一句话总结
Anthropic、OpenAI 先后引爆 9 月发布会后，Google 在 9 月 1 日连发两弹反击：Google Pics 把“提示词即设计”的专业级 AI 图像创作直接搬进 Workspace，正面硬刚 Canva 与 Adobe Express；同时 Gemini Agentic Video Understanding 上线——模型不再傻乎乎按 1 FPS 抽帧，而是自己决定“看哪里、看多快”，长视频分析 token 最高省 88%、成本降 66%、准确率反而提升约 7%。
数据来源
- Google Workspace Updates / blog.google 官方公告（2026-09-01）
- Google DeepMind《Introducing Agentic Video in Gemini》（2026-09-01）
- TechCrunch / The Verge / TechRepublic / Engadget 报道（2026-09-01/02）
- the-decoder / Android Authority / tbreak 数据分析（2026-09-02）
主角一：Google Pics ——“提示词即设计”的 Workspace 原生图像工具
5 月在 Google I/O 上亮相的 Pics，9 月 1 日起正式向企业客户与付费订阅用户分批开放（Rapid Release 9 月 1 日启动、Scheduled Release 9 月 15 日启动，各约 15 天内铺满）。它由 Google 的图像生成模型 Nano Banana 驱动，定位非常明确：让你不需要成为设计师，也能交付一张专业级图像——海报、社媒配图、营销素材，全在 Workspace 里完成。
Pics 的差异化不在“能生成图”——ChatGPT、Gemini 都能——而在编辑的精细度与工作流的零迁移：
- 对象级点选编辑：悬停选中图中的某个物体，用文字描述局部修改，而不是整图重绘；
- 图内文字处理：直接编辑、重排甚至翻译图片里的文字元素（海报上的英文一键变中文）；
- 多版本生成：一次提示给出多个候选，挑到满意为止；
- 高清放大到 2K/4K + 按 Web/社媒/印刷/数字预设裁剪 + 完整版本历史随时回退。
更关键的是集成：在 Docs 或 Slides 里选中一张图片，单击即可调出 Pics 的完整编辑工具，不用切换应用；Drive 的“一键打开任意图片编辑”也在数周内跟进。所有创作自动同步，支持多人协作与链接分享。可用范围：Workspace Business Standard/Plus、Enterprise Standard/Plus，以及 Google AI Pro/Ultra/Pro for Education 订阅（Business Starter 不含）。
轻设计战场的三方对比
Canva 靠模板与素材市场生态取胜，Adobe Express 背靠专业设计资产，而 Pics 的打法是深度工作流 + 提示词即设计——Google 明摆着要抢“做个海报、发个社媒”这类高频轻设计场景，让企业不再为这点小事订阅第三方工具。对企业 IT 而言有个提醒：Pics 对合格组织默认开启，上线前最好先过一遍内容治理策略。
主角二：Gemini Agentic Video Understanding——视频分析的成本拐点
如果说 Pics 是“产品层”的进攻，Agentic Video Understanding 就是“能力层”的换代。9 月 1 日起，Gemini 3.7 Flash、3.6 Flash、3.5 Flash-Lite 三款模型同步支持该能力。
过去模型看视频是“静态处理”：按固定 1 FPS 把整段视频抽帧，全部送进模型。10 分钟的教程还好，90 分钟的讲座、多小时的监控录像就成了 token 黑洞——要么烧钱，要么牺牲细节。Agentic 模式的本质改变是：模型自己决定怎么看。
Gemini 把核心推理与原生视频工具结合，像一个“有目的”的观看者：先粗扫定位，再对可疑或关键时间窗动态升 FPS 重采样，全程自主决定用视频帧、音频还是字幕——只取它回答问题真正需要的素材。
官方口径的收益在长视频上最显著：token 消耗最高降 88%、分析成本最高降 66%，而准确率不降反升约 7%——因为跳过了无关帧，模型反而更聚焦。在 LongVideoBench 上综合质量第一，Google 自家 1H-VideoQA 评估中得分约 90%，高于 GPT-5.6 Terra、Claude Opus 5 与 Grok 4.6（Google 图表口径，供参考）。
由此解锁的场景相当实用：
- 亚秒级时刻检索：剪辑点、状态变化这类 1 FPS 必然漏掉的瞬间，现在能精确抓住——自动化视频剪辑成为可能；
- 长视频大海捞针：在多小时的素材里回答复杂问题，不再需要烧掉数百万 token；
- 异常检测：对可疑时间窗自动升帧率重采样，快速运动与细微伪影都逃不掉；
- 动作与物体计数：跨时间精确统计重复动作与目标物体。
开发者今天就能用：这是 Gemini API 的一个请求级参数（processing: agentic，按请求 opt-in，默认仍是静态处理），AI Studio 与 Gemini Enterprise Agent Platform 已支持，标注为 Generative AI Preview、无额外功能费用。随后该能力将进入 Gemini App（Flash/Flash-Lite），数月内还会落地 YouTube 观看页的 “Ask” 问答。
为什么重要
- Google 的武器是“存量工作流”。Pics 不跟 Canva 比模板数量，而是让 30 亿 Workspace 用户“不离开文档就能出图”——把 AI 能力缝进每天打开的应用里，这是 Canva 们很难复制的护城河。
- 视频理解成本降了一个数量级，“看懂视频”才真正规模化。88% 的 token 削减意味着视频分析从“演示级”变成“产品级”——质检、安防、内容审核、教育录播检索都会因此受益。
- “Agentic”成为多模态的新默认方向。继 Agentic Vision（图像）之后，视频也走上“模型自主采样”路线：省 token 不是靠压缩，而是靠选择——只处理重要的部分，这一思路大概率会被所有多模态厂商跟进。
总结
- Google Pics：Nano Banana 驱动、对象级编辑 + 图内文字翻译、深度嵌入 Docs/Slides/Drive，9 月 1 日起对 Business Standard+ 与企业版、AI Pro/Ultra 用户分批开放，桌面端先行；
- Agentic Video Understanding：Gemini 3.7/3.6 Flash 与 3.5 Flash-Lite 支持，模型自主决定观看策略，长视频 token 省 88%、成本降 66%、准确率 +7%，API 参数
processing: agentic即刻可用； - 两弹合一的信号很清晰：OpenAI 卷模型，Google 卷工作流——把能力塞进用户已经离不开的软件里，可能是更隐蔽也更持久的护城河。
