于2025年夏天上线,届时可以帮助用户监控感兴趣的话题、在特定事件发生时推送提醒(例如喜爱的艺人宣布巡演)。在预订服务方面,用户可以向智能体提供偏好日期、时间和人数,智能体将返回包含实时库存和最新价格的匹配列表,并提供官方预订链接,但目前尚不支持直接代替用户完成预订操作。
好文章,需要你的鼓励
腾讯等机构提出ViQ框架,通过两阶段渐进量化训练,让离散视觉编码在多模态理解和图像重建上同时追平连续特征编码器,训练速度最高提升70%。
作者对Chrome、Edge和Firefox三款主流浏览器的内置AI功能进行了实测对比。Chrome依托Gemini提供搜索摘要与提示词保存功能;Edge集成Copilot,可针对网页、PDF及多标签页进行问答;Firefox则支持多款AI聊天机器人,并提供更强的隐私保护。综合体验后,作者最终选择Edge作为AI辅助浏览的首选,但仍以Firefox作为默认浏览器。
香港科技大学与华为联合提出LISA训练方法,通过让副网络对齐"似然分数",将ControlNet等图像生成模型的训练收敛速度提升逾2.78倍,同时改善图像质量与条件控制精度。