Google Research@ 2026：10种放大人类智慧的方式
我们正身处科研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突破。我们还在构建并分享稳健的工具，以赋能全球生态。AI 作为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了条件。
今天，在我们在 Mountain View 举办的 Research@ 活动上，我们展示了如何将前所未有的洞察与能力交到医生、科学家、开发者、公共卫生官员及其他人士手中。
以下是 10 大亮点：
1. Google Earth AI 为组织和社会提供行星智能
应对全球性挑战需要精准的、基于现实世界的行星智能。借助 Google Earth AI，预测公共卫生威胁、加速清洁能源投资、为企业提供前瞻性视野等皆成为可能。今天，我们正在扩大早期访问范围，并邀请合作伙伴探索访问 Google Earth AI全新实验性功能的三种新途径：
- 在 Google Earth 的早期访问实验功能中，进行更深入的地理空间分析。
- 通过我们的行星预测引擎生成风险评估并预测不同场景。
- 通过实验性的 agent-to-agent API，将我们的地理空间推理代理技能直接集成到自定义工作流中，为开发者提供卫星图像解析、路由及人口特征嵌入等核心功能的编程接口。
我们还宣布集成 Google Dataset Search，可查询超过 1 亿个公开数据集，同时集成 TimesFM，用于全球范围内的实时监测与预测迭代。这些能力背后是 70 多个地理空间工具的支撑，其中包括 Remote Sensing Foundation Model（RSFM）和 Population Dynamics Foundation Model（PDFM）等全球尺度基础模型。其效果已在今天发布的 Earth AI 技术报告中通过实证基准得到验证，可帮助开发者、公共卫生负责人和企业团队自动化复杂的地理空间工作流程。
为进一步支持社会公益事业，Google.org 将向致力于危机应对与公共卫生的组织提供 1000 万美元资金，其中包括向 Milken Institute 捐赠 200 万美元，用于破解经济适用房、清洁能源、宽带、安全供水系统等关键基础设施的瓶颈问题。
Google Earth AI 的地理空间基础模型正被用于预测疾病暴发，帮助公共卫生团队提前采取预防措施。
2. 多智能体编排帮助科学家站在已有知识的肩膀上
现有文献是推动新科学发现的宝贵知识源泉。我们构建了一个多智能体编排器，使科学家能够复现此前的方法与分析，并将其应用于新场景，以应对关键的研究难题。例如，借助该工具，研究人员将一种求解流体力学逆设计问题的新方法应用于导尿管设计，发现某些导尿管方案在模拟中更能有效预防细菌感染。
这与现有的加速科学工作流程的工具相辅相成。实证研究辅助 能让科学家并行生成并测试数千种代码变体，已助力研究者从生物学、宇宙学到经济学等多个领域产出成果。与 Google DeepMind 合作打造的 Co-Scientist 是一款多智能体工具，能够生成新颖的假设，并已帮助斯坦福大学等合作伙伴发现可再利用药物以对抗肝纤维化。
3. Deep Review 助力作者提升技术文档的清晰度与准确性
严格的同行评审是科学方法的核心环节。我们打造了 Deep Review，这是一个能够对复杂文档进行严谨验证的 agentic 系统。随着 AI 越来越多地被用于协助专家撰写技术文档，这一点尤为重要。许多 Google 研究员和外部作者已经用该系统的早期版本，审阅了提交给顶级计算机科学会议的 16000 多篇研究论文。它能承担繁重的认知工作——检查逻辑一致性、核实事实依据——而科学家仍然掌控创意方向。今天，我们将 Deep Review 开放给公众，帮助大家验证从法律协议到财务报告等各类技术文档。
展示四阶段流水线的系统架构图。
4. 新一代边缘 AI 芯片，助力厂商打造未来可穿戴设备
随着可穿戴设备的兴起，硬件制造商需要合适的工具来开发高效的边缘应用，以满足用户对全天候性能的高期望。今年早些时候，我们发布了首款采用 Google Coral NPU 加速器核心的 Coralboard from Synaptics，让 AI 和 ML 工程师能够快速进行原型设计和设备开发。10 月 20 日，Synaptics 推出了新一代低功耗边缘 AI 芯片 Synaptics Astra SR200 系列，其中集成了我们联合设计的开源 Coral NPU。这款芯片为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与语音系统的工程师，带来了更高的效率和性能。
Synaptics 全新低功耗边缘 AI 芯片，旁边放置硬币以展示其相对尺寸。
5. TimesFM 和 TabFM 变革企业的数字处理方式
语言模型在文本处理上表现卓越，但商业与运营决策同样离不开数字。TimesFM 和 TabFM 专为原始数值分布推理而生的基础模型，涵盖时间序列流（随时间变化的数据）和结构化表格数据（如电子表格）。两者均提供零训练即用的精准预测能力，在各自领域的公开基准测试中名列前茅，面向所有 Cloud BigQuery 用户开放。今天，我们宣布即将把这些模型整合到 Gemini for business 中。很快，企业主、分析师、运营负责人或协调员即可基于复杂的运营表格和数百万行数据，对产品销售或医院床位容量等趋势进行预测。敏感数据将安全地保留在组织内部，用户只需几秒就能获得所需答案。
TimesFM-3 的多变量预测帮助商家预判未来计划促销日的销售增幅。
6. MedGemma 助力创新者构建与部署健康 AI 应用
MedGemma 上周在 Nature Medicine 上发表，已被超过 65,000 位开发者下载逾 1000 万次。它是开发者构建专业应用的开放基础模型。各地开发者因地制宜地对它进行了改造，从缓解拥挤诊所的分诊压力，到筛查眼部疾病和宫颈癌。
随着开发者针对更多专科和诊疗场景对 MedGemma 进行微调，我们也在持续拓展开放医疗 AI 的边界。我们最新的研究为 MedGemma 增加了工具使用能力，让它能够调用现有的健康记录以及临床医生常用的其他应用。我们还在探索乳腺 X 光、超声和心电图等新的模态。早期结果显示，它在回答临床问题、解读放射影像、皮肤图像和病理切片等方面有显著提升。我们希望这些进展能让创新者构建出更多应用，把优质的医疗服务带给全球更多社区。
观看影片
7. AMIE 研究推动对话式 AI 支持患者与临床医生的边界
通过 AMIE 研究，我们正在探索 AI 在临床推理和医患对话中的应用，了解它如何为临床医生赋能、改善医患关系。我们今年发表在 Nature 上的研究，将 AMIE 的能力从初步诊断扩展到长期疾病管理；在 Nature Medicine 上，我们则展示了它如何对医学影像、化验结果等多模态数据进行推理。
我们在《柳叶刀》（The Lancet）发表的新研究展示了该能力在真实临床环境中落地的希望。在贝斯以色列女执事医疗中心，98 名患者在紧急就诊前安全地与 AMIE 进行了交互，临床医生表示，在 75% 的情况下，AI 生成的摘要帮助他们做好了准备。我们还在推动 AMIE 的多模态能力，迈向实时视频咨询，并已与Included Health 合作，启动了一项关于 AI 在真实虚拟医疗环境中应用的全国随机研究。
AMIE 是一段严谨研究之旅的一部分，其源头可追溯至我们里程碑式的 MedPalm 论文，而这项技术仍处于起步阶段。
观看影片
8. Groundsource 助力研究人员预测自然灾害
AI 能帮助我们更准确、更早地预测灾害，从而为社区提供更好的准备机会并挽救生命。我们在朝着危机韧性北极星目标——一个无人对自然灾害感到措手不及的世界——持续推进。
以洪水预测为例。我们发表在Nature上的全球水文模型，可以提前最多 7 天提供可靠的河流水位预报，覆盖 150 多个国家、20 多亿人口地区的重大河流洪水。然而就在一年前，山洪预测似乎还遥不可及。Groundsource 是我们近期推出的AI 方法，能把关于灾害的公开信息转化为高质量的历史数据集，帮助研究人员构建更精准的预测模型。
我们首先用 Groundsource 结合 Gemini 分析洪水相关的新闻报道，构建了一个包含 260 多万条洪水事件的结构化数据集。这个数据集弥补了山洪真实数据缺失的问题，让我们训练出一个可以提前最多 24 小时预测城市地区山洪发生概率的新模型。目前该数据集已纳入 Google Earth AI 数据集系列，并以开放形式发布，供科学家开展进一步的分析和研究。
展示 Groundsource 洪水事件密度的全球地图。红点代表来自 GDACS 的洪水记录。
9. 交互式学习工具让教师能够创建自定义的引导式模拟
借助生成式 UI，我们不再局限于静态输出，而是可以动态生成功能完整、可交互的软件。我们的研究实验探索了生成式 UI 在教育领域的应用。我们通过植入教学法护栏微调生成式 UI，让教师能够根据课程需求创建自定义的引导式 STEM 仿真程序。示例库收录了超过 30 个由 AI 生成并经过教师审核的学习交互工具，涵盖中学物理、化学、生物和数学。学校可报名Google 教育试点计划提供反馈。这将帮助我们优化现有仿真并开发更多面向公众的内容，让学习实践变得更加互动和有趣。
播放静音循环视频 暂停静音循环视频 取消静音视频 静音视频10. Play with Putty 支持团队协作进行实时原型开发
Play with Putty允许团队在共享环境中共同构建和制作原型，且不打断创作心流。它展示了随着 AI 模型效率提升，通过自然语言提示生成完整界面的可能性。用户可以直接与界面的任意部分交互，而多人编辑功能支持无缝的实时协作。我们最初设计 Play with Putty 是为了赋能谷歌内部的研究人员和团队进行协作原型开发，例如探索 Google Earth AI 的新方案和可视化效果。随后，我们在 Google Labs 开放了候补名单，将这种人机协作的乐趣带给各行各业使用 AI 的团队。
这 10 项进展展现了我们在诸多领域广泛研究布局的最新成果。科技的价值在于放大人类的创造力。在这个研究与科学发现的黄金时代，机遇前所未有——我们有机会与各方携手，开拓突破性成果，并分享工具赋能他人。我们对未来的旅程充满期待。