發布日期：2025 年 5 月 22 日
AI 正在改變網頁開發人員建構網站和網頁應用程式的方式。在 2025 年 Google I/O 大會上，我們分享了過去一年來的研發成果，展示合作夥伴如何在網路上運用 AI 技術，並宣布推出全新的內建 AI API。
錯過活動了嗎？好消息！現在可以隨選觀看演講影片了！
Chrome 內建 Gemini Nano，提供實用 AI 功能
我們的核心使命是為所有開發人員和使用者打造更智慧的 Chrome 和網路。在這場演講中，Thomas Steiner 分享了內建 AI 的最新消息、實際應用情境，以及我們對未來的展望。
內建 AI 會在瀏覽器中執行用戶端模型，這有幾項優點：
- 私密：敏感的使用者資料會保留在裝置上，絕不會離開瀏覽器。
- 離線：即使沒有網路連線，應用程式也能存取 AI 功能。
- 效能優異：這些 API 採用硬體加速技術，效能極佳。
查看各項內建 AI API 的程式碼範例、瞭解最新狀態，以及查看採用這項技術的公司。
多模態 API
我們正在開發全新的多模態 API。也就是說，你可以詢問 Gemini Nano 影像內容中的「所見」或音訊內容中的「所聞」。舉例來說，在部落格平台中，針對上傳的圖片取得替代文字建議，供使用者調整和修改。你也可以要求 Gemini Nano 撰寫 Podcast 的說明或轉錄稿。
混合式 AI
開發人員在用戶端 AI 方面面臨的一項挑戰是，並非所有平台和瀏覽器都符合在裝置上執行模型所需的硬體規格。Gemini 和 Firebase 合作建構了 Firebase Web SDK，因此在無法進行用戶端實作時，您可以改用伺服器上的 Gemini Nano。
與您合作
很高興能與眾多開發人員合作，共同打造內建的 AI API。沒有您的支持，我們就無法達成這些目標。
- 搶先預覽計畫：超過 16,000 名開發人員已加入EPP，測試新 API、發掘新用途，並提供意見回饋，協助我們打造更優質的網頁專用 AI。
- 黑客松：我們舉辦了兩場黑客松，您也建構出一些令人驚豔的網站和擴充功能。
你的工作還沒結束。歡迎繼續提供意見，測試新的內建 API，我們會持續改善。您甚至可以加入 W3C 的 Web Machine Learning Community Group，協助這些 API 標準化。
Gemini 版 Chrome 擴充功能：瀏覽器擴充功能的未來
過去兩年，AI 擴充功能的數量增加了一倍。事實上，從 Chrome 線上應用程式商店安裝的所有擴充功能中，有 10% 使用 AI。在本演講中，Sebastian Benz 提供了實用範例，說明 Chrome 擴充功能和 Gemini 的組合為何如此強大。
例如，您可以運用 Chrome 新推出的提示 API，從用戶端網站擷取及處理資料，讓瀏覽器更加實用。
我們將展示 Chrome 擴充功能中 Chrome 提示 API 的全新多模態功能，如何讓使用者更輕鬆存取音訊和圖片。
Google DeepMind 的 Project Mariner 如何運用 Chrome 擴充功能和最新的 Gemini Cloud API，建構功能齊全的瀏覽器代理程式，帶您一窺瀏覽的未來。
瞭解如何運用雲端或 瀏覽器中的 Gemini，在 Chrome 擴充功能中打造全新瀏覽體驗，讓瀏覽器更加實用。
網頁 AI 應用實例和策略
廣田百合子和 Swetha Gopalakrishnan 舉出實際案例，說明企業如何運用網路上的 AI 技術改善業務和使用者體驗。無論解決方案採用用戶端模型、伺服器端模型或混合式模型，重要的是您能立即為使用者提供令人期待的新功能。
BILIBILI 推出彈幕留言新功能，讓影片串流更具吸引力。這類廣告會在影片中顯示即時使用者留言，並在演講者後方呈現。為此，他們運用了圖像分割技術，這是一項廣為人知的機器學習概念。因此工作階段持續時間增加了 30%！Tokopedia 使用臉部偵測模型評估上傳相片的品質，減少賣家驗證程序的阻力。因此，他們手動核准的次數減少了近 70%。
Vision Nanny 是專為腦部視覺障礙 (CVI) 兒童設計的網路平台，提供 AI 輔助的視覺刺激活動。他們使用多個 MediaPipe 程式庫，包括手部地標偵測模型，可找出圖片、影片或即時影像中的手部關鍵點。一項有 50 名兒童參與的試驗顯示，Vision Nanny 的回覆速度比手動視覺刺激活動快 5 倍。治療師表示，移除手動設定後，平均每節療程可省下三小時。
Google Meet 採用多項 AI 輔助功能，可改善光線、減少模糊，讓影片更清晰。最大的挑戰在於這些功能必須即時運作。這時WebAssembly (Wasm) 就派上用場了，可充分發揮電腦 CPU 的效能，並即時處理影片。
以上只是幾個實際案例，說明 AI 如何在網路上發揮作用。其他幾家公司也試用內建的 AI API，其中部分公司在個案研究中分享了相關成果。
用戶端網頁 AI 代理程式，打造更智慧的未來使用者體驗
Jason Mayes 介紹了網際網路的未來：Web AI 代理程式。網路的未來將是代理程式的天下，AI 功能會直接整合到瀏覽器，代表您執行實用工作，超越大型語言模型 (LLM) 的功能。
採用用戶端方法可加強隱私權防護、縮短延遲時間，並大幅節省費用。代理程式可讓您升級現有網站、為使用者自主執行工作、動態選取及使用公開工具 (可能處於迴圈中)，讓代理程式完成可能複雜或多步驟的工作。
服務專員可以：
- 規劃及劃分子工作，透過多步驟規劃處理更複雜的問題，將工作分解為合理的完成步驟。
- 選取最佳工具，無論是函式、API 用法或資料存放區存取權，都能擴增語言模型的基本知識，然後對外部世界執行動作。
- 保留以脈絡為依據的記憶，根據代理或外部工具先前的輸出內容。短期記憶體的作用類似於 FIFO 緩衝區，可儲存模型情境視窗大小上限的情境記錄，而長期記憶體則可使用向量資料庫儲存資訊，以便從先前的對話工作階段或其他資料來源中視需要擷取資訊。
網頁 AI 代理程式的設計宗旨，是整合 JavaScript 中的現有網頁技術。最終，我們必須持續加速硬體開發，才能在瀏覽器中以最佳狀態執行模型。展望未來，WebNN 等技術將在 CPU、GPU 和 NPU 之間，扮演最佳化模型執行的重要角色。隨著 LLM 越來越小，且持續進步，未來只會更加強大。
建議採用混合式做法，結合裝置端處理和策略性雲端呼叫，立即在瀏覽器中打造智慧、回應迅速的個人化使用者體驗。隨著裝置執行大型語言模型的能力越來越強，您很快就能從投資 Web AI 方法中獲得回報。
重溫 2025 年 Google I/O 大會內容
我們已發布 2025 年 Google I/O 大會的所有演講，並為網頁開發人員提供專屬播放清單。如要觀看更多內容，請前往 io.google/2025。