Google一夜十二次，能否逆袭当回AI界老大

展开全文

4. 全面公开了 Google AI 的 601 项 AI 落地案例，对应用层创业者指出明路。

本文整理了 5 个 AI 新模型、1 个面向未来的 AI 协议，以及 6 项其他重点更新。

5 个 AI 模型更新

首先是 5 个 AI 模型更新，我绘制了这份看板，方便大家速览：

Gemini 2.5 Flash：快来了，是推理模型，主打快速、便宜

此前 Google 已经推出了 Gemini 2.5 Pro 推理模型，拥有 100W tokens 上下文（实测在超出上下文对话中，依旧能遵循指令，精准回忆早期对话记忆），而且支持多模态提示。在众多 Benchmark 测试中，取得了最高排名。

确实非常厉害，目前一泽的日常主力模型就是 2.5 Pro，前几天备受好评的“”中，就使用它获得了最佳的体验效果。

现在 Gemini 2.5 Flash 也快来了，与前代 2.0 Flash 不同的是：

• 这次是个推理模型，但依然延续了快速、便宜好用的优点；

这次是个推理模型，但依然延续了快速、便宜好用的优点；

• 推理程度会根据对话任务复杂度，动态适应（不傻傻地对简单常识问题进行长推理实在是太有必要了）；

推理程度会根据对话任务复杂度，动态适应（不傻傻地对简单常识问题进行长推理实在是太有必要了）；

• 开发者可以自定义模型的推理程度，便于控制成本；

开发者可以自定义模型的推理程度，便于控制成本；

• 正式发布还需要时间，再等等，很快在 Vertex AI 中可用。

正式发布还需要时间，再等等，很快在 Vertex AI 中可用。

Veo 2：超一流视频生成模型，现已开放 waitlist 申请

Veo 2 绝对是值得关注的视频生成模型，现在还支持 P 视频、关键帧生成视频、扩展画面、镜头控制等特性：

• P 视频：无需手动修图，移除视频中不需要的元素。注意看，左图是有吊威亚的，右图的绳子就被自然 P 掉了。

P 视频：无需手动修图，移除视频中不需要的元素。注意看，左图是有吊威亚的，右图的绳子就被自然 P 掉了。

• 关键帧生成视频：用首尾画面（最左为首图、最右为尾图），生成视频，画面效果非常稳定。

关键帧生成视频：用首尾画面（最左为首图、最右为尾图），生成视频，画面效果非常稳定。

• 扩展画面：可以对已有视频画面进行自然扩展，虽然效果不算特别高级，但很适合把一些横版视频变成竖版，方便投稿到 TikTok 等竖屏内容平台。

扩展画面：可以对已有视频画面进行自然扩展，虽然效果不算特别高级，但很适合把一些横版视频变成竖版，方便投稿到 TikTok 等竖屏内容平台。

• 镜头控制：可以在视频生成时，调整镜头构图、摄像机角度和控制节奏，将摄像机向不同方向移动，创建延时摄影效果，或生成无人机跟随风格的镜头。

镜头控制：可以在视频生成时，调整镜头构图、摄像机角度和控制节奏，将摄像机向不同方向移动，创建延时摄影效果，或生成无人机跟随风格的镜头。

PS：Google VideoFX 用的就是 Veo 2 模型（不得不说 Google 家的产品入口、关系是真的复杂）。

注：Veo2 现已开放 waitlist 申请，申请地址请在文末获取。

吐槽：Google Cloud 和 Vertex AI 的界面是真难用。如无必要，还是等 VideoFX 这类 to C 入口开放了再用吧。

Chirp 3：只需 10 秒语音样本，即可创建逼真的自定义语言

和 Veo 2 一起被更新到 Vertex AI 的还有 Chirp 3，是 Google 的音频理解与生成模型。

Chirp 3 提供了超过 35 种语言（含中文）的自然逼真的语音，并支持八种音色选项。

亮点一：支持通过 10 秒的短录音，就能生成非常逼真的自定义语音。

• 因为 Chirp 3 现在只能通过 API 调用，所以没能直接上手。暂时不确定用于学习的 10 秒短录音是必须跟读固定文本，还是随意任何一条清晰的录音也可以。

因为 Chirp 3 现在只能通过 API 调用，所以没能直接上手。暂时不确定用于学习的 10 秒短录音是必须跟读固定文本，还是随意任何一条清晰的录音也可以。

• 如果是后者，那就非常有意思，你可以拿游戏、动漫里的角色的任何一段音频，合成对应的虚拟人语音，对于开发者还是阿宅都非常有价值。

如果是后者，那就非常有意思，你可以拿游戏、动漫里的角色的任何一段音频，合成对应的虚拟人语音，对于开发者还是阿宅都非常有价值。

• 当然，也希望 Google 抓紧做好安全策略，以防自己的语音被别人拿去随意合成。

当然，也希望 Google 抓紧做好安全策略，以防自己的语音被别人拿去随意合成。

亮点二：区分音频中的说话人身份，提升音频转文本的易用性。

• 天下苦音频转写不能区分人声久矣。这下好了，现在能够区分多个说话人录音中“哪句话是谁说的”。这也是这项技术必然的需求趋势。

天下苦音频转写不能区分人声久矣。这下好了，现在能够区分多个说话人录音中“哪句话是谁说的”。这也是这项技术必然的需求趋势。

• 会议摘要、播客分析、访谈录音转写会方便很多。

会议摘要、播客分析、访谈录音转写会方便很多。

Lyria：文本到音乐生成模型，也开放 waitlist 申请

Lyria 也被更新到了 Vertex AI ，可从简单文本提示创建完整音乐作品。

不过没看出来特别的亮点，像海螺音乐的效果也不错。

以下是官方放出的演示音频：

注：Lyria 现已开放 waitlist 申请，申请地址见文末。

Imagen 3：图像生成和编辑能力改进，更擅长对象移除和图像修复了

Imagen 3 已经放出来很久了，《》就通过 ImageFX（Imagen 3）生成了很多产品、游戏、家居设计的图像样例。绝对是被低估的、头一档的文生图模型。

一泽万能文生图框架，测试 Imagefx 效果

Imagen 提升了编辑/修复功能效果，能够快速移除、重绘图像中不需要的对象、瑕疵。

下图是官方演示：

左图为原图，中间是旧版本，右图是 Imagen3 版本。

Imagen 3一如既往的稳定，实力真的被大大低估了。

你可以在 Gemini 应用、ImageFX 开始使用它。

1 个面向未来的 AI 协议

Agent 2 Agent：让 Agent 们无缝协作的新协议

AI 开发者好不容易在 WaytoAGI 社区、AI 博主们的共学努力下，逐渐搞懂 MCP 是什么。

现在 Google 又搓出了特殊的协议—— Agent 2 Agent。

如果要看小科普，隔壁那个很快的数字肝帝已经发了，可以去看看：《》。

大意是：

• A2A 是一种用于 Agent 与 Agent 联动协作的开放协议，是对 Anthropic 模型上下文协议 (MCP) 的补充；

A2A 是一种用于 Agent 与 Agent 联动协作的开放协议，是对 Anthropic 模型上下文协议 (MCP) 的补充；

• MCP 侧重于为 Agent 接入各类工具与信息；

MCP 侧重于为 Agent 接入各类工具与信息；

• A2A 更侧重让“你要用的 Agent”（客户端 Agent）能够与“提供第三方支持的 Agent”（远程 Agent）进行联动，前者负责制定、传达任务，后者负责执行；

A2A 更侧重让“你要用的 Agent”（客户端 Agent）能够与“提供第三方支持的 Agent”（远程 Agent）进行联动，前者负责制定、传达任务，后者负责执行；

• 在 A2A 连接的过程中，Agent 之间可以互相发送消息，传达上下文信息、回复等；

在 A2A 连接的过程中，Agent 之间可以互相发送消息，传达上下文信息、回复等；

• A2A 协议的连接，可以持续保持很久，直到完成任务。

A2A 协议的连接，可以持续保持很久，直到完成任务。

官方也给了一个演示视频，用来看效果：

类 A2A 协议在未来 AI Agent 全面落地的时代，当然非常重要。

但不管怎么样，在类 MCP 生态还未健全、Workflow 到底能不能算 Agent 都没分清楚的现在，普通人甚至大部分开发者，也都没必要过多关注 A2A 协议。

Don’t be so serious.

如果你喜欢研究技术，可移步官方 Github 仓库：https://github.com/google/A2A

其他 AI 应用、开发者工具和 601 个案例

除了前面的模型更新、 A2A 协议外，谷歌还面向一般用户、开发者更新了一堆应用和开发工具，以及 601 个真实 AI 应用案例。

就挑一些重点说，按主观优先级排列：

Firebase Studio：搭载最强 AI 的云端 AI 编程工具，支持一键部署应用

Google 也发布了他们自己的 AI 编程工具，得益于 Google Cloud 的云资源，开发者可以用 Firebase 一站式完成应用开发的全流程。

包括 AI coding、编译构建、云服务部署、运行的一切。

确实很方便，而且不需要下载 IDE，在云端就可以完成 AI 编程。

他们的首页是这样的。

具体的 Coding 界面长这样，操作体验和其他 AI 编程应用一致。

得益于最强 Gemini 2.5 Pro 的加持，你能体验到这个星球上现在一流的 Coding 体验。

可以前往https://idx.google.com/体验。

ADK：Google 的新 Agent 开发框架

ADK，全称 Agent Development Kit。也是 Google 新发布的开发框架，适用于构建 Multi-Agent 系统的开发。

以下是官方介绍的优势：

开发者可以自行前往 https://google.github.io/adk-docs 查看具体项目

Google Workspace ：集成大量 AI 服务

Google 给 Workspace 套件追加了大量的 AI 能力。

为 Docs、Sheets、Meet、Chat 等日常工具带来更多 AI 功能：

• 可以把 Google 文档变成音频版本，或者用播客风格概括文档亮点；

可以把 Google 文档变成音频版本，或者用播客风格概括文档亮点；

• Google 文档新增“帮我改进”功能；

Google 文档新增“帮我改进”功能；

• Vids 可用 Veo2 视频生成模型；

Vids 可用 Veo2 视频生成模型；

• Sheets 支持用 AI 自动分析数据，并生成洞察。

Sheets 支持用 AI 自动分析数据，并生成洞察。

对了，普通用户在 Google Doc 中无法体验。

Google AI Studio 整体 UI 优化

Google 这次还是没选择优化他们的 Google Cloud 控制台设计，而是选择了继续优化 AI Studio。

整体设计风格向 Gemini Web 应用靠拢，变清晰了不少。

这算个小添头，还不错，用起来会更顺手。

Google 的 601 个真实客户带来的 AI 案例

Google 更新了过去一年他们推动的 AI 客户案例。

在去年 Google Cloud Next 24 时，这个案例列表还只有 101 个，现在已经多了 500 个。狠狠秀了一把肌肉。

用 Gemini 总结这 601 个应用场景，涉及的应用场景如下：

• 客户代理： 提升客户服务（如聊天机器人、个性化推荐、订单处理）；

• 员工代理： 提高员工效率（如自动化任务、信息检索、内容生成、协作）；

• 创意代理： 加速创意内容生成（如广告、图像、视频、文案）；

• 代码代理： 辅助软件开发（如代码生成、调试、代码库理解）；

• 数据代理： 强化数据分析和洞察（如模式识别、预测、供应链优化、数字孪生）；

• 安全代理： 增强安全防护（如威胁检测、欺诈预防、合规性）。

客户代理： 提升客户服务（如聊天机器人、个性化推荐、订单处理）；

员工代理： 提高员工效率（如自动化任务、信息检索、内容生成、协作）；

创意代理： 加速创意内容生成（如广告、图像、视频、文案）；

代码代理： 辅助软件开发（如代码生成、调试、代码库理解）；

数据代理： 强化数据分析和洞察（如模式识别、预测、供应链优化、数字孪生）；

安全代理： 增强安全防护（如威胁检测、欺诈预防、合规性）。

相信对很多 AI 公司（尤其 To B）会有不少解决方案上的启发。

详细案例集在此：https://cloud.google.com/transform/101-real-world-generative-ai-use-cases-from-industry-leaders

Ironwood TPU：Google 第 7 代 AI 芯片，专为推理而生

Google 即将推出他们的第 7 代 AI 芯片“Ironwood”，是他们迄今为止性能最高、可扩展性最强的定制 AI 加速器，也是首款专为推理而设计的加速器。

官方公布 Ironwood 的峰值计算性能是上代 Trillium 的 5 倍，将大幅加速 AI 推理效率。

除了以上这些外，Google 还更新了不少其他的 AI 开发小套件、解决方案。

在这里看到 Google Cloud Next 2025 的完整官方公告：https://blog.google/products/google-cloud/next-2025/

差不多就是这些内容，我最期待 Gemini 2.5 Flash ，你最期待哪个更新？

你觉得 Google 又是否能借这次 Next 25，重新当回 AI 界老大哥呢？

Ref

公告原文

【Google Cloud Next 25 官方原文大合集】：https://blog.google/products/google-cloud/next-2025

Gemini 2.5 Flash：https://cloud.google.com/blog/products/ai-machine-learning/gemini-2-5-pro-flash-on-vertex-ai

Vertex AI – Veo 2 / Chirp 3 / Lyria / Imagen 3：https://cloud.google.com/blog/products/ai-machine-learning/expanding-generative-media-for-enterprise-on-vertex-ai

A2A：https://developers.googleblog.com/en/a2a-a-new-era-of-agent-interoperability/

Agent Development Kit：https://developers.googleblog.com/en/agent-development-kit-easy-to-build-multi-agent-applications/

Google Workspace：https://blog.google/products/workspace/cloud-next-2025-workspace-gemini/

Google AI 的 601 个落地案例：

https://cloud.google.com/transform/101-real-world-generative-ai-use-cases-from-industry-leaders

Ironwood TPU：https://blog.google/products/google-cloud/ironwood-tpu-age-of-inference/

文内提到的可体验内容

Firebase Studio：https://idx.google.com/

Google AI Studio：https://aistudio.google.com/

Chirp 3：https://cloud.google.com/text-to-speech/docs/chirp3-hd

Imagen 3：https://labs.google/fx/zh/tools/image-fx

Waitlist 申请地址

Veo 2：https://docs.google.com/forms/d/e/1FAIpQLSfdksQf4brbFzAx5l1geMx7DlBTjoZKjA4DuI3uTiETCB-0hg/viewform

Lyria：https://docs.google.com/forms/d/1YktCIiIzyZe6TxfKnQ9PzybXGLzOeH0LJMUnhJubi1M/viewform

本内容为作者独立观点，不代表虎嗅立场。未经允许不得转载，授权事宜请联系 hezuo@huxiu.com