谷歌图片庆祝视觉搜索创新25周年

背景

2000 年，Jennifer Lopez 在格莱美颁奖礼上身穿的绿色 Versace 连衣裙引爆互联网，Google 意识到当时仅靠蓝色文字链接的标准搜索页面已远远不够——用户不仅想阅读关于这条裙子的描述，更想亲眼看到它。于是，2001 年 7 月，Google 正式推出 Google Images，首次实现了从文本搜索到视觉内容搜索的跨越。此后 25 年间，Google 持续在视觉搜索领域创新，从图片搜索逐步演进到多模态、AI 驱动的交互式搜索体验。

核心内容

为庆祝 Google Images 上线 25 周年，Google 推出两项新功能，并梳理了视觉搜索领域的重大里程碑。

新功能一：全新可浏览的 Google Images 主页

Google Images 引入了一个全新的可浏览主页，以动态、沉浸式的图片画廊形式呈现来自全网的内容。页面会实时更新，并智能地根据用户个人兴趣进行个性化定制。当用户浏览并保存创意到自己的收藏集（collections）时，这些收藏集会作为标签显示在主画廊上方，方便随时跳回继续探索。该功能将在未来几周内面向美国桌面端英文用户逐步推出，需登录 Google 账号使用。

新功能二：在搜索 AI Overviews 中直接生成图像

当用户心中有一个高度具体的视觉构想但网上尚不存在对应图片时，Google 将图像生成能力直接集成到搜索的 AI Overviews 中。基于最新的 Nano Banana 模型，用户输入简单的文本提示即可生成完全从零开始定制的高质量视觉图像，实现从想象到现实的平滑连接。该功能将在未来几周内向当前支持 AI Mode 图像创建的所有区域（英文）逐步开放。

25 年视觉搜索创新里程碑

| 年份 | 产品/功能 | 核心创新 | |------|-----------|----------| | 2001 | Google Images | 首次实现全网图片搜索，开创视觉内容检索 | | 2009 | Similar Images | 支持基于图片的相似内容检索，无需额外文字查询 | | 2011 | Search by Image | 以图搜图，将图片本身作为搜索词 | | 2018 | Google Lens in Search | 通过智能手机摄像头实时识别物体、翻译文字、获取产品链接 | | 2022 | Multisearch in Lens | 文本与图片联合搜索（多模态），例如拍照地标并提问“什么风格设计” | | 2024 | Circle to Search | 在 Android 屏幕上通过圈选、高亮、涂鸦或点击实现即时搜索，无需切换应用 | | 2025 | Lens + AI Mode | 融合 Lens 的多模态能力与 AI Mode 的深度推理，上传图片后 AI Mode 可理解整个场景，并采用“视觉图像扇出”技术将单图搜索拆解为数十个子查询 | | 2025 | Search Live | 通过手机实时摄像头画面与 AI Mode 进行语音对话交互，捕捉运动和环境上下文，适用于厨房指导、设备故障排查等场景 | | 2025 | Visual Results in AI Mode | 以对话方式描述想法（如“不太宽松的桶型牛仔裤”），即时显示视觉灵感网格和可购买产品 | | 2026 | Circle to Search Multi-Object Recognition | 单张图片中同时识别多个物体，支持一键拆解整套穿搭或同时搜索多个物品 | | 2026 | Intelligent Search Box | 在搜索框中直接上传图片并提出详细问题，AI Mode 生成有用回答，支持一次性上传多张图片 |

关键要点

• 全新图片主页：Google Images 推出动态个性化画廊，支持实时收藏并可视化浏览，逐步向美国桌面端英文用户开放。
• AI Overviews 图像生成：采用 Nano Banana 模型，在搜索的 AI Overviews 中直接根据文本提示生成定制图像，覆盖所有支持 AI Mode 图像创建的区域（英文）。
• 25 年演进路径：从纯文本搜索 → 图片搜索 → 相似图片 → 以图搜图 → 摄像头实时搜索 → 多模态联合搜索 → 圈选搜索 → AI 深度推理场景理解 → 实时视频交互 → 多物体同时识别 → 智能搜索框图片提问。
• 关键技术：视觉图像扇出技术（Visual Image Fan-Out），将一张图片拆分为数十个子查询以理解完整视觉上下文；Nano Banana 模型专用于图像生成。
• 覆盖规模：Circle to Search 已在全球超过 5.8 亿台 Android 设备上可用。

意义与影响

Google 视觉搜索的 25 年创新历程，标志着搜索从“找到网页上的文字”发展为“理解并探索你所见的一切”。其意义体现在三个层面：

1. 从检索到创造：最初只能被动查找已有图片，现在用户可以通过文本提示直接生成全新的视觉内容，搜索从信息获取工具演变为创意生成平台。
2. 从单一模态到多模态深度理解：搜索能力从文字→图片→多模态（图文联合）→实时视频交互，结合 AI 推理实现了对场景、动作、上下文的全面理解，使搜索更贴近人类自然感知方式。
3. 无处不在的搜索入口：从搜索框到手机摄像头，再到实时视频流和圈选手势，搜索交互方式不断降低门槛，让信息获取融入日常生活的每一个瞬间。

未来，视觉搜索将进一步打破“想象”与“现实”的边界，推动搜索从工具性功能向主动式、沉浸式智能助手进化。Google 表示将持续突破视觉搜索的可能性边界，让世界上的视觉信息即时可访问、可创造、可探索。