出典： AI Cambricon

前回のI/Oからまた一年が経ちました。

GoogleのCEOは冒頭から明確なメッセージを伝えた。「この1年でAI業界は新たな局面を迎えた。人々はもはや技術そのものだけでなく、AIが日常生活の製品に真の価値をもたらすことを望んでいる。今日のプレゼンテーションは、その答えを示すものだ。」

トークン数量：480兆～30京

トークンは、AI導入の規模を測るための直感的な指標である。

2年前、Googleの各種製品が処理したトークンの総数は月間9.7兆個だった。昨年のI/Oでは、その数は約480兆個に増加した。そして今年は、月間3.2京個を突破し、7倍もの増加となった。

開発者側と企業側の両方からのデータは、どちらも同様に印象的だ。

毎月850万人以上の開発者がGoogleモデルを使用してアプリを開発しています。

このモデルAPIは現在、1分間に約190億トークンを処理しています。

過去12か月間で、375社以上のGoogle Cloud顧客がそれぞれ1兆個以上のトークンを処理しました。

製品規模：ユーザー数10億人を超える製品が13種類

Googleは現在、月間アクティブユーザー数が10億人を超える製品を13個抱えており、そのうち5つは30億人を超えている。

検索は、AI製品への最も広く利用されている入り口であり続けています。AI概要の月間アクティブユーザー数は25億人を超えています。検索史上最大のアップグレードであるAIモードは、わずか1年で月間アクティブユーザー数が10億人を突破し、その利用方法も変化しており、単一のクエリから継続的な対話へと進化しています。

ジェミニアプリは昨年のI/O開催時には月間アクティブユーザー数が4億人でしたが、今年は9億人を超え、倍以上に増加しました。1日あたりのリクエスト数も7倍以上に増えています。ナノバナナ画像生成モデルは、累計で500億枚以上の画像を生成しています。

対話型AIは、より多くの製品に組み込まれつつある。

YouTubeに質問する

YouTubeには膨大な動画ライブラリがありますが、本当に役立つコンテンツを見つけるのは容易ではありません。Ask YouTubeは、この問題を解決するために、関連性の高い動画を表示するだけでなく、最も関連性の高いセグメントに直接ジャンプできる機能を開発しました。現在テスト中で、今夏に米国で本格的に展開される予定です。

ドキュメンタリーライブ

Googleドキュメントに、音声入力機能「Docs Live」が追加されました。これまでGeminiでドキュメントを作成するには、明示的な入力が必要でしたが、今後はマイクに向かって話すだけで、Geminiが自動的にドキュメントに整理してくれます。今後のアップデートでは、音声によるドキュメントの作成や編集もサポートされる予定です。Docs Liveは今夏にGoogleの購読者向けに順次展開され、GmailとKeepにも同時期に音声機能が追加されます。

地図に質問する

マップアプリは、より複雑で長い質問に対応する「マップに質問」機能など、過去10年間で最大規模のアップグレードを実施します。

インフラ：設備投資額は310億ドルから1800億ドルに及ぶ。

これらの製品の大規模な運用を支えるには、莫大なインフラ投資が必要となる。

2022年のGoogleの年間設備投資額は310億ドルだった。今年は約1800億ドルから1900億ドルに達すると予測されており、これは2012年の約6倍に相当する。

チップレベルでは、GoogleはCloud Nextで第8世代TPUを発表した。これは初めてデュアルチップ戦略を採用し、トレーニングと推論専用のアーキテクチャを備えている。

TPU 8tは、前世代の約3倍の計算能力を持つ大規模な事前学習に使用されます。JAXおよびPathwaysと組み合わせることで、学習は単一のデータセンターに限定されず、複数のサイトに分散して実行できます。世界中で100万個以上のTPUにアクセスでき、世界最大の学習クラスタを形成します。モデルの学習時間は、数ヶ月から数週間に短縮されました。

TPU 8iは推論処理に特化して設計されており、包括的な速度最適化機能を備えています。両チップとも、前世代のチップに比べて約2倍のエネルギー効率を実現しています。

新モデル：ジェミニオムニとジェミニ3.5フラッシュ

ジェミニオムニ

AIはテキスト予測から現実世界のシミュレーションへと移行しつつあります。Googleが新たにリリースしたマルチモーダル世界モデル「Gemini Omni」は、あらゆるモダリティからの入力を受け付け、あらゆるモダリティからの出力を生成できます。初期バージョンでは主に動画を出力しますが、今後画像やテキストにも対応予定です。Gemini Omni Flashは、Geminiアプリ、Google Flow、YouTube Shortsで本日より利用可能となり、開発者や企業顧客は今後数週間以内にAPI経由でアクセスできるようになります。

1) 自然言語を用いた動画編集

Omniは、対話による段階的なビデオ編集をサポートしており、各指示は前の指示に基づいて構築されるため、キャラクター間の一貫性、物理法則の遵守、シーン間の整合性が確保されます。

2) 物理的理解と世界に関する知識

Omniは、重力、運動エネルギー、流体力学といった物理法則をより正確かつ直感的に理解しているため、生成されるシーンの物理的表現がよりリアルになります。さらに、単なるパターンマッチングを行うのではなく、Geminiの歴史的、科学的、文化的背景知識を活用して、言語、画像、意味を結びつけることができます。

3) 入力の任意の組み合わせ

Omniは、画像、テキスト、動画、音声を同時に入力として使用し、一貫したスタイルの出力を生成することをサポートしています。

4) デジタルアバター

ユーザーはOmniを使って自分だけのデジタルアバターを作成し、自分にそっくりな見た目と声の動画を生成できる。Googleによると、動画内の音声や声の調整については現在もテスト中だという。

しかし、一部のユーザーによる初期テストでは、ominiの動画生成機能はかなり劣っており、seedance 2.0には遠く及ばないことが明らかになった。

ジェミニ3.5フラッシュ

Googleは本日、Gemini 3.5 Flashを発表し、最先端のインテリジェンスとモビリティを融合させた次世代モデルとして位置づけた。

3.1 Proと比較して、3.5 FlashはTerminal-Bench 2.1（76.2%）、GDPval-AA（1656 Elo）、MCP Atlas（83.6%）など、いくつかのベンチマークで優れた性能を発揮し、マルチモーダル理解のためのCharXiv Reasoningでは84.2%を達成しました。特に、現実世界で経済的価値を持つタスクを具体的に測定するGDPvalにおいて、その改善は顕著です。速度面では、他の最先端モデルよりも1秒あたり4倍速くトークンを出力します。

Flash 3.5 は Antigravity と連携して、複数のサブエージェントをスケジュールし、協調して動作させることで、大規模な複雑なタスクを処理することができます。

フロントエンド生成機能は依然として非常に強力です。マルチモーダル機能をベースに、Flash 3.5はよりリッチなインタラクティブなWebページUIやグラフィックを生成できます。例えば、AI Studioで研究論文用のインタラクティブなアニメーションを直接生成することも可能です。

価格面では、3.5 Flashは同等の最先端モデルの半額以下です。Googleの試算によると、大手企業は1日に約1兆トークンを処理しており、ワークロードの80%を他の最先端モデルから3.5 Flashに切り替えれば、年間10億ドル以上のコスト削減が可能になるとしています。

Gemini 3.5 Flashは本日よりすべてのユーザーとAPIで利用可能になります。Gemini 3.5 Proは現在Google社内で使用されており、来月リリース予定です。

Googleの社内データによると、AI開発ツールのトークン処理量は、AntigravityプラットフォームとFlash 3.5のおかげで、3月の1日あたり5000億トークンから現在では1日あたり3兆トークン以上に倍増した。

Antigravity 2.0: エージェント開発プラットフォーム

Antigravityは、元々はAIプログラミング環境でしたが、現在は完全な自律型AIエージェントの開発および管理プラットフォームへと拡張しています。

Antigravity 2.0は、エージェント間の相互作用の中心となる新しいスタンドアロンのデスクトップアプリケーションで、ユーザーはさまざまなエージェントを調整して異なるタスクを処理できます。速度に関しては、このバージョンは特別に最適化されたFlashを使用しており、他の最先端モデルよりも12倍高速です。Antigravity 2.0はCodexとほとんど同じように見えます。😂

アンチグラビティのユーザーは本日より体験を開始できます。詳細は公式発表をご覧ください。

https://deepmind.google/technologies/antigravity/

ジェミニ・スパーク：24時間365日稼働するパーソナルAIエージェント

Geminiアプリは、ユーザーの許可を得て、ユーザーに代わってデジタル世界で行動するパーソナルAIエージェント「Gemini Spark」を間もなくリリースする予定です。

いくつかの重要な特徴：

・専用のGoogle Cloud仮想マシン上で動作するため、コンピュータを常時起動しておく必要なく、24時間365日連続稼働が可能です。
Gemini 3.5とAntigravityを搭載しているため、バックグラウンドで長時間実行されるタスクも容易に処理できます。
• まずはGoogle独自のツールを使った統合から始め、今後数週間以内にMCPを介してサードパーティ製ツールを統合していく予定です。
・Geminiアプリ内でのやり取りをサポートしており、将来的にはメールやインスタントメッセージでも利用できるようになる予定です。
・Android版では、今年後半に提供開始予定の新しいUIスペース「Android Halo」を通じて、エージェントのリアルタイムの進捗状況を確認できます。
・今夏後半には、SparkはChrome上で直接動作し、ページ間エージェントブラウザとなる予定です。

Sparkは今週から信頼できるテストユーザー向けに公開され、ベータ版は来週、米国のGoogle AI Ultra加入者向けに展開される予定です。

検索はエージェント時代に突入する

検索機能もまた、エージェントへと進化しつつある。

情報エージェント：ユーザーは、バックグラウンドで継続的に実行されるパーソナライズされたAIエージェントを設定できます。このエージェントは、必要な情報を積極的に探し出し、適切なタイミングで行動を起こすのを支援します。この機能は、今夏からGoogle AI ProおよびUltraの加入者向けに順次展開されます。

ジェネレーティブUI ：Gemini 3.5 FlashとAntigravityを組み合わせることで、検索機能は各質問に対して、パーソナライズされたレイアウトやインタラクティブなビジュアルコンテンツを含む、カスタマイズされたインターフェースを動的に生成します。この機能は今夏、すべてのユーザーに無料で提供されます。

永続的なカスタムカンバンボード：継続的な追跡が必要な長期タスク向けに、検索機能では、特定のタスクに合わせてカスタマイズされたミニアプリのようなカスタムカンバンボードや追跡ツールを作成できます。この機能は、今後数か月以内に米国のGoogle AI ProおよびUltra加入者向けに提供される予定です。

その他の公開コンテンツ

デイリーブリーフ：Geminiアプリに間もなく搭載されるエージェント機能は、受信トレイ、カレンダー、タスクを統合し、パーソナライズされたデイリーサマリーを生成します。情報を要約するだけでなく、優先順位付け、整理、次のステップの提案も行い、簡単に閲覧できるようにします。

Google Flow ：本日、すべてのユーザー向けに新しいエージェントを展開します。これにより、ユーザーは複雑なタスクを計画し、ユーザーの参加と制御によって処理できるようになります。このエージェントは、Flow内で直接Viveコーディングをサポートし、ビデオエフェクトデザイン、手描きアニメーション、テキストオーバーレイツールなど、さまざまなクリエイティブツールに対応します。

Google Pics ：最新のナノバナナモデルをベースにした、AIを活用した画像作成・編集ツールです。画像内の各要素を平面画像ではなく独立したオブジェクトとして扱い、細部まで正確に作成、置換、調整できます。現在、信頼できるベータ版ユーザー向けに提供されており、今夏後半にはWorkspaceを通じてGoogle AI ProおよびUltraの購読者向けに展開される予定です。

スマートグラス：昨年初めに発表されたAI搭載スマートグラス製品の詳細が明らかになった。オーディオグラス（イヤホン型で音声ガイダンス機能付き）とディスプレイグラス（情報表示機能付き）の2種類があり、どちらもGeminiとのハンズフリー操作に対応している。オーディオグラスは今秋発売予定。

Gemini for Science ：科学研究のためのAIツールセット。Geminiの高度な推論および研究機能であるDeep ThinkとDeep Researchを統合し、さらにAntigravityなどのエージェントプラットフォームを30以上の主要な生命科学データベースやツールに接続するScience Skillsを追加しました。ユーザーはGoogle LabsでGemini for Scienceの実験的な機能を試すことができます。Science Skillsは本日よりGitHubとAntigravityで直接利用可能です。

TPU 8iからGemini 3.5、そしてAntigravityとSparkに至るまで、Googleが今年のI/Oで発表したのは、チップからアプリケーションまで、エージェントへと進化していく完全なシステムだった。

Googleは、自社のAIコーディングツールを費用対効果の高い選択肢として位置付けている。

人気記事