/cdn.vox-cdn.com/uploads/chorus_asset/file/25447271/Gemini_Astra.jpg)
Project Astra：谷歌AI的未来
内容提要
DeepMind在Google I/O大会上展示了其名为Project Astra的通用助手的早期版本。Astra是一个实时的多模态AI助手，可以识别物体，回答问题和执行各种任务。它通过语音，文本，绘图，照片和视频进行工作。DeepMind还在研究其他模型，如Gemini 1.5 Flash，Veo和Gemini Nano。重点是创建能够代表用户完成任务的AI代理。DeepMind正在研究如何将多模态模型结合起来，并平衡大型通用模型与更小，更专注的模型。
延伸解读
实时多模态助手的核心挑战
Project Astra 展示了实时多模态交互的潜力，但 Hassabis 指出，速度与延迟是此前难以实现可用体验的关键瓶颈。团队花费六个月优化模型和基础设施，才让 Astra 接近真正实时。这表明，即使底层模型能力足够，产品化仍依赖系统级优化，尤其是大规模部署下的响应速度。
AI 代理：从对话到执行任务
Hassabis 强调，AI 的未来将更注重代理能力，即代表用户完成实际任务，而不仅是对话。Google 在代理方面有长期积累，如 AlphaGo。未来代理可能形态多样，从简单工具到协作伙伴，甚至根据个人偏好和上下文定制。这要求模型不仅能理解多模态输入，还要能规划并执行复杂操作。
模型组合与设备端策略
Google 同时推进多种模型：Gemini 1.5 Flash 追求速度，Veo 生成视频，Gemini Nano 用于设备端。Hassabis 提到，DeepMind 仍在研究如何结合多模态模型，并平衡超大通用模型与更小专注模型。这意味着未来 AI 助手可能由多个模型协同工作，根据任务和设备动态选择，以兼顾性能与效率。
竞争与未来形态的不确定性
OpenAI 在 Hassabis 采访后一小时也展示了类似 Gemini Live 的产品，显示两家公司正争夺同一领域。但 Hassabis 承认，助手的具体形态和用法尚不明确，Google 目前聚焦旅行规划等场景，并看好手机和眼镜作为关键设备，同时探索新形态。Astra 仍处早期原型，代表一种交互可能，而非最终答案。
Q&A
Project Astra是什么？
Project Astra是DeepMind展示的一个实时多模态AI助手，可以识别物体、回答问题并执行各种任务。
Astra如何与用户互动？
Astra通过语音、文本、绘图、照片和视频与用户互动，展示了其强大的多模态功能。
DeepMind还推出了哪些新模型？
DeepMind推出了Gemini 1.5 Flash、Veo和Gemini Nano等新模型，重点在于提高速度和性能。
Hassabis对AI助手的未来有什么看法？
Hassabis认为未来的AI助手将更多关注代理的能力，而不仅仅是模型本身。
Gemini Live是什么？
Gemini Live是一个语音助手，允许用户与模型进行自然对话，支持中断和回顾对话内容。
Astra在速度和延迟方面有什么改进？
Astra的设计解决了速度和延迟问题，使其更接近真正的实时AI助手。
