Google把最强模型开源了,但真正颠覆行业的不是参数规模
在这期 Latent Space 的对话中,DeepMind 的 Omar Sanseviero 抛出了一个足以让很多 AI 从业者重新思考路线的观点:开源模型的未来,不在于更大,而在于“更聪明地变小”。Gemma 4 的发布,只是表面,真正的变化发生在架构、部署方式和研究范式上。
在这期 Latent Space 的对话中,DeepMind 的 Omar Sanseviero 抛出了一个足以让很多 AI 从业者重新思考路线的观点:开源模型的未来,不在于更大,而在于“更聪明地变小”。Gemma 4 的发布,只是表面,真正的变化发生在架构、部署方式和研究范式上。
如果一个提示,就能调动“50名科学家”为你工作一天,会发生什么?DeepMind最新展示的 Co-Scientist,不是帮你写论文,而是直接生成可验证的新科学假设,把原本需要数月甚至数年的探索,压缩到几天之内。
当所有人都在讨论更大的模型、更贵的Token时,Google DeepMind在这场分享里反复强调了一件“反直觉”的事:真正能跑起来的AI,必须回到设备本身。从Gemma 4到端侧Agent,这不是性能妥协,而是一场架构转向。
大多数人还在比模型参数,Google DeepMind 却在公开课上反复强调一件反直觉的事:Agent 成败不在模型,而在“循环、工具和缓存”。这场从 API Key 到语音 Agent 的现场演示,暴露了下一代应用的真实门槛。
当几乎所有人还在讨论更大的模型、更长的上下文窗口时,Demis Hassabis 在 YC 的舞台上泼了一盆冷水:这些都不足以通向 AGI。他直言,真正关键的问题至今无人解决,而且可能会在你正在做的创业项目中途突然出现。
一周前发布的Gemma 4,没有靠更大的参数震撼行业,却用“完全离线、跑在手机上、Apache 2开源许可”这三件事,重新定义了什么叫真正可用的开源大模型。这不是一次常规更新,而是一种路线选择。
当所有人都在追逐更大的语言模型时,DeepMind研究副总裁Raia Hadsell却在台上反复强调:真正的Frontier AI,并不等于“再堆参数”。这场演讲释放了一个清晰信号——下一阶段的智能竞争,方向正在悄然改变。
如果你以为 AIE Europe 的主旋律是更大的模型、更强的算力,那你会完全看错。从 Google DeepMind 到 OpenClaw,这一天反复出现的关键词只有一个:工程。不是炫技,而是如何把 AI 真正变成可用、可控、可规模化的系统。
这期 TBPN 最反直觉的信号只有一个:OpenAI 正在系统性结束“副本任务”。从内部团队收缩,到和 TPG 组建合资公司,再到 mini / nano 模型路线的明确化,所有零散动作突然拼成了一条清晰主线——AI 公司不再炫技,而是开始算账了。
2016 年那场 4:1 的胜利,表面是 AlphaGo 击败李世石,实际上却悄悄改写了整个 AI 研究范式。十年后,DeepMind 核心研究者回顾这次转折,揭示了一个更反直觉的事实:今天的大模型浪潮,很多关键思想都源自那次“下棋”。