在上周的 Google I/O 2026 大会上，Google 各团队展示了我们面向用户、开发者和研究人员的最先进技术。以下是今年 Google Research 的一些亮点，其中许多成果依托于多年努力，旨在实现研究的魔法循环。

快速链接

• • 复制链接 ×

今年 Google I/O 上的突破性进展，标志着一个大胆的新智能体时代已经到来。凭借比以往更强大的模型以及一个智能体编码平台，我们正在让 Google 产品对每个人都更加实用，同时改变研究人员应对最紧迫科学和社会挑战的方式。随着研究转化为切实的现实影响力，我们正在将 AI 与技术变成人类创造力的放大器。

以下是 Google Research 与 Google 内部众多团队及全球合作伙伴密切协作取得的一些关键亮点。

迈向科学发现的新时代

AI 正在开启科学发现的新时代。Google 正在构建基于 AI 的先进工具，旨在加速全球科学界的进步。我们的基础技术正在赋能世界各地的研究人员，利用科学方法——从假设生成到计算实验——在各个领域推动突破性进展。在 I/O 大会上，我们发布了 Gemini for Science，它基于我们的基础研究构建，包括实证研究助手（ERA）和联合科学家（Co-Scientist）——这两项成果均于上周发表在《自然》杂志上。

实证研究助手（ERA）是一个研究编码系统，旨在帮助科学家编写专家级的实证软件。上周 ERA 在《自然》杂志上的发表，是经过数月与学术合作伙伴合作探索该系统实际应用之后取得的成果。ERA 已帮助加速了从神经科学到宇宙学等多个领域的发现。我们最新的成果包括预测呼吸系统疾病的住院人数，以及预测加州各流域的季节性径流量。这些成果已发布在我们的新 GitHub 目录中。它们彰显了 AI 通过计算能力解锁更深层次洞察并加速发现的力量。

给定一个定义明确的问题和评分系统后，实证研究助手（ERA）作为一个代码优化的研究引擎来运作。ERA 会提出新概念、编写代码并评估结果。随后，它通过树搜索来搜索并迭代数千种代码变体，以优化性能。

共同科学家（Co-Scientist）是一个基于 Gemini 的多智能体系统，作为协作式 AI 伙伴发挥作用。我们关于共同科学家的基础研究上周发表在《自然》杂志上，同时还有一篇博客文章重点介绍了研究人员的反馈。我们之前的研究和验证论文展示了研究人员如何利用共同科学家来应对一些最紧迫的科学挑战，从抗菌素耐药性到植物免疫和肝纤维化。

共同科学家概览。它使用一组专门的智能体，这些智能体迭代地生成、评估并完善假设。

面向科学的 Gemini（Gemini for Science）是一套实验性工具，旨在扩大科学探索的规模和精度——它与 Google Cloud、Google DeepMind 和 Google Labs 的团队紧密合作开发而成。面向科学的 Gemini 中的新工具之一——计算发现（Computational Discovery），是一个基于 ERA 和 AlphaEvolve 构建的智能体研究引擎。计算发现原型并行生成并评分数千种代码变体，使科学家能够快速测试多种假设和新型建模方法，而这些若手动探索则需要数月时间。

每年有数百万篇论文发表，综合所有科学文献已成为一项巨大挑战。另一个新工具——假设生成（Hypothesis Generation），是利用共同科学家构建的。它旨在通过与科学家合作定义研究挑战，并运行一个多智能体“创意竞赛”来生成、辩论和评估假设，从而弥合这一差距。为确保科学严谨性，各项主张均有可点击的引用来源支持。

Gemini for Science 还集成了基于 NotebookLM 构建的文献洞察功能，该功能有助于综合科学文献中的研究发现并梳理结果。此外，任何在 Google Antigravity 等平台上从事智能体编码的人，都可以从科学技能中受益。这是一套智能体技能集合，能够自动让研究人员在几分钟内完成结构生物信息学和基因组分析等复杂工作流程，而无需花费数小时。

我们正在逐步开放这些工具的访问权限，并与全球科学界合作，以负责任的方式推动科学发展。如果您有兴趣，请访问 labs.google/science 注册。

作为我们与生态系统合作、促进获取最新实验成果的更广泛努力的一部分，我们还在试点用于智能体同行评审和科学验证的工具。ICML、STOC 和 NeurIPS 等顶级科学会议正在探索我们的论文辅助工具（PAT）。在这些会议上，PAT 以实验性质审阅了超过 10,000 篇论文——帮助许多作者识别出关键的理论空白，或根据该 AI 工具的反馈开展全新的实验。

我们还通过具备高级智能体推理能力的 Gemini Deep Think 来加速数学和科学发现。近期，我们与数学家、物理学家和计算机科学家合作，解决了专家级的开放研究问题，包括此前未解的网络谜题死锁、解决了一个长达十年的优化猜想、解释了机器学习优化中的异常现象、升级了拍卖的经济理论，并解决了宇宙弦中的物理奇点问题。

在科学家和研究人员手中，这些基于人工智能的新型技术可能会改变研究的方式，并催生一个发现的新时代。

用人工智能促进健康

人工智能可以在帮助人们活得更长久、更健康方面发挥重要作用。多年来，我们一直在推进人工智能研究以应对医疗保健挑战，与医疗服务提供者、科学家、政府官员和学者密切合作，将我们的临床研究应用到真实的医疗场景中，并确保我们的创新既安全又有益。

我们一直在研究的一个领域是，AI 如何能在用户整个健康与保健旅程中提供最佳支持——从了解症状、为就医做准备，到理解自己的医疗记录——这段旅程始于用户见到医生之前，并延续到就诊之后很久。我们的基础研究正在为全新的 Google Health 应用和 Google Health Coach 提供支持。上周，我们已开始向所有现有 Fitbit 用户推送 Google Health 应用，使符合条件的用户能够获得个性化、全面且自适应的健康指导。

这建立在我们多年研究工作的基础之上，其中包括关于个人健康大语言模型如何帮助改善睡眠与健身的研究。我们最新的研究包括 Symptom AI，这是一款探索性工具，旨在研究 AI 如何帮助推理与用户症状相关的对话数据。通过 Fitbit 应用进行的一项随机知情同意研究中，13,917 名参与者与实验性 AI 智能体进行了互动，捕捉了真实世界中多样化的沟通风格以及切合实际的疾病分布。在一项针对研究参与者的盲法对比中，独立临床医生审阅了相同的对话，他们对 Symptom AI 的鉴别诊断的偏好频率约为其他临床医生的两倍。在我们的 Plan for Care 试点研究中，我们考察了 1,779 名参与者如何使用我们的系统为就医做准备。与基线模型相比，感觉准备更充分的用户增加了 15%，感觉有信心充分利用就诊时间的用户增加了 13%。在我们的个人健康记录（PHR）研究中，我们评估了将 PHR 数据纳入模型上下文对回答质量的影响，发现自动评分者和临床医生均认为 AI 回答的实用性显著提升。

AI 和临床医生评分者对于在提供 PHR 上下文时 AI 回答实用性的评估结果。请注意，评分者（包括 AI 和临床医生）均为“先知”，能够访问模拟用户的 PHR 上下文；换句话说，这些先知了解模拟用户的历史健康背景，并可以利用这些信息来评估 AI 的回答。

另一项重要的研究工作围绕人工智能在临床环境中的潜力展开。在之前的两篇《自然》期刊论文中，我们展示了 AMIE——一个由 Google Research 和 Google DeepMind 开发的研究型多智能体系统——如何解读和推理复杂病例及医疗对话数据。在上周发表于《自然·医学》的新研究中，我们展示了该系统在多模态数据（包括病史、化验结果和复杂医学影像）上的能力。为了评估该系统在真实场景中的实用性，我们正与贝斯以色列女执事医疗中心合作，测试该系统如何帮助减轻患者就诊前实时病史采集的负担。我们还与 Included Health 合作，启动了一项全国范围内首创的研究，以评估人工智能驱动的远程医疗服务。

推动医疗进步是一项全球性努力。我们通过 MedGemma 赋能全球医疗开发者生态系统，MedGemma 是我们 Health AI Developer Foundations 套件中的一部分，该套件提供开放权重的基础模型，供开发者在此基础上构建应用。MedGemma 专门针对多模态医疗文本、临床推理和影像理解进行了优化。与之配套的 MedASR 则提供专门的医疗音频能力。这些模型正在为广泛的应用场景提供动力，助力普及优质医疗服务的可及性。截至目前，MedGemma 的下载量已超过 500 万次。

Coralboard：面向节能边缘应用

我们正在开发平台和工具，以帮助硬件制造商生态系统开发高效的边缘应用。Coral NPU 是我们开发的一款机器学习加速器核心，用于可穿戴设备和传感器等边缘应用的节能型人工智能。基于开放硬件，并与深度芯片供应商合作，这一经过验证的开源 IP 现已可用于商业芯片集成，有助于创建一种标准架构，从而加速边缘人工智能生态系统的发展。

在上周的 I/O 大会上，我们推出了首款来自 Synaptics 的 Coralboard，专为 AI 和机器学习工程师以及设备制造商设计，用于快速原型开发和设备构建。该板卡搭载了 Gemma 3 270M 开源模型，并提供了丰富的硬件接口，包括摄像头和显示支持、麦克风输入，以及可选的 Wi-Fi/蓝牙连接功能。Synaptics 已投入资源将这些解决方案推向市场，将 Coral 在功耗与性能之间的平衡与他们的 Devboard 智能相结合。

这一行业首创实现的威力在一场独特的展前体验中得到了展示：Coralboard 被部署到蒙特雷湾水族馆，用于实时设备端水母图像检测，其运动轨迹被用来编排大屏幕体验。Synaptics Coralboard 将于今年夏末正式上市。

Jellectronica 是一个生成式音乐实验项目，它将水母的运动转化为声音。该项目用于上周 I/O 大会的展前环节，直播信号来自蒙特雷湾水族馆。水母由运行在边缘设备上的物体检测模型追踪，该模型部署在谷歌小巧、低功耗的 Coral NPU 上。

预测极端天气

热带气旋和洪水等自然灾害可能摧毁社区并危及生命。作为我们长期危机应对工作的一部分，我们正在生成基于 AI 的精准预测，以帮助全球各地的社区和组织保持安全，更好地为危机做好准备。

去年，我们宣布了与美国国家飓风中心的合作，利用我们由 Google Research 和 Google DeepMind 团队开发的 WeatherNext 模型生成的气旋预测来支持他们的预报工作。在 I/O 大会上，我们展示了 WeatherNext 在最近一次飓风季中的影响。2025 年 10 月，当飓风梅丽莎逼近时，WeatherNext 提前五天高置信度地预测了其快速增强并在牙买加登陆。牙买加气象局得以提前通知公众，从而帮助挽救了生命和生计。

另一个近期里程碑是城市突发洪水预测。为了解决因数据稀缺而导致有效预测这一此前未解决的挑战，我们推出了 Groundsource，这是一种可扩展的新方法，利用 Gemini 将 20 年来非结构化的公开新闻报道转化为包含 260 万条记录的高质量数据集。这些数据使我们能够训练用于城市地区突发洪水的高级预测模型。这些预测结果与我们的河流洪水预测一起在 Flood Hub 上提供，后者目前覆盖 150 个国家的 20 亿人口，针对最重大的洪水事件。

WeatherNext 和洪水预测模型是 Google Earth AI 的一部分，后者是一组地理空间模型和数据集，旨在将地球信息转化为可操作的情报。它已经在帮助企业、城市和非营利组织应对从环境监测、灾害响应到支持公共卫生等挑战。Earth AI 的最新更新包括关于道路管理、人口动态以及航空与卫星洞察的新见解。

观看影片

提升 Gemini 的核心能力

我们持续推进生成式 AI 的基础研究。与 Google DeepMind 合作，我们在事实性、多语言能力和效率等领域的工作，有助于提升 Gemini 的模型质量和性能，并扩大我们产品的全球覆盖范围，以更好地满足用户需求。

我们对大语言模型事实性的研究，可以追溯到 2021 年关于评估事实一致性的开创性研究以及 2022 年的早期基准测试。我们持续推动 Gemini 和 AI 模式向前发展，并发表前沿研究，以帮助整个社区提供事实性信息。我们发布了 FACTS 基准，并对其进行了扩展，以便对大语言模型的事实性进行稳健的基准测试，同时发布了改进事实性的技术，包括文本到图像、视频生成、长上下文以及不确定性表达。

在 I/O 大会上，我们看到信息旅程正变得日益复杂，人们通过更长的对话来获取所需内容。这给大语言模型带来了多项挑战，包括：能够在上下文窗口中推理和分析更多相关信息、遵循对话早期出现的约束条件，以及使用更长的强化学习轨迹。Google Research 在所有这些挑战上率先开展了研究工作，这些进展为我们的 Gemini 模型提供了动力。

全新的“询问地图”功能还允许用户在 Google 地图中提出复杂、更长的问询。我们与“询问地图”团队合作，升级了其评估框架，并重新定义了地图有用性的衡量方式。通过精准定位涉及模型推理和工具执行的复杂边缘案例，此次合作建立了一个至关重要的反馈循环——这对于持续提升“询问地图”的性能至关重要。我们还推动了研究，以提升“询问 YouTube”的质量，这是一项帮助用户轻松查找视频和信息的新功能。

生成式 AI 正让工具和产品变得前所未有的易用，使技术最终能够适应用户的实际场景。我们提升了 Gemini 的多语言和本地化能力，包括发布了一项基准测试，用以展示大语言模型在不同语言和不同地区的运行表现，并与社区合作开源了非洲语言的数据。我们的努力助力 Gemini 扩展至超过 70 种语言，覆盖 230 多个国家。这使得 Gemini 成为全球范围内可用性最广的 AI 助手。

谷歌构建其基础设施以实现低延迟和高吞吐量，从而满足全球用户、开发者和企业的需求。我们的研究团队在推测解码的基础上开发了新技术——包括块验证和树状结构草稿，这些技术能够智能地同时探索多个候选续写路径，并在每一步接受更多模型 token。我们的实现针对谷歌的 TPU 架构进行了高度优化，最大化硬件利用率，在不损失质量的前提下提供显著更快的响应速度。这项工作使得 Gemini 3.5 Flash 达到了当前的速度，同样的模型也为 Antigravity 和 AI Studio 提供支持。

打造更具吸引力的生成式体验

我们对生成式 UI 的研究为搜索和 Gemini 应用中新近宣布的沉浸式体验奠定了基础。在搜索方面，新的生成式 UI 功能将于今年夏天向所有用户开放。搜索能够根据问题构建理想的回复，并以合适的格式呈现，为用户提供包括模拟、图表、追踪器和仪表盘在内的定制化体验。而在 Gemini 上，用户将看到交互式图像、时间线和嵌入式视频。该功能目前正在全球范围内推出，带来的体验更加流畅自然。

随着 AI 为新的创意可能性打开大门，用户正在寻求引人入胜、高质量的生成式视频和图像。我们的研究团队与 Google DeepMind 紧密合作，帮助改进 Gemini Omni——谷歌的新模型，能够从任意输入创建任何内容，首先从视频开始。我们帮助提升了生成视频片段中叙事组件的质量，使其更加有趣和吸引人，并特别关注改善生成片段中人物表情的质量。

开发者生产力的新时代

Google Antigravity 2.0，我们改进后的智能体开发平台，已于上周在 I/O 大会上发布。它允许用户并行管理多个本地智能体并实现任务自动化。我们的研究团队与 Google 内部多个团队合作，在 Antigravity 中引入了 `/teamwork-preview` 智能体，展示了基于全新 Flash 模型的智能体如何执行复杂的长期软件和机器学习工程任务。这预示着开发者生产力新时代的到来，并将数天的工程工作压缩至数小时。`/teamwork-preview` 命令工作流会调用一个智能体来优化用户提示词，随后在用户批准后，一个编排器接管并生成数十个专门的子智能体，在长时间运行的会话中自主编写、测试和调试代码。在 I/O 大会上，我们演示了该多智能体系统如何从零构建一个可运行的操作系统，由一组自主智能体编写从调度器到内存管理再到文件系统的每一行代码。其他演示还包括实现 AlphaZero 论文，以及通过自我对弈构建一个具有竞争力的围棋程序。

开源软件和开放数据集是现代科学的驱动力。它们是推动下一代开创性研究和产品的关键。借助上述提到的 MedGemma 等开放模型和 Groundsource 等开放数据集，以及我们在基因组学、神经科学等领域的工具，我们确保创新成为全球进步的催化剂。今年四月，Google 开源了 Gemma V4——这是我们迄今为止最先进的开放模型，专为推理、编码和智能体工作流而设计。在 I/O 大会上，宣布 Gemma V4 在短短一个月内下载量已突破 1 亿次。我们的研究团队推出了架构变更和训练策略，在保持相同高效资源占用的同时，提供了更高的模型质量。这意味着开发者无需依赖更重的计算资源，即可运行更复杂、更自主的智能体循环。

创新隐私与数据保护新技术

在一个智能体可以代你购物付款、智能眼镜能为你所见所引的世界里，赢得并维持用户信任至关重要。随着AI能力不断增强，隐私与数据保护已成为首要任务。多年来，我们开发了隐私保护技术（PPT）来保障用户数据安全。PPT能够从聚合的匿名化数据中提取洞察以改进应用，同时提供强有力的保障，确保个人隐私得到保护。例如，我们与Google搜索合作，上周分享了关于AI模式一年使用情况的隐私保护洞察。近期的隐私创新包括：针对用户如何使用聊天机器人和设备端AI的隐私保护聚合洞察，以及在机器学习、大语言模型、分区选择和合成数据生成领域对差分隐私基础原理的改进。

在数据保护措施之外，我们正将先进的风险管理推理创新成果引入Gemini模型，以帮助保障AI生态系统的安全，强化我们的AI系统，使其更能抵御新兴风险与漏洞。

引领量子计算前沿

我们持续推进量子计算路线图，距离量子计算的实际应用又近了一步。

我们在超导量子比特（qubits）的研发上开创先河，实现了纠错和可验证量子优势等里程碑。如《自然》杂志所发表，借助我们的Willow芯片，我们展示了历史上首个实现可验证量子优势的算法，即运行乱序时间关联器（OTOC）算法，我们称之为量子回波。该算法在Willow上的运行速度，比全球最快超级计算机上运行的最佳经典算法快13000倍。今年早些时候，我们将世界领先的量子计算研究扩展至中性原子量子计算领域——该技术使用单个原子作为量子比特，与超导量子比特并行发展。通过对两种技术路线同时投入，我们能够促进研究与工程突破的交叉融合。

在 I/O 大会的舞台上，James Manyika 和 Hartmut Neven 探讨了量子计算与人工智能的交汇点。这两项技术具有高度互补性。AI 已在多个方面加速量子计算的进步，从芯片设计到更优的纠错方案。他们还讨论了量子计算在现实世界中提升 AI 效能的巨大潜力，因为量子计算能够比经典计算更深入、更精确地探究自然界在基础层面运作的量子力学原理。

上周，我们启动了“生命科学与量子AI交叉研究计划”（REPLIQA），这是一项向五所大学投入1000万美元的倡议，旨在将先进的量子科学和AI应用于生命科学领域，以改善人类福祉。

结论

在 I/O 大会上分享的突破性进展，标志着一个大胆创新的智能体新时代。其中许多进步展示了从研究到现实的“魔法循环”的力量，推动着将不可能变为可能。随着 AI 的进步，这一“魔法循环”正在加速，使得我们能够研究更宏大的问题，并对产品、科学和社会产生更快、更深远的影响。

感谢为这篇博客以及其中所呈现的工作做出贡献的众多团队和合作者。