谷歌旗下专注于实验性产品设计的Google Labs团队,近日面向iOS和Android平台推出了一款全新的AI驱动应用——Dreambeans。这款应用能够将用户的真实生活以动画故事的形式呈现出来。
Dreambeans是什么?
该应用的产品负责人Gozde Oznur向TechCrunch介绍,Dreambeans的核心理念是整合用户在各类谷歌服务中的数据,生成一份经过精选的AI插画"故事"列表。这些故事涵盖多种形式,总体上以生活方式建议为主,包括"值得一去的地点、值得探索的话题、可以尝试的新事物、即将到来的旅行,以及你应当了解的活动"。
Dreambeans通过用户的谷歌数据来生成上述内容。谷歌官方表示:"在获得用户授权的前提下,Dreambeans将利用个人智能技术,整合来自Gmail、日历、相册、YouTube及搜索历史等谷歌应用中的信息,每日精选有限数量的故事,旨在激发用户的新灵感。"
举例来说,部分故事可能是地理位置推荐,比如向用户推荐附近新开的咖啡馆;也可能像其宣传视频中展示的那样——如果用户即将迎来一只新宠物狗,且该事件已记录在谷歌日历中,Dreambeans便会生成关于养新狗生活体验的相关内容。此外,还有一些故事可能是根据用户过往兴趣,从网络上精选的新闻资讯。
告别无效刷屏
Oznur表示,Dreambeans的设计初衷之一是对抗无意义的刷屏行为。该应用每天仅向用户提供有限数量的故事,通常在10至14条之间。其背后的理念是:获取几条有价值的灵感后,便放下手机,去真正享受生活。目前已有不少企业试图吸引那些厌倦手机依赖的用户群体,此前曾有报道介绍过一家名为Bond的初创公司,同样利用AI为用户自动生成生活方式建议。
隐私保护如何?
据Oznur介绍,该应用的隐私保护措施相当完善。应用内的故事内容仅用户本人可见,用户可以随时删除自己的数据,也可以自主选择将哪些谷歌服务与该工具关联。
"Dreambeans"这个名字从何而来?
Oznur表示,这个名字的灵感部分来源于系统在用户熟睡时的工作方式。
"'Dream(梦)'这个词是字面意思,因为当你入睡后,应用正在后台处理你所有关联应用中的数据——正如你可以想象的,这是一个非常庞大的数据提炼过程,"Oznur说,"而'Beans(豆子)'则来自每天早晨用一杯新鲜咖啡开启新一天的意象。应用在夜间完成所有数据处理,在早晨为你奉上一滴浓缩的灵感精华。"
目前,Dreambeans仅面向美国地区符合条件的谷歌AI Ultra订阅用户开放,支持Android和iOS平台。此外,持有个人谷歌账户的用户也可加入候补等待名单。
Q&A
Q1:Dreambeans是谷歌的什么类型的应用?它主要能做什么?
A:Dreambeans是由Google Labs推出的一款AI驱动生活助手应用,可在iOS和Android平台使用。它通过整合用户授权的Gmail、日历、相册、YouTube及搜索历史等谷歌服务数据,每天为用户生成10至14条以AI插画呈现的个性化"故事",内容涵盖地点推荐、生活建议、即将到来的旅行提醒及新闻资讯等,旨在为用户提供每日灵感。
Q2:Dreambeans使用用户的谷歌数据,隐私安全吗?
A:据产品负责人Oznur介绍,Dreambeans的隐私保护较为完善。应用生成的故事内容仅用户本人可见,用户可以随时删除自己的数据,并可自主选择授权哪些谷歌服务与应用关联,不会强制接入所有账户数据。
Q3:Dreambeans目前向哪些用户开放?普通用户如何使用?
A:目前Dreambeans仅向美国地区的谷歌AI Ultra付费订阅用户开放,支持Android和iOS平台。普通持有个人谷歌账户的用户暂时无法直接使用,但可以加入官方候补等待名单,等待后续开放资格。
好文章,需要你的鼓励
大众集团旗下首款平价电动车ID. Polo与Cupra Raval已在西班牙马托雷利工厂正式下线。两款车型分别起售于24,995欧元和26,000欧元,同属"电动城市车家族"系列,基于MEB+共享平台打造,节省约6亿欧元成本。ID. Polo提供37kWh和52kWh两种电池选项,续航最高454公里;Cupra Raval续航约450公里。大众集团CEO表示,此举旨在加速欧洲电动化进程,应对比亚迪等中国品牌的市场竞争压力。
厦门大学与吉林大学联合提出SAAS框架,通过动态建模AI的搜索边界并结合分阶段强化学习,有效解决代理搜索中过度检索问题,在保持准确率的同时大幅减少冗余搜索。
施耐德电气在2026年Datacloud全球大会上探讨了数据中心模块化设计的未来。随着部署周期从5年缩短至18至24个月,加之GPU硬件刷新加速,数据中心运营商正加速采用模块化设计方案。通过标准化组件与固定配置,模块化设计可有效压缩交付周期、提升可扩展性。本文重点梳理了十大模块化数据中心设计核心组件,助力运营商优化设计与组装流程。
本文介绍T-Tech研究院提出的TRB方法,通过在OPD训练早期引入信任域约束的师生混合采样策略,改善弱学生早期生成质量,热身结束后自动退出,在数学推理蒸馏任务中取得最优平均表现。