Google自进化：Gemini正在串起“一盘散沙”

好久没写Google了，今天补上。

最近一年一度的Google I/O大会已经开完，用一个字总结的话是“快”。

这个“快”，主要体现在新模型Gemini 3.5 Flash上，日常问答体验下来，确实比GPT等一众主流模型快，有点真人互动的感觉了。

其他看点也不少，哈萨比斯也出来站台了，看得出目前AI头部竞争之激烈。

如果把这次I/O的东西和近期Google的操作放在一起看，会发现还有一个“快”：

Google正在从一家搜索与广告公司，快速变成一家由Gemini驱动的全栈agent公司。

以前Google的AI转型路线，总给人感觉不够清晰，新不新旧不旧的。

今年，Google开始把自己过去二十多年积累下来的资产 —— Search、Android、Chrome、Gmail、YouTube、Workspace、Cloud、TPU、DeepMind、开发者工具、科学研究平台等等，迅速串到一起。

过去，这些东西是Google这家巨型公司里的一个个山头；现在，Gemini正在变成中间那根线。

也就是说，Google正在用AI从底层重写自己。

Google搞“全栈”

在agent时代，今年Google几乎所有重要发布，都可以放在这条线里理解：

Gemini 3.5 Flash，提供多快好省的主流模型能力；

Gemini Spark，由Gemini驱动的全天候个人代理；

Search Agents，让搜索从一次性查询变成后台持续监控；

Antigravity，让开发者可以调度一组agents去完成复杂任务；

Managed Agents，让开发者通过API就能创建云端agent；

TPU和Google Cloud，为这一切提供基础；

DeepMind和Gemini for Science，一方面探索AI for Science前沿，一方面反哺自家模型和agent能力提升，还有产品生态搭建。

以前的“一盘散沙”，正在被搭成一个完整的AI堆栈。

从芯片到模型，从模型到agent，从agent到搜索、办公、开发、科研、消费应用，再回到云和基础设施。

这就是Google的“全栈”。目前能搞这种全栈的，除了Google，其他可能也没谁了。

3.5 Flash变快，是因为agent时代必须快

先说大家最关注的Gemini 3.5 Flash。

我这段时间试下来，感受是真的快。

当然，很多其他模型也很快，比如国产的阶跃星辰Step系列，接龙虾的体感就很好。

重点是，3.5 Flash这次几乎实现了速度和质量的最佳平衡，没有那种因为“快”而变“傻”的感觉。

Agent时代，“快”变得重要，是因为agent需要在模型的驱动下，迅速完成理解目标、拆解流程、读取文件、调用工具、浏览网页、比较信息、生成方案、落地执行、检查结果、继续修正的agentic循环。

也就是说，用户一次输入的背后，可能有几十次，乃至成百上千次的模型调用。

这时候，模型必须快，必须便宜，必须稳定，否则agent就跑不起来。

如果每一步都很快，它就开始接近类似“后台同事”的感觉，这也是为啥flash这条线非常关键。

Pro代表能力上限，flash代表规模化普及。

Pro解决的是少数难题，flash解决的是每天发生千万次的普通问题。

下一阶段，更多进入普通人生活、企业流程和开发者工作流的，将从各家的最强模型，逐步切换到那个能力中等，但足够快、足够便宜、足够稳定的模型。

Gemini 3.5 Flash的定位，就是成为agent时代的默认发动机之一。

当然，论“聪明”，3.5 flash肯定比不上别家旗舰。

比如我问它成都某楼盘情况，其检索深度和准度明显不如GPT5.5，看下个月3.5 Pro有没有惊喜吧。

3.5 Pro没有马上发布：大厂对于“强”与“快”的平衡

这次I/O还有一个情况是，代表自家顶级智能的Gemini 3.5 Pro没有正式对外发布。

按照很多人的预期，Google应该在I/O这种年度大会上拿出最强模型，硬刚GPT和Opus。

但Google没这么做，它先把Gemini 3.5 Flash推到了台前。

而3.5 Pro，官方的说法是，已经在内部使用，效果有明显提升，计划下个月推出。

这个安排看起来有点“没放大招”，但反而说明Google现在对模型的理解，已经不是追求阶段性“最强”，而是更重视规模化应用。

Flash负责眼下，pro负责下一步。

Google可能正在用flash跑真实世界，用真实任务反哺pro。

这也是“Google自进化”的一个缩影：

不是先在实验室里造一个完美模型，再拿出来给用户试；

而是先把足够强、足够快、足够便宜的模型放进真实场景，让搜索、开发、办公、企业流程和个人agent产生海量任务反馈，再反过来推动下一代模型进化。

从这个角度看，3.5 Flash和3.5 Pro也许不是简单的大小模型关系,它们更像一个分工系统。

Flash负责规模化执行，Pro负责能力上限突破。

Search、Spark、Antigravity和Cloud负责提供真实任务场。

这套组合，也许才是这次Google I/O真正想展示的东西。

也就是一套让模型不断进入现实、吸收反馈、继续进化的系统。

Spark作为面向大众的agent, 值得一看

Spark这次值得单独拎出来说说。

它不是Google的龙虾，也不是Google Assistant的简单升级。

Google对它的定义是：24/7 personal AI agent, 一个24小时运行的个人AI代理。

意思是它不只是在你打开app后才响应的工具，而是一个可以在后台持续运行的云端智能体。

你不用一直开着电脑，也不用一直点手机，它可以在后台继续处理任务，手机锁屏了，电脑合上了，它也可以继续工作。

Spark更像是一个数字生活里的“后台小管家”，这样说有点土，但大概就是这个意思。

它可以帮你设置周期性任务，可以学习新的技能，可以创建完整的工作流，也可以和Gmail、Docs、Slides等工具打通。

也就是接管那些你不想做、但又不得不做的琐碎小事。

它运行在Gemini 3.5之上，也建立在Google Antigravity平台上。

可以这样理解：

Antigravity是开发者和专业用户调度agent的工作台；

Spark是普通用户使用的生活agent入口。

不过Spark现在还处在很早期的产品阶段，目前作为测试版面向美国的Ultra级用户推出。

这种产品和豆包还有千问app有相似之处，都是依托巨无霸平台向普通用户的日常渗透。

Search也不再只是搜索，而会变成agent入口

Google最核心的资产还是搜索。

今年I/O之后，“搜索”的定义加速演变。

最早，搜索是你输入关键词，搜索引擎返回网页列表。

后来，AI Overviews开始直接给你总结答案。

再后来，AI Mode让搜索变得像对话。

而现在，Google开始把搜索变成agent入口。

这次Google提到的search agents，可以让你在搜索里创建、定制、管理多个信息agent。

比如你在找房，不用每天自己刷。

你可以把预算、区域、户型、通勤、周边配套、偏好条件都丢给agent，它在后台持续扫描新房源，发现符合条件的再提醒你。

比如你关注某个运动员的球鞋联名，agent可以持续监控网页、新闻、社交平台和购物数据，有新动态就通知你。

比如你想订一个周五晚上的六人KTV包间，还要能供应宵夜，search可以综合价格、可订时间、位置、服务信息，给你直接可用的结果。

这些小功能，代表搜索正在从“找信息”变成“完成任务”。

过去，搜索组织网页；现在，搜索组织任务。

美团&点评：又学我！

其实仔细想想，“搜索”是何其重要的用户意愿表达：

我们每天搜百度、搜google、搜抖音、搜小红书、搜美团、搜点评、搜微信，背后都有真实的需求驱动，用搜索来驱动agent，确实值得搞。

等Google把卷子写差不多了，大概率我们就能在百度体验了。

Search里的mini apps，可能是生成式界面的雏形

Google也把agentic coding能力带进了search.

比如你问一个复杂的科学问题，它不只是给你文字解释，而是同时生成图表、模拟器、交互式视觉组件。

比如你想理解一个结构、一个概念、一个流程，它可以生成一个定制的可视化解释。

比如你想建立健康习惯，它可以直接帮你做一个持续使用的tracker，结合实时地图、天气、评论和本地数据，形成一个小型工具。

反正就有点学Claude的感觉。

Google把这类东西称为mini apps。

如果这个方向跑通，搜索引擎就会变得越来越像一个低门槛的应用生成器。

这其实有点接近“自然语言操作系统”的雏形了。

Antigravity是Google给agent时代准备的工作台

再往开发者，或者叫专业用户层看，强化Antigravity也是这次I/O的重要信号。

它会越来越像一个组织和管理agent的工作台。

这和Claude Code、Codex、Cursor大方向类似，不同的是，Antigravity背后的Google生态显然更强，想象空间也更大。

在agent迅速取代传统软件的时代，谁能让agent更稳定地执行长难任务，谁能给agent提供更好的harness、skills、工具、权限，谁能让开发者更容易地创建、调试、部署agent，谁就更接近产业链和价值链上游。

从这个角度看，Antigravity就是Google给出的答案。

它的多个应用场景中，science方向值得持续关注。

Omni，不只视频这么简单

Omni是这次多模态模型方向的一个亮点，官方说法是“It's like Nano Banana for videos”。

而且它还支持“Create from anything”, 也就是支持图片、文本、视频等多种形式的输入，想继续修改输出的话也是直接用自然语言就行了。

这种对于多模态输入输出的高宽容度，背后是“create anything from any input”的趋势，AI对世界和人类的兼容性都将越来越好。

当然，Omni现在主要还是做视频。

就像Seedance之于抖音一样，如果Omni进入YouTube生态，它的价值就会被迅速放大。

视频模型的可能性很多，既可以是一个“充分理解真实世界的AI剪辑师”，也可以是未来世界模型的雏形。

所以Omni不只是“Google也来卷AI视频了”，而是Google在往全模态agent系统走。

TPU：芯片在手，不是很慌

Agent需要大算力、低延迟和低成本。

Agent时代，越来越多的推理和边缘计算需求接入后，算力需求会很夸张，这也是为啥现在巨额资本都在砸算力砸芯片。

资本赌的是未来每个人都有几个、几十个，每家公司有成千上万个agent在后台运行，推理算力需求将出现爆炸。

所以Google的TPU芯片也值得关注，这次Google强调了TPU 8t和TPU 8i。

一个偏训练，一个偏推理。

训练关联模型能不能继续变强，推理关联AI能不能真正进入每个人的日常。

软硬兼备，这就是Google这种公司的优势。

这套体系如果运转起来，会形成从数据到模型到agent到硬件的内部良性循环，Google的自进化飞轮也就转起来了。

DeepMind和AI for Science，是大杀器

DeepMind是一个Google买来前沿实验室，也是一个不鸣则已，一鸣惊人的“大杀器”。

今年I/O上，DeepMind创始人哈萨比斯出来站台，本身就是一个信号：

Google要把Gemini放进更长远的AI for Science叙事里。

这次发布的Gemini for Science，核心不是帮科学家写摘要，而是让AI进入科学方法本身。

它主要包括几个方向：

Hypothesis Generation，用Co-Scientist帮助研究者生成、辩论、评估科学假设；

Computational Discovery，基于AlphaEvolve等系统帮助研究者探索和优化复杂计算方案；

Literature Insights，基于NotebookLM等工具帮助研究者理解、整理、比较海量文献。

这表明AI开始深度参与“提出问题—形成假设—设计路径—验证结果”的过程。

Co-Scientist尤其典型，它是一个多agent系统。

里面有负责生成想法的agent，有负责聚类和扩展研究方向的agent，有负责反思和批判的agent，有负责排序和辩论的agent，还有负责演化和整合最终研究建议的agent。

这就像一个小型科研团队，可以推进科学研究里那些复杂、漫长、反复的认知过程：提出假设、互相质疑、查找证据、迭代优化、筛掉不靠谱路径、保留更值得验证的方向。

科学研究中最贵的，往往是漫长的认知进步过程。

不知道该问什么问题、不知道哪条线索值得追、不知道哪些文献之间存在隐藏连接、不知道哪个方向可能浪费几年时间……

这些都会造成巨大的浪费。

如果AI能压缩这部分成本，科学进步的速度可能会发生明显变化。

DeepMind已经靠AlphaGO、AlphaFold、Gemini等等多次证明自己，未来它的想象空间还很大。

AlphaEvolve让Google“自进化”

AlphaEvolve是一个由Gemini驱动的agent，用来发现和优化算法。

它会生成大量候选方案，用自动评估器验证结果，再通过演化式方法，保留更好的方案，继续迭代。

比如优化数据中心效率、优化芯片设计、优化AI训练流程、优化数据库、寻找更快的算法等等。

也就是说，Google正在用AI提升自己的底层系统效率，实现所谓“自进化”。

现在Google试图形成的是AI时代的新增长逻辑：

模型提升工具、工具提升生产、生产提升基础设施、基础设施提升模型、模型再进入更多产品和场景。

这就是一个由Gemini驱动的技术代谢系统，也有点像一个巨型公司开始长出自己的神经系统。

过去是各个部门各跑各的，现在，Gemini在中间连接、调度、反馈、进化。

Google终于把自己的碎片资产拼成了一张网

过去几年，Google给人的感觉是，产品太多、技术太多、山头太多， AI路线也不够清晰。

随便拎一个出来都是顶级资产，但这些东西在用户心智里是长期分散的。

OpenAI聚焦GPT和Codex，Anthropic聚焦Claude和Claude Code。

Google反而因为太大，显得笨重，甚至有点乱。

但今年I/O之后，至少叙事上开始清楚了：

Gemini是核心模型；

Flash负责高频快速的日常；

Pro负责深度推理和复杂任务；

Omni负责多模态拓展；

Spark负责个人数字生活代理；

Search负责信息agent和任务入口；

Antigravity负责开发者agent生态；

AlphaEvolve负责润滑和加速自进化；

TPU和Cloud负责算力与基础设施；

DeepMind负责科学发现和前沿研究；

Android、Chrome、Gmail、YouTube则负责把这些能力嵌入普通人的日常。

渐渐地，Google可能会变成AI时代最大的那个入口和容器。

你可以从搜索进入它、从浏览器进入它、从手机进入它、从邮箱和文档进入它、从开发工具进入它、从云服务进入它、从科学研究进入它，甚至从一段视频、一个游戏进入它。

入口不同，但底层都是Gemini.

这也就是所谓“由Gemini驱动的全栈agent公司”。

趋势已经很清楚：世界agent化

当然，目前的Google，还是显得有点大而乱， 宏大愿景能否落地还得画个问号。

不管Google最终如何，世界agent化的趋势已经明确：

搜索会变成agent；

浏览器会变成agent；

软件和app会变成agent；

开发工具会变成agent；

云服务会变成agent；

科学研究会变成agent；

个人生活会出现Spark这样的24小时agent；

甚至所有操作系统和整个数字世界，都会变成agent。

坐拥这一切的Google, 应该已经意识到了这个必然结果，并在通过Gemini串联、加速这一进程。

过去大家总问：Google在AI时代能不能吃口热的？

后面也许更应该关心：

当Google下定决心用AI自我革命，规则和秩序全部重写的新世界何时到来？