跳到正文
只看一手#Google
4月23日周四
  1. Google DeepMind：Blog46

    解耦式DiLoCo：分布式AI训练的新前沿

    Google团队提出解耦式DiLoCo架构，通过将训练任务解耦到多个计算“岛屿”并实现异步数据流，显著提升了分布式AI训练的韧性与灵活性。该架构能有效隔离本地硬件故障，使系统其余部分持续学习。在实际测试中，仅使用2-5 Gbps广域网带宽，便在四个美国区域成功训练了一个120亿参数模型，训练速度比传统同步方法快20倍以上。系统在硬件故障时仍能保持高集群可用性与训练吞吐量，且最终模型性能与传统方法相当，同时支持混合使用不同代际硬件。

  2. Google Developers Blog59

    使用 LiteRT 与 NPU 构建现实世界中的设备端人工智能

    LiteRT 是一个生产就绪的框架，旨在帮助移动开发者充分发挥神经处理单元（NPU）的效能，以突破传统 CPU 或 GPU 在性能与电池续航上的瓶颈。该框架通过提供统一的 API 来屏蔽底层硬件复杂性，已成功助力 Google Meet、Epic Games 等行业领先者高效部署复杂的 AI 模型，实现实时视频处理、动画生成与语音识别等高级功能。此外，平台还提供基准测试工具并具备跨平台兼容性，能够支持 AI 应用无缝部署于移动设备、AI PC 及工业物联网硬件等多种终端。

    推荐理由：Google 把 LiteRT 从实验品推到生产级，统一 NPU 调用 API，做端侧 AI 的开发者终于不用逐家适配芯片了。虽然不是新概念，但 Google Meet 和 Epic Games 已经在用，说明不是 PPT。

  3. Google Research：Blog50

    Google Photos上线AI自动重构功能

    Google Photos推出Auto frame功能，运用机器学习与生成式AI技术实现照片视角自动重构。该技术将二维图像解析为三维场景，先通过3D点云估计模型推算空间几何与相机参数，再利用扩散模型填补视角移动后暴露的背景区域。系统可智能调整相机位姿与焦距，自动修正广角畸变，生成自然比例人像，让用户无需手动操作即可获得重新构图的完美照片。

4月22日周三
  1. Google Blog：AI

    Google 推出两款面向智能体时代的专用 TPU

    Google 发布第八代 TPU，内含两款面向智能体时代的专用芯片。新处理器专为 AI 未来发展设计，针对智能体工作负载进行专门优化，提供更强算力支持。作为 Google AI 基础设施的最新升级，该系列芯片将助力下一代智能体应用的开发与部署。

  2. Google Developers Blog61

    Agent Platform 中的 Agents CLI：从创建到生产，一栈式实现

    Google Cloud 推出 Agents CLI 工具，专为连接本地开发与生产级 AI 智能体部署而设计。该 CLI 为编码助手提供对完整 Google Cloud 技术栈的机器可读访问，显著减少脚手架过程中的上下文过载与 token 消耗。通过将评估、基础设施配置和部署流程整合至统一的程序化主干，开发者能够将项目从初始概念推进至实时服务的时间从数周缩短至数小时。

    推荐理由：对用 Google Cloud 搭智能体的开发者，这个 CLI 把碎片化的本地到云端流程压进一条命令，能省掉大量翻文档的 token，值得试试。

  3. Google Research：Blog

    ReasoningBank：让智能体从经验中学习

    Google Cloud提出ReasoningBank智能体记忆框架，突破传统方法仅记录动作轨迹或成功经验的局限，从成败经验中提炼可泛化的高层推理策略。该框架通过LLM-as-judge自评估构建检索-提取-整合闭环，特别利用失败案例生成预防性策略，并创新提出Memory-aware Test-Time Scaling技术将测试时计算转化为高质量记忆。在网页浏览与软件工程基准测试中，该系统显著提升任务成功率并减少执行步骤。

4月21日周二
  1. Google Blog：AI

    Ads Advisor 推出三项新功能，提升 Google Ads 安全性与效率

    Ads Advisor 集成三项全新的代理式安全与政策功能，全面升级 Google Ads 账户的安全防护与操作效率。这些智能化功能通过自动化安全机制和策略优化，在强化账户风险保护的同时简化管理流程，帮助广告主更快速地识别潜在威胁并确保合规投放。新方案兼顾安全性与便捷性，旨在为用户提供更流畅的广告管理体验，有效降低安全风险并提升整体运营效率。

  2. Google Developers Blog53

    构建生产级AI智能体：从单体重构中汲取的五大经验

    一篇博客文章分享了将脆弱的销售研究原型重构为健壮生产级智能体的关键经验。通过采用Google智能体开发套件（ADK），团队以编排式子智能体替代了单体脚本，并引入结构化的Pydantic输出模型，从而消除了静默故障和脆弱的解析问题。文章进一步强调，动态检索增强生成（RAG）管道与OpenTelemetry可观测性对于确保智能体在实际应用中的可扩展性、成本效益和运行透明度至关重要。这些改造使智能体能够可靠处理复杂任务，具备了生产环境所需的鲁棒性与可维护性。

4月17日周五
  1. Google Blog：AI

    Google 助你今夏智能出行的 7 种方式

    Google 针对暑期出行场景发布七项智能旅行新功能，帮助用户优化行程规划、筛选高性价比方案并探索目的地。这些工具整合最新技术，提供从行前规划到实地探索的全流程支持，旨在提升旅行效率、降低出行成本，为用户带来更便捷、智能的今夏旅行体验。

  2. Google Blog：AI72

    Chrome 推出 AI Mode：全新的网页探索方式

    Chrome 浏览器今日升级 AI Mode 功能，通过人工智能技术深度改变用户与网页的交互方式。此次更新提供了全新的网络探索体验，将传统浏览行为转变为智能化交互模式，使用户能够更高效地获取和处理网络信息，标志着 Chrome 在浏览器 AI 化进程中的重要进展。

    推荐理由：在Chrome里直接侧边栏浏览搜索结果，不用反复切标签，对天天用搜索的人是个小但实在的改进。

  3. Google Blog：AI71

    Gemini 应用推出个性化图像创建新功能

    Nano Banana 2 现支持结合个人上下文与 Google Photos 数据生成图像，通过分析用户独特的生活场景，创建反映个人经历的个性化视觉内容。该功能已在 Gemini 应用中上线，使 AI 图像生成能够基于真实生活语境，输出更贴合用户个人故事的定制化结果。

    推荐理由：Gemini把个人照片和偏好直接揉进图像生成，不用再写长篇提示，对想快速出个人化图片的用户挺实用，可惜目前只对美国部分订阅者开放。

  4. Google Developers Blog67

    A2UI v0.9：便携、框架无关的生成式UI新标准

    A2UI v0.9发布了一个框架无关的新标准，旨在帮助AI代理依据公司现有设计系统，实时生成定制化的UI组件。本次更新通过提供全新的Python版Agent SDK、共享的Web核心库，以及对React、Flutter和Angular等渲染器的官方支持，显著简化了开发体验。该版本将UI意图与具体平台解耦，实现了生成式界面在Web和移动应用间的无缝、低延迟流式传输。通过集成AG2和Vercel等更广泛的生态系统，A2UI v0.9致力于推动生成式UI从实验演示走向可用于生产环境的成熟产品。

    推荐理由：Google 把生成式 UI 推向标准化，A2UI v0.9 让代理能用任何组件库实时生成界面，前端开发者不用换轮子就能玩起来，这是 AI 应用落地的关键拼图。

4月16日周四
  1. Google Developers Blog51

    MaxText 扩展后训练能力：在单主机 TPU 上引入 SFT 与 RL

    MaxText 新增对单主机 TPU 配置上监督微调（SFT）和强化学习（RL）的支持，基于 JAX 与 Tunix 库实现高性能模型优化。该功能使开发者能借助 GRPO、GSPO 等高效算法，轻松将预训练模型适配至专业任务与复杂推理场景。此次更新简化了后训练工作流程，提供了从单主机扩展到多主机大规模配置的可扩展路径。

  2. Google Blog：AI70

    Gemini 3.1 Flash TTS：下一代表现力AI语音技术

    Google正式发布Gemini 3.1 Flash TTS，作为下一代表现力AI语音技术，该模型现已全面上线Google旗下各产品线。此次升级标志着Google在语音合成领域的技术突破，旨在为用户提供更自然、富有情感表现力的AI语音交互体验，进一步强化其AI生态系统的语音能力。

    推荐理由：Google 把 TTS 的控制权交给了文本指令，音频标签这个设计让语音应用从'选择预设'变成'现场导演'，对多模态应用是个实在的增强。

  3. TensorZero：实验与工程博客67

    TensorZero：别只比每百万 token 单价，LLM API 的隐性成本差距可达 5.3 倍

    TensorZero 测量发现同一输入在不同厂商的 token 计数相差可达 2.65 倍，按每百万 token 单价比较 LLM API 成本会产生误导。

    推荐理由：作者用各家官方 token 计数 API 实测同一输入的成本差异，给出可复用的比价方法，提醒只看每百万 token 单价会误判。

4月15日周三
  1. Google Developers Blog67

    Subagents 已登陆 Gemini CLI

    Gemini CLI 引入了子代理功能，这是一种专门的专家代理，能在独立的上下文窗口中处理复杂或高吞吐量任务，从而保持主会话的快速与专注。用户可通过 Markdown 文件自定义这些代理，并支持并行运行以提高效率。使用 @agent 语法即可轻松调用，实现精准的任务委派。该架构通过将复杂的多步骤执行过程整合为简洁的摘要反馈给主协调器，有效防止了“上下文腐化”。

    推荐理由：Gemini CLI 把 agent 拆成了可自定义的专家小队，developer 可以把自己的开发流程切成可复用的 subagent，并行跑起来对大型代码库的效率提升会很明显。

  2. Google Blog：AI71

    Chrome 推出 Skills 功能：将优质 AI 提示词变为一键工具

    Chrome 浏览器新增 Skills 功能，支持用户发现、保存和重新组合 AI 工作流，实现一键即时复用。该功能可将常用 AI 提示词转化为可重复调用的自动化工具，避免重复输入复杂指令，提升浏览器内的 AI 使用效率。用户能够保存优质提示词并灵活改造，在 Chrome 中快速构建个性化 AI 工具库。

    推荐理由：把AI prompt存成浏览器一键工具，这个思路很直接但确实管用，省掉了每次重新输入的麻烦，对常用AI任务的效率提升是实打实的。

4月14日周二
  1. Google DeepMind：Blog68

    Gemini Robotics-ER 1.6：通过增强具身推理赋能真实世界机器人任务

    Gemini Robotics-ER 1.6 正式发布，通过增强具身推理能力为真实世界机器人任务提供底层支持。该版本重点升级空间推理与多视角理解功能，使自主机器人能够更精准地解析三维环境、理解物体间空间关系，并在复杂场景中实现高效决策与操作执行，显著提升机器人在物理世界中的感知与交互性能。

    推荐理由：Gemini Robotics-ER 1.6 在机器人推理上迈了一大步，仪器读取和多视角成功检测是真需求，尤其是波士顿动力集成后，做具身智能的团队值得第一时间测试。

  2. Google Blog：AI

    Google 于华盛顿举办 AI for the Economy Forum 汇聚各界人士

    Google 在华盛顿特区举办 AI for the Economy Forum，汇聚各界人士共同探讨人工智能与经济发展的关键议题。该论坛旨在搭建多方对话平台，促进关于 AI 技术如何驱动经济增长、重塑劳动力市场及推动产业创新的深度交流，助力构建包容且可持续的 AI 经济生态，体现科技巨头在推动负责任人工智能发展中的积极作用。

  3. Google Developers Blog56

    Build Better AI Agents: Agent Bake-Off 中的 5 个开发者技巧

    Google Cloud AI Agent Bake-Off 标志着从简单提示工程向严谨智能体工程的转变，强调生产级 AI 需要模块化、多智能体架构。其提出的五项关键开发者建议包括：将复杂任务分解为由专门子智能体处理的步骤，使用确定性代码执行以避免概率性错误。同时，应优先考虑多模态能力，并采用如 MCP 等开源协议，以确保智能体具备可扩展性、易集成性，并能适应快速演进的模型能力。

  4. Google Research：Blog

    利用生成式AI培养未来就绪技能

    Google Research发布实验性评估工具Vantage，通过生成式AI模拟多人协作场景，测试学生的批判性思维与协作等"未来就绪技能"。系统由Executive LLM驱动AI化身，在对话中动态引入冲突以收集能力证据，再由AI Evaluator实时评分。与纽约大学的联合研究显示AI评分与人类专家水平相当，188名18-25岁测试者参与了验证。该项目现已上线Google Labs。

  5. Google Research：Blog

    AI生成合成神经元加速大脑测绘

    Google Research发布MoGen神经元形态生成模型，利用点云流匹配技术将随机三维点云转化为逼真神经元几何结构。在PATHFINDER重建模型训练中加入MoGen合成神经元后，错误率降低4.4%，主要减少神经元合并错误，相当于为完整小鼠大脑测绘节省157人年手动校对时间。这是生成式AI首次用于提升连接组学重建精度，盲测显示专家无法区分合成与真实神经元片段。

4月9日周四
  1. Google Research：Blog

    ConvApparel：测量并弥合用户模拟器中的真实感差距

    Google Research 发布 ConvApparel 数据集与评估框架，用于量化 LLM 用户模拟器的"真实感差距"。该数据集包含 4000 余组服装购物多轮对话，采用"好/坏"双智能体协议收集，涵盖从满意到恼怒的全谱系用户行为。框架通过反事实验证测试模拟器对意外糟糕体验的适应能力，解决现有模拟器过于耐心、知识过剩等不现实问题，为训练更鲁棒的对话智能体提供可信的 AI 测试基准。

4月8日周三
  1. Google Research：Blog

    改进学术工作流程：推出两款用于图表生成与同行评审的AI智能体

    Google Cloud推出PaperVizAgent与ScholarPeer两款学术AI智能体。前者通过检索、规划、风格、可视化与批判五个专门智能体协作迭代，将论文文本转化为符合发表标准的图表，综合评分（60.2）显著超越人类基线（50.0）及GPT-Image-1.5等模型；后者模拟资深审稿人流程，动态构建文献背景并验证基线，实现基于实证的自动化同行评审。

4月7日周二
  1. Google Developers Blog67

    TorchTPU：在谷歌规模上原生运行 PyTorch 于 TPU

    TorchTPU 是一个新的工程栈，旨在让 PyTorch 工作负载以最小代码改动在谷歌 TPU 基础设施上获得原生高性能体验。它采用“Eager First”设计，提供多执行模式，并利用 XLA 编译器优化大规模集群的分布式训练。项目计划到 2026 年进一步降低编译开销，扩展对动态形状和自定义内核的支持，以确保下一代 AI 实现无缝扩展。

    推荐理由：Google 终于把 PyTorch 和 TPU 拉平了，TorchTPU 用 eager 优先的设计解决了 XLA 编译的别扭感，对依赖 PyTorch 又想啃 TPU 算力的人是个实在利好。

4月6日周一
  1. Anthropic：Newsroom

    Anthropic与Google、Broadcom扩大合作，获多千兆瓦下一代算力

    Anthropic宣布与Google、Broadcom达成新协议，将获得多千兆瓦下一代TPU算力，预计2027年上线。这是其迄今最大的算力投资，用以支持Claude模型及激增的客户需求。数据显示，Claude年收入运行率已突破300亿美元，年消费超百万美元的企业客户两个月内从500家翻倍至超1000家。新设施主要位于美国，符合其500亿美元投资美国基础设施的承诺。公司强调将继续保持多硬件平台策略，AWS仍是主要云服务商。

4月3日周五
  4. Google Research：Blog

    评估 LLM 行为倾向的一致性

    Google Research 提出系统性评估框架，将标准化心理学问卷（如 IRI、ERQ）转化为情境判断测试，量化 LLM 行为倾向与人类共识的偏差。研究测试了25个模型，发现小模型（<25B）一致性显著较低，且模型存在两种偏差：偏离人类共识、未能覆盖人类观点的多样性。该框架通过真实场景（如职场冲突、日常决策）评估模型行为，为改进 LLM 社交互动能力提供依据。

4月2日周四
  1. Google Developers Blog81

    通过 Gemma 4 将先进的智能体能力引入边缘

    Google DeepMind 发布了 Gemma 4 系列开源模型，旨在直接在设备端实现多步骤规划和自主智能体工作流。该版本包含用于实验“智能体技能”的 Google AI Edge Gallery，以及为开发者提供显著速度提升和结构化输出的 LiteRT-LM 库。Gemma 4 采用 Apache 2.0 许可，支持超过 140 种语言，并兼容移动设备、台式机及树莓派等多种物联网硬件平台。

    推荐理由：开源 agentic 模型支持端侧运行，开发者可快速构建本地智能应用。

4月1日周三
  2. Google Developers Blog71

    开发者指南：使用技能构建ADK智能体

    Agent Development Kit (ADK) SkillToolset 推出了“渐进式披露”架构，使AI智能体能够按需加载领域专业知识，与传统单体提示相比，可减少高达90%的令牌使用量。该系统通过四种模式——从简单的内联清单到智能体可自行编写代码的“技能工厂”——使智能体能在运行时利用通用的 agentskills.io 规范动态扩展其能力。这种模块化方法确保了复杂的指令和外部资源仅在相关时被访问，从而为现代AI开发构建了一个可扩展且能自我扩展的框架。

    推荐理由：开发者可借鉴此架构，构建更智能、更经济的AI代理。

3月31日周二
  1. Google Developers Blog81

    Boost Training Goodput: 连续检查点功能如何优化 Orbax 和 MaxText 的训练可靠性

    Orbax 和 MaxText 引入了连续检查点新功能，旨在优化模型训练中可靠性与性能的平衡。它改变了传统固定频率检查点的模式，通过在前一个保存操作成功完成后才异步启动新操作，最大化I/O带宽并降低故障风险。基准测试表明，该方法显著缩短了检查点间隔，并实现了可观的资源节约，这在平均故障间隔时间较短的大规模训练任务中效果尤为突出。

    推荐理由：大规模模型训练的可靠性和效率提升，开发者可优化资源使用。

  2. Google Developers Blog81

    ADK Go 1.0 正式发布：迈向生产就绪的多智能体开发框架

    Agent Development Kit (ADK) for Go 1.0 版本正式发布，标志着其从实验性脚本转向生产就绪的服务框架。本次更新核心在于强化可观测性、安全性与可扩展性，主要特性包括：原生集成OpenTelemetry以实现深度追踪；支持自愈逻辑的新插件系统；在敏感操作中引入“人在回路”安全确认机制。此外，新版本提供了基于YAML的配置以加速迭代，并优化了Agent2Agent协议，以支持跨编程语言的智能体无缝通信。该框架使开发者能够依托Go语言的高性能工程标准，构建复杂且可靠的多智能体系统。

    推荐理由：Go 语言开发者迎来官方 AI Agent 开发框架，可快速构建可靠多智能体系统。

  3. Google Research：Blog

    通过负责任披露量子漏洞保护加密货币

    Google Quantum AI 发布白皮书指出，未来量子计算机破解保护加密货币的椭圆曲线加密（ECDLP-256）仅需不到 1,200 个逻辑量子比特和 50 万个物理量子比特，资源需求较此前估计降低约 20 倍。团队采用零知识证明方式负责任地披露该漏洞，避免为恶意攻击者提供路线图，同时呼吁加密货币社区在 2029 年前迁移至后量子密码学（PQC），并建议避免暴露或重复使用脆弱的钱包地址。

  4. Google Research：Blog

    构建更优的 AI 基准测试：多少评分者才够？

    Google Research 提出基于"gold"评级数据的机器学习评估框架，通过模拟器优化评分项目数量与评分者数量的权衡。研究挑战了当前 AI 基准测试仅使用 1-5 名评分者的行业标准，发现要准确捕捉人类观点差异通常需要超过 10 名评分者。该框架为构建高可复现性且成本高效的 AI 评估体系提供了路线图，并开源了模拟工具。

3月30日周一
  1. Google Developers Blog81

    Google 发布 Java 智能体开发套件 (ADK) 1.0.0 版本

    Google 正式发布了 Java 版智能体开发套件 (ADK) 的 1.0.0 版本。该版本引入了多项关键功能：支持接入 Google Maps 数据、内置 URL 抓取工具，以及用于跨框架协作的标准化 Agent2Agent 协议。其全新的“App”和“Plugin”架构增强了控制能力，实现了全局日志记录、通过事件压缩自动管理上下文窗口，以及需要人工确认的“Human-in-the-Loop”工作流。此外，该版本深度集成 Google Cloud 服务（如 Firestore 和 Vertex AI），提供了强大的会话与记忆管理功能，以处理长期状态和大型数据工件，助力开发者构建更复杂的 AI 智能体应用。

    推荐理由：Java开发者可利用官方工具快速构建集成Google服务的AI代理。

3月27日周五