每经编辑：毕陆名

谷歌（GOOGL，股价196.66美元，市值24073亿美元）的旗舰AI研究实验室Google DeepMind周一大幅升级其人工智能驱动的内容生成工具，推出了Veo 2视频生成模型和增强版Imagen 3图像模型，挑战OpenAI在AI图像和视频生成的领先地位。谷歌表示，这些更新有望彻底改变创意工作流程，为视频和图像创作者提供更高的真实感和定制化体验。

谷歌介绍，Veo 2是谷歌的视频生成工具，能够生成多样化主题和风格的高质量视频。谷歌在博客中表示，这款模型在真实感方面表现卓越，能够捕捉到人类表情和电影效果等细节。其增强的物理和电影学理解能力使用户能够生成令人惊叹的内容，包括跟踪镜头和广角构图等。

图片来源：视觉中国

例如，Veo 2熟悉电影拍摄语言，用户可以要求某种类型的风格，指定镜头，建议电影效果，Veo 2都会以高达4K分辨率并延长到数分钟的视频长度来呈现。值得注意的是，这一分辨率是OpenAI Sora模型的4倍，视频时长更是其6倍以上。

不过，目前这些优势仍是理论上的。在谷歌的实验性视频创作工具VideoFX中，Veo 2生成的视频被限制为720p分辨率、8秒的长度。（相比之下，Sora的最大输出为1080p、20秒的短片。）

谷歌表示，虽然视频生成模型往往会“幻象化”出不需要的细节，例如多余的手指或意外的物体，但Veo 2在这一方面的表现更为真实，生成错误的频率较低。此外，Veo 2生成的视频包括不可见的SynthID水印，用于标记它们为AI生成的内容，从而减少误用或错误归属的风险。

DeepMind产品副总裁Eli Collins对媒体表示，随着模型逐渐具备规模化使用的准备，谷歌将通过其Vertex AI开发者平台提供Veo 2。

开发者和创作者目前可以通过谷歌实验室（Google Labs）访问该工具，预计到2025年，它将广泛集成至诸如YouTube Shorts等平台。同时，Imagen 3模型在图像构图和细节准确性方面得到了增强，支持从写实到抽象的各种风格，能够生成更丰富的纹理，并更加忠实地回应用户提示。

目前，Imagen 3已经通过谷歌实验室的ImageFX工具在100多个国家上线，全球用户可以试验其尖端功能。

此外，谷歌还推出了Whisk，这是一款结合了Imagen 3和Gemini视觉分析能力的创意工具。用户可以输入图像，生成详细的文字描述、重新混合风格，或设计个性化作品，如数字玩偶或搪瓷徽章。

谷歌介绍，Whisk结合了Imagen 3模型和Gemini的视觉理解与描述能力。Gemini模型会自动为用户的图像生成详细的文字描述，并将这些描述传递给Imagen 3。这一过程让用户能够以有趣的新方式重新混合主题、场景和风格。

图片来源：谷歌官网截图

北京时间12月10日，谷歌宣布研发出新的量子芯片Willow（威洛）。这款计算能力超强的芯片，实现了量子计算领域30年来的关键性突破，5分钟即可完成当今计算机要10尧（10的25次方）年才能完成的任务。研究成果发表在12月9日出版的《nature》杂志上。

消息传出后，量子信息行业一片欢呼，AI圈也大受震撼。

Willow的重大突破表现在两个方面：一是性能也就是计算能力的大幅飞升。5分钟计算量相当于目前运行速度最快的计算机10尧（10的25次方）年才能完成的任务。10²年远高于宇宙的年龄（约130亿年）。5分钟与10²年，这个对比，可见其计算速度的跃升非常之恐怖。

二是强大的量子纠错能力。Willow在量子纠错领域实现的重大进展是，基于可扩展的方形网格，逻辑量子比特数量（目前是105个量子比特）增加，错误率却迅速下降。其从3x3编码量子位扩展到5x5的网格，再扩展到7x7的网格，每次扩展，错误率减半。而且Willow可实时纠错，这使其在短时间内扩展到更高位阶的量子比特（比如1050个）成为可能。

以上两项重大突破，相比性能提升，纠错能力更受科学家关注。