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。
超过 600 名谷歌员工给 CEO 皮查伊发联名信，要求公司阻止五角大楼把谷歌的 AI 模型用在机密用途上。组织者说签名的人里很多来自 DeepMind，包括 20 多位 principal、director 和 VP 级别的人。信里的核心逻辑是：只要接了机密项目，谷歌就没法保证自己不会间接参与伤害性用途，因为这类工作会在公司不知情或无法叫停的情况下进...
推荐理由：HKR 三项都成立：600 多人联名反对机密军事 AI 使用，DeepMind 和 20 多位中高层卷入，冲突和新鲜度都够。正文没披露 Google 有没有回应，政策也没变，所以保持 featured 中档。
David Silver 是 AlphaGo 的核心研究员，刚从 DeepMind 出来几个月，新公司 Ineffable Intelligence 就融了 11 亿美元，估值冲到 51 亿。标题说目标是“不靠人类数据学习”的 AI，但正文没披露具体用什么方法实现。目前只知道这是一家英国 AI 实验室，其他技术细节、团队规模和产品方向都没说。11 亿这...
推荐理由：这条消息我会先打个折——标题很炸，但正文没给出任何技术机制，所以别太激动。David Silver 的新公司 Ineffable Intelligence 融了 11 亿美元，估值冲到 51 亿，目标是让 AI 不靠人类数据学习。这直接回应了“数据快被榨干”的行业焦虑，也说明顶尖研究员创业的吸金能力。但正文没披露训练方法、验证结果或论文，目前只能当一笔巨额押注来看，离可复现的成果还远。
欧盟监管机构提出了一组措施，目标是谷歌对安卓生态里 AI 服务入口的控制。目前公开信息只提到计划让竞品 AI 服务也能进入安卓，但正文没披露具体义务、执行时间表和罚则——彭博的原文被付费墙和反爬机制挡住了，实际细节看不到。
推荐理由：Bloomberg 的信源加上 Google+Android+欧盟反垄断的组合，让这条在 AI 分发层面有分量。但我会先打个折：正文没给出任何执行细节，不知道欧盟这次是动真格还是先放风，所以知识增量有限。从业者真正该盯的是默认助手、搜索入口和 Play 商店的推荐位会不会被强制放开，这点先别太激动。
彭博社报道，一封由数百名 Google AI 研究员签署的联名信递到了 Sundar Pichai 面前，核心诉求是公司不要承接美国国防部涉密级别的 AI 工作。报道只提到了联名信的规模和反对立场，没有披露具体涉及哪些系统、合同金额有多大，也没有 Google 官方的正式回应。
推荐理由：Bloomberg 爆出几百名 Google AI 员工写信给 Pichai，要求别把 AI 系统用在美军机密任务上。我会先打个折：正文只说了信件诉求和参与人数，没披露具体是哪个系统、合同多大、Google 官方怎么回应，所以信息缺口不小。但这事本身够直接——自家研究员公开叫板管理层，而且矛头很具体，不是泛泛反对军事 AI，而是点名“机密工作负载”。对从业者来说，这比一份安全白皮书更有讨论价值，因为它牵扯到公司内部治理、人才去留和国防合同争议。基于这些，重要性给 74、放在 featured 是合理的，等后续有回应或更多细节再调整。
超过 560 名 Google 员工给 Sundar Pichai 发了一封公开信，要求公司明确拒绝把 AI 技术用于美国军事用途。信里提到了五角大楼和 Anthropic 之间的冲突，但正文没披露员工的具体诉求、涉及哪些产品或合同金额。
推荐理由：我会先打个折：信里到底要求停用哪些产品、涉及多大合同，正文全都没写，所以没法判断实际业务冲击有多大。但 560 多人集体向 Pichai 施压这件事本身就有冲突感，加上 Pentagon 和 Anthropic 的背景，从业者很难不关心。信息缺口明显，先别太激动，但值得放进精选。
Dirac 是一个专门抠上下文效率的编程助手，刚在 TerminalBench 上跑分拿了第一，用的模型是 Gemini-3-flash-preview。它说自己能把 API 调用成本压到其他同类工具的 20% 到 50%，主要靠三招：用哈希锚点来精准定位代码修改位置、把能并行的操作全并行跑、直接操作抽象语法树而不是整段重写。不过正文没披露 Termi...
推荐理由：HKR 三项都站得住：一个开源编程智能体声称在 TerminalBench 上拿了第一，还给出了具体模型和成本降幅，技术细节也没藏着。不过分数我压到 78，因为目前只有仓库自述，完整榜单分数和复现日志都没放出来，先别太激动。
GPT Image 2 上线不到半天就在 Arena 图像榜拿了三个第一。文生图得分 1512，比第二名 Nano Banana 2 高出 241 分，Arena 说这是图像榜有史以来最大分差。盲测胜率 93%，文字渲染能力一口气涨了 316 分。核心变化是模型会“先想再画”：先规划构图、自己检查结果、能联网搜图，还能一次出 8 张风格统一的图。不过正...
推荐理由：GPT Image 2一上线就屠榜，分数和胜率都摆在那，1512分、93%盲测胜率、文字渲染涨316分，这些数字说明它确实把文生图拉到了新高度。我会先打个折：原生思考图像模型听起来很猛，但正文没披露具体架构和成本，这点先别太激动。不过一次生成8张连贯图、能联网搜图再画，对做设计和内容的人很实用。整体是近期多模态产品里最硬的一次更新，值得从业者盯一下。
Chrome 给开发者提供了一个 Prompt API，让网页可以直接调用浏览器内置的 AI 模型来生成文本，不用把数据发到云端。这个 API 还支持会话管理（保持多轮对话上下文）和结构化输出（让模型按固定格式返回结果，方便程序解析）。文档里没写具体用的是什么模型、上下文窗口多大、收费不收费，也没提什么时候能正式上线。目前看起来还在早期试验阶段，适合想...
推荐理由：Chrome 把 AI 塞进浏览器里，网页调个 API 就能用，这个入口变化挺大。会话管理和结构化输出两份配套文档让方案看起来不是空壳，但正文没提模型规格、上下文窗口多大、要不要付费、什么时候正式上线，所以我会先打个折，放在 featured 里偏低的位置。
Anthropic 在 Claude Cowork 里加了个开关，让你能换成 GPT-5.5、Gemini 3.1 Pro 或 DeepSeek V4 来跑任务。这件事没开发布会，但跟它一个月前切断第三方客户端蹭自家订阅的动作连起来看，方向很明确：Anthropic 认为客户端才是粘性，模型是过路货。更反常的是，走这条路 Anthropic 既收不到订...
推荐理由：我会先打个折：来源非官方，Cowork 用户基数也小，所以没给更高分。但这条消息的钩子很强——让自家产品跑别家模型，还明确不收过路费，数据也不经手，这比单纯发个新功能更值得盯。文章把 AWS、Google、微软在 agent 运行时上的布局串起来，点出了模型层和基础设施层的博弈，对从业者判断生态走向有帮助。
Google 在 Cloud Next 2026 上放了三招：把第八代 TPU 拆成训练用的 8t 和推理用的 8i，8i 内存带宽比 8t 还高，专门对付长上下文推理；推出 TorchTPU，让 PyTorch 代码能直接在 TPU 上跑，不再需要以前那个问题一堆的桥接层；以及给 Anthropic 投了最多 400 亿美元并配 5GW 算力。这三件...
推荐理由：这篇文章把 TPU 和 CUDA 的竞争讲得很清楚，给了 8i 的硬参数和量产时间，也提到了 TorchTPU 这个降低迁移门槛的动作。但正文自己说了缺少独立 benchmark，而且 8i 要 2027 下半年才量产，所以判断 18-24 个月内 TPU 不会取代 NVIDIA。信息有料，但验证还弱，时间也远，所以重要性给到 82，放在 featured 里。
Google 悄悄上线了 Flow Music 网页版，目前有歌曲、歌单、空间、视频、项目和 Turntable 六个板块。核心功能是跟一个叫 Producer 的对话式工具聊天做歌，官方说它背后是 Lyria 3 模型，能生成带人声的完整歌曲；AI 音乐视频部分接的是 Veo 模型，可以自己控制角色和画面风格。页面还展示了一些示例曲目和可交互的迷你乐...
推荐理由：我会先打个折：正文没披露价格、地区、模型参数和版权机制，这些关键信息全缺，所以重要性停在 76 不动。但 Google 把 Lyria 3 和 Veo 打包成一个网页端音乐创作入口，6 类入口直接列出来，Producer 能出完整歌曲，这点对从业者来说信号很明确——大厂在认真推 AI 音乐工具，不是 demo。没写版权怎么处理，先别太激动，但上线本身已经够让做音乐 AI 的人盯着看了。
Google DeepMind 发了 TIPSv2，一篇 CVPR 2026 论文，改了三处预训练方法，让视觉模型在零样本分割上明显变强。核心发现是：用蒸馏训练出来的小模型，在图像区域和文本的对齐能力上反而超过了大模型老师，原因在于老师模型在预训练时没管那些没被遮住的图像块。于是他们搞了个 iBOT++，把自监督学习的目标从只盯被遮住的块，扩展到所有图...
推荐理由：Google DeepMind 在 CVPR 2026 拿出的 TIPSv2，核心是三处预训练改动。最值得看的是 iBOT++：对遮挡和可见 patch 都加自蒸馏损失，零样本分割直接涨了 14.1 mIoU，同时用 Head-only EMA 把训练参数砍掉 42%。我会先打个折——这还是一次研究发布，不是当天就能用的模型，但可见 token 监督这个方向比堆大教师模型务实，对想省预训练成本的人是个信号。
Google 打算先投 100 亿美元现金，把 Anthropic 的估值推到 3500 亿美元；后面还有 300 亿美元，但要看 Anthropic 能不能达到约定的业绩目标。这笔钱不全是现金，相当一部分会折算成云计算资源，也就是给 Anthropic 提供跑模型需要的算力。这个时间点刚好在 Anthropic 小范围放出新模型 Mythos 之后—...
推荐理由：这条消息的冲击力主要来自 400 亿美元的上限和现金+算力的组合，不是单纯的融资数字。我会先打个折：正文没写交易结构、时间表和算力配额，所以实际落地规模和节奏还不清楚。对从业者来说，真正值得盯的是算力绑定——Anthropic 对 Google Cloud 的依赖会不会加深，后续模型训练和推理成本能不能压下来，这点先别太激动，得等更多细节。
谷歌要给 Anthropic 投一笔钱，上限是 400 亿美元。这笔钱不是单纯的财务投资，核心目的是给 Anthropic 的模型增加计算资源，也就是买更多服务器和芯片来跑模型。这更像是一种算力绑定——Anthropic 拿了钱，但得花在谷歌的云服务或算力上。不过，正文被付费墙挡住了，具体的交易结构、投资时间表、Anthropic 的最新估值，以及算力...
推荐理由：FT 的消息说 Google 计划向 Anthropic 投最多 400 亿美元，用途是增加跑模型需要的算力。我会先打个折——具体怎么投、分几批到账、估值多少、算力从哪来，正文都没写。但光这个数字和算力绑定的方向，就值得从业者盯着看，因为这比单纯财务投资更能锁死合作关系。
谷歌先投 100 亿美元，Anthropic 估值给到 3500 亿美元。后面可能再追加 300 亿，但正文没披露触发条件、时间表和最终持股比例。我会先打个折——重点不是 400 亿这个总数，而是后续那笔钱在什么情况下会进来，以及这个估值到底靠什么撑起来。
推荐理由：P1：HKR 三项全中。Google 可能投 400 亿进 Anthropic，这个数字本身就够抓眼球；Bloomberg 节目里拆出先投 100 亿、估值 3500 亿，后面还能再追 300 亿，信息增量是实的；两家深度绑定对算力和资本格局的影响也够大。没给到 95 分是因为股权、交割时间和追加条件全是空白，正文也没补，总额听着大但实际落地的条款还不清楚，我会先打个折。
Google 先投 100 亿美元进 Anthropic，后面可能再追加 300 亿，总盘子拉到 400 亿。这笔钱会让两家在 AI 上绑得更紧，但正文没披露那 300 亿的触发条件是什么，也没说钱具体怎么花。
推荐理由：这条放 p1 是因为 HKR 三项全中：400 亿的上限本身就是新闻，100 亿加 300 亿的分段结构是新信息，而且会实质影响谷歌和 Anthropic 的联盟关系。后面那 300 亿的触发条件没披露，所以我不给到 95 分以上那档。
Google 在 Cloud Next 大会上宣布，会把类似搜索结果的 AI 概览功能搬到企业版 Gmail 里。你可以用大白话提问，比如问项目进度、发票情况或差旅细节，AI 会直接跨多封邮件抓取信息，生成一段简短的总结，不用你一封封点开看。这个功能默认开启，前提是管理员已经打开了 Gemini for Workspace 和 Workspace In...
推荐理由：Google 要把 AI 自动摘要塞进企业版 Gmail，不是给单封邮件划重点，而是跨多封邮件直接生成总结。这点和普通邮件摘要不一样，更像是在收件箱里加了一层工作流收束。但正文没写什么时候上线、哪些套餐能用、背后模型是什么，所以我会先打个折。HKR 里 K 和 R 都过了，H 偏弱，整体放在 featured 低档就行。
Google 把 Gemini 的会议纪要功能从线上视频扩展到了线下面对面开会。你只要在房间里用手机或平板打开 Meet，它就能直接录下现场对话并生成文字稿和摘要。之前这个功能只在安卓测试版里小范围试过，现在正式开放了。另外，就算你用的是 Zoom 或微软 Teams 开会，它也能帮你记笔记，不再只绑在 Meet 自己的通话里。正文没提这个功能对多人说...
推荐理由：一条中等体量的产品更新。H 打在线下加跨平台这个组合拳上，K 落在对 Zoom 和 Teams 的具体支持以及摘要转录能力，R 则指向各家争夺会议记录工作流的暗线。正文没披露定价、铺开节奏和实际转录质量，所以我会先打个折，不把它当成颠覆性发布。
商汤绝影发布了一个叫Sage的车载端侧多模态模型，总参数32B，但每次推理只激活3B参数。它在PinchBench上拿了94%，比Claude Opus 4.6的93.3%和GPT-5.4的90.5%都高。模型跑在Nvidia OrinX上，首字延迟约0.5秒，单token生成约0.03秒，吞吐80 tok/s。训练用了两个方法：SCOUT省了约60%...
推荐理由：我会先打个折：所有数据都是商汤自报，没有第三方复现，PinchBench 的对比对象和测试条件正文也没细说。但亮点在于它把 3B 激活模型塞进 OrinX，还给出了推理延迟和吞吐，这对车载场景比跑分更有参考价值。后训练省 60% GPU 小时、复杂任务完成率提 20% 这两个数，缺训练规模和消融细节，先别太激动。整体看，信息量够、落地指向明确，但验证链不完整，所以重要性给 79，放在 featured 里提醒大家关注端侧 Agent 的进展和水分。
Google 把 Gemini Deep Research 拆成了标准版和 Max 版，背后都是 Gemini 3.1 Pro 模型。标准版走速度和成本优先路线，适合嵌在产品里做即问即答；Max 版会反复搜索、推理、打磨报告，官方举的例子是分析师下班前丢一个尽调任务，第二天早上收完整报告。这次最大的变化是支持 MCP，能把 FactSet、S&P、Pi...
推荐理由：这是一次有分量的产品更新：Gemini Deep Research 拆成标准版和 Max 版，在付费 API 里公开预览，标准版偏速度和成本，Max 版给更多算力、反复搜索和推理。HKR 三项都站得住，但官方没公布定价、调用限制和两版实际性能差距，所以分数压在 78-84 这个区间。