行业与公司 * 涉及的行业为人工智能（AI）行业，特别是大语言模型（LLM）、AI Agent、多模态生成和AI编程工具领域[1] * 涉及的公司主要为谷歌（Google），其AI产品线Gemini是核心讨论对象[1] * 同时对比分析了行业内的主要竞争者，包括OpenAI（GPT系列、Codex）、Anthropic（Claude系列）以及智谱AI（GLM系列）等[3][13][14][16][23] 核心观点与论据：谷歌的战略与产品 * 战略转变：谷歌AI战略从追求单一模型能力迭代，转向构建具备执行权的AI Agent系统，推动AI从“回答问题”演进为“持续执行任务”[1][3] * 全栈生态优势：谷歌的核心竞争力在于其全栈产品生态（安卓、Chrome、YouTube、Search等），可将Gemini作为默认模型深度集成，形成超级入口和用户体验闭环[3][5][13] * 商业闭环构建：通过四层结构实现AI能力变现：1) 模型能力（Gemini系列）；2) 入口（现有高流量平台）；3) 执行层（Agent工具）；4) 商业闭环（广告、订阅、支付协议等）[5] * 模型产品布局： * Gemini 3.5 Flash：定位高性价比、低延迟，速度达同级前沿模型的4倍，支撑Search等高流量入口的默认体验[1][6][7] * Gemini Omni：核心是多模态“任意输入输出”，强调对物理世界规律的深度理解，以生成符合物理直觉的内容[1][8][21] * Gemini Spark：定义为7x24小时云端持续执行的个人AI助理，体现谷歌在Agent方向的全力投入[2][9][10] * Agent Graph：作为Agent开发平台，为AI提供受控执行环境，确保任务高效准确完成[10] * 搜索业务升级：搜索升级为“AI Model”形态，从单向检索转为双向对话交互，默认使用Gemini 3.5 Flash模型，成为巨大流量入口[11][12] * 硬件与协议布局：在AI硬件领域侧重于构建生态系统（如安卓）；推出Universal Cart通用购物车和开源的Agent Payment支付协议，旨在构建底层商业生态标准[22][23] 核心观点与论据：行业趋势与竞争 * 竞争焦点转移：行业焦点从“提示词工程”、“上下文工程”转向“驾驭工程”（Harness Engineering），即如何设定目标并施加约束引导AI高效执行任务[13][14] * 综合性竞争：大模型竞争已从比拼参数，演变为涵盖能力、速度、成本和工具调用等的综合性竞争[14] * 技术路径趋同：谷歌、OpenAI、Anthropic等头部公司在AI Agent和“驾驭工程”的发展方向上高度一致[3][13][16] * 算力与成本关键：算力短缺是共同挑战，提高推理效率、降低成本是关键；定制化芯片可将推理成本降至千分之一，构成未来竞争优势[14][15] * AI对软件行业的冲击：AI显著提升开发效率，可能重塑软件交付方式，长期可能使“软件工程师”职业乃至“软件”本身的概念发生变化[17] 其他重要内容 * 市场反响：市场对Gemini Omni的评价褒贬不一，其冲击力被认为不及Sora 2.0，后者在视频生成领域仍被视为标杆[8] * C端模型评判：用户感知模型好坏最有效的方式是亲身体验；排行榜单可能被优化，仅作参考；LLM Arena等匿名评测平台相对有代表性[24] * 国内厂商动态：与全球顶尖水平相比，国内在参数规模上仍有差距，预计参数竞赛仍将持续一段时间[23] * AI编程工具趋同：Cursor、Claude Code、OpenAI Codex及谷歌Project Astra 2.0等AI编程工具在核心功能上快速借鉴跟进，差异正在缩小[16] * 广告业务延续：搜索升级为AI交互形态不会削弱其传统广告业务，商业逻辑核心得以延续，并可能整合新的广告位（如AI生成结果内嵌广告）[20] * 下一代助理形态：云端持续执行、用户授权、调用工具的模式已成为当前个人AI助理的主流形态，并被所有主流公司采纳[18][19]