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！即日起，你可以隨選隨看相關內容。
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，有以下幾項優點：
- 私密：敏感的使用者資料會保留在裝置上，完全不必離開瀏覽器。
- 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 採用硬體加速功能，因此效能極佳。
查看各項內建 AI API 的程式碼範例、瞭解最新狀態，以及查看導入這項技術的公司。
多模態 API
我們正在開發全新的多模態 API，也就是說，你可以詢問模型在圖片或音訊中「看到」或「聽到」的內容。舉例來說，在部落格平台中，使用者上傳圖片後，系統會提供替代文字建議，使用者可以再加以調整。你也可以要求 Gemini Nano 撰寫 Podcast 的說明或轉錄稿。
混合式 AI
開發人員在使用用戶端 AI 時，面臨的一項挑戰是並非所有平台和瀏覽器都符合硬體需求，因此無法在裝置上執行模型。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，我們就無法完成這些工作。
- 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，您們打造出許多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 機器學習社群群組，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 輔助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。在這次演講中，Sebastian Benz 提供了實用範例，說明 Chrome 擴充功能和 Gemini 結合後為何能發揮如此強大的效用。
例如，您可以透過 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地存取音訊和圖片。
我們將說明 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，一窺瀏覽的未來。
瞭解如何透過雲端或瀏覽器中的 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，重要的是您現在就能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使用者即時留言，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。這些模型使用多個 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。一項針對 50 名兒童進行的試驗顯示，Vision Nanny 的回應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，其中有些公司在案例研究中分享了相關成果。
運用用戶端網頁 AI 代理，打造更智慧的未來使用者體驗
Jason Mayes 介紹了網路的未來：網路 AI 代理。網路的未來將是代理式，直接在瀏覽器中提供 AI 功能，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。代理可讓您升級現有網站，自主為使用者執行工作、動態選取及使用公開工具 (可能以迴圈形式)，讓代理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，透過多步驟規劃將工作分解為邏輯步驟，以處理更複雜的問題。
- 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脈絡記錄的先進先出緩衝區，最多可達模型的脈絡視窗大小；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、回應迅速且個人化的使用者體驗。隨著裝置執行 LLM 的能力越來越強大，您投資 Web AI 方法的回報很快就會實現。
回顧 2025 年 Google I/O 大會
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。