Die amerikanische Version des Doubao-Smartphones ist total lahm.
Am Morgen des 13. nach Peking-Zeit fand die Google-Hardware-Präsentation „Made by Google 2026“ wie geplant statt. Auf dieser Veranstaltung wurde eine Reihe von Hardware-Produkten vorgestellt, darunter die Pixel 11-Serie, die Pixel Watch 5 und der erste Tracker Pixel Tag, zudem wurde angekündigt, dass vor Ende des Jahres eine intelligente Brille auf den Markt kommen wird.
Nach fast zweistündiger Präsentation empfinden viele Menschen das Ganze als „unaufgeregt“.
Zuerst sind die Änderungen auf der Hardware-Seite gering. Das auffälligste neue Produkt dieser Präsentation ist der kleine LED-Leuchtring auf der Rückseite der Pixel 11 Pro-Serie, den Google als Hilight bezeichnet. Seine Hauptfunktion besteht darin, Farbhinweise für Anrufe bestimmter Kontakte zu unterstützen, während SMS und Benachrichtigungen von Drittanbieter-Apps nicht unterstützt werden.
Die Software wurde relativ stark verbessert. Gemini kann Suchvorgänge in Apps wie Informations- und Kartenanwendungen auf dem Smartphone selbstständig durchführen, zudem wurden Detailfunktionen wie Eingabe und Fotografie optimiert. Daher wird auch von außen behauptet, dass das Pixel 11 kein Smartphone ist, das Nutzer durch seine Konfiguration gewinnen will, sondern der „Körper“ von Gemini. Das klingt sehr ähnlich wie das in China verbreitete „Doubao-Smartphone“, bei dem alles im Dienste der KI steht.
Dies führt auch zu neuen Überlegungen in der Öffentlichkeit: Wenn Google alle seine Hardware zu Trägern für Gemini macht, verkauft es dann eigentlich Smartphones oder eine jederzeit aufrufbare KI? Wie viele Funktionen dieses „amerikanischen Doubao-Smartphones“ wurden von Google erstmals entwickelt, und wie viele folgen nur den Konkurrenten?
01. Googles Hardware-Matrix: Das Puzzle wird ergänzt, aber kein einziges Teil ist überragend
Auf der diesjährigen Made by Google-Präsentation war die Produktpalette von Google vielfältiger als in den Vorjahren. Im Mittelpunkt standen die vier Smartphones der gesamten Pixel 11-Serie, daneben gab es die Pixel Watch 5, den Tracker Pixel Tag und eine Ankündigung für eine intelligente Brille, die noch in diesem Jahr erscheinen soll. Obwohl die Typen vielfältig sind, kann kaum eines der Produkte als überragend bezeichnet werden.
Werfen wir zuerst einen Blick auf das wichtigste Produkt, die Pixel 11-Serie.
Preislich sind die vier Produkte um 100 US-Dollar teurer als die Vorgängermodelle. Da die 128-GB-Versionen von Pixel 11 und Pixel 11 Pro entfallen, liegt der Preis der 256-GB-Version auf dem Niveau des Vorgängers, während das Pixel 11 Pro XL und das Pixel 11 Pro Fold jeweils um 100 US-Dollar teurer sind. Bei der Gesamtkonfiguration handelt es sich bei der Hardware der Pixel 11-Serie größtenteils um kleine jährliche Aktualisierungen. Die gesamte Serie ist mit dem neuen Tensor G6-Prozessor von Google ausgestattet, der speziell für die lokale Ausführung von Gemini auf dem Gerät entwickelt wurde. Die Pro-Serie wurde mit einem neuen Teleobjektiv aufgerüstet, das bis zu 120-fachen Zoom unterstützt, während die Standardversion weiterhin die gleiche Konfiguration wie das Vorgängermodell verwendet. Bei der Akkuleistung beträgt die Ladeleistung bei der Standardversion, der Pro-Version und dem Fold 30 W, beim Pro XL 45 W – insgesamt ein durchschnittliches Niveau.
Das größte Hardware-Highlight ist die neu hinzugefügte LED-Anzeige auf der Rückseite der Pro-Serie, deren offizielle Funktion als Hilight bezeichnet wird. Ihre Kernaufgabe besteht einerseits darin, den Nutzungsstatus von Gemini anzuzeigen: Beispielsweise leuchtet sie stabil, wenn mit Gemini kommuniziert wird. Andererseits zeigt sie die von dem Nutzer festgelegte Farbe an, wenn ein Anruf von einem bestimmten Kontakt eingeht. Abgesehen davon gibt es vorerst keine weiteren Funktionen: Weder werden SMS und andere Benachrichtigungen von Drittanbietern unterstützt, noch gibt es Schnittstellen für Entwickler.
Quelle der Hilight-Funktion / Offizielle Google-Website
Der Technik-Blogger Marques Brownlee, der das Gerät vorab erhalten hat, bewertete diese Serie mit dem Satz „it is what it is (das ist halt so)“ und verwendete diesen Ausdruck als Titel seines Videos. Daraus geht hervor, dass die Öffentlichkeit mit dieser Funktion nicht vollständig zufrieden ist.
Als Nächstes betrachten wir die Pixel Watch 5, deren Preis bei 399 US-Dollar beginnt.
Sie verwendet die beschleunigte Version des Qualcomm W5 Gen 2, deren CPU um 12 % schneller ist. Der eigentliche Schwerpunkt liegt aber nicht auf der CPU, sondern darauf, dass der lokale Arbeitsspeicher von 2 GB auf 3 GB erhöht wurde – eine Steigerung um volle 50 %. Das Ergebnis ist direkt spürbar: Die Gemini-Funktionen auf der Uhr wurden erheblich verbessert. Beispielsweise können personalisierte Zifferblätter erstellt werden, und Nutzer können mit Gemini sprechen, sobald sie ihr Handgelenk heben.
Abschließend betrachten wir das Pixel Tag und die intelligente Brille.
Das Pixel Tag ist das erste Produkt von Google im Bereich der Tracker. Ein einzelnes Gerät kostet 29 US-Dollar, ein Viererpack 99 US-Dollar – es wird preislich an das AirTag angepasst und kommt im November auf den Markt. Über das Produkt selbst gibt es nicht viel zu berichten, aber seine Existenz schließt eine Lücke in Googles Hardware-Ökosystem: Von Smartphones über Uhren und Kopfhörer bis hin zu Verlustschutz-Trackern verfügt Google nun über eine vollständige Hardware-Palette, die mit dem Ökosystem von Apple mithalten kann. Die „intelligente Brille“ ist der Köder, den Google auf dieser Präsentation ausgeworfen hat: Es wurde kein konkretes Produkt gezeigt, sondern nur angekündigt, dass sie noch in diesem Jahr auf den Markt kommen wird.
Man erkennt, dass Google auf dieser Präsentation eine KI-Träger-Matrix vorgestellt hat, aber einzelne Produkte bringen keine großen Überraschungen. Die Preiserhöhung des Pixel 11 wird zwar durch die verdoppelte Speicherkapazität gestützt, aber die Funktionen sind noch nicht auffällig genug. Die Erhöhung des Arbeitsspeichers bei der Watch 5 ist pragmatisch, aber die Funktionen überschreiten nicht den Rahmen anderer intelligenter Uhren. Das Tag ist ein typisches Produkt, das dem Markt folgt, und die Brille wurde noch nicht einmal vorgestellt.
02. Wie ist Googles KI-Smartphone beschaffen?
Der eigentliche Star der gesamten Präsentation ist Gemini. Es wurde von einem eigenständigen Assistenten in die Systemdiensteebene von Pixel integriert und übernimmt alle Aufgaben von der Informationssuche bis hin zu handlungsübergreifenden Vorgängen zwischen Anwendungen. Nach der „Übernahme“ durch Gemini stellt sich die Frage, welches Leistungsniveau Googles KI-Smartphone erreicht hat – diese Präsentation hat die Antwort darauf gegeben.
Bei den „Erledigungsaufgaben“ hat Gemini die reine Chat-Funktion bereits überschritten.
In der offiziellen Demonstration kann es Informationen aus Anwendungen wie SMS und Kalender app-übergreifend auslesen, automatisch nach Anforderungen in Google Maps suchen, geeignete Restaurants finden, Bestellungen und Reservierungen durchführen und sogar direkt bei den Geschäften anrufen. Es schlägt zudem aktiv Fluginformationen und Restaurantlisten vor und erinnert an Kalendertermine.
Quelle des Bildes / Offizielle Google-Website
Allerdings sind diese reibungslosen Erlebnisse vorerst auf die eigenen Dienste von Google beschränkt. Um die Sicherheit der Nutzer zu gewährleisten, müssen wichtige Schritte noch von den Nutzern bestätigt werden. Diese Funktion unterscheidet sich kaum von anderen KI-Smartphones auf dem Markt.
Die Spracheingabe ist ein großer Höhepunkt dieser Präsentation.
Die neue Rambler-Funktion in Gboard, die von Gemini angetrieben wird, wurde eingeführt. Die offizielle Seite zeigt drei Hauptfunktionen: automatisches Bereinigen von Text, Absichtskorrektur und Ein-Knopf-Neustart. Es kann Füllwörter wie „ähm“ und „also“ automatisch herausfiltern. Selbst wenn der Nutzer mitten im Satz seine Meinung ändert, kann es Widersprüche automatisch beseitigen. Wenn der Nutzer es auffordert, das gerade Gesagte rückgängig zu machen, führt es das auch aus – dies ist für Geschäftsleute und Schüler attraktiv.
Darüber hinaus gibt es Funktionen wie Gebärdenspracherkennung, Echtzeitübersetzung und Bild-KI.
Auf der Präsentation demonstrierte der gehörlose Schauspieler Daniel Durant live die Echtzeit-Umwandlung von Gebärdensprache in Text: Die Frontkamera des Smartphones erfasst seine Gebärden, das große Sprachmodell übersetzt die Gebärdensprache in Text, und das Ergebnis wird direkt in der Echtzeit-Transkription angezeigt. Die Echtzeitübersetzungsfunktion ist nun in YouTube und Podcasts integriert: Wenn Nutzer Videos ansehen oder Podcasts anhören, kann die Stimme in Echtzeit in eine andere Sprache synchronisiert werden.
Im Bildbereich analysiert Magic Capture nach dem Drücken der Aufnahmetaste etwa hundert aufeinanderfolgende Bildrahmen und wählt die besten davon aus. Die neu hinzugefügte Creator Suite im Kamera-App verfügt zudem über einen integrierten Teleprompter: Nutzer geben den Redetext im Voraus ein, und nach dem Drücken der Aufnahmetaste scrollt der Text automatisch entsprechend der Sprechgeschwindigkeit und den natürlichen Pausen des Nutzers.
Hinter diesen Funktionen steht die Kombination aus dem multimodalen Gemini-Modell und der lokalen Rechenleistung des Tensor G6. Obwohl Google auf der Präsentation nicht auf das zugrunde liegende Technologie-Stack eingegangen ist, steht fest, dass Funktionen wie Gebärdenspracherkennung, Echtzeitübersetzung und Bildverständnis von der lokalen KI-Leistung abhängen.
Diese Funktionen haben aber eines gemeinsam: Sie sind größtenteils „nachgezogen“ und nicht „wegweisend“. Beispielsweise unterstützt Apple bei der Gebärdenspracherkennung bereits die Gebärdenspracheerkennung in FaceTime. Bei der Echtzeitübersetzung decken Apple und Microsoft hauptsächlich Text- und Sprachszenarien ab, während Google die Echtzeitsynchronisation von Sprache in konkreten Formaten wie YouTube-Videos und Podcasts erweitert hat.
03. Ist es das amerikanische Doubao-Smartphone?
Nach der Präsentation verbreitete sich die Behauptung, dass das Pixel 11 das amerikanische Doubao-Smartphone sei. Diese Metapher erfasst einige Punkte, lässt aber andere außer Acht.
Auf strategischer Ebene verfolgen das Pixel 11 und das Doubao-Smartphone tatsächlich den gleichen Weg. Angesichts des Drucks von Konkurrenten wie OpenAI bei den Benchmark-Ergebnissen der Modelle hat Google auf der I/O-Konferenz angekündigt, den Schwerpunkt auf KI-Agenten zu verlegen. Gemini ist eng in die gesamte Google-App-Palette integriert, Doubao in das Ökosystem von ByteDance. Beide Seiten konzentrieren sich nicht auf die Spitzenleistung einzelner Technologien, sondern darauf, in möglichst vielen Szenarien „präsent“ zu sein.
Die technischen Ansätze der beiden Unternehmen sind jedoch unterschiedlich.
Ein Experte für große Sprachmodelle erläuterte, dass die Aufgabe, die KI das Smartphone für den Nutzer bedienen zu lassen, in zwei Ebenen unterteilt werden kann.
Eine Ebene ist die „Bedienungsebene“, die wiederum zwei Wege umfasst: Ein Weg besteht darin, dass die KI „selbst handelt“, den Bildschirm beobachtet und Schritt für Schritt so klickt, wie es der Nutzer normalerweise tut – beispielsweise Apps öffnen, Schaltflächen suchen und Bestätigen drücken. Das nennt man GUI-Simulationsklick. Der andere Weg besteht darin, dass die KI den Bildschirm nicht berührt, sondern direkt über vordefinierte „interne Schnittstellen“ der Apps Befehle sendet – das nennt man Schnittstellenaufruf.
Die andere Ebene ist die „Kollaborationsebene“, also A2A: Der Agent im Smartphone „verhandelt“ mit dem System-Agenten und übergibt die zu erledigende Aufgabe an diesen. Das gehört zu einer höheren Ebene, ist aber in der Branche vorerst noch nicht ausgereift im Einsatz.
Konkret auf diese beiden Smartphones bezogen gehören sowohl das Pixel als auch das Doubao-Smartphone zur Bedienungsebene. Das Pixel setzt hauptsächlich auf Aufrufe von Schnittstellen der eigenen Apps, und bei Apps ohne offene Schnittstellen greift es als Rückfallebene auf die GUI-Simulationsklick-Methode zurück. Die erste Generation des Doubao-Smartphones verfolgte den reinen GUI-Weg, wurde aber durch die Risikokontrolle großer Apps und die Diskussion der Nutzer über Sicherheitsprobleme beeinflusst, sodass die zweite Generation des Doubao-Smartphones auf A2A umgestiegen ist.
Quelle des Bildes / pixabay
Der Unterschied zwischen den beiden Ansätzen liegt nicht darin, wer fortgeschrittener ist, sondern in der unterschiedlichen Tiefe der vertikalen Integration.
Das Pixel 11 ist ein von Google selbst entwickeltes Gerät mit angepasstem Tensor G6-Chip und dem selbst entwickelten Gemini-Modell – von dem Chip über das System bis zum Modell liegt die gesamte Kette in der eigenen Hand. Das bedeutet, dass Google auf unterster Ebene Optimierungen vornehmen kann, beispielsweise mehr Arbeitsspeicher in die Uhr einbauen, um das Modell auszuführen, oder dafür sorgen, dass die lokale KI auch ohne Netzwerkverbindung flüssig läuft. Diese vertikale Integration, bei der „die gesamte Hardware für die KI neu entwickelt wird“, ist für das Doubao-Smartphone, das auf Hardware von Drittanbietern angewiesen ist, schwer zu kopieren.
Das Doubao-Smartphone arbeitet derzeit hauptsächlich mit Herstellern wie Nubia zusammen und hat nur begrenzten Einfluss auf die Hardware-Ebene. Seine Stärken liegen in der schnellen Software-Iteration und der tiefen Anpassung an verschiedene Szenarien, aber die Obergrenze der lokalen Optimierung ist durch die Hardware-Fähigkeiten der kooperierenden Hersteller begrenzt. Bei der praktischen Umsetzung ist Doubao aber tatsächlich ein Vorreiter im Bereich der GUI-Automatisierung.
Zusammengefasst ist die Metapher vom „amerikanischen Doubao-Smartphone“ auf strategischer Ebene zutreffend, auf Produktebene aber nicht genau genug. Die genauere Aussage ist, dass es sich um zwei Lösungen innerhalb desselben Trends handelt, die das gleiche Ziel verfolgen, aber bei der Umsetzung unterschiedliche Kompromisse eingehen.
Zurück zur