Google AI模式让视觉搜索一次识别多对象，开启多搜索并行新体验

背景与需求

随着智能手机和社交媒体的普及，用户经常会在图片中寻找灵感——无论是整套服装、家居摆设还是艺术作品。传统的视觉搜索只能一次识别单一对象，用户需要多次手动点击才能获取完整信息，效率低下。Google 为此推出了 AI Mode，旨在让搜索能够“一图多查”，一次性返回完整场景的答案。

技术原理：Fan‑out 多搜索

• 多对象分解：AI Mode 首先使用 Gemini 模型对上传的图片进行分割和标签化，识别出图片中的每个独立实体（如帽子、鞋子、桌子等）。
• Fan‑out 技术：识别后，系统会并行触发多条搜索请求，每条请求对应一个对象的查询。
• 结果聚合：搜索后端返回的结果被快速读取、筛选，并在后台合成一段结构化的答复，呈现在同一页面上。

“AI 模型充当‘大脑’，视觉搜索后端相当于‘图书馆’，两者协同完成多对象推理与信息检索。”——Google Search 高级工程总监 Dounia Berrada

Gemini 模型的多模态能力

• 图文协同：Gemini 同时处理图像像素和自然语言提示，能够理解用户的上下文意图（例如“这套装扮适合春季吗？”）。
• 工具调用：模型会判断何时调用 Lens、何时调用普通网页搜索或特定数据库，实现工具的动态选择。
• 规模与效率：得益于最新的 Transformer 架构和大规模预训练，Gemini 能在毫秒级完成图像解析并生成查询列表。

场景与影响

1. 电商购物：用户拍摄整套服装或家居陈设，AI Mode 即可返回每件商品的购买链接、价格与相似推荐，极大提升转化率。
2. 生活指南：上传花园照片，系统会一次性提供每种植物的养护要点、适宜气候以及购买渠道。
3. 文化教育：在博物馆拍摄展厅，AI Mode 能一次性解释每幅画作的作者、年代与艺术背景，帮助游客深度学习。

展望

AI Mode 的多搜索并行技术为视觉搜索设立了新标杆，未来可能进一步融合实时 AR、语音交互以及更细粒度的对象关系推理。随着 Gemini 系列模型的迭代，搜索体验将从“看到即搜索”向“看到即理解”迈进，助力用户在海量信息中快速获取全景答案。

本文基于 Google 官方发布的技术访谈与产品说明撰写，旨在为业界提供客观的技术解读。