2026年10月14日
Yossi Matias，Google 副总裁兼 Google Research 总经理
今天，在我们的旗舰活动 Research@ 上，我们分享了能够放大人类创造力的研究突破。从行星智能到先进的医疗工作流程，我们正将曾经遥不可及的能力交到全世界人们的手中。以下是 10 个亮点。
我们正生活在一个研究与科学发现的黄金时代。对于 Google Research 的科学家和研究人员而言，机遇不仅限于开创性的突破。我们还在构建并分享强大的工具，赋能全球生态系统。AI 充当人类创造力的放大器，为好奇心与严谨探究的蓬勃发展创造条件。
今天，在山景城举行的 Research@ 活动上，我们正在展示我们如何将前所未有的洞察与能力交到医生、科学家、开发者、公共卫生官员等人手中。
以下是 10 个亮点：
应对全球挑战需要准确、真实世界的行星智能。借助 Google Earth AI，可以预测公共卫生威胁、加速清洁能源投资、为企业提供前瞻洞察等等。今天，我们正在扩大早期访问，并邀请合作伙伴探索三种新方式，以使用 Google Earth AI 的全新实验性能力：
我们还宣布集成 Google Dataset Search，以便从超过 1 亿个公共数据集中进行查询，以及集成 TimesFM 用于行星临近预报和预报迭代。所有这些能力均由 70 多种地理空间工具提供支持，包括行星基础模型，如遥感基础模型（RSFM）和人口动态基础模型（PDFM）。它们已通过今日发布的 Earth AI 技术报告中详述的实证基准得到验证。它们使开发者、卫生领导者和企业团队能够自动化复杂的地理空间工作流程。
为进一步支持社会影响工作，Google.org 将提供 1000 万美元资金，用于支持致力于危机韧性和公共卫生的组织。其中包括向米尔肯研究所提供 200 万美元，以打通经济适用房、清洁能源、宽带、安全供水系统及其他关键基础设施的瓶颈。
Google Earth AI* 的地理空间基础模型正被用于帮助预测疾病暴发，并使公共卫生团队能够采取主动的预防性行动。*
现有文献为驱动新的科学发现提供了丰富的知识来源。我们构建了一个多智能体编排器，使科学家能够复现先前的方法和分析，然后将其应用于新场景以应对重要的研究挑战。例如，这帮助研究人员将一种解决流体力学中逆向设计问题的新方法应用于导尿管设计。他们发现，在模拟中，这些导尿管设计能更好地预防细菌感染。
这补充了我们现有的加速科学工作流程的工具。实证研究助手使科学家能够并行生成和测试数千种代码变体，并已帮助研究人员从生物学到宇宙学再到经济学产出成果。与Google DeepMind合作构建的联合科学家是一个多智能体工具，能够生成新颖的假设，并已帮助斯坦福大学的研究人员等合作伙伴发现了可用于对抗肝纤维化的老药新用。
彻底的同行评审是科学方法的核心部分。我们创建了深度评审，这是一个智能体系统，可对复杂文档进行严格验证。随着AI越来越多地被用于帮助专家起草技术文档，这一点尤为重要。许多Google研究人员和外部作者已经使用该系统的早期版本，评审了提交给顶级计算机科学会议的16,000多篇研究论文。它通过检查逻辑一致性和事实依据来帮助完成繁重的认知工作，而科学家则保持对创意方向的权威。今天，我们正在向公众扩大深度评审的访问权限，以帮助人们验证从法律协议到财务报告的各种技术文档。
展示四阶段流水线的系统架构。
随着可穿戴设备的兴起，硬件制造商需要工具来开发高效的边缘应用，以满足客户对全天候性能的高期望。今年早些时候，我们推出了首款Synaptics的Coralboard，使用了Google的Coral NPU加速器核心。它使AI和ML工程师能够快速制作原型并构建设备。下周，我们将揭晓我们共同设计的下一代低功耗边缘AI芯片，由Synaptics使用我们的开源IP创建。该芯片为构建设计下一代智能眼镜和手表、联网摄像头、流媒体设备以及工业视觉和语音系统的设计工程师提供了更高的效率和性能。
Synaptics的新款低功耗边缘AI芯片，旁边放置一枚硬币以显示其相对尺寸。
语言模型擅长处理文本，但业务和运营决策同样依赖数字。TimesFM 和 TabFM 是专为推理原始数值分布而设计的基础模型——时间序列流（随时间变化的数据）和结构化表格数据（如电子表格）。这两个模型无需任何训练即可开箱即用地提供准确预测。它们在其领域的领先公开基准测试中名列前茅，并已向所有 Cloud BigQuery 用户开放。今天，我们宣布即将把这些模型集成到 Gemini for business 中。不久之后，企业主、分析师、运营负责人或协调员就能基于复杂的运营表格和数百万行数据，预测产品销售或医院床位容量等趋势。敏感数据安全地保留在组织边界之内，人们可以在几秒钟内获得所需的答案。
TimesFM-3 的多变量预测有助于企业预判未来计划促销日的销售提升。
MedGemma 上周发表于 Nature Medicine，已被超过 65,000 名独立创新者下载超过 1,000 万次。它作为开放基础，供开发者构建
随着开发者针对更多专科和护理场景微调 MedGemma，我们正在推动开放健康 AI 的前沿。我们最新的研究通过工具使用推进了 MedGemma，使其能够利用可用的健康记录和临床医生依赖的其他应用程序。我们正在探索乳腺 X 线摄影、超声和心电图等新模态。早期迹象表明，在回答临床问题和解读放射影像、皮肤图像及病理切片等能力方面取得了实质性提升。借助这些进展，我们希望拓展创新者能够构建的范围，将有效医疗带给全球更多社区。
通过我们对 AMIE 的研究，我们正在探索 AI 在临床推理和对话中的应用，以了解它如何赋能临床医生并加强医患关系。我们今年在 Nature 上的研究将 AMIE 的能力从初步诊断推进到长期疾病管理，并在
我们在 The Lancet 上的新研究为其能力如何在真实临床环境中落地提供了令人期待的前景。在
AMIE 是我们可追溯至里程碑式 MedPalm 论文的严谨研究历程的一部分，而现在仍处于早期阶段。
AI 可以帮助我们更准确、更提前地预测灾害，让社区有更好的机会做好准备并拯救生命。我们一直在朝着危机韧性的北极星目标取得进展：一个没有人会对自然灾害感到意外的世界。
以洪水预报为例。我们发表在《自然》上的全球水文模型使我们能够提前最多 7 天提供可靠的河流预报，覆盖 150 多个国家超过 20 亿人，针对最重要、影响最大的河流洪水。然而就在一年前，预测山洪似乎仍然遥不可及。
我们首先将 Groundsource 与 Gemini 结合，分析洪水相关新闻报道，并创建了一个包含超过 260 万次洪水事件的结构化数据集。该数据集帮助我们克服了山洪缺乏地面真实数据的问题，并训练了一个新模型，可以提前最多 24 小时预测城市地区发生山洪的可能性。该数据集现已成为 Google Earth AI 集合的一部分，我们已将其公开提供，以帮助科学家进行进一步分析和研究。
一张全球地图，显示 Groundsource 中洪水事件的密度。红点表示来自 GDACS 的洪水。
借助生成式 UI，我们可以超越静态输出，动态生成功能性、交互式软件。我们的研究实验在教育领域探索了这一点。我们对生成式 UI进行微调，并加入教学防护措施，使教师能够创建符合其课程的自定义引导式 STEM 模拟。示例库包含 30 多个 AI 生成的学习互动内容，全部由教师审核，面向初中和高中物理、化学、生物和数学。学校可以报名参加 Google for Education 试点计划以分享反馈。这将帮助我们改进模拟并为公众开发更多内容，使练习更加互动和引人入胜。
Play with Putty 允许团队在共享环境中共同构建和制作原型，而不会打断他们的创作流程。它展示了当 AI 模型变得更高效、并能够根据自然语言提示生成整个界面时，一切皆有可能。人们可以直接与界面的任何部分交互，而多人编辑支持无缝、实时协作。我们最初设计 Play with Putty 是为了让 Google 的研究人员和团队能够共同制作原型——例如，使用 Google Earth AI 探索新的解决方案和可视化。此后，我们在 Google Labs 上开放了等候名单，将人类协作的乐趣带给各地使用 AI 的团队。
这 10 项更新凸显了我们广泛研究组合在众多领域中取得的近期进展。当我们放大人类的创造力时，技术才会成功。在这个研究与科学发现的黄金时代，机会比以往任何时候都更大——去开创突破，并分享赋能他人的工具，与众多伙伴携手合作。我们对前方的旅程感到兴奋。