谷歌支持加州大学圣地亚哥分校用 2000 台退役 Pixel 手机搭建低碳计算平台
加州大学圣地亚哥分校在谷歌支持下,正用 2000 台退役 Pixel 手机的主板搭建数据中心,为数百名师生提供低成本、低碳的云计算。SPEC 基准显示 25-50 台手机约等于一台现代服务器,手机被组织成 25-50 台的 Kubernetes 自管理集群。该系统预计 2026 年秋季上线。

加州大学圣地亚哥分校在谷歌支持下,正用 2000 台退役 Pixel 手机的主板搭建数据中心,为数百名师生提供低成本、低碳的云计算。SPEC 基准显示 25-50 台手机约等于一台现代服务器,手机被组织成 25-50 台的 Kubernetes 自管理集群。该系统预计 2026 年秋季上线。
Google Research 在 AISTATS 2026 提出 Regularized f-Divergence Kernel Tests,用相对距离检验判断遗忘后的模型在分布上更接近安全重训模型还是原始受损模型。
Google DeepMind 发布实验性开源模型 DiffusionGemma,采用文本扩散方式一次性并行生成整块文本,在专用 GPU 上文本生成最高提速 4 倍,单张 NVIDIA H100 上超过 1000 tokens/秒,RTX 5090 上超过 700 tokens/秒。
推荐理由:Google DeepMind 开源文本扩散模型,给出速度与硬件门槛的具体数字,可据此判断本地交互式推理的可行性。
Google DeepMind 联合 Schmidt Sciences、Cooperative AI Foundation、ARIA 并获 Google.org 支持,发起最高 1000 万美元的多智能体 AI 安全技术研究资助征集,面向全球研究者。
Google DeepMind 发布 Gemini 3.5 Live Translate,这是一款支持 70 多种语言的近实时语音到语音翻译音频模型,能自动检测语言并保留说话人的语调、节奏和音高。
推荐理由:Gemini 3.5 Live Translate 把同传从逐句等待改为连续生成,并给出开发者、企业、消费端三条落地路径。
Google DeepMind 发布 Gemma 4 12B,一款面向笔记本电脑的智能体多模态模型,介于边缘端 E4B 与 26B MoE 之间,也是其首个支持原生音频输入的中等规模模型。
推荐理由:Gemma 4 12B 去掉多模态编码器并把视觉音频直接接入 LLM,读者可据此判断本地多模态智能体的硬件门槛。
Google DeepMind 推出为期三个月的 Robotics 加速器,从欧洲选出 15 家早期机器人初创公司,提供技术指导并开放其 AI 技术栈与 Gemini 机器人模型。入选企业覆盖物流、制造、医疗、气候与导航等领域,包括挪威 3D-Components、法国 Bubble Robotics、英国 Touchlab 等,本周在伦敦启动。
Google DeepMind 发布在塞拉利昂开展的预注册随机对照试验结果,使用 Guided Learning 的学生数学成绩比对照组提升 0.258 个标准差,约相当于 1.2 至 1.7 年的常规学习进度,八周内完成。
推荐理由:原文给出塞拉利昂随机对照试验的量化结果与交互数据,读者可据此判断 AI 辅助教学在真实课堂中的效果边界。
Google 在 Gemini Enterprise Agent Platform 上推出由 Agentic RAG 驱动的 Cross-Corpus Retrieval 公开预览版。
推荐理由:原文给出多智能体 RAG 的完整流程与跨语料评测数据,读者可据此判断复杂多跳查询的检索方案。
Google Research 在 Nature 发表 PHRM 研究系统,利用手机前置摄像头在面部解锁后的数秒内拍摄视频,通过深度学习在后台估算心率和静息心率。
推荐理由:Google 用手机前摄在解锁后被动测心率,并公开迄今最大规模手机视频数据集与预训练模型。
Google Research 在 GitHub 上以 Apache 2.0 许可开源其水文建模框架,让各国气象与水文机构能用与 Google Flood Hub 相同的架构和相近训练数据训练 AI 洪水预报模型。
Google Research 在 I/O 2026 上发布 Gemini for Science 实验工具套件,包含基于 ERA 与 AlphaEvolve 的 Computational Discovery、基于 Co-Scientist 的 Hypothesis Generation 以及基于 NotebookLM 的 Literature Insights。
Google 为隐私分析服务推出零信任聚合方案,结合新型密码学聚合方法与 TEE 硬件保护,可在单条消息内完成设备数据提交,无需多轮在线交互。该方案保证 Google 只能获得人群的匿名聚合洞察,原始数据即使在硬件保护范围内也不会被暴露或重建,TEE 认证机制则向参与者提供协议按预期执行的验证证明。
Google DeepMind 在亚太地区启动首届加速器计划,聚焦“AI for the Planet”,面向该地区初创公司、研究团队和非营利组织,为期三个月。入选机构将获得专家指导,以及 Google AI 专家协助将前沿 AI 与科学 AI 模型集成到项目或产品中,覆盖自然、气候、农业、能源等领域。计划以在新加坡举办的线下训练营启动,现已开放意向登记。
Google 宣布把基于 Gemini 的科学代码工具 Empirical Research Assistance(ERA)开放给科学家使用,相关成果已发表在 Nature。
推荐理由:Google 把 ERA 从 Nature 论文推进到可申请使用的工具,读者可据此判断 AI 写科学代码的落地边界。
Google DeepMind 的生物学家 Omar Abudayyeh 和 Jonathan Gootenberg 使用 Co-Scientist 辅助衰老研究,该工具扫描数万篇论文后提出 20 多个新的候选遗传因子,实验室测试验证了其中几个假设,成功让细胞进入更年轻状态并改善整体功能。Co-Scientist 还用于分析大规模基因筛选数据,把原本需要长达六个月的数据与文献关联分析缩短到几天。
推荐理由:原文给出 Co-Scientist 在衰老研究中的具体产出与耗时对比,可了解 AI 智能体参与科研假设生成的实际方式。
Google DeepMind 在实验性原型 Project Genie 中上线 Street View 场景锚定能力,可基于美国真实地点生成可交互世界,并可选 Ocean World、Desert Sands、Stone Age、B&W film 等风格。
推荐理由:原文给出了 Genie 与 Street View 结合后的能力边界和开放范围,读者可据此判断世界模型落地路径。
Google DeepMind 发布 Omni 系列首个模型 Gemini Omni Flash,可组合图像、音频、视频和文本作为输入生成高质量视频,并支持用自然语言多轮对话编辑视频。
推荐理由:原文给出 Omni 系列首个模型的输入输出能力与上线渠道,读者可据此判断多模态视频生成的实际可用范围。
Google DeepMind 发布 Gemini for Science,包含 Google Labs 上三个实验性工具:基于 Co-Scientist 的 Hypothesis Generation。
推荐理由:原文给出三类科研智能体原型与 Science Skills 的开放入口,读者可据此判断科研工作流会怎样被拆分和加速。
Google 宣布把内容透明度与验证工具扩展到 Search、Gemini、Chrome、Pixel 和 Cloud,其中 Gemini 应用已支持图像、视频和音频的 SynthID 验证,累计使用 5000 万次,该能力今日起进入 Search,未来几周进入 Chrome。
推荐理由:原文给出 SynthID 与 C2PA 验证在 Search、Gemini、Chrome 的落地范围,可据此判断内容溯源工具的实际可用性。
Google DeepMind 与新加坡政府达成国家 AI 合作,在医疗、科研、教育和气候领域推出新项目。合作探索 AI 辅助临床的"三方照护"模式,并用 AlphaFold、Google Earth 等工具推进东南亚传染病研究与疫情防控。Gemini for Education 将提供给新加坡所有中小学至初级学院教育者,同时启动亚太区"AI for the Planet"加速器。
剑桥大学教授 Clare Bryant 使用 Google DeepMind 的 Co-Scientist 研究流感等病原体跨物种传播引发败血症的分子机制,该工具生成并排序的假说中有一个她此前未关注的蛋白,最终将研究目标精确到具体氨基酸。Bryant 称,原本需要两到三年实验才能锁定精确氨基酸,其团队目前有望在六个月内完成,正构建携带氨基酸突变的细胞系验证假说。
Calico Life Sciences 的 Matt Onsum 与 Katherine Labbé 正使用 Google DeepMind 的 Co-Scientist 整合衰老生物学中零散的研究发现并生成可验证假设。
爱丁堡大学生物工程师 Filippo Menolascina 用 Google Co-Scientist 研究 MASH 肝病,系统整合肝生物学与药理学证据,锁定值得关注的机制并标记可测试的候选组合疗法。
Google 的 Co-Scientist 帮助 MIT 机械工程师 Ritu Raman 快速梳理 ALS 相关文献,将想法转化为可验证假设并按可行性排序。其最佳线索指向细胞表面分子互作,超出 Raman 专业范围,促使她与波士顿儿童医院化学生物学家 Ryan Flynn 合作,结合双方工具包迭代使用 Co-Scientist,寻找可用于靶向 ALS 的新型 RNA 机制乃至 RNA 药物。
斯坦福大学医学院遗传学家 Gary Peltz 利用 Google DeepMind 的 Co-Scientist 筛选抗肝纤维化药物,其提出的 3 个候选药物中有 2 个在活体人类肝细胞实验中成功阻断纤维化并促进肝细胞再生,而 Peltz 自己挑选的 2 个候选药物均无效。
Google DeepMind 与 Google Research 开发的 AI 天气模型 WeatherNext 帮助美国国家飓风中心提前五天预测飓风 Melissa 将以五级强度登陆牙买加,置信度达 80%,三天前升至接近 100%。
推荐理由:原文给出 WeatherNext 在飓风路径与强度双预测上的实际表现,读者可了解 AI 天气模型在极端事件中的落地方式。
Google DeepMind 发布 Gemini 3.5 系列首个模型 Gemini 3.5 Flash,定位为面向智能体与编码的前沿模型,即日起在 Gemini app、Google Search 的 AI Mode、Google Antigravity、Gemini API 以及 Gemini Enterprise 等渠道开放。
推荐理由:Gemini 3.5 Flash 在编码与智能体基准上超过 3.1 Pro,并给出速度与成本对比,可据此判断长程任务的落地空间。
Google DeepMind 在 Nature 发表 Co-Scientist 研究,这是一个基于 Gemini 构建的多智能体 AI 系统,能迭代生成、辩论和演化科学假设。
推荐理由:原文给出多智能体系统的三阶段架构与多个实验室落地案例,可了解 AI 参与科学假设生成的具体机制。
Google DeepMind 发布 AlphaEvolve 一年影响汇总,这款由 Gemini 驱动的编码智能体已从数学与计算机科学的开放问题探索,扩展为 Google 基础设施的核心组件。
推荐理由:官方汇总 AlphaEvolve 一年落地案例,读者可据此判断算法智能体在科研与基础设施中的实际渗透程度。
Google Research 公布其开源工具与开放数据集已赋能全球超 25 万名研究者和开发者,涵盖基因组学、神经科学、地球建模等领域。其中 DeepVariant 等工具已支持处理 250 万人的全基因组与外显子组数据,HAI-DEF 模型套件(含 MedGemma)下载量超 480 万次。
Google DeepMind 宣布 AI co-clinician 研究计划,探索 AI 智能体在医生临床监督下协助患者诊疗的“三方照护”模式。在 98 个真实初级保健查询的盲评中,该系统 97 个未出现关键错误,医生对其回答的偏好高于现有证据综合工具;在 OpenFDA 的 RxQA 开放式用药问答上超过其他前沿模型。
推荐理由:Google DeepMind 公开 AI co-clinician 研究计划,给出医生盲评、RxQA 与远程问诊模拟的具体结果,可了解医疗 AI 当前能力边界。
Google Research 总结了科学家使用 Empirical Research Assistance(ERA)的四个方向:公共卫生领域,团队每周为美国各州提交流感。
推荐理由:Google 用四个真实科研项目展示 ERA 在流行病预测、宇宙学、碳监测和神经科学中的落地方式,可看 AI 辅助科研的具体边界。
Google DeepMind 与韩国科学技术信息通信部(MSIT)宣布建立合作,将在首尔办公室设立 AI Campus,向韩国学术界开放 AlphaEvolve、AlphaGenome、AlphaFold、AI co-scientist 和 WeatherNext 等前沿模型。
Google Research 宣布在 Google Photos 的 Auto frame 功能中上线一种拍照后调整视角的方法,把照片理解为 3D 场景并自动改变虚拟相机位置与焦距。该方法分两步:先用内部 3D 点图估计模型重建人体与面部并估算原相机焦距,再用生成式潜在扩散模型补全新视角下露出的空白区域。该功能已面向含人物的照片自动提供第二个重构版本,可修正广角自拍的透视畸变。
推荐理由:Google Photos 把 3D 场景估计与生成式补全结合,读者可了解拍照后调整视角这一新编辑范式的实现路径。
Google DeepMind 发布 Decoupled DiLoCo 分布式训练架构,把大规模训练拆成异步通信的计算孤岛,降低带宽需求并隔离硬件故障。测试中该系统在整块 learner unit 掉线后仍能继续训练并重新接入,用 Gemma 4 模型达到与传统方法相同的 ML 性能。
推荐理由:原文给出跨数据中心异步训练在带宽、容错和跨代硬件上的实测结果,可据此判断分布式预训练的工程取舍。
Google Research 在 ICLR 论文中提出 ReasoningBank,一种从成功和失败经验中提炼高层结构化推理记忆的智能体记忆框架,代码已开源。
推荐理由:论文给出从成功与失败经验中提炼推理记忆的闭环方法,并附 WebArena 与 SWE-Bench-Verified 上的成功率与步数变化。
Google DeepMind 宣布与 Accenture、Bain & Company、BCG、Deloitte、McKinsey 合作,推动前沿 AI 在企业的大规模落地。合作方将获得包括 Gemini 系列在内的前沿模型早期访问权,并可直接对接 Google DeepMind 技术团队,聚焦金融、制造、零售、媒体娱乐等行业的智能体转型。目前仅 25% 的组织成功将 AI 规模化投入生产。
Google Research 发布论文《Reasoning-Driven Synthetic Data Generation and Evaluation》,提出 Simula 框架,把合成数据生成当作机制设计问题,用推理模型从零构建整个数据集,无需种子数据。
Google Research 提出 MoGen(Neuronal Morphology Generation)模型,通过点云流匹配生成合成神经元形状,为 PATHFINDER 重建模型补充训练数据,使小鼠轴突重建误差降低 4.4%,主要来自合并错误的减少。该成果在完整小鼠脑规模上相当于节省 157 人年的手动校对工作,MoGen 已作为开源模型发布。