谷歌AI战略三大关键赛道：个人代理、知识工作超应用、多模态

我本周参加了Google I/O大会，想分享我对谷歌AI战略哪些方面有效、哪些无效的看法。

📌 可观看我15分钟带实例的视频回顾，或继续阅读：https://www.youtube.com/watch?v=zvMfA1VtUi0

有效的是Gemini增长迅速。Gemini应用目前拥有9亿月活跃用户，仅次于ChatGPT；谷歌同时推出了大量新产品。

但后者恰恰构成问题：AI产品过多。

仅I/O大会上发布的AI产品就包括Gemini、AI Studio、Antigravity、Spark、Flow、Stitch、Pomelli等十余个名称。消费者和企业难以分辨各产品适用场景，认知负担加重。

真正重要的AI竞赛只有三场：

第一场：将聊天演进为个人代理。

AI聊天时代正走向终结。用户不再满足于仅在对话中回复的AI，而需要能实际协助完成工作的AI。AI个人代理将成为巨大市场。谷歌已掌握全部个人上下文——邮件在Gmail、日程在Google Calendar、文档在Google Docs、所有文件在Google Drive。但长期以来，Gemini应用甚至无法编辑Google Doc。因此，Spark是I/O中最令我期待的发布。

Spark旨在将Gemini打造成个人化、主动式、强能力的代理： “个人化”指通过Gmail、Calendar、Workspace、Drive等理解用户； “主动式”指主动提示关键事项，例如新推出的Daily Brief功能； “强能力”指可调用谷歌应用及任意第三方API或MCP（Model Control Protocol）。 Spark运行于云端虚拟机，无需保持电脑开机。但谷歌需注意：应让用户自主决定授予代理的控制权限级别。

第二场：编码与知识工作统一平台。

谷歌在编码领域处于追赶状态。AI原生开发者普遍转向Codex，因其速率限制宽松、应用体验好，且GPT-5.5当前被公认为最佳编程模型。企业则多采用Claude Code，因Anthropic成功推动其采用。

谷歌新模型Gemini 3.5 Flash在基准测试中表现优异，是其迄今最强编程模型，但定价上涨（仍低于GPT-5.5和Opus 4.7）。这对预算紧张的企业意义重大——他们正寻求“足够好且更便宜”的模型承担多数代理任务。

新工具Antigravity界面流畅，但与Codex和Claude Code的左侧面板交互设计高度相似。此类界面适合个人用户，却不适配团队协作。Stitch（AI设计工具）与Antigravity完全分离，违背“规划—设计—编码”一体化需求。OpenAI与Anthropic正构建覆盖编码、设计、知识工作的超级应用，谷歌应让Antigravity成为该超级应用，而非在Docs、Sheets等每个产品中单独添加AI聊天窗口。

第三场：从文本迈向多模态。

谷歌在多模态AI上真正领先：是唯一正在构建有竞争力视频模型的美国实验室；YouTube与TikTok的流行印证了视频对消费者的吸引力。当前主要对手是Seedance等中国视频模型，后者对版权问题关注度较低。

新Omni模型支持任意输入生成任意输出（文本、图像、音频、视频）。但产品仍过度分散：Flow是谷歌最佳图像与视频生成工具，却作为独立产品存在，未整合进Gemini默认体验。另一痛点是家庭照片编辑——因安全限制，用户无法用AI编辑子女影像，尽管这是许多家长的首要使用场景。

谷歌文化值得肯定：Gemini团队负责人Josh Woodward强调“快速试错、以建促学”， roadmap仅90天（幸运时120天），已五年未制定年度路线图。VP Chris团队将PRD限制在一页，会议直接基于Studio原型而非静态Mockup。

总结：谷歌需赢得三场AI竞赛——聊天→个人代理（Spark需更快开放第三方API与计算机操作权限）；编码→知识工作（以Antigravity为统一超级应用，整合Stitch等，超越Claude/ChatGPT对Google Workspace的支持能力）；文本→多模态（依托YouTube与视频模型优势，Omni是关键）。人才、数据、基础设施均已具备，唯需聚焦。