Snapchat 接入 Google Gemini：My AI 具備圖文視聽多模態理解

Snapchat 裡的 AI 助手換了新引擎。以前它只懂文字聊天，現在你隨手拍一張照片甩過去，它能幫你認路、挑菜。

Snap 宣佈擴大與 Google Cloud 的合作，把 Google 的 Gemini 模型接入旗下的 My AI 聊天機器人。有了 Gemini 的多模態能力，My AI 不僅能看懂文字，還能理解音訊、影像和影片。

踢掉獨家 ChatGPT，找來 Gemini 幫你看世界

Snapchat 上的 My AI 是 2023 年 2 月上線的，當時背後跑的還是 OpenAI 的 ChatGPT。這一回 Snap 沒有把雞蛋放在一個籃子裡，而是拉來了 Google。

在上週的 Snap 合作伙伴峰會上，官方公佈了一批類似 Google Lens 的視覺識別功能，背後其實都是 Gemini 在幹活。

比如在國外旅遊時拍下一張看不懂的路標，發給 My AI 就能即時翻譯；或者去餐廳對著選單拍一張，讓它直接幫你挑出熱量最低、最健康的那道菜。

根據 Google 公佈的資料，自從 My AI 接入 Gemini 之後，該功能在美國的使用者互動量直接漲到了原來的 2.5 倍以上。

Snap 和 Google Cloud 已經合作了 10 多年，這次把核心的生成式 AI 體驗交給老搭檔，兩家公司的捆綁顯然更深了。

不過隱患也一直都在。My AI 自推出以來，就因為對年輕使用者特別是兒童的安全保護不足而受到外界質疑。現在 AI 變得更聰明、懂的媒介更多，如何防止未成年人接觸不當內容依然是個沒有解決的問題。

為什麼重要

對 Snapchat 使用者來說，My AI 終於從一個只能瞎聊的文字伴侶，變成了能解決日常現實問題的實用工具。出門旅行拍拍路標、點餐拍拍選單，隨手就能用上，幾乎沒有任何學習門檻。

我們認為，Snap 這次換用 Gemini 走得非常聰明。雖然 OpenAI 在底層大語言模型上名聲在外，但 Google 在影像識別、多模態處理和實際場景理解上的底子極深。面對 Snapchat 這種以相機為主介面的應用，Gemini 明顯比純文字模型更對胃口。

這對於整個社交行業也是個訊號：社交平臺不再迷信單一家大模型供應商。根據具體場景挑選最合適的底層模型，會變成更多消費級產品的標配。

但 Snap 的挑戰也顯而易見。多模態意味著輸入的內容更加複雜，稽核與風險控制難度直線上升。面對以青少年為主的龐大使用者群體，如何守住安全紅線，看起來比把模型能力做強還要棘手得多。