重點速覽 5 分鐘閱讀
  • Google 把策略押在「agentic Gemini era」：搜尋、Gmail、Android、眼鏡全被重新定位成 AI agent。
  • Gemini Flash 3.5 主打速度而非最強智慧；旗艦 Gemini 3.5 Pro 延到夏末才發表。
  • TPU 拆成訓練用 TPU-T 與推論用 TPU-I；Antigravity IDE 轉向管理 agent，現場 demo 從零打造 OS 並跑起 Doom。
目錄

2026 年 5 月 22 日，Google I/O 落幕。Sundar 與 Demis 在台上描繪了一個野心十足的軟體未來——而那個未來，簡單講就是「Gemini 藏在每一個產品裡」。

這次的產品路線圖幾乎可以用一句話總結：拿 Gemini，後面接一個名詞，然後出貨。Gemini Spark、Gemini Omni、Gemini Flow⋯⋯清單一路往下。Google 自己給這個階段取的名字是 agentic Gemini era（代理人化的 Gemini 時代）：搜尋是 AI agent、Gmail 是 AI agent、Android 是 AI agent，連你的眼鏡都是 AI agent。

坐在現場看完 keynote，會意識到一件事：Google 已經不再想用「藍色超連結」來組織全世界的資訊了。在它的敘事裡，傳統搜尋引擎正在變成一種過時的技術；Google 想做的，是趕在 Anthropic 和 OpenAI 之前，成為「通往現實本身的介面」。

Google 真正的護城河：規模

無論你喜不喜歡 Google，它最讓人印象深刻的能力始終是規模化。它不只把核心產品服務給數十億日活用戶，過去兩年的推論量更是誇張地成長——

  • 兩年前：每月約 9.7 兆（trillion）tokens
  • 現在：每月約 3.2 千兆（quadrillion）tokens

而且這個數字還會繼續加速。與此同時，Alphabet 的資本支出（capex）也跟著爆炸性成長，蓋新的基礎設施來撐起這一切（包括你們用 nano banana 生的一堆 AI 圖）。

TPU 拆成兩顆：TPU-T 與 TPU-I

支撐這種規模的關鍵之一，是 Google 自家的 TPU（Tensor Processing Unit）。今年 I/O 的一個底層變化是：Google 把 TPU 拆成兩種各司其職的晶片——

  • TPU-T：專門優化 training（訓練）
  • TPU-I：專門優化 inference（推論）

換句話說，一顆晶片負責「教模型怎麼思考」，另一顆負責「把結果大規模地跑出來」。這種訓練/推論分家的做法，反映的是當推論量衝到千兆 token 等級後，把硬體針對兩種截然不同的工作負載分別優化，比一顆通用晶片全包更划算。

flowchart LR
    A[Gemini 模型] --> B[TPU-T<br/>訓練優化]
    A --> C[TPU-I<br/>推論優化]
    B --> D[學會思考]
    C --> E[大規模服務]

Gemini Omni 與 Neural Expressive

I/O 2026 的頭條發表是 Gemini Omni：一個能吃下任何輸入（文字、影片、聲音）、產出任何輸出的模型。

Demis Hassabis 看起來是徹底的「world model 信徒」。這類模型不再只是生成像素而已，而是理解語言、物理、運動，以及你世界裡的其他一切——理解到足以「按需模擬現實」的程度。

伴隨 Omni 一起來的，是 Gemini app 全新的設計系統 Neural Expressive。乍看之下它只是換了新 icon、漸層更好看的介面改版；但真正特別的地方在於，它是為了按需生成 UI 元素而優化的——像是圖表（diagrams）、時間軸（timelines），甚至是在你下 prompt 之前根本不存在的迷你 app。

Gemini Flash 3.5：主打速度，不是最強腦

在核心 LLM 這條線上，Google 發表了 Gemini Flash 3.5。要先講清楚：這不是那顆最強的大腦，而是那顆快的模型。

根據 Google 自家（就是那種「trust me bro」）的 benchmark，Flash 3.5 的表現逼近 Opus 4.7 和 GPT-5.5，但跑起來快得多。在它秀出的速度/智慧象限圖裡，Flash 自己獨佔了一個象限。

不過要提醒的是：這不是 Google 的頂規模型。真正的旗艦 Gemini 3.5 Pro 目前還沒揭曉，預計要今年夏末才會發表——這一點讓不少網路上的人相當失望。

Antigravity IDE 與那場 Doom demo

不是每個人都對 Google 的 Antigravity IDE 新方向買單。Antigravity 的前身是 Windsurf，跟 Cursor 一樣是主打 AI coding 的工具。而它最新版本——再一次跟著 Cursor 的腳步——看起來更像是 OpenAI Codex 的複製品：重心從「寫程式」偏向「管理一群 agent」。

老派工程師大概不會太開心這個轉向，但現場 demo 確實有點狠：他們用這個工具從零打造了一個完整的作業系統，過程花了大約 12 小時、燒掉數十億 tokens。接著他們想在上面跑 Doom，結果因為缺 driver 而失敗；於是他們當場讓 Gemini 把缺的 driver 寫出來，幾秒後——Doom 就跑起來了。

一句話總結這場 I/O

如果要抓出這次 I/O 背後的策略主軸，其實不複雜：Google 想把 Gemini 變成所有產品的底層，讓 agent 直接替使用者行動，而不只是提供一個可以呼叫的 app 或 API。

搜尋、Gmail、Android、眼鏡——這些原本的入口，全被重新包裝成「代理人」。至於這套「代理人化」到底能不能兌現行銷上的承諾，還是只是把 Gemini 這個名詞接到更多產品後面出貨，就得等這些功能真正落地後，用實際體驗來檢驗了。

參考資料

問這篇文章

AI 只根據這篇文章內容回答。點下方任一問題，或直接開右下對話框。

相關標籤

#google#gemini#ai#io2026#product

相關文章

tech

RAG 五階段：從流水線到會思考的檢索，以及我站上那個 Naive RAG

RAG 這兩年從『線性流水線』演化到『循環推理』，可以用五階段梳理：Naive、Advanced、Modular、Graph、Agentic。分水嶺是控制權從管線移交給 Agent，範式從 System 1 進到 System 2。回頭看 engineer-news 這個站的實作，其實還卡在 Naive RAG 邊界——這篇順便把它的下一步應該補什麼寫清楚。

#ai#llm#rag#graph-rag#agentic-rag#system-design#cloudflare