公司与模型
Google 与 DeepMind 的 AI 动态：Gemini 系列、Veo 视频模型、研究成果与产品生态的持续追踪。
32 条精选近 30 天 23 条共收录 219 条
Google Research 发布了 MedGemma 开源多模态模型，用于结核病筛查。该模型可在本地设备运行，无需网络连接，已在全球下载超过 1000 万次。团队还开发了 MedSigLIP 视觉语言模型和 HeAR 声学筛查工具，形成完整的诊断工具链，已在南非、塞拉利昂等六个国家的约 40 个医疗机构部署，筛查超过 2.5 万张胸部 X 光片，将诊断时间从数周缩短至 45 秒以内。
推荐理由：从实验室算法到六国临床应用，Google Research展示了AI医疗工具如何跨越监管与资源鸿沟，真正服务基层医疗需求。
Google最新旗舰模型Gemini 4 Argon上线72小时处理近25万亿Token，消耗量是上一代Gemini 3.0同期的3倍。Google CEO桑达尔·皮查伊在访谈中首次公开解释了Gemini 3.5 Pro为何神秘消失，以及DeepMind核心管理层变动的幕后原因。
推荐理由：Gemini 4 Argon上线72小时处理25万亿Token，谷歌CEO首次披露砍掉3.5 Pro内幕，模型迭代与算力博弈成焦点。
Google DeepMind 与合作伙伴发布 Forest Typology (ForTy) 2020 全球地图，以10米分辨率将地球森林分为六类，并跟踪2017-2025年变化。该地图准确率达90%，帮助区分自然林、人工林和农场，支持欧盟无毁林产品监管。
推荐理由：10米级森林类型地图让自然林与人工林首次可区分，为监管提供精准基线，但精度与成本平衡仍是挑战。
美国国家安全局警告发现PHP存在两个严重漏洞，影响约70%的网站。OpenAI和Google的Wiz分别使用GPT-5.6 Sol和Gemini 4 Argon等AI工具发现了这些自PHP 5版本以来存在的漏洞。PHP基金会已发布补丁，建议网站升级至PHP 8.5.12版本。
推荐理由：AI同时发现并放大了PHP漏洞风险，这标志着安全领域进入AI双刃剑时代。
Google Research在JAMA Network Open发表研究，展示AI系统可通过'盲扫'超声技术评估孕龄，准确率达临床标准(MAE 4.18天)，在芝加哥和内罗毕不同医疗环境中均表现稳定。该技术使未经专业培训的医护人员能执行可靠超声检查，有望扩大资源匮乏地区的产前筛查覆盖范围。
推荐理由：AI辅助超声在资源匮乏地区实现与专家相当的孕龄评估，验证了技术泛化能力与普惠医疗潜力。
谷歌CEO皮查伊在访谈中确认云业务正在为前沿AI研发让渡算力资源，承认当下每家公司的算力需求是两年前规划的两倍，客户锁定2027年算力极其困难。他强调前沿模型是谷歌第一优先级，并解释递归自我改进当前处于AI智能体与人类研究员协同推进的过渡期，距离自主失控终局还很遥远。
推荐理由：谷歌CEO罕见承认云业务为AI前沿让路，算力短缺已成行业现实，递归自我改进仍处于人机协同阶段。
谷歌宣布开源TorchTPU，这是其长期期待的PyTorch版本，允许AI应用在谷歌TPU芯片上运行。亚马逊此前也发布了TorchNeuron，使AI应用可移植到其Trainium芯片和AWS。
推荐理由：谷歌开源TorchTPU，与亚马逊联手打破NVIDIA在AI开发者中的垄断地位，这场芯片战争的关键在于生态迁移的便利性。
谷歌开源Harness²，一种双层递归架构，让大模型在运行中自我修改代码、提示词和工具链。在WorkBuddy-Bench测试中，GLM-5得分提升11.5分，反超原生Gemini 3.5 Flash。该项目已全面开源，支持OpenCode与Codex。
推荐理由：双层递归架构让大模型在运行中自我优化，解决了RSI在开放世界中的两大死穴，实测性能提升显著。
谷歌自2015年开始研发TPU芯片，2026年完成从自用到对外销售的转变，向Anthropic、Meta等竞争对手供应算力，并与迈威尔科技达成121.82亿美元投资协议。谷歌TPU已形成芯片-模型-编译器-网络-数据中心-云的垂直一体化体系，在自有负载上性价比可达英伟达方案的数倍。
推荐理由：谷歌TPU从内部工具演变为对外产品，十年布局完成芯片-云服务-投资三级火箭闭环，重塑AI算力竞争格局。
Google Research在Research@活动中展示了10项AI研究进展，包括Google Earth AI行星智能系统、多智能体编排工具、Deep Review文档审查系统、下一代边缘AI芯片等，这些技术正在改变医疗、科学、商业和教育等多个领域。
推荐理由：原文展示了10项AI研究进展，覆盖地球智能、医疗健康、科学工具等多个领域，体现了AI如何增强人类创造力。
Google 发布地理空间推理智能体，连接地球 AI 基础模型和行星规模数据，支持多步推理和自主预测模型训练。该智能体已在疾病爆发调查、灾害准备和清洁能源筛选等领域与 WHO、GiveDirectly 等组织合作测试，将原本需要数周的分析工作缩短至几分钟。
推荐理由：原文提供了地理空间智能体的技术细节和实际应用案例，展示了其在解决全球性挑战中的价值。
谷歌正在将Gemini从"一个可以挑的模型"改造成"一个不用挑的模型入口"，面向个人收回选模型权力，面向企业提供智能体功能。旗舰Gemini 4 Argon仅向Fairwind计划的650多家成员开放，免费账号仅保留Auto一项，企业智能体则获得邮箱、跨系统连接和记忆功能。
推荐理由：原文详细描述了谷歌Gemini的功能变化和策略调整，读者可以据此了解谷歌AI产品的发展方向。
Google 在云大会上宣布为 Gemini 引入智能体功能，该智能体不仅能回答问题，还能代表用户完成任务。Google 将首先面向企业用户推出，随后扩展到消费者。Gemini 目前拥有超过 10 亿月活跃用户，90% 的财富 100 强企业已在工作中使用 Gemini Enterprise。
推荐理由：原文给出了能力变化和开放入口，读者可以据此判断它会怎样改变现有工作流。
Google Research发表了一项为期三个月的实地实验，研究AI辅助对专利律师专业能力的影响。实验发现AI工具短期内显著提高了律师起草专利的质量，但移除AI后，初级律师的专业判断能力并未提升，而高级律师则表现出明显的进步。研究强调，提高工作质量和构建持久专业判断可能是不同的目标，尤其对初级专业人士而言。
推荐理由：研究揭示了AI对专业能力发展的复杂影响，为AI工具设计提供了重要参考。
谷歌AI基础设施负责人Amin Vahdat表示，长程Agent的崛起正在重塑数据中心设计，推高加速器、CPU与存储需求。谷歌今年首次将TPU拆分为训练与推理双产品线，并通过光路交换技术优化网络与容错。未来十年，AI算力将走向单机架多兆瓦的高度集成形态，甚至可能向轨道数据中心拓展。
推荐理由：谷歌AI基建主管分享了Agent对数据中心设计的影响和未来算力形态的预判。
谷歌推出EmbeddingGemma 2，拥有7.4亿参数，支持文本、图像、音频与视频多模态处理，上下文窗口扩展至8K token，主打端侧隐私保护与离线推理能力。
推荐理由：原文给出了具体参数、性能提升和部署细节，读者可据此评估其在端侧隐私搜索场景的实际应用价值。
Google Research推出地球AI的人口动态基础模型(PDFM)，将隐私保护的搜索趋势、人类流动性和环境因素等信号整合为位置嵌入，可直接插入现有流行病学工作流，在多种疾病预测中表现优于传统数据源。
推荐理由：原文提供了地球AI模型在公共卫生领域的实际应用案例和数据验证结果。
独立研究员发现MCP(Model Context Protocol)协议存在安全漏洞，已被Google等五个组织确认，攻击者可利用此漏洞让一个智能体向其他内部智能体传播恶意指令。
推荐理由：原文揭示了AI智能体间通信协议MCP的安全漏洞及其在多个组织中的实际影响。
Google Research 发布了新一代联邦学习系统，利用可信执行环境(TEEs)提供完全可验证和可审计的数据匿名化保证。该系统已在Gboard上部署，实现了更强的隐私保证和改进的准确性，同时显著加快了计算速度。
推荐理由：原文介绍了基于可信执行环境的联邦学习系统升级，提供了更强的隐私保证和可验证性。
Google DeepMind发布Gemini 4 Argon模型，在19项基准测试中13项达到SOTA，支持1M输出token，目前仅限网络安全预览版。该模型针对编码、企业知识工作和网络安全防御，定价为$4/$20每1M输入/输出token， introductory折扣为$2/$10。
推荐理由：原文提供了Gemini 4 Argon的基准测试结果、定价和功能特点，读者可据此评估其市场竞争力。