阿里入局 AI+AR 眼镜，为雷鸟创新独家定制眼镜版大模型
行业观察
|
2024-05-16
几秒钟闪过的谷歌新眼镜，是 AI 与 AR 最好的硬件载体 | Google I/O
谷歌眼镜用上了 Meta 智能眼镜的摄像头，还有 Meta 准备在下一代增加的 AR 显示功能，多模态 AI 助手的能力也更胜一筹
谷歌曾在 2022 年的 I/O 大会上展示过一款智能眼镜，其本质是一款 AR 翻译眼镜，支持语音双向翻译、手语翻译等功能，语音助手作为主交互界面，通过近眼显示提供实时翻译的字幕信息。
而在刚刚开幕的 Google I/O 2024 开发者大会上，又有一款智能眼镜短暂亮相——短到只有几秒，模样被一带而过，却令人过目不忘。
谷歌新眼镜是伴随着新 AI 助理 Project Astra 的发布而亮相的。
演示者问 Astra 提问：你记得在哪儿看到我的眼镜了吗？Astra 告诉她：眼镜在桌子上，红苹果旁边。演示者顺着 Astra 的回答，找到了眼镜。
她放下手机，戴上眼镜，一个开启眼镜的提示音出现。接着下一个转��，画面中出现了一个代表 Astra 的小圆点。
演示者继续与 Astra 对话，询问白板上的开发流程图如何优化，Astra 很快给出了答案——一边语音播报，一边将播报文字投射在眼前。
很明显，使用眼镜与使用手机与 AI 对话的方式有一些不同：
眼镜上的摄像头替换了手机上的摄像头，眼镜上的麦克风替换了手机上的麦克风，眼镜上的扬声器替换成了手机上的扬声器，眼镜上的光学显示系统替代了手机的显示屏。
眼镜替换成手机，成为谷歌新 AI 助理 Project Astra 的硬件载体。
这副眼镜看起来很轻盈，样子与日常佩戴的光学眼镜差不多，却多了眼睛、耳朵、嘴巴的功能：
眼镜：摄像头捕捉环境画面，采集影像信息
耳朵：麦克风聆听环境声音，识别语音指令
嘴巴：信息经过（手机）中枢处理后，经（眼镜）扬声器播报反馈
在硬件设计上，它与 Meta 的第二代智能眼镜的设计思路一脉相承。不同之处是，谷歌提前做到了 Meta 没有做到、并准备在下一代产品中集成进来的 AR 显示功能。
谷歌刚刚就 Gemini 的三个模型做了更新：
Gemini 1.5 Pro 在翻译、推理、编码等关键用例上做了优化，能够胜任更复杂的任务处理。
Gemini 1.5 Flash 是 Google 发布的一款新的轻量级模型，主要用于处理高频、简单任务，具备快速响应的能力。
Gemini nano 是一款端侧轻量级大模型，将集成在 Android 底层系统，作为一项能力向设备提供。能支持语音理解、图像识别，以及将消息、邮件和文档，提炼合成简洁、可读的摘要内容。
具体用例方面，Gemini nano 可以读懂手机界面上的信息、提炼 PDF 等文档关键信息，并支持语音问答。还能根据陌生电话涉及的索要身份信息、银行账号等敏感词汇，识别诈骗电话。
从另一个层面，谷歌新眼镜又是 Project Astra 的载体。
Project Astra 是一款实时多模态 AI 助理，通过手机摄像头和麦克风感知物理世界，通过语音和文本与人类交流对话。
演示者用 Pixel 手机摄像头对准桌面，询问桌面上什么东西能发出声音时，Astra 准确的回答：是扬声器。
演示者继续问，这个显示器上面这部分是什么？Astra 准确地回答：是高音单元。
Astra 还可以记得东西放在哪里，可以给金毛狗和宠物熊的乐队组合起名，可以查看电脑屏幕上的代码，可以环顾窗外告诉你这是哪里。
湾里小结：
Project Astra 将接替 Google Assistant 成为新的融合多模态 AI 能力的新 AI 助手，它代表着谷歌人工智能的未来。
作为大模型交互界面的 AI 手机和 AI 眼镜，将成为最重要的、可以随身携带的 AI 硬件载体。
只有麦克风和扬声器的音频 AI 眼镜（李未可、米家等），有麦克风也有摄像头的音视频 AI 眼镜（Ray-Ban Meta），加上 AR 显示并拥有大模型接入能力的 AI 眼镜，智能眼镜的新进化之路已经清晰。
主笔：周森 / 球盟会登录入口网页版
编辑：陈述 / 球盟会登录入口网页版
