来源：DeepTech深科技

Agent 已然成为了科技公司在 AI 领域的新战场。

相比之下，谷歌的发布可谓是“量大管饱”，抢尽了风头。

据悉，这次性能的提升并没有以牺牲功能为代价，新版本在运行速度上甚至比前代 Flash 模型快了一倍，同时在代码编写和图像分析等方面都有显著提升。

Gemini 2.0 的最大亮点是其“代理人工智能”（Agentic AI）功能。这种 AI 系统不再仅仅是被动地回答问题，而是能够理解复杂的上下文，提前规划多个步骤，并在用户授权下采取行动。

谷歌推出了三个基于 Gemini 2.0 架构的 AI 智能体原型，分别是 Project Astra、Project Mariner 和Jules，每一个都针对特定应用场景进行了优化。

Project Astra 是一个升级版的通用 AI 助手，它能够在多种语言之间自如切换，使用多种语言和混合语言进行交谈，同时访问谷歌搜索、地图等工具并保持对话语境记忆。

DeepMind 的集团产品经理比博·徐（Bibo Xu，音译）展示了它的能力。Project Astra现在可以在会话中保持长达 10 分钟的记忆，并能记住过去与用户的对话，从而提供更有帮助、更个性化的体验。

同时，它处理语言的速度可以与人类在日常对话中的处理速度相媲美。

为了让 AI 智能体操作电脑，谷歌推出了 Project Mariner。

作为 Chrome 浏览器扩展程序，Project Mariner 在 WebVoyager 单一代理基准测试中取得了 83.5%的成功率，这个成绩在自主网页导航领域创下了新纪录。

谷歌实验室产品管理总监杰克琳·孔泽尔曼（Jaclyn Konzelmann）解释说：“Project Mariner 是一个早期研究原型，探索了 AI 智能体在网页浏览和行动执行方面的能力。”

谷歌表示，为了安全、负责地构建 Project Mariner 系统，他们正在积极研究新型风险和缓解措施，同时让人类参与其中。

谷歌还针对软件开发者推出了 Jules。这个基于 Gemini 2.0 平台构建的 AI 编程助手可以在开发者休息时自主修复软件错误并准备代码更改。

谷歌指出，Jules 的发布具有重要的战略意义。在软件开发行业面临持续的人才短缺的背景下，自动化编程助手变得越来越重要。

市场研究公司高德纳（Gartner）预测，到 2028 年，75%的新应用程序开发将涉及 AI 辅助编程。在美国劳伦斯伯克利国家实验室的早期测试中，研究人员使用 Jules 和相关谷歌 AI 工具，将某些分析任务的时间从一周缩短到了几分钟。

谷歌的愿景是在 2025 年开启真正的“AI 智能体时代”，而Gemini 2.0将成为这一愿景的基础。

Gemini 2.0 在音频和图像生成方面取得了巨大突破。系统可以生成和修改图像，处理照片和视频，回答相关问题，还能用不同口音和语言的声音朗读文本。你可以要求它放慢或加快语速，甚至可以让它像海盗一样说话。

为了防止滥用，谷歌使用了 SynthID 技术对所有生成的音频和图像进行水印标记。

此外，谷歌正式向云服务客户开放了第六代张量处理单元（TPU）Trillium 芯片，并在单个网络结构中部署了超过 10 万枚芯片。Gemini 2.0 模型就是在 Trillium 上训练的。

一年前，当谷歌推出第一代 Gemini 时，AI 领域还主要由能进行智能对话但难以处理现实世界任务的聊天机器人主导。如今，随着 AI 智能体领域迎来了更多参与者，它们开始迈出走向自主的第一步，整个行业似乎又站在了一个新的拐点上。

显然，现在的问题不再是 AI 能否理解我们，而是我们是否准备好让 AI 代表我们做出决策。

参考资料：

https://blog.google/technology/google-deepmind/google-gemini-ai-update-december-2024/

https://venturebeat.com/ai/google-gemini-2-0-could-this-be-the-beginning-of-truly-autonomous-ai/

https://techcrunch.com/2024/12/11/gemini-2-0-googles-newest-flagship-ai-can-generate-text-images-and-speech/