可见水印不再是必选项

此前，谷歌在 Gemini 与 Flow 生成的图像、视频和音乐上默认叠加可见水印，目的是让用户一眼识别人工智能产物。新设置允许用户在需要时将其关闭。对于希望把生成内容用于正式场景、又不愿被明显标识的用户，这一调整降低了使用门槛。

不过，可见水印的退场并不意味着内容彻底「匿名」。谷歌实验室、Gemini 与 AI Studio 副总裁乔什·伍德沃德（Josh Woodward）表示，关闭可见水印后，系统仍会在图像、视频和音乐中嵌入不可见的 SynthID 水印以及 C2PA 元数据。也就是说，内容是否由人工智能生成，仍可通过向 Gemini 或谷歌搜索询问来核验。

同行早已不用可见水印

在去除可见标识这件事上，谷歌并非先行者。OpenAI 与 Meta 的生成工具原本就不叠加可见水印，而是依赖 SynthID、C2PA 等机制来标示内容来源；Meta 还推出了自家的 Content Seal 标准。就在本周，Anthropic 也宣布将为人工智能生成的文本与图像打上隐形水印。

可见水印的取舍，折射出行业在「可追溯」与「可用性」之间的权衡。过于显眼的标识虽然方便辨识，却也容易被用户手动抹除；而将溯源信息沉入不可见的元数据，则能在不打扰观感的前提下保留查证线索。

并非所有地区都能关闭

谷歌计划把这一水印开关同步推广到搜索功能中。不过，在那些以法规强制要求可见水印的国家和地区，该开关不会上线。换言之，可见水印的「可关闭」范围，仍将受各地监管框架的约束。

来源：The Verge（作者 Emma Roth）

同态加密：服务器「算得了」却「看不见」

同态加密（Homomorphic Encryption）是一类允许直接在密文上做计算的技术。借助它，服务器可以处理加密后的数据、返回加密结果，而全程不暴露任何底层信息。一个直观的例子是：云服务可以在完全看不到用户特征的情况下，给出个性化的内容推荐。这并非概念演示，谷歌博客中展示的示例已经实现了这一场景。

当然，同态加密并非免费午餐。它带来可观的计算开销，把「能力—隐私」的取舍变成了「成本」问题。好消息是，这项成本正在快速下降：相关开销从早年九个数量级以上，收敛到如今许多工作负载下约千倍的水平。

HEIR 是什么

HEIR 是「Homomorphic Encryption Intermediate Representation（同态加密中间表示）」的缩写，是谷歌构建的一套基于 MLIR 的开源编译器工具链。它的核心能力，是把原本在明文上运行的预训练 AI 模型，转换为能在加密输入上运行的版本。谷歌的愿景，是把 HEIR 做成「一键式」方案，让没有密码学背景的工程师也能把加密推理接进生产系统。

这不是凭空起的项目。谷歌自 2023 年公布相关意向以来，同态加密社区已逐渐接纳 HEIR。它先后与多家研发同态加密硬件加速器的公司达成合作，包括 Belfort、Niobium、Cornami 与 Optalysys。HEIR 同时也成了高校研究的平台：佐治亚理工学院、卡内基梅隆大学、加州大学圣塔芭芭拉分校、印度理工学院、普渡大学、爱丁堡大学以及清华大学等团队都基于它开展工作。截至目前，已有四篇经过同行评审的论文建立在 HEIR 之上，更多论文正在准备中。

四个已跑通的隐私推理示例

为说明同态加密已经走到哪一步，谷歌公开了四个用 HEIR 编译的私有推理应用（延迟数据均基于单线程 CPU）：

• 深度学习推荐模型：与 Belfort Labs、LG、纽约大学合作，实现私有内容推荐；
• 信用卡欺诈检测：与 Niobium、hardshell.ai 合作编译；
• 入侵威胁检测：与 Niobium 合作，把 Kitsune 加密网络流量异常检测系统编译上线，使服务商能在不泄露数据包内容的前提下发现异常；
• 唤醒词检测：与 Belfort Labs 合作，让语音触发的 AI 智能体在识别唤醒词的同时，保护录音的隐私。

HEIR 目前支持 BGV、BFV、CKKS、CGGI 等多种同态加密方案，并对接 OpenFHE、Lattigo、tfhe-rs、Jaxite 等后端。

它和「可信执行环境」不是一回事

需要厘清的是，同态加密与另一种隐私方案——可信执行环境（TEE，如硬件机密计算飞地）——处在不同的位置。TEE 能以接近原生的速度承载大模型推理，代价是必须信任硬件厂商与证明链；同态加密的数学保证则更彻底：服务器在密文上计算，从原理上无法读取用户数据，但付出的代价是延迟和模型规模。一个被广泛引用的判断是：未来数年里，大模型交给 TEE，小而高敏的模型交给 FHE，是更诚实的分工。

事实上，目前全球最大规模的全同态加密落地，来自苹果——其在 iOS 18 的来电号码查询、增强视觉搜索等功能中，通过自研的 swift-homomorphic-encryption 在不暴露电话号码与图片特征的前提下查询服务端数据库。

仍属「小模型」阶段

对开发者而言，务实的判断不是「要不要加密 AI 管线」，而是手上的负载是否长成示例的样子：小模型、敏感输入、不该信任明文的服务端、且能容忍秒级而非毫秒级延迟。欺诈评分、健康信号分类、网络遥测分析、私有检索都在此列。至于在加密数据上跑大模型，短期内仍不现实。

来源：Google Security Blog（作者 Jeremy Kun，Staff Software Engineer）

先接了哪些应用

最初启用的是每天都在用的谷歌系应用：Gmail、日历（Calendar）、地图（Maps）和 Keep 笔记。随后又加入 Spotify 与 WhatsApp——这是谷歌生态之外打开频率最高的两款。

每个扩展的接入方式一致：在 Gemini 设置里打开开关、授予相应权限，此后在对话中直接说出应用名称，Gemini 就会调取该应用的实时数据，而不是凭空猜测。

设置比预期顺滑

令人意外的是，整个设置过程几乎没有摩擦。原本担心会跳出一堆授权页面、反复切换应用，结果大部分操作都在 Gemini 应用内联完成。Gmail 和日历作为第一方应用配置最快，Spotify 多花约十秒授权，WhatsApp 则多了一步类似网页版的配套登录。

后来又陆续加入 Google 任务（Google Tasks）与 YouTube Music，但日常真正高频使用的仍是 Gmail、日历与地图，Spotify 主要用于开车时的免提控制。

变化来自「少切屏」

日常最明显的改变，是应用切换次数大幅下降。过去早上查日程要打开日历，再开 Gmail 看夜间有无变动，最后开地图看通勤；现在只需问 Gemini 一次，它便跨三款应用自行核对。有人发来一个地址，过去要复制、切到地图、粘贴、查驾车时间；现在直接让它「根据这封邮件查一下通勤」，查找由它完成。

更安静的好处是通知不再互相抢注意力：日历提醒、Gmail 提醒、地图拥堵预警不再分头弹出，出门前问 Gemini 要一份汇总即可。它没有改变「同时管五款应用」的底层复杂度，却把交互收敛成一段对话，手机因此明显「不那么吵」。

还能让 agent 代劳

近期还加入了 Gemini 的 Spark 智能体（agentic）能力，可以自动化部分事务。例如设定一个每日任务，让它汇总即将到期的工作节点、待办事项，以及可能漏看的邮件。

地图集成的实用之处在于：用自然语言描述三处停靠点，就能得到一条合理路线，不必在地图应用里手动拼多段行程。

谁更适合这套玩法

Gemini 的扩展并非人人必需。如果手机用途主要是聊天和刷网页，差异不会太大——价值来自「在多款承载同一任务的应用之间来回倒腾」的场景。受益最明显的是本来就在 Gmail、日历、地图和即时通讯之间穿梭的人。

也需要提醒：权限是实打实的，Gemini 确实会在被问到时调取收件箱与消息的实时内容。若对此有顾虑，建议从日历与地图这两类不涉及敏感内容的扩展起步，确认好用后再逐步加入 Gmail 或通讯应用。

开启扩展没有重造手机，却悄悄抹平了在应用间来回切换的琐碎。对每天在 Gmail、日历、地图之间周旋的人来说，这是一次成本极小、收益明显的改动。

来源：How-To Geek

据多家科技媒体报道，当地时间 8 月 14 日，美国旧金山联邦地区法院法官詹姆斯·多纳托（James Donato）就 Epic Games 诉谷歌反垄断案再度开庭，并当庭要求谷歌降低安装竞争对手应用商店的门槛。这已是围绕谷歌应用商店垄断问题近三年来的又一次交锋。

「这不可接受，必须修复」

庭审中，Epic 律师现场演示：在谷歌 Play 商店搜索「storeforapps」，结果并未出现第三方应用商店，反而跳出了实体零售店的链接。多纳托看到后当即发问：「等等，为什么沃尔玛会出现？这不行。」他明确下令，即便只有 70% 匹配度的搜索词变体，也必须让相关第三方商店显示出来。

法官还注意到一个细节：用户安装第三方应用商店时，必须先点击「查看」按钮，再点击「安装」按钮。他认为这种多余步骤毫无必要，并对比道：「你在看 Apple Music 时根本不会遇到这种流程。」他直接命令谷歌改为「直接安装」，而非先「查看」再「安装」。谷歌方面律师当庭表示会遵照执行。

五年诉讼走到执行阶段

这场争端始于 2020 年 Epic Games 提起的反垄断诉讼。2023 年底，加州联邦陪审团一致认定谷歌在 Android 应用分发与支付领域存在非法垄断。2024 年 10 月，多纳托发布永久禁制令，要求谷歌在自家 Play 商店内提供竞争对手的应用商店，并允许对手访问其完整的应用目录。

今年 7 月 15 日，谷歌与 Epic 联合撤回了此前提出的替代和解方案，使得 2024 年的原始禁制令重新成为管辖依据。按照安排，自 7 月 22 日起，美国市场的 Google Play 已开始允许用户在商店内直接下载 Epic Games Store 等第三方应用商店，开发者也可通过 Play Console 管理对外商店的应用信息。美国最高法院此前也拒绝暂停这一命令。

开放与控制的拉锯

谷歌发言人曾回应称，Android 为用户和开发者提供的选择远超其他移动操作系统，并担忧法院命令可能削弱用户安全下载应用的能力。但外界普遍认为，这一裁决不仅直接冲击谷歌，也可能波及苹果、亚马逊等平台的服务商业模式。

对开发者而言，Play 商店政策的松绑意味着更多营收自主权与市场选择；对谷歌来说，则是一场在安全、开放与营收之间重新寻找平衡的长期战役。这也是全球移动应用市场「去平台化」趋势的一个开端：当应用商店不再是一家通吃，竞争与监管会共同重塑整个生态。

来源：The Verge、TechTimes 等综合报道

从「背答案」到「练实操」

这种虚拟训练场被称为强化学习环境。与逐字预测下一个词不同，它把真实的办公场景仿真出来：AI 智能体在其中写代码、操作业务软件、做决策、推进长周期任务，做错了就重来，做对了才被强化。Scale AI 相关负责人在产品博客中写道，前沿模型越来越需要在贴近真实的模拟环境里通过试错学习，而不是只依赖静态数据集或人工偏好反馈；他透露，公司近一半的新训练项目已经涉及这类环境。

谷歌下注虚拟职场

最引人注目的是一笔潜在大交易。据 Business Insider 独家报道，谷歌正洽谈向初创公司 Mechanize 投资超过 15 亿美元。这家位于旧金山的公司专门构建用于训练 AI 智能体的虚拟工作环境，交易若达成，其团队将并入谷歌，相关技术也会被授权使用，重点放在模型评估与研发上。

Mechanize 由 AI 研究者 Tamay Besiroglu 于去年创立，目标颇为激进：实现经济的全面自动化。他认为，今天的 AI 在长周期工作上仍不可靠，根源是缺少足够真实的练习环境；公司先从软件工程切入，未来再扩展到各类白领工作。该公司测算，美国劳动者年薪总额约 18 万亿美元，全球则超过 60 万亿美元——这正是它眼中这片训练市场的规模。

巨头也在记录员工怎么干活

这种思路也解释了为什么大公司突然对员工的工作方式产生兴趣。据披露，Meta 曾在内部推行一款追踪软件，采集员工的鼠标移动、点击、按键和屏幕内容，理由是帮助 AI 理解人们到底怎么用电脑——从快捷键到各类办公软件的操作逻辑。Uber 则启动了名为 Agentic Pods（智能体攻坚组）的计划，把顶尖 AI 工程师嵌入财务、法务、人力资源、市场、采购和客服等部门，先观察员工如何工作，再用 AI 围绕这些流程重新设计。

争议与边界

把「人怎么工作」变成训练数据，隐私边界立刻成为焦点。员工在不知情下被记录键鼠轨迹，其合规性与透明度都受到质疑。更深层的问题是：当整个社会都成为 AI 的练习场，谁能拥有这些行为数据？无论答案如何，一个趋势已经清晰——AI 的竞争，正从「谁读得多」转向「谁更懂人怎么做」。

来源：Business Insider（经 Google News 收录）

人工智能聊天机器人正在从「尝鲜工具」变成真正的大众消费品。二零二六年八月十一日，谷歌首席执行官桑达尔·皮查伊在社交平台发文称，Gemini 应用的月度活跃用户已经突破十亿。他将其形容为谷歌史上增长最快的产品，也是谷歌旗下第十四个达到十亿用户规模的产品。

就在几天前，OpenAI 的 ChatGPT 也跨过了同一道门槛。OpenAI 在八月初的一篇博客中确认，全球已有超过十亿人正在使用 ChatGPT；公司发言人林赛·麦卡勒姆随后补充说明，ChatGPT 的月度活跃用户在数月前就已突破十亿，周活跃用户也在二零二六年七月达到十亿。

两家公司的先后官宣，意味着头部人工智能聊天应用正式迈入「十亿用户」俱乐部。

谁的体量更大，谁的增速更快

如果只看总数，两者的统计口径并不完全一致，直接比较需要谨慎。OpenAI 更强调周活跃用户，而谷歌公布的是月度活跃用户。

从公开披露的轨迹看，ChatGPT 起步更早、规模更大：二零二六年二月，其周活跃用户已达到九亿；到七月，周活跃突破十亿。Gemini 则呈现追赶态势：二月月度活跃为七点五亿，七月下旬财报电话会上披露为九点五亿，八月十一日皮查伊宣布突破十亿。

一个直观的解读是：ChatGPT 的整体体量仍然领先，而 Gemini 的增速更快。谷歌庞大的安卓、搜索与办公生态，为 Gemini 提供了现成的分发渠道，使其无需用户专门下载独立应用就能触达海量人群。

从「尝鲜」到「日常」

皮查伊还披露了若干使用习惯的细节。在 Gemini 用户中，百分之六十三会通过语音功能直接与助手对话；Gemini 每天生成的图片超过一亿五千万张；其在 iOS 平台上的活跃用户也已超过一亿。

谷歌同时提到，搜索中的人工智能模式全球月度活跃用户同样超过十亿，但本次公布的十亿数字仅指 Gemini 应用本身，并不包含搜索等其他渠道的人工智能用户。公司还在持续推出新模型与功能，包括专为编程和自主智能体任务设计的 Gemini 3.5 Flash，并计划在即将举行的 Made by Google 活动上为 Pixel 设备带来更多 Gemini 驱动的能力。

这一里程碑紧接在谷歌二零二六年第二季度财报电话会之后。当时公司庆祝 Gemini 月度活跃用户超过九点五亿，并披露其日活跃用户在过去一年增长到原先的三倍。

下一个战场在别处

对用户而言，十亿这个数字的意义，在于人工智能聊天已经从早期采用者的新奇玩意，变成主流消费产品。但数字本身并不是终点。

真正的挑战不再是「让人们来试试」，而是「让用户留下来、用下去，并愿意为之付费」。训练先进模型需要庞大的算力、持续的更新，以及对芯片、数据中心与训练的反复投入。十亿用户看起来很漂亮，却不会自动转化为十亿付费客户。

对 OpenAI 与谷歌来说，规模现在只是手段而非目的。谁能构建出最不可或缺的助手、最有效的付费层级、最有价值的平台整合，谁才可能在长期竞争中占据更有利的位置。 ChatGPT 与 Gemini 同破十亿，标志着聊天机器人大赛的第一阶段尘埃落定；而决定这些用户接下来究竟做什么的较量，才刚刚开始。

来源：The Verge

无线耳机早已不是新鲜事物。十年前，这类产品体积庞大、续航短、连接不稳；如今它们已经变得轻巧、舒适，而且价格越来越亲民。WIRED 评测团队在过去十余年里测试了数百款产品，并在 2026 年 8 月更新了这份选购指南，针对不同的使用场景和手机阵营给出了明确推荐。

大多数人的首选：谷歌 Pixel Buds 2a

如果只想买一副「怎么用都不亏」的耳机，谷歌 Pixel Buds 2a 是最稳妥的选择，售价约为 129 美元，促销时常常降到 99 美元。鹅卵石造型的充电盒内置可更换电池，耳机本身非常小巧、符合人体工学，耳挂结构能帮助它在大多数人的耳朵里保持稳定。IP54 防护等级、主动降噪和 7 小时续航（配合充电盒可达 20 小时）足以应对通勤、办公和运动。唯一的明显遗憾是机身上没有独立音量键，也不支持无线充电。

iPhone 用户的最优解：AirPods Pro 3

对于苹果生态用户，AirPods Pro 3 依然是无可争议的首选，售价约 249 美元，促销价常落在 190 美元左右。这一代产品重新设计了贴合度，新增了带海绵内衬的耳塞以提升被动隔音；续航提升到 8 小时（配合充电盒 24 小时），防护等级达到 IP57。实时翻译和准确度颇高的心率监测是亮点功能，而它的主动降噪依旧处于行业顶尖水平，连高频噪音也能有效压制。需要注意的是，它的低频偏重，若想调音得借助 App。

三星手机的最佳搭档：Galaxy Buds4 Pro

三星 Galaxy Buds4 Pro（售价约 250 美元）是 Galaxy 手机用户的最佳拍档，形态和手感都明显向 AirPods Pro 3 看齐。它的环境音（通透模式）表现突出，清晰自然，测试中甚至偶尔被用来替代开放式耳机散步使用。与三星手机配对后，用户还能解锁九段均衡器、高清音频、语音助手和查找耳机等功能。短板在于续航：开启降噪后只有 6 小时，且不支持多点连接。

安卓阵营的全能选手：Pixel Buds Pro 2

谷歌 Pixel Buds Pro 2（售价约 229 美元，常降至 189 美元）体积小巧，与任意安卓手机都能快速配对。它拥有出色的降噪、8 小时续航（配合充电盒 30 小时）以及该品类中第一梯队的声音表现。用户还能直接在耳机上唤起谷歌 Gemini Live 对话式人工智能。美中不足的是，部分功能仅限 Pixel 手机使用。

降噪王者：Bose QuietComfort Ultra 二代

如果降噪是首要诉求，Bose QuietComfort Ultra 二代（售价约 299 美元，常降至 249 美元）几乎能做到「真静音」。舒适的耳塞提供类似耳塞的被动隔音，叠加主动降噪后，除了极高频声响几乎听不到外界声音；新增的无线充电盒和空间音频功能，让它在长途飞行看电影时体验尤其出色。

值得关注的其它选择

健身场景可以看看 Beats PowerBeats Pro 2，它带有耳挂结构和内置心率传感器；追求音质的发烧友可关注索尼 WF-1000XM6；预算有限的话，30 美元的 JLab Go Pop ANC 也能提供可用的降噪和通透模式。

来源：WIRED（作者 Parker Hall 等）

这类插曲指向一个许多人已经察觉的事实：全球占主导地位的搜索引擎，连基本事实都开始出错了。那家靠「给出正确答案」起家的公司，正如一位技术专家所言，「丢掉了自己的锋芒」。

日落时间都能编，搜索的基本事实开始失真

人们依旧不停搜索，因为始终期待互联网「什么都知道」。搜索变差时，不少人抱怨谷歌被「变现降级」；AI 产生幻觉时，有人评价模型太潦草；谣言扩散时，也有人安慰自己真相仍在「某处」，只等拼出一个更好的查询。即便网页被 AI 生成的垃圾内容污染，许多人仍抱持一种信念：这是技巧问题，分享几个搜索诀窍就能解决。

但若「真相」越来越难找，是因为曾经储存它的基础设施正在崩解呢？一部分是磨损：链接每天都会腐烂，连美国宪法部分文本都曾因代码错误从国会图书馆网站短暂消失。而当谷歌在用户与原始来源之间插进一个会出错的 AI，即便底层页面还在，它也可能变得实际上无法被检索到。污染还在向上游移动：404 Media 报道，已有企业在 Reddit 上植入内容，用以影响 AI 搜索生成的答案，从源头污染这些系统提炼摘要所依赖的公开记录。

链接腐烂与内容投毒

整个语料库正在实时坍塌。这种退化的数字空间，理应促使人们重新理解「文化主权」。当下争论大多被框定为「网飞、YouTube、Spotify 这类外国巨型平台是否该扶持本土内容」，却绕开了更深层的问题：谁在保存、谁在掌控社会文化记录的访问权——不只当下，还有往后数代人？

检索危机已经波及维基百科。多年来，搜索引擎把数十亿观众送往它的页面；如今 AI 系统直接在呈现结果时抓取并吞掉维基内容，用户不再需要点进去。维基百科成了自身消亡的基础设施：流量萎缩，意味着关注与捐赠不再稳定回流，难以维系这部百科全书存活。

看看 FiveThirtyEight 的命运便知。这家专注民调分析、政治、经济与体育的网站，曾被迪士尼通过子公司持有十余年。创始人纳特·西尔弗（Nate Silver）2023 年离开，到 2025 年 3 月，剩余员工被裁撤。一旦迪士尼认定它不再是活跃资产——既没有新新闻、也没有像样的广告收入——便直接删除了几乎整个档案。

维基百科与互联网档案馆的困境

互联网档案馆的处境同样令人警觉。这个非营利数字图书馆收集并开放那些可能消失的材料，最出名的是「时光机」（Wayback Machine）——它已抓取数千亿张网页快照，记者、研究者、历史学家、律师和公众都靠它找回被删页面、核实旧声明、记录网页变更。它几乎是整个网络最靠近「故障保险备份记忆」的存在。

但这个项目不仅承受着索引与存储不断增长的信息库带来的工程压力，还接连遭受网络攻击与昂贵诉讼的打击。在出版商就数字借阅项目起诉互联网档案馆、称其为未经授权的复制并胜诉后，新闻机构出于「存档页可能成为 AI 公司间接版权来源」的担忧，开始屏蔽时光机的爬虫。每多一道限制，档案馆作为全面后盾的能力就削弱一分。

欧洲开始另起炉灶

好在这一危机也催生了替代方案。法国早已把外国平台视为技术主权与网络安全的威胁：2018 年底，法国国民议会和武装力量部就开始采用欧洲托管的本土搜索引擎 Qwant——它不存储搜索数据、不出售个人信息、不基于浏览历史做定向广告。欧洲议会（720 名当选议员加数千名行政人员）也完成了切换。丹麦数字化部长卡罗琳·斯塔热·奥尔森（Caroline Stage Olsen）的话点明了要害：「太多公共数字基础设施，今天被绑在极少数外国供应商手里，这令公共服务十分脆弱。」

更具标志性的是德国的一桩判决：一家法院认定，谷歌须为其 AI 概述功能生成的虚假陈述承担责任。案件起因是谷歌 AI 错误地把两家出版公司与欺诈性商业操作联系起来。法院的理由是，搜索引擎以自身措辞提取并重写信息，做的已不只是中立地指向公开记录，而是在「创作」一个全新的内容层——随之而来的是编辑责任。谷歌正在上诉，但论点已经成立：照看信息经济，不能再是资金不足机构的副业。

文章作者瓦丝·贝多纳（Vass Bednar）写道，与谷歌的旧契约正在日落：只要把好奇心交给谷歌，它便许诺给你整个世界。接下来升起的，可能是一个更陌生、更合成的网络——由机器随机记忆、由中介变现；也可能是一个更结实的东西：把公共互联网当作基础设施来对待，历史记忆因「属于公众」而被保存，而非因「有利可图」。

来源：The Walrus

谷歌 DeepMind 与谷歌研究院联合开发的人工智能模型 WeatherNext 选择了后者。在登陆前五天，它以 80% 的置信度预测，这团风暴将以五级飓风的形态登陆牙买加。

结果是飓风梅丽莎（Melissa）带来了灾难性的洪水与山体滑坡。但因为这份提前量，预报员得以更早向沿途社区发出警告。这也是美国国家飓风中心（NHC）首次在风暴还只是一级强度时，就成功预判出它会升级为五级。

一天的提前量，等于十年的进步

2026 年 8 月 6 日，相关研究成果发表于《自然》（Nature）杂志。论文显示，WeatherNext 在热带气旋预报上的准确度达到了前所未有的水平：在路径、强度、风场结构三项指标上，相比现有主流业务模型平均多出至少 24 小时的预警提前量。换句话说，它提前三天给出的预报，精度相当于过去模型提前两天的水平。

研究人员表示，按照以往的节奏，把预报提前一天需要整整十年的持续攻关。

这多出来的一天意味着什么？美国国家飓风中心主任迈克·布伦南（Mike Brennan）给出的答案很直接：「哪怕只多几个小时都会有区别。」组织疏散、调配物资、把应急资源提前送到位，全都是对时间高度敏感的工作，一旦判断失误，代价极其沉重。「在这类决策上，时间是真正的黄金，能把预报精度往前推整整一天，价值非常大。」

作为参照，过去五十年间热带气旋在全球已造成超过 70 万人死亡和约 1.4 万亿美元的经济损失。

少见的样本，怎么训练模型

极端天气对机器学习本身就是个难题：模型需要大量训练数据，而极端事件按定义就是罕见的。

「气旋数据并不多，但天气数据很多。」论文第一作者之一、谷歌 DeepMind 研究科学家费兰·阿莱特（Ferran Alet）解释了团队的思路，「所以我们训练了一个既擅长常规天气、也擅长气旋的模型。」最终的训练素材包含近 20TB 的大气数据，以及 IBTrACS 数据库中近 5000 场历史风暴记录。

飓风难预测的另一层原因在于它同时涉及多个空间尺度。论文作者之一、大气研究合作研究所（CIRA）热带气旋研究组负责人凯特·马斯格雷夫（Kate Musgrave）指出：判断风暴往哪走，需要全球尺度的天气数据，比如冷锋位置和盛行风；而判断风暴会变多强，则要依赖局地的大气与海洋条件。「后面这类信息，全球模型根本给不了。」她说，早前的 AI 模型在预测路径上已经不错，「但强度这块完全不行。」

在真正投入实战之前，团队先用历史数据做了回溯测试。「结果好到让我们怀疑实时演示里根本达不到。」马斯格雷夫回忆，但预报员把模型接入实际业务流程后，表现依旧成立，「所有人都对它的实际效果感到意外。」

连开发者也解释不了的「黑箱」

真正让业界震动的，是这套模型对输入数据精度的要求低得离谱。

传统观点认为，要准确预报风暴强度，必须依赖极高的空间分辨率。而 WeatherNext Cyclones 的输入数据只有 28×28 公里的粗网格，比传统区域模型粗约 100 倍；更精简的 WeatherNext 2-mini 甚至跑在 111×111 公里的网格上，表现依然出色。

「当我们告诉同行模型只用了相对粗糙的分辨率时，他们都震惊了，因为这意味着低分辨率输入里包含的信号，比此前认为的要多得多。」阿莱特说。

至于模型究竟从粗网格里捕捉到了什么，研究者自己也答不上来。「说到底它就是个黑箱，但这给了物理学家一个信号——有些此前没被理解的东西正在发生。」

另一处关键改进是集合预报规模。模型不会只吐出一个结论，而是生成一整组可能情景，用来捕捉所谓的「蝴蝶效应」。去年每场风暴生成 50 组情景，今年已扩大到 1000 组。「以现有算力，传统数值模型根本做不到这一点。」马斯格雷夫说。一次 15 天的预报，在单块 TPU 上跑完不到一分钟。

开源，以及人的位置

谷歌 DeepMind 同时宣布，将飓风季实际运行的 WeatherNext 系列模型开源，代码与权重一并公开，托管在 GitHub 上。开放的版本包括论文对应的 WeatherNext Cyclones、后续升级的 WeatherNext 2，以及可在单块 TPU 上运行的精简版 WeatherNext 2-mini。阿莱特希望，把模型交给研究社区，能帮忙揭开气旋运行机制中尚未被理解的部分。

不过这项研究由参与开发的团队自行评估，论文合著者中包含国家飓风中心、大气研究合作研究所与英国气象局的预报员。

布伦南对这套工具的评价保持克制。他认为 DeepMind 的模型是预报员工具箱里一件很棒的新装备，但也只是众多工具之一：「没有任何保证说，某个模型因为去年表现好、或者在某场风暴上特别准，下一个季度、下一场风暴它还是最好的。」

在他看来，人的判断依旧不可替代：「一场飓风不只是一条路径或一个强度预报，它需要专家把这些数字翻译成实际影响——而真正致命的是影响本身。」

来源：WIRED、Google DeepMind 官方博客、《自然》杂志

当地时间 8 月 5 日，谷歌与母公司 Alphabet 首席执行官桑达尔·皮查伊向 Google DeepMind 团队发出内部信，宣布一系列人事调整：联合创始人兼首席执行官德米斯·哈萨比斯不再负责部门日常运营，转任 Google DeepMind 董事长，并出任 Alphabet 新设的首席科学家一职；在谷歌效力 27 年的杰夫·迪恩正式离职创业。消息公布后，Alphabet 股价盘中一度下跌逾 5%。

接棒者是谁

真正接手日常业务的，是现任 Google DeepMind 首席技术官、谷歌首席 AI 架构师科拉伊·卡武克曲奥卢（Koray Kavukcuoglu）。他将升任 Google DeepMind 高级副总裁，直接向皮查伊汇报，全面负责 Gemini 模型研发、前沿 AI 研究，以及 Gemini 应用和开发者团队。值得注意的是，他的头衔是高级副总裁而非首席执行官，同时保留谷歌首席 AI 架构师身份。

按照外媒报道，下一代旗舰模型 Gemini 4 的研发将由他主导。卡武克曲奥卢在 DeepMind 工作了 13 年，组建了这里最早的深度学习团队，并主导过 WaveNet 语音合成与 DQN 深度强化学习等一批标志性成果。

皮查伊在内部信中给出的业务背景是：Gemini 应用月活用户已超过 9.5 亿，Gemma 系列开源模型下载量突破 9 亿次，Flash 模型需求旺盛，专注网络安全的 Cyber 模型已经上线。

哈萨比斯为什么退一步

哈萨比斯在给团队的信中把原因说得很直接：他一生都在追求通用人工智能（AGI），而现在他和许多同事一样，认为 AGI 已经近在眼前。正因如此，他决定交出日常运营职责，为思考更宏观的方向留出时间和空间。

新岗位上，他将聚焦 AGI 战略、全球政策与长期科研方向，与皮查伊共同处理 AI 相关的战略性和全球性事务，同时继续担任 Alphabet 旗下 AI 制药公司 Isomorphic Labs 的首席执行官。谷歌发言人向路透社表示，哈萨比斯今后的直接下属将非常少。

“一直以来，我都相信 AI 的头号应用应该是改善人类健康，”哈萨比斯在信中写道，”现在是 AI 向世界证明其确切价值的时候了，还有什么比帮助人类最终攻克癌症这类疾病更好的证明方式呢？”

哈萨比斯于 2010 年联合创办 DeepMind，2014 年谷歌以约 6.5 亿美元收购该公司后，他继续执掌这家总部位于伦敦的机构。2022 年底 ChatGPT 发布后，谷歌于 2023 年将 DeepMind 与 Google Brain 合并为 Google DeepMind，哈萨比斯出任首席执行官，迪恩担任首席科学家。

四位核心科学家同时出走

与人事调整同步公布的，还有一支重量级团队的集体离职。杰夫·迪恩将与谷歌高级研究员桑杰·格玛瓦特、奥里奥尔·维尼亚尔斯、黎国维（Quoc Le）共同创办新公司 Discovery Loop，由迪恩担任首席执行官。

这家公司采用公共利益公司形式，目标是用 AI 自动化复杂、多步骤的科学与工程工作，加速机器学习、硬件设计、药物研发和清洁能源等领域的发现。迪恩解释，许多科研工作包含提出假设、设计实验、执行实验、评估结果这样一个反复循环的过程，其中相当一部分可以完全交给计算机，这也是公司名称的由来。

Alphabet 以创始投资人和云计算合作伙伴的身份支持这家新公司，种子轮由 Radical Ventures 与 Khosla Ventures 联合领投。格玛瓦特在解释出走原因时说：谷歌现有的技术框架是为大规模消费级应用、搜索和广告系统量身打造的，并不适合专门的科研基础设施。

这批离职者的分量不轻：迪恩 1999 年加入谷歌，是第 30 号员工，2011 年联合创办 Google Brain，主导过张量处理器（TPU）的开发；他与格玛瓦特合作的 MapReduce 和 Bigtable，至今仍是谷歌核心服务的底层支撑；维尼亚尔斯是蛋白质结构预测系统 AlphaFold 的重要贡献者；黎国维则参与了谷歌数学推理 AI 系统的研发。

时机耐人寻味

这场改组发生在一个微妙的节点上。谷歌新一代旗舰 Gemini 模型原定 6 月发布，至今尚未面世；与此同时，OpenAI 与 Anthropic 近几个月持续从谷歌挖走知名 AI 研究员，包括与哈萨比斯共同获得 2024 年诺贝尔奖的约翰·江珀，也已转投 Anthropic。

最新财季中，谷歌因资本开支大幅增加，出现了公开披露以来的首次现金流为负，公司预计全年资本开支将触及 2050 亿美元的上限。

一边是投入创下纪录，一边是核心人才持续流出，谷歌的这次权力重排，既是对现状的回应，也是一次押注。

来源：Google 官方博客、路透社、《华尔街日报》、Firstpost