Alphabet称Gemini月活破9亿 预计6月推出Gemini 3.5 Pro

背景

在人工智能大模型竞争日益白热化的当下，头部科技巨头正加速推进多模态能力的落地与商业化。谷歌母公司 Alphabet 近期披露了其核心 AI 产品 Gemini 的最新用户数据及未来路线图，同时京东也在音视频生成领域推出了新的开源框架。此外，OpenAI 与 Microsoft 在开发工具链上的整合动作，以及微软在操作系统层面的 Agent 化尝试，共同构成了当前 AI 应用从“模型能力”向“智能体工作流”演进的关键时间节点。

核心内容

Alphabet 披露 Gemini 用户数据及新品计划 据 36 氪快讯报道，Alphabet 表示其 Gemini 应用在 5 月份的平均月活跃用户数（MAU）已突破 9 亿。这一数字较 2025 年 5 月的 4 亿增长了一倍以上，显示出极高的用户增长势头。Alphabet 同时宣布，预计 Gemini 3.5 Pro 版本将于 6 月正式推出。在财务方面，Alphabet 重申了其全年资本支出展望，预计将在 1800 亿至 1900 亿美元之间，这一区间与市场预估的 1866 亿美元基本吻合，反映了其在 AI 基础设施上的持续高强度投入。

京东推出 JoyAI-Echo 长音视频生成框架 36 氪获悉，京东推出了名为 JoyAI-Echo 的长音视频生成框架。该框架的核心亮点在于引入了智能“导演助理” Director Agent，并内置了专门的记忆库。在多镜头生成过程中，该记忆库能够持续保存并调用角色的外观特征和说话人音色信息，从而解决长视频生成中角色一致性难的问题。目前，JoyAI-Echo 的代码与权重已全部开源，旨在降低行业开发门槛。

ChatGPT 与 Codex 官宣合体 OpenAI 的 ChatGPT 与代码生成工具 Codex 正式宣布整合。这一举措旨在打造“超级 Agent”，通过结合自然语言交互与强大的代码执行能力，提升用户在复杂任务中的工作效率。

Windows 系统向 Agent 工位转型 微软近期展示了 Windows 系统的最新进展，旨在将个人 PC 转变为“Agent 工位”。这一更新意味着操作系统将更深层次地集成 AI 智能体功能，使用户能够通过自然语言指令直接操作系统层面的应用和服务。

关键要点

• 用户规模激增：Gemini 应用月活用户从 2025 年 5 月的 4 亿飙升至 9 亿，实现翻倍以上增长。
• 新品发布节奏：Alphabet 确认 Gemini 3.5 Pro 将于 6 月推出，持续迭代模型能力。
• 资本支出高位运行：Alphabet 全年资本支出预期为 1800-1900 亿美元，与市场共识一致，显示 AI 基建投入不减。
• 京东开源音视频框架：JoyAI-Echo 通过 Director Agent 和记忆库技术，解决了长视频生成中的角色一致性问题，且已全量开源。
• 工具链深度融合：ChatGPT 与 Codex 合体，标志着通用对话模型与专业代码执行能力的边界模糊化。
• 操作系统智能化：Windows 系统正通过集成 Agent 功能，重塑个人电脑的工作流体验。

意义与影响

AI 应用的普及度验证 Alphabet 披露的 Gemini 用户数据表明，大语言模型及多模态 AI 应用正在迅速跨越早期采用者阶段，进入大众普及期。9 亿的月活用户规模不仅验证了 Gemini 的市场吸引力，也暗示了用户对 AI 助手类产品的依赖度正在快速提升。

视频生成技术的标准化与开源趋势 京东开源 JoyAI-Echo 并引入“导演助理”概念，标志着长视频生成技术正从黑盒实验走向工程化、标准化。通过解决角色一致性和音色记忆这一行业痛点，该框架有望降低高质量视频内容的创作门槛，推动 AIGC 在影视、广告及自媒体领域的应用落地。

从“模型”到“智能体”的范式转移 ChatGPT 与 Codex 的合体，以及 Windows 向 Agent 工位的演进，清晰地指向了 AI 发展的下一阶段：智能体（Agent）。未来的竞争焦点不再仅仅是模型的参数量或基准测试分数，而是模型执行复杂任务、调用工具以及跨应用协作的能力。操作系统和开发工具链正在成为承载这些智能体的新基础设施。

基础设施投入的长期主义 Alphabet 高达 1900 亿美元的资本支出预期，反映了科技巨头对 AI 基础设施长期需求的坚定判断。尽管短期财务压力存在，但为了维持技术领先优势和生态壁垒，头部企业仍在持续加码算力与数据中心建设，这将进一步巩固行业的高壁垒特征。