Astra是谷歌开发的一款实时多模态助手，于2025年5月在谷歌年度开发者大会Google I/O上首次公开演示。该助手基于谷歌深度思维的Project Astra研究计划构建，旨在以对话方式处理和响应实时视频、音频及屏幕内容。与早期主要依赖语音命令的语音助手不同，Astra将连续视觉理解与自然语言处理相结合，使用户可以对着物体举起智能手机摄像头或共享屏幕，并就助手所见内容提出问题。
在2025年I/O大会上的亮相将Astra定位为谷歌更广泛人工智能战略的核心组成部分，该战略还包括Gemini 2.5模型系列。Astra被呈现为Google Assistant概念的演进，从命令控制界面转变为主动、上下文感知的对话代理。这一公告在科技媒体中引发了广泛关注，许多评论者将Astra与其他新兴多模态AI系统以及ChatGPT和Claude等产品的对话能力进行比较。
技术架构
Astra的底层技术整合了谷歌AI研究组合中的多个组件。该系统使用一个多模态大型语言模型，能够同时接收视频帧、音频流和文本。该模型经过训练，可将这些输入融合为统一表示，使助手能够实时回答关于视觉场景的问题。例如，用户可以将手机对准一件设备并询问操作说明，或共享计算机屏幕并请求解释图表。
实时处理能力是通过高效模型架构和优化推理管线的组合实现的。谷歌表示，Astra以低延迟运行，通常在用户说完话后几百毫秒内作出响应。这种响应速度对自然对话至关重要，因为超过一秒的延迟可能打断对话流程。该系统还采用了一种记忆机制，使其能够回忆对话的早期部分，这对于多步骤任务（如故障排除或学习新技能）非常有用。
Astra可通过Android和iOS上的Google应用以及Gemini应用界面使用。在这些环境中，经用户许可后，它可以访问设备摄像头和麦克风，并在用户选择共享屏幕时捕获屏幕内容。该助手设计支持多种语言，谷歌在发布时宣布支持包括英语、印地语和西班牙语在内的几种主要语言。
与Project Astra的关系
Project Astra于2024年12月由谷歌深度思维首次作为研究原型公开。该项目旨在构建一个通用助手，能够通过连续感知理解世界，而非依赖离散查询。早期演示展示了原型回答关于房间内物体的问题、识别地标以及协助导航任务的能力。研究阶段侧重于提高模型处理嘈杂现实输入的能力，如光线不足、背景噪音和快速摄像头移动。
从研究原型到商业产品的过渡发生在接下来的几个月内。谷歌将Project Astra技术与其Gemini模型集成，后者作为助手的推理引擎。2025年I/O大会的公告标志着该技术首次向公众开放，而非仅限于内部测试或特定合作伙伴。
2025年Google I/O大会上的演示
在2025年5月20日于加利福尼亚州山景城Shoreline Amphitheatre举行的Google I/O 2025主题演讲中，谷歌高管在多个现场场景中演示了Astra。在一次演示中，一位演示者将智能手机摄像头对准一块写满手写笔记的白板，并请求Astra总结要点。助手在几秒钟内正确识别了文本并提供了连贯的摘要。在另一段中，Astra被展示协助烹饪任务，识别台面上的食材并根据可用食材建议食谱。
演示中一个显著部分涉及屏幕共享。演示者共享了一个显示复杂电子表格的笔记本电脑屏幕，并请求Astra识别数据中的趋势。助手分析了电子表格的视觉内容，并对其检测到的模式进行了口头解释。这一能力被强调为面向处理数据密集型文档的专业人士的潜在生产力工具。
这些演示受到观众好评，但一些观察者指出，现场演示可能经过排练，未必完全代表现实世界中的性能。谷歌承认，Astra的准确性可能因环境条件和任务复杂性而有所不同。
与其他助手的比较
Astra的发布使谷歌与其他AI助手产品直接竞争。亚马逊的Alexa和苹果的Siri长期以来主导着消费级语音助手市场，但两者均未像Astra那样整合实时视觉理解。微软的Cortana已于2020年停用，为新进入者留下了空间。
更直接地，Astra与其他AI公司正在开发的多模态能力竞争。OpenAI已在其GPT-4和GPT-4o模型中展示了视觉能力，这些模型可以分析图像并回答相关问题。然而，这些系统通常要求用户上传静态图像，而Astra则处理实时视频流。Anthropic的Claude模型也支持图像输入，但它们主要侧重于文本，并不提供相同的实时对话交互。
Astra与谷歌生态系统的集成使其在某些情境中具有优势。例如，它可以访问Google Maps进行导航辅助、Google Search进行事实查询，以及Google Photos进行个人图像识别。这种集成类似于Google Assistant利用谷歌服务的方式，但Astra的多模态能力扩展了可能的查询范围。
隐私与安全考量
多模态助手的常开特性引发了重大隐私担忧。Astra需要访问设备摄像头和麦克风才能运行，这意味着它可能在没有用户明确意识的情况下捕获敏感信息。谷歌通过实施多项保障措施来解决这些问题。助手仅在用户明确调用时激活，无论是通过说出唤醒词还是点击图标。此外，视觉和音频数据在谷歌服务器上处理，公司表示未经用户同意不会使用这些数据来训练其模型。
屏幕共享带来了额外风险，因为它可能暴露密码、个人消息或机密文件。谷歌实现了一项功能，允许用户随时暂停或停止屏幕共享，并且助手在主动捕获屏幕时显示可见指示器。公司还表示，Astra不会在会话结束后记录或存储视频流，除非用户明确保存转录。
尽管采取了这些措施，隐私倡导者仍对潜在滥用表示担忧。如果技术被重新利用，分析实时视频的能力可能被用于监控，而对话日志的存储可能容易受到数据泄露的影响。谷歌通过强调其对数据最小化和用户控制的承诺作出回应，但在发布时尚未提供这些实践的独立审计。
可用性与定价
Astra在发布时向美国、英国及其他几个国家的用户开放，并计划在2025年晚些时候进行更广泛的推广。该助手作为Gemini应用的一项功能包含在内，使用Google账户即可免费使用。然而，一些高级功能，如更长的对话记忆和第三方应用集成，保留给Google AI Pro订阅者，该付费层级每月费用为19.99美元。
谷歌还宣布，Astra将集成到其Google Cloud平台中，面向企业客户。这一版本称为Astra for Business，允许组织在自己的基础设施内部署该助手，并提供额外的数据治理和合规控制。企业层级的定价在公告中未予披露。
反响与影响
对Astra的初步评价总体积极，科技记者称赞其响应速度和对话能力的自然性。许多人指出，在受控演示中，视觉理解出奇地准确，但在非受控环境中的一些测试揭示了物体识别错误和对模糊视觉场景的偶尔误解。助手在长时间对话中保持上下文的能力被强调为相较于早期系统的显著改进。
此次发布也对更广泛的AI行业产生了影响。通过向数百万用户提供实时多模态助手，谷歌为消费者对AI产品的期望设定了新基准。OpenAI和Anthropic等竞争对手被迫加速自身在多模态界面方面的工作，多家初创公司在I/O活动后的几个月内宣布了类似产品。
Astra的亮相为关于AI在日常生活中的作用的持续讨论作出了贡献。助手的能力引发了关于人机交互未来的问题，特别是基于文本的界面是否最终会被更自然、对话式的模式所取代。虽然这种转变不太可能迅速发生，但Astra证明了底层技术已足够成熟，适合主流部署。
未来方向
谷歌表示，Astra将继续演进，计划扩展其语言支持、改进对复杂场景的理解，并与更多第三方服务集成。公司还在探索将Astra用于可穿戴设备，如智能眼镜，这将使助手能够提供关于用户周围环境的实时信息，而无需手持设备。这一方向与谷歌早期在Google Glass上的工作以及最近在增强现实领域的投资相一致。
另一个开发领域是将Astra与Gemini 3及未来模型世代集成。随着底层模型能力的增强，Astra预计将处理更复杂的任务，如预订约会、进行购买或协助技术故障排除。公司还讨论了允许Astra代表用户采取行动的可能性，但需经过严格的用户批准机制。
截至2025年底，Astra仍然是面向消费者的最先进AI助手之一，其发布被广泛视为多模态AI系统发展的一个里程碑。该技术仍在不断完善，其对助手市场以及更广泛人机交互的长期影响仍有待观察。