Snapchat 接入 Google Gemini：My AI 具备图文视听多模态理解

Snapchat 里的 AI 助手换了新引擎。以前它只懂文字聊天，现在你随手拍一张照片甩过去，它能帮你认路、挑菜。

Snap 宣布扩大与 Google Cloud 的合作，把 Google 的 Gemini 模型接入旗下的 My AI 聊天机器人。有了 Gemini 的多模态能力，My AI 不仅能看懂文字，还能理解音频、图像和视频。

踢掉独家 ChatGPT，找来 Gemini 帮你看世界

Snapchat 上的 My AI 是 2023 年 2 月上线的，当时背后跑的还是 OpenAI 的 ChatGPT。这一回 Snap 没有把鸡蛋放在一个篮子里，而是拉来了 Google。

在上周的 Snap 合作伙伴峰会上，官方公布了一批类似 Google Lens 的视觉识别功能，背后其实都是 Gemini 在干活。

比如在国外旅游时拍下一张看不懂的路标，发给 My AI 就能即时翻译；或者去餐厅对着菜单拍一张，让它直接帮你挑出热量最低、最健康的那道菜。

根据 Google 公布的数据，自从 My AI 接入 Gemini 之后，该功能在美国的用户互动量直接涨到了原来的 2.5 倍以上。

Snap 和 Google Cloud 已经合作了 10 多年，这次把核心的生成式 AI 体验交给老搭档，两家公司的捆绑显然更深了。

不过隐患也一直都在。My AI 自推出以来，就因为对年轻用户特别是儿童的安全保护不足而受到外界质疑。现在 AI 变得更聪明、懂的媒介更多，如何防止未成年人接触不当内容依然是个没有解决的问题。

为什么重要

对 Snapchat 用户来说，My AI 终于从一个只能瞎聊的文字伴侣，变成了能解决日常现实问题的实用工具。出门旅行拍拍路标、点餐拍拍菜单，随手就能用上，几乎没有任何学习门槛。

我们认为，Snap 这次换用 Gemini 走得非常聪明。虽然 OpenAI 在底层大语言模型上名声在外，但 Google 在图像识别、多模态处理和实际场景理解上的底子极深。面对 Snapchat 这种以相机为主界面的应用，Gemini 明显比纯文字模型更对胃口。

这对于整个社交行业也是个信号：社交平台不再迷信单一家大模型供应商。根据具体场景挑选最合适的底层模型，会变成更多消费级产品的标配。

但 Snap 的挑战也显而易见。多模态意味着输入的内容更加复杂，审核与风险控制难度直线上升。面对以青少年为主的庞大用户群体，如何守住安全红线，看起来比把模型能力做强还要棘手得多。