Google เปิดตัว Gemini Live และ Pixel 9 ซีรีส์ ท้าชน Advanced Voice Mode ของ OpenAI

เมื่อวันที่ 13 สิงหาคม 2024 Google จัดงานเปิดตัวฮาร์ดแวร์ประจำปี “Made by Google 2024” เปิดตัวผลิตภัณฑ์ใหม่หลายรายการพร้อมกัน ได้แก่ สมาร์ทโฟน Pixel 9 ซีรีส์รุ่นใหม่ มือถือพับได้รุ่นที่สอง Pixel 9 Pro Fold (ต่อจาก Pixel Fold รุ่นแรกในปี 2023) นาฬิกา Pixel Watch 3 รุ่นที่สาม และหูฟังไร้สาย Pixel Buds Pro 2 ส่วนซอฟต์แวร์ที่ได้รับความสนใจมากที่สุดในงานนี้คือฟีเจอร์สนทนาด้วยเสียงแบบใหม่ “Gemini Live” ซึ่งช่วยให้ผู้ใช้สามารถสนทนากับ Gemini ได้อย่างเป็นธรรมชาติแบบแฮนด์ฟรี แม้หน้าจอโทรศัพท์จะถูกล็อกหรือแอป Gemini ถูกสลับไปทำงานเบื้องหลัง การสนทนาก็ยังดำเนินต่อไปได้ไม่ขาดตอน Google ประกาศว่าจะทยอยเปิดให้ผู้ใช้งานภายในไม่กี่สัปดาห์ข้างหน้า โดยยังไม่ระบุวันเปิดใช้งานเต็มรูปแบบที่แน่ชัด

ความหมายเชิงเทคนิค: จาก “ถาม-ตอบครั้งเดียว” สู่ “เพื่อนคู่คิดที่อยู่ต่อเนื่อง”

ผู้ช่วยเสียงในอดีตมักทำงานแบบพูดคำปลุกแล้วสั่งงานครั้งเดียว จบแล้วก็จบเลย จุดเปลี่ยนสำคัญของ Gemini Live คือ “สถานะการสนทนาต่อเนื่อง” แม้แอปจะถูกสลับไปทำงานเบื้องหลังหรือหน้าจอถูกล็อก การโต้ตอบด้วยเสียงยังคงอยู่ เท่ากับยกระดับผู้ช่วยเสียงจาก “เครื่องมือ” ไปสู่ “เพื่อนคู่คิดที่อยู่ประจำ” ซึ่งต้องอาศัยการออกแบบด้านการรักษาการเชื่อมต่อ การบริหารพลังงาน และการอนุญาตความเป็นส่วนตัว (การเข้าถึงไมโครโฟนขณะทำงานเบื้องหลัง) โดยความท้าทายทางเทคนิคไม่ได้อยู่ที่การรู้จำเสียงเพียงอย่างเดียว แต่อยู่ที่สถาปัตยกรรมการทำงานต่อเนื่องระดับระบบด้วย

เทียบกับคู่แข่ง: การตอบโต้ OpenAI โดยตรงของ Google

หลายฝ่ายมองว่า Gemini Live คือการตอบโต้โดยตรงต่อ “Advanced Voice Mode” ที่ OpenAI สาธิตในงานเปิดตัวเดือนพฤษภาคม 2024 และทยอยเปิดให้ทดลองใช้งานหลังจากนั้น ทั้งสองฟีเจอร์มีทิศทางใกล้เคียงกันมาก คือเน้นการสนทนาด้วยเสียงที่เป็นธรรมชาติ หน่วงเวลาต่ำ และต่อเนื่องได้ ความแตกต่างอยู่ที่ Google มีความได้เปรียบด้านการผนวกฮาร์ดแวร์กับระบบปฏิบัติการ การเปิดตัว Gemini Live พร้อมกับ Pixel 9 ซีรีส์ สะท้อนว่า Google ต้องการผูกซอฟต์แวร์กับฮาร์ดแวร์ ให้ประสบการณ์ AI เสียงเป็นเหตุผลสำคัญในการเลือกซื้อ Pixel แทนที่จะเป็นเพียงฟีเจอร์ระดับแอปทั่วไป

ปฏิกิริยาในวงการ: การผนวกซอฟต์แวร์-ฮาร์ดแวร์คือสมรภูมิถัดไปของผู้ช่วย AI

งานเปิดตัวครั้งนี้ยังอัปเดต Pixel Watch 3 และ Pixel Buds Pro 2 พร้อมกัน แสดงให้เห็นว่า Google กำลังขยายความสามารถด้านเสียงของ Gemini ไปทั่วทั้งระบบนิเวศอุปกรณ์สวมใส่ ไม่จำกัดเฉพาะโทรศัพท์เท่านั้น นักวิเคราะห์ส่วนใหญ่มองว่า เมื่อความสามารถหลักของโมเดลภาษาขนาดใหญ่เริ่มใกล้เคียงกันมากขึ้น จุดแข่งขันของแต่ละค่ายกำลังเปลี่ยนจาก “โมเดลฉลาดแค่ไหน” ไปสู่ “ใครฝัง AI เข้ากับสถานการณ์การใช้งานและอุปกรณ์ได้มากที่สุด” ความสามารถในการผนวกซอฟต์แวร์-ฮาร์ดแวร์จะกลายเป็นตัวชี้วัดสำคัญของขั้นต่อไป

ความหมายสำหรับผู้บริหาร

สำหรับผู้บริหาร สัญญาณจาก Gemini Live คือ AI เสียงแบบแฮนด์ฟรีที่ทำงานต่อเนื่องในเบื้องหลังกำลังจะเข้าสู่ความสมบูรณ์แบบ เหมาะกับสถานการณ์ที่มือไม่ว่างใช้งานหน้าจอ เช่น การเดินตรวจหน้าร้าน การตอบลูกค้า หรือการทำงานหน้างาน ควรติดตามว่าอุปกรณ์ Android ที่บริษัทจัดซื้อหรือแจกจ่ายในอนาคตจะรองรับฟีเจอร์นี้หรือไม่ และพิจารณาว่าพนักงานหน้างานสามารถใช้เสียงค้นหาข้อมูลหรือบันทึกสถานการณ์หน้างานแบบทันทีได้หรือไม่ เพื่อเป็นจุดเริ่มต้นต้นทุนต่ำในการเพิ่มประสิทธิภาพการตอบสนอง