鱼皮AI导航
鱼皮AI导航
  • 主页
  • 社区
  • AI工具
  • AI知识库
  • AI提示词
  • MCP
  • Skills
  • AI学习资源
  • AI资讯
  • GitHub开源
登录/注册

谷歌 2025「复仇爽文」大结局:从至暗时刻到王者归来

编程导航
编程导航
2025-12-28 23:50
阅读 223
编程导航
2025-12-28 23:50
阅读 223

年初被唱衰,年底却直接封神:2025 年的谷歌,把 AI 圈写成了一本爽点密集的复仇小说!Gemini 3、Nano Banana、诺奖、芯片、智能体齐上阵:硅谷 AI 铁王座还是 Google 的!

回顾 2025 年,对于谷歌来说,可谓是一部跌宕起伏的「复仇爽文」。

如果说年初外界还在唱衰这家巨头「大象难转身」,那么到了年底,谷歌用实力上演了一出从被打落神坛,到扬眉吐气、重回巅峰的好戏。

尤其是年底这波 Gemini 3 和 Nano Banana 的组合拳,简直是降维打击!

不仅稳稳占据了 LMArena 的榜首,更是在推理和多模态能力上打得对手 OpenAI 一个措手不及。

谷歌在向世界宣告:硅谷的 AI 铁王座,依然姓 Google。

就在刚刚,谷歌 AI 掌门人们:首席科学家 Jeff Dean、DeepMind CEO Demis Hassabis 以及负责技术与社会的 SVP James Manyika 三位重量级人物联名发布了谷歌 2025 年度总结。

而且也给 AI 这一年定了一个基调:这一年,是属于 AI 智能体、深度推理与科学探索的大成之年。

谷歌这一年把「科研」变成「现实」,在 8 大领域实现了全面突围。

以下是谷歌这一年「秀肌肉」的高光时刻:

模型层面的「碾压」:Gemini 3 重新定义天花板

谷歌今年的策略非常狠:「下一代的 Flash 模型要比上一代的 Pro 模型更强」。

从 3 月发布的 Gemini 2.5 到 11 月震惊业界的 Gemini 3,谷歌彻底解决了推理能力的瓶颈。

Gemini 3 不仅在「人类终极考试」这种变态难度的基准测试中拿下了突破性高分,更通过 Gemini 3 Flash 实现了性能与成本的完美平衡。

现在的谷歌模型,既能深思熟虑(DeepThink),又能快如闪电。

开发者的「新纪元」:Google Antigravity

如果说以前的 AI 只是帮你补全代码,那么谷歌今年推出的 Google Antigravity 则是彻底颠覆了软件开发。

这不是工具,而是真正的「Agent(智能体)」。

配合异步编程 Agent Jules,现在的开发者拥有的不再是一个助手,而是一支随叫随到的专家团队。

创意工具的「爆发」:Nano Banana 与 Veo

在生成式媒体领域,谷歌今年简直是「玩嗨了」。

Nano Banana Pro 和 Veo 3.1 的出现,让图像编辑和视频生成进入了专业级时代。

无论是通过 Nano Banana 进行原生的图像修改,还是用 MusicAI Sandbox 辅助音乐创作,谷歌正在把顶级创意能力下放给每一个人。

科学界的「诺奖收割机」

这或许才是谷歌真正的护城河!

2025 年,AlphaFold 团队不仅迎来了 5 周年,更见证了 Hassabis 等人凭借它斩获诺贝尔奖的荣耀。

不仅如此,谷歌员工 Michel Devoret 亦在今年荣获诺贝尔物理学奖。

从 AlphaFold 到能解决数学奥赛金牌题目的 DeepThink,再到 AI 科学家,谷歌证明了 AI 不仅仅是聊天机器人,更是解开宇宙奥秘的钥匙。

硬核基建:Ironwood 与 AlphaChip

当别人还在抢 GPU 的时候,谷歌已经用 AI 来设计 AI 芯片了。

今年推出的 Ironwood TPU 专为推理时代打造,而这背后功臣正是 AlphaChip 设计方法。

软硬一体的实力,让谷歌在能效和算力上拥有了难以复制的优势。

具身智能:AI 拥有了身体

谷歌不仅让 AI 思考,还让它「动」了起来。

Gemini Robotics 1.5 和 Genie 3 的发布,标志着通用世界模型的新前沿。

AI 智能体正在走出屏幕,进入物理世界和虚拟环境,开始真正地理解和操纵世界。

全球影响力:预测未来,拯救生命

在应用层面,谷歌的格局打开了。

最新的 Weather Next 2 模型能以惊人的精度预测天气,洪水预报覆盖了全球 20 亿人。

从 NotebookLM 的深度研究功能到 Pixel 10 的 AI 体验,谷歌正在把「黑科技」变成每个人手中的「水电煤」。

还有谷歌 Earth AI,最先进的地理空间 AI 模型。

安全与责任:走得快,更要走得稳

在狂飙突进的同时,谷歌依然保持了克制。

Gemini 3 被称为谷歌迄今为止最安全的模型,通过了最全面的红队测试。

随着模型能力持续增强,不断升级工具链、资源体系与安全框架,以预见并降低潜在风险。

Gemini 3 正是这一理念的实践典范:作为谷歌迄今最安全的模型,它经历了公司 AI 模型中最为全面的安全评估体系。

更着眼长远,探索通往通用人工智能的负责任路径,着重提升风险应对能力、完善主动风险评估机制,并与更广泛的人工智能社群开展协作。

2024 年是铺垫的草蛇灰线,2025 年才是一切的爆发。

这份涵盖了从底层芯片、核心模型到顶层应用、科学探索的成绩单,我们不得不承认:

那个熟悉的、令对手窒息的谷歌,回来了!

看来,2026 年,好戏才刚刚开始。

谷歌 2025 年 AI 年度回顾

一月

新年伊始,谷歌在 Gemini、Android、GoogleTV 和教育工具上推出了一系列更新。

  • 推出了由 Gemini 驱动的更强大的 Android 助手:提升手机端的 AI 体验,让助手更懂你的需求。

  • 公布了针对三星 GalaxyS25 系列及更多设备的 Android 系统更新:通过系统底层优化,让新设备更好地运行 AI 功能。

  • 发布了面向 2025 年的全新谷歌教育工具:推出了一系列新功能,旨在助力教师教学与学生学习。

  • 在 CES 上展示了 Google TV 的最新功能和改进:利用 AI 技术提升内容推荐精准度,改善家庭娱乐体验。

  • 在 Gemini 应用中推出了 Gemini 2.0 Flash 版本供用户尝鲜:以更快的速度和更低的延迟,让用户体验新一代模型的响应能力。

  • 二月

    本月重点展示了 AI 如何在求职和科学研究等领域带来实质性改变。

  • 宣布 Gemini 2.0 模型正式向所有用户开放:全面放开访问权限,让每个人都能使用谷歌最新的基础模型。

  • Gemini Code Assist 编程助手现在免费提供:降低开发者门槛,利用 AI 免费辅助编写和调试代码。

  • 推出了一项新实验功能,利用 AI 帮助人们探索更多职业发展的可能性:通过分析用户技能与兴趣,智能推荐潜在的职业路径。

  • 发布了一款专为科学家设计的新型 AI 系统:该系统能辅助科学家提出假设、设计实验并规划研究路线。

  • iOS 用户现在可以在浏览网页时使用 Lens 搜索屏幕上的内容:打破应用壁垒,在苹果设备上也能体验「所见即搜」的便捷。

  • 三月

    搜索中的 AI 模式(AI Mode)首次亮相,同时发布了 Gemini 2.5 和 Gemma 3。

  • 发布了当时谷歌最智能的 AI 模型 Gemini 2.5:在推理能力和多模态理解上取得了显著突破。

  • 推出了 Gemma 3,这是可在单个 GPU 或 TPU 上运行的最强模型:为开源社区和端侧开发提供了极其强大的性能支持。

  • 扩展了 AI Overviews 功能,并正式引入了「AI 模式」:在搜索中处理更复杂的查询,提供深度解答而非简单链接。

  • Gemini 应用上线了多项新功能,供用户免费试用:包括更丰富的文件分析能力和交互方式。

  • 推出了利用 Gemini 进行协作和创意创作的全新方式:在 Workspace 等工具中深度集成,提升团队协作效率。

  • 四月

    硬件与云端算力的大幅升级,为 AI 时代奠定基石。

  • 发布首款专为「推理时代」打造的 TPU Ironwood:在 Google Cloud Next 大会上亮相,大幅提升 AI 推理效率。

  • 推出了 Google Vids 的全新 AI 视频生成功能:Workspace 用户可利用 AI 快速生成工作汇报视频。

  • 发布 AI 驱动的网络安全防御系统:利用大模型实时检测并防御复杂的网络攻击。

  • CloudAssist 云端助手能力升级:帮助企业用户更智能地管理云资源和排查故障。

  • 发布了 Imagen 3 的图像生成增强版:在生成图片的细节和文字渲染能力上达到新高度。

  • 五月

    Google I/O 开发者大会召开,发布了 AI 电影制作工具 Flow 和 Veo 3。

  • 回顾 Google I/O 2025,展示从研究到现实的跨越:总结了 AI 技术如何全面落地到谷歌的产品生态中。

  • 推出了由 Veo 3 驱动的 AI 电影制作工具 Flow:为创作者提供好莱坞级别的 AI 视频生成和编辑能力。

  • 推出了 Google AI Ultra 订阅服务:整合了谷歌最顶尖的模型和功能,一站式满足专业用户需求。

  • 在购物中引入 AI 模式,支持虚拟试衣:利用生成式 AI 让用户在购买前看到衣物穿在自己身上的效果。

  • 搜索中的 AI 进一步进化,转向提供智能服务:不仅仅是寻找信息,而是直接帮用户完成任务。

  • 六月

    开发工具与移动操作系统的智能化革新。

  • 发布 Gemini CLI,打造开源 AI 智能体工具:让开发者能在命令行中直接调用 Gemini 构建智能体。

  • 正式发布 Android 16 操作系统:系统底层深度集成 AI,提升流畅度与个性化体验。

  • 推出了 SearchLive 实时交互功能:支持用户与搜索引擎进行实时的语音对话和多模态交互。

  • 宣布扩展 Gemini 2.5 模型家族:推出了针对不同侧重领域(如代码、数学)的微调版本。

  • 展示了 Gemini 2.5 在高级音频对话上的能力:实现了更自然、更具情感的语音交互体验。

  • 七月

    AI 功能深入日常,让相册和邮件变得更「聪明」。

  • 在 Gemini 中上线了照片转视频功能:利用 AI 将静态照片瞬间转化为生动的视频片段。

  • 宣布搜索将迎来更高级的 AI 能力:增强对长尾问题和模糊需求的理解能力。

  • 利用搜索中的 AI 模式提供学习新途径:为学生提供定制化的学习计划和知识点解析。

  • Gmail 推出「管理订阅」新功能:智能识别并一键清理不需要的邮件订阅,净化收件箱。

  • 为 Pixel 用户推送了惊喜功能更新 (PixelDrop):通过软件更新为旧款 Pixel 手机带来了最新的 AI 特性。

  • 八月

    硬件盛宴,Pixel 10 系列携手全新 AI 体验登场。

  • 正式发布 Pixel 10 系列手机:搭载最新 TPU 芯片,是首款为「全天候 AI」设计的终端设备。

  • Gemini 图像编辑功能迎来重大升级:引入更精准的局部重绘和风格迁移能力。

  • 宣布向大学生免费提供谷歌 AI 工具:投入资金与资源,普及 AI 教育,赋能下一代创新者。

  • 在 Gemini 应用中上线 DeepThink 功能:让模型在回答复杂问题前进行更深度的逻辑推理。

  • 推出了全新的 AI 驱动航班搜索工具 FlightDeals:智能预测票价趋势,帮用户锁定最佳出行时机。

  • 九月

    Chrome 浏览器重构,AI 开始接管浏览器体验。

  • 揭秘 Chrome 浏览器全新 AI 功能背后的技术:解释了端侧小模型如何让浏览器更快、更安全。

  • 利用 AI 重新构想 Chrome 浏览器:推出智能标签页管理、网页摘要和写作辅助等功能。

  • 介绍了通过 SearchLive 获取实时帮助的方式:展示了在旅行、维修等场景下视频通话式搜索的威力。

  • Android 更新带来更智能的写作与分享:输入法不仅能纠错,还能根据语境自动补全长句。

  • 最新 PixelDrop 包含 Material 3 Expressive 升级:UI 设计语言进化,带来更灵动、更具表现力的交互动画。

  • 十月

    具身智能与医疗 AI 取得突破,Gemini 学会操作电脑。

  • 推出了 Gemini 2.5 ComputerUse 模型:模型现在可以像人一样查看屏幕、移动光标、点击按钮,执行复杂操作。

  • 发布 Veo 3.1 模型并提升 Flow 功能:视频生成的连贯性和时长进一步提升,支持更细粒度的控制。

  • 发布专为 Gemini 构建的 GoogleHome 设备:智能音箱和摄像头具备了更强的本地 AI 处理能力。

  • 分享 Gemma 模型帮助发现癌症治疗新路径:展示了开放模型在生物医学领域的巨大科研价值。

  • 宣布 Nano Banana 模型应用更广:这款轻量级图像模型被集成到搜索、NotebookLM 和相册中,提供极速体验。

  • 十一月

    年度重磅,Gemini 3 横空出世,开启智能新纪元。

  • 宣布 Gemini 3 的诞生:谷歌迄今为止最强大的 AI 模型,具备前所未有的多模态推理能力。

  • 推出了更专业的 Nano Banana Pro 模型:在保持速度的同时,大幅提升了图像生成的艺术质量和逼真度。

  • 面向开发者开放 Gemini 3:API 同步上线,邀请全球开发者共同构建基于新模型的下一代应用。

  • Gemini 3 为 Gemini 应用带来新功能:普通用户也能立即体验到新模型带来的更聪明、更人性化的对话。

  • 谷歌地图导航功能通过 Gemini 获强力升级:提供更直观的实景导航和基于语境的地点推荐。

  • 十二月 (December)

    以速度极快的 Gemini 3 Flash 和年度热搜收官。

  • 推出了专为速度打造的 Gemini 3 Flash:在保持高智商的同时,将响应延迟降至极低,适合实时应用。

  • Gemini 3 Flash 开始在全球搜索中推出:让每一次搜索都能获得瞬间生成的 AI 智能摘要。

  • 发布了 2025 年度热搜报告:回顾全年搜索趋势,展现 AI 如何重塑人们获取信息的方式。

  • Android 16 新更新帮助用户组织信息:利用端侧 AI 自动整理手机中的通知、文件和照片。

  • 将最先进的 Gemini 翻译能力引入谷歌翻译:实现了同声传译级别的实时翻译效果,打破语言障碍。

  • 参考资料:

    https://blog.google/technology/ai/google-ai-news-recap-2025

原文链接: 谷歌 2025「复仇爽文」大结局:从至暗时刻到王者归来
站长:程序员鱼皮 老鱼简历 商务合作 增值电信业务经营许可证
2026 鱼皮AI导航 | 沪ICP备19026706号-6
🔥 热门文章
1
B 站上 DeepSeek 闹鱼灾了,我发起《大肥鱼清除计划》!
480
2
Vibe Coding 实战:从零构建现代专业级 AI 搜索引擎
430
3
我的第一个出海产品!7 天 2 万
370
4
又一个国产版 Codex 神器,也来卷办公了!
370
5
day3-如何写出一个高质量的 Skill(组内分享) 高质量 Skill 不是“一个调得很顺的巨型 Prompt”,而是一个可验证、可回归、可维护的能力包。 先定义“什么算好”,再实现“怎么做好”。评估体系先于 Skill 本身成型。 下面用“故障诊断 Markdown 转 YAML”作为例子,但方法是通用的。 --- 一、先想清楚:Skill 到底是什么 一个 Skill 至少包含四部分: 部分 作用 接口 输入什么、输出什么、边界在哪 流程 分几步做,每步的产物是什么 规则 硬约束、经验规则、失败模式 降级策略 不确定时怎么办,而不是硬编一个看似合理的结果 高质量 Skill 的共同点:职责单一、接口清晰、规则可定位、输出可验证。 反例:把几十条经验全塞进一个主 Prompt,改一条规则要重调整个 Prompt,评估时也不知道是哪条规则退化。 --- 二、核心方法:先建评估,再写 Skill 不要先写转换器再补测试。正确顺序是: 1. 定义输出契约:什么算合法、什么算合格; 2. 建金标准集:一小批人工认可“可放行”的样本; 3. 先写评估 Skill:让它在金标准集上跑出基线; 4. 再迭代生成 Skill:每次修改跑同一套评估,无退化且目标维度提升才算正向。 这就是评估驱动开发:评估是 Skill 的单元测试,金标准集是回归锚点。 --- 三、评估 Skill:三层门禁,逐层递进 前一层不过,后一层不跑。每层留可追溯证据。 第 1 层:确定性硬门禁 用解析器、Schema、校验器完成,不消耗模型成本。 · 输出可解析; · 必填字段齐全,类型/枚举合法; · 引用目标存在,无悬空引用、无不可达节点; · 关键路径至少有一条能到达预期出口。 不通过直接打回。 第 2 层:语义断言 用脚本 + 结构遍历检查“逻辑对不对”,仍然保持确定性。 通用检查项: · 覆盖率:源材料里的关键步骤、分支、条件,输出里是否都有对应? · 完整性:每个判断节点是否都有明确出口?有没有死胡同? · 可达性:每条路径是否都能到达预期终点?有没有无出口循环? · 顺序与依赖:有先后依赖的操作,是否保留了顺序?有没有被拍平成无序列表? 例子:故障诊断转换中,检查“每个判断项是否有是/否/异常出口”“每条路径是否能到根因”。 第 3 层:LLM-as-Judge 只处理解析器表达不了的维度:忠实度、完整性、可执行性。 但 Judge 会漂移,不能单独放行,必须建立在第 1、2 层之上。Judge 的 Prompt、rubric、模型版本都要版本化,换模型必须用金标准集重新校准。 通用 Judge 维度: 维度 问什么 忠实度 输出是否忠实源材料意图?有没有自行发明内容? 完整性 关键步骤、条件、证据是否保留?隐式知识有没有被压成空话? 收敛性 输出是否仍指向原目标,而不是发散? 可执行性 下游不依赖源材料能否直接使用? --- 四、金标准集:回归测试的锚点 不需要一开始就标注几百份。用已认可的样本当种子,扩到 15~30 份,覆盖失败模式而非随机抽样: · 完整正例:典型流程; · 边界/异常分支:异常路径、循环、前置失败回退; · 已知易错模式:实际踩过的坑; · 留出集:不参与调优,只用于最终验收,防过拟合。 金标准不需要完美,只需要当前标准下认可可放行。 回归指标:关键路径用 pass^k(k 次全过),稳定性用 pass@k。 --- 五、工程约束:让批量产出可重放 · 幂等:同输入 + 同 Skill 版本 + 同规则 → 输出一致,否则无法判断变好是 Skill 改了还是随机波动; · 隔离不阻断:单份失败进隔离队列,记录失败层和原因,不阻塞其余; · 版本绑定:规则、rubric、金标准集进 Git;每份报告绑定“源版本 + 生成 Skill 版本 + 评估 Skill 版本 + Judge 模型版本”; · 抽样人工复核:Judge 临界样本 + 易错模式,人工抽检结果反过来校准 rubric。 --- 六、Skill 本身怎么写 · SKILL.md 控制篇幅,写清:输入约定、输出契约、分步流程、硬规则、降级策略; · 经验规则放 references/ 或 rules/,按失败模式分类,不要全塞进主 Prompt; · 不确定时标 needs_review: true,不要硬编看似合理的结果; · 迭代由评估报告驱动:报告告诉你哪层挂了、哪类失败模式,你改对应规则文件,而不是漫无目的调 Prompt。 --- 七、落地顺序(不要反过来) 1. 固化输出契约:Schema + 结构约束; 2. 建金标准集:从已认可的 + 最易出错的样本开始; 3. 先写评估 Skill:跑出基线报告; 4. 再迭代生成 Skill:每次修改对比逐项通过率,无退化且目标提升才算正向; 5. 批量运行 + 隔离回放:失败进队列,结束后人工抽检; 6. 评估 Skill 自身版本化:换 Judge 模型必须重新校准。 --- 八、给组员的三条硬要求 1. 不许凭感觉说“变好了”:每次修改必须附评估报告对比,逐项通过率说话。 2. 不许跳过确定性门禁直接看 Judge 分数:前两层挂了,Judge 分数没有意义。 3. 不许把规则堆进主 Prompt:规则按失败模式分文件,评估报告要能定位到具体文件。 --- 一句话收尾 生成 Skill 决定“能不能做”,评估 Skill 决定“敢不敢用”。 先让评估体系站稳,再让生成器迭代。这样交付的不是一堆“看起来还行”的产出,而是一套可证明、可回归、可交接的 Skill 质量体系。
340
6
DeepSeek 重磅开源的超级 Agent,到底是个啥?
330
7
最近在落地 AI Native 项目,卡在团队资产协同这块,想请教下社区各位有实际落地经验的同学: 我们现在的资产分为三块:项目文档(PRD/ADR/ 运行手册)、Agent Skill(业务技能、执行 SOP、提示词包)、MCP 工具服务定义。 目标是做到:人和多 Agent 共用一套可信资料源,Skill、MCP 配置、项目文档能够版本化、同步、共享、可评审。 目前我们初步方案是用 Git 做底层版本主线: - 文档:Markdown + ADR,带元信息,支持 RAG 检索 - Skill:单技能包目录化,带版本、评估用例、依赖声明 - MCP:项目级声明文件纳入 Git 但实际协作里遇到不少疑问,想参考大家成熟的实践: 1. 大家团队里,文档、Skill、MCP 三者是怎么组织目录和版本管理的?有没有稳定的仓库结构模板? 2. 多人协作时,Skill 的变更评审、灰度升级、依赖管理怎么做?如何避免本地版本不一致、“本地能跑别人不行”? 3. MCP 是统一中心化网关模式,还是大家各自本地启动 + git 同步配置?权限白名单、调用审计这块有什么好方案? 4. 有没有成熟工具链做自动同步(类似 agentmeld /teamai-cli)、变更校验、eval 回归门禁? 5. 文档和 Agent 的打通:哪些文档放进 Git 作为可信真值,哪些放外部知识库,边界怎么划分? 如果有现成的仓库样例、目录规范、团队协作流程,非常希望能分享参考,感谢!
280
8
PHP 被曝两大致命漏洞,请所有程序员抓紧做这件事!
280
9
人工智能前沿部署工程师(FDE) · 概 览 与 方 法 论
270
10
QuireKit 编辑器的 AI-Native 是如何设计的?谈谈我对真正 AI-Native 的理解
250
11
告别“金鱼记忆”:我开发了一款能当“第二大脑”的浏览器 AI 助手
250
12
ARTS 1101: 最长回文串与子序列匹配、一次 URL 请求的来回之旅与如何验证 AI 的交付
230
🔥热门工具
朱雀AI检测朱雀AI检测
朱雀AI检测助手朱雀AI检测助手
LovartLovart
老鱼简历老鱼简历
WritePass官网WritePass官网
面多多面多多
CursorCursor
星月写作星月写作
零感AI零感AI
朱雀AI检测助手朱雀AI检测助手