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。
谷歌正式发布了 Gemini 3.6 Flash 和 3.5 Flash-Lite，两个模型都支持 100 万 token 的上下文窗口和 6.4 万 token 的最大输出。3.6 Flash 的定价是每百万输入 token 1.5 美元、输出 7.5 美元，比 3.5 Flash 便宜，官方说它在处理复杂的智能体任务和多模态任务时，用的推理步骤、对...
推荐理由：谷歌发了 Gemini 3.6 Flash 正式版，定价比 3.5 Flash 便宜，还强调在智能体和多模态任务上用了更少的推理步骤。有具体价格和规格，但正文没给基准测试或跟竞品的对比，所以重要性给到 78。
Alphabet 刚发的二季度财报显示，自由现金流同比少了 60 亿美元，只剩 69 亿。钱主要花在了服务器和数据中心上，资本支出冲到 190 亿美元，比去年同期高了 45%。CEO 皮查伊说 AI 产品已经在产生收入，但没给具体数字。云业务涨了 28%，不过利润正被巨额投资吃掉，短期能不能回本还看不清。
推荐理由：Alphabet的财报是整个行业的温度计。自由现金流缩水60亿、资本支出190亿，用真金白银把AI烧钱大战量化出来了。皮查伊说AI产品已经在产生收入，但正文没给具体数字——这个信息缺口让它到不了80分。
Alphabet 刚发的财报让之前担心 AI 烧钱没回报的投资人稍微松了口气。Google Cloud 这个季度收入冲到 248 亿美元，比去年同期涨了 82%，也远超华尔街预期的 224.6 亿。上一季度增速是 63%，收入 200 亿，这次明显在加速。公司把增长归因于企业客户大量采购 AI 解决方案和 AI 基础设施。不过有个关键信息正文没拆开：这...
推荐理由：Google Cloud 从 63% 加速到 82% 增长、单季 248 亿美元，是 AI 投入转化为收入的最清晰信号。没给到 85 分以上，因为正文没拆 AI 基础设施和 AI 解决方案的收入，也没披露利润率和资本开支——在这些信息出来前，我先保守一点。
Alphabet 上季度自由现金流直接烧掉 60 亿美元，因为资本支出冲到 280 亿，大头砸在数据中心和自家 TPU 芯片上。CEO 皮查伊说云业务增长现在就是被算力卡着脖子，不建不行。营收倒是涨了 14% 到 970 亿，搜索和广告基本盘没崩，但现金烧太猛，盘后股价跌了 4%。全年资本支出目标正文没给新数字，只说了下半年花钱节奏不会慢下来。
推荐理由：Google 的 AI 基建烧钱数字具体，皮查伊那句算力瓶颈直接把这事从普通财报抬到了行业信号级别。正文没给全年资本支出新目标，所以没给到 80 分以上。
Google 在财报电话会上更新了全年资本支出指引，从之前的 1800 亿到 2000 亿美元，上调到 1950 亿到 2050 亿美元。CEO Sundar Pichai 说 AI 需求很强，公司正在加快云和搜索的基础设施建设。这个数字是预算上限，不是已经承诺花出去的钱，但方向很明确：Google 在 AI 基础设施上继续加码。正文没披露具体有多少比...
推荐理由：Google 在财报电话会上把全年资本支出指引的上限拉高了 50 亿美元，到了 2050 亿。Pichai 明确说 AI 需求是主因，云和搜索的基础设施都在加速建。数字够大，来源是官方，直接反映了 AI 基础设施竞赛的烈度。没给 p1 是因为这只是预算上限，不是已经签出去的合同，实际花多少还得看执行。
Sundar Pichai 发了 Alphabet 第二季度数据。营收同比涨了 24%，Google Cloud 增速更猛，达到 82%。Gemini 应用月活用户到了 9.5 亿，模型 API 每分钟处理 220 亿个 token，主要靠 Flash 模型在扛。Gemini Enterprise 已经进了 90% 的财富 100 强公司。正文没披露利...
推荐理由：Alphabet Q2 的数据是行业基准级别：Cloud 82% 增长和 Gemini 9.5 亿月活都很扎实。没给到 85 分以上是因为这只是 Sundar 的推文，不是完整财报——利润和资本开支细节缺失，而且谷歌财报电话会习惯性挑亮点说，我会先打个折。
Google 放出了 Tunix，一个基于 JAX 的智能体后训练库，专门解决用强化学习训智能体时 TPU 摸鱼的问题。核心思路是把“让模型干活”和“让模型学习”这两件事拆开：模型在等工具返回结果（比如等一次网页搜索）的时候，推理引擎立刻切去给另一个活跃的智能体生成回答，不让芯片闲着。生成好的回答会通过一个动态的生产者-消费者管道，边攒边往训练器里送，...
推荐理由：Google 发了个 JAX 库，用生产者-消费者管道把智能体等待工具返回时的 TPU 空闲时间利用起来，直接解决 RL 训练里芯片摸鱼的问题。对做训练基建的团队是个实用的参考，但本质是开发者博客的技术发布，不是产品或模型，所以重要性刚好卡在 featured 门槛上。
Google DeepMind 发布 Gemini 3.6 Flash、3.5 Flash-Lite 和面向安全的 3.5 Flash Cyber 三款新模型。
推荐理由：原文给出三款新模型的定价、token 效率与多项基准对比，可据此判断智能体工作流的成本与选型变化。
Google DeepMind 发布 Gemini 3.5 Flash Cyber，基于 3.5 Flash 微调，用于快速发现、验证和修补漏洞，在 CyberGym 等基准上以多次调用取得接近更大模型的成绩。
推荐理由：原文给出轻量安全模型在多个基准和 Google 内部代码库的实测结果，可据此判断专用小模型在漏洞发现上的性价比。
VentureBeat 调查了 107 家企业，发现 AI 智能体的安全防护明显没跟上部署速度。54% 的企业已经发生过确认的安全事件（18%）或差点出事（36%），但只有 32% 给每个智能体分配了独立、权限受限的身份，大多数智能体仍在共用 API 密钥或员工账号。高风险智能体里，只有三成被放进沙盒隔离，而且公司越大隔离做得越差——千人以上企业出事率...
推荐理由：VentureBeat 的 107 家企业调查把智能体安全欠账的问题讲得很实。54% 的事故率加上共用凭证、低沙盒率这些细节，比泛泛谈风险有用得多。没给更高分是因为这是厂商背书的调查，不是独立研究，方法论上我会先打个折，但数据本身对从业者足够有参考价值。
Google 给 AI Mode 加了个“Connected Apps”功能，你可以把自己的 Instacart、Canva、YouTube 账号绑上去，让 AI 直接跨 App 执行操作。比如让它帮你列好烧烤食材清单，顺手就能把东西加进 Instacart 购物车。这等于把 AI Mode 从纯问答推到了能进 App 帮你办事的阶段，明显是在跟 Ch...
推荐理由：Google 给 AI Mode 加了 Connected Apps，让 AI 能跨 App 办事而不是只给答案，这是往代理式搜索迈了一步。分数没打更高是因为目前只接了三款 App，而且正文没披露权限粒度，比如用户确认流程、失败处理机制都没提，实际体验还得观望。
欧盟根据《数字市场法案》做出裁定，Google 必须让竞争对手的搜索引擎和 AI 助手在 Android 上获得与自家 Gemini 差不多的系统级访问权限，同时还要分享一部分搜索数据。这对做 AI 助手和搜索的公司是个机会，但文章没具体说哪些搜索数据要交出来、通过什么接口给。Google 大概率会上诉，所以什么时候执行、执行到什么程度都还不确定。
推荐理由：这条 DMA 裁定直接威胁 Gemini 在 Android 上的默认入口，对 AI 助手和搜索的竞争格局冲击很大。我会先打个折，因为正文没讲清楚数据分享的范围和接口，Google 也大概率会上诉，落地时间和力度都不确定，所以分数压在 85 以下。
作者把谷歌的 Gemma 4 26B 模型（一种混合专家模型，每次只激活部分参数）塞进了一台 2013 年的惠普存储服务器，双路至强 E5-2690 v2，没显卡，整机成本不到 300 美元。跑起来后生成速度约每秒 5.2 个 token，跟人阅读速度差不多。过程并不顺利：这 CPU 只支持 AVX1 指令集，而推理引擎 ik_llama.cpp 的优...
推荐理由：这是一篇第一人称的硬核实验，不是泛泛的“本地跑大模型”教程。Gemma 4 26B 这种混合专家模型塞进 2013 年老至强，没显卡，总花费不到 300 美元，每个细节都有实测数据撑着。HKR 三项全中，但本质是个人博客的折腾记录，不是产品发布或研究突破，所以重要性给 72、放 featured 刚好。
阿歇特、圣智、爱思唯尔和作家斯科特·图罗等原告发起集体诉讼，指控谷歌未经许可用他们的版权作品训练 Gemini 模型。诉状还称谷歌故意删除或修改了版权管理信息，想掩盖训练数据来源。这是出版商对 AI 公司发起的又一起诉讼，不过加州法院此前已有两起早期裁决支持 AI 公司，认为用版权作品训练模型属于“合理使用”。
推荐理由：出版商告 AI 公司不是新鲜事，但这回原告名单（阿歇特、爱思唯尔等）和“故意删改版权信息”的指控把分量拉上来了。目前还没判决也没和解，实际冲击要等法院怎么接招，所以分数卡在 featured 门槛上，不往上调。
Demis Hassabis 在 X 上发帖，主张成立一个类似美国金融业监管局（FINRA）的独立标准机构，专门负责测试最前沿的 AI 模型，并制定发布规范。他的设想是，AI 实验室先自愿在模型发布前 30 天把模型交给这个机构审查；等这套评估流程被证明有效且靠谱之后，再变成强制要求，不通过就不让在美国部署。帖子没提时间表、钱从哪来、以及这个机构凭什么...
推荐理由：Demis Hassabis 在 X 上发的这个帖子，等于给前沿模型监管画了一张带具体参照物的草图。他拿 FINRA 说事，让讨论从“要不要管”进到了“照什么样子管”，信息量比一般呼吁大。但我会先打个折：正文没提时间表、钱从哪出、这个机构凭什么让人服气，目前还是个人提议，离落地差着好几步。
Google 在印度 I/O 大会上展示了 Pixel 10 系列的端侧 AI 能力。手机搭载的 Tensor G5 芯片内置 TPU，可以直接在设备上运行 Gemma 4 E2B 模型，数据完全不上传，保证离线隐私。现场演示了离线旅行规划、拍照识物、音频转文字等功能，还有一个叫 Functional Gemma 的小模型能通过语音或文字直接控制 Wi...
推荐理由：Google 在印度 I/O 上亮出了 Pixel 10 的端侧 AI 底牌：Tensor G5 自带 TPU，能本地跑 Gemma 4 E2B，现场演示了离线旅行规划、拍照识物和音频转文字，数据不出手机。Functional Gemma 这个小模型还能直接操控 Wi-Fi 和蓝牙，把端侧能力从“聊聊天”拉到了“干点活”。我会先打个折——这是官方博客的预告，不是独立评测，真机表现和功耗控制都还没验证，别急着全信。
Gemini 3.5 Live Translate 直接处理原始音频流，不是先转文字再翻译再念出来，所以能保留说话人的语调、节奏和音高。支持 70 多种语言，延迟做到近实时。东南亚打车平台 Grab 已经在测试，用来解决司机和乘客跨语言通话的问题——Grab 用户每月语音通话量超过 1000 万次，这个量级如果真能跑通，省下的沟通成本不小。开发者现在可...
推荐理由：Google 发了端到端语音翻译，Grab 已经在每月 1000 万+通话量里实测，技术信号和落地验证都够硬。没给 85 分以上是因为正文没披露具体延迟毫秒数和翻译质量指标，目前只能当方向性利好来看。
Demis Hassabis 公开喊话，希望美国出面领导一个国际组织，模式参考欧洲核子研究组织（CERN），核心任务是对那些能力最强的“前沿”AI 模型进行安全测试。文章本身是付费墙，具体怎么建、谁出钱、时间表这些细节都没披露。单从标题看，他这次把球踢给了美国，强调测试得由美国主导，焦点放在前沿模型的安全审查上。
推荐理由：Hassabis 拿 CERN 打比方，说明他想的是长期、烧钱、跨国协作的路子，不是搞个松散论坛。但付费墙让信息停在口号阶段，我会先打个折——提议有分量，细节为零。如果后续有白宫回应或预算数字出来，这条的重要性还能往上走。
三家大厂自己公布的数据显示，2025年它们的机房一共排了1.04亿吨二氧化碳，相当于法国全国排放的33%。微软一家就占了将近一半，主要是因为它猛铺AI基础设施。更让人不放心的是，这三家都在悄悄往回缩：亚马逊和谷歌不再提“全天候用清洁能源”的目标，微软买的碳抵消也被发现效果注水。而且这些数字都是企业自己报的，实际排放很可能更高。
推荐理由：三家大厂自己报的数据，2025年机房排了1.04亿吨二氧化碳，相当于法国全国排放的33%。微软一家就占了近一半，主要是猛铺AI基础设施。更让人不放心的是，亚马逊和谷歌不再提“全天候用清洁能源”的目标，微软买的碳抵消也被发现效果注水。这些数字都是企业自己报的，实际排放很可能更高。对AI从业者来说，这不是环保口号，是行业正在变成顶级排放源的事实，而且承诺还在往回缩。
FT 拿到内部文件，发现 OpenAI 和谷歌通过微软 Azure 和谷歌云，把模型访问权限卖给了至少八家被美国列入实体清单的中国公司，包括华为、商汤、依图和科大讯飞。交易走的是这些公司的海外子公司或第三方经销商渠道。两家公司都否认违反出口管制，但 FT 看到的内部记录显示，部分销售团队知道客户的背景，交易还是继续推进了。核心争议在于：通过云服务提供模...
推荐理由：FT 这篇独家调查有内部文件支撑，不是匿名消息。它把 OpenAI 和谷歌通过 Azure 和谷歌云向实体清单上的中国公司卖模型访问权这件事坐实了，还给出了具体客户名单和交易路径。我会先打个折：两家公司都否认违规，FT 也没把内部文件全文公开，所以证据链的完整度外人没法完全验证。但即便只按已披露的信息看，这事对行业信任的冲击也够大——它说明现有的出口管制框架在云服务场景下存在明显漏洞，而且大公司的合规声明和销售行为之间可能有温差。对国内从业者来说，这还多了一层现实意义：以后用海外云服务接入模型，合规风险可能比想象的高。