摘要：没有发布会的灯光，没有马斯克式的宣战帖，只有一行安静地挂在 LMArena 榜单上的测试结果——Google 发布了 Gemini 2.5 Pro，一款性能超过 GPT-4.5 整整 40 分的模型。

没有发布会的灯光，没有马斯克式的宣战帖，只有一行安静地挂在 LMArena 榜单上的测试结果——Google 发布了 Gemini 2.5 Pro，一款性能超过 GPT-4.5 整整 40 分的模型。

没有掌声，也没有鼓点，只有一个数字在闪：不寻常地高，仿佛一张迟到的成绩单，却写着第一。

这就是 Google 的风格：沉默、缓慢、不讨喜。但当它真正出手，总像是拿着一套别人还没见过的答题纸。GPQA、AIME 2025……那些曾被认为需要“类人推理”的测试题，在 Gemini 面前仿佛只是干净利落的勾选框。

外界很快将讨论聚焦于它的“多模态能力”：能读文本，也能看图、听声音、写代码——像是把图书馆、画室和服务器房都熔进了一个模型里。但用户体验从来不是技术能力的堆叠。一些人在 Reddit 上抱怨它“话太多”，像个刚进办公室、总想刷存在感的新实习生，不请自来地插话、提醒。

而在图像生成上，它犯了那种“聪明人也会犯的错”——把历史人物的肤色画错了。2024 年，一波风波迫使 Google 暂停这项功能，在回应中用了“改进”一词。大公司惯有的说法，意思是“不公开道歉，但会悄悄修复。”

但气氛已经不同了。ChatGPT 独舞了大半场，观众终于意识到：舞台的另一端，有个沉默的大块头开始迈步了。

Google 在 AI 的版图里，其实从一开始就站在最前线。

早在 2010 年，它便悄然押注了一张后来才显露价值的王牌：DeepMind。那年，在伦敦一栋白砖楼里，Demis Hassabis、Shane Legg 和 Mustafa Suleyman 创立了这个名字听起来像小说标题的实验室。他们的目标不是语言，不是聊天，而是理解“学习”本身。在没有说明书的情况下，他们的模型通过试错掌握了打《Pong》和《Space Invaders》的技巧，像素世界里，一场人工智能的启蒙悄然发生。

2014 年，Google 以不到十亿美元的价格将 DeepMind 收入麾下。这笔收购在当时没有引发市场热议，但却是一次精准且前瞻的战略下注。两年后，AlphaGo 以 4:1 击败李世石，第一次让世界见识到 AI 不只是计算，它还能下出一手“不可预判”的棋。人类退场时的沉默，成了 AI 登台最响亮的开场白。

与此同时，在内部的另一条技术轨道上，Google 也在酝酿属于自己的语言革命。2017 年，《Attention Is All You Need》发布，Transformer 架构就此诞生。这篇论文像是一枚低调却剧烈的引信，重塑了整个语言模型生态。几年之内，Transformer 成为 GPT、BERT、Gemini 的通用骨架，像氧气一样无所不在。

从科学、架构到硬件，Google 曾一度掌握着几乎所有关键节点。它是 AlphaGo 的缔造者，是 Transformer 的发明者，是 TPU 芯片的生产者。如果说技术是一种积累，它早早就打好了地基。

但也正因为如此，后来的“落后”才显得刺眼。不是能力的缺失，而是节奏的错位——当 OpenAI 把技术变成产品，把模型变成公众语法，Google 一度像是那个拥有全部拼图、却错过开箱时刻的玩家。

2023 年，Google 终于出手整理这条被拉得过长的时间线——它将 Google Brain 与 DeepMind 合并，组建 Google DeepMind，一个带着双重记忆的新实体：既有 AlphaGo 的静，也有 Transformer 的电。

Gemini 是它的第一个完整表达。

Gemini 2.5 不追求表现力，不刻意人格化。它不讲段子，不抢镜头，只是处理——深入、结构清晰、毫不慌乱地处理。

它可以一次性读完一百万个 token，记住你在第六段埋下的伏笔，也能在第七次提问中准确引用。别人靠猜，它靠定位。

它的多模态理解，也不是为了炫技，而是为了融通：图像、文本、音频、代码，被揉进统一的上下文中，像一个训练有素的合成器，而不是拼接的工具箱。

它还能写代码，而且写得对。在 SWE-Bench Verified 的基准测试中，它拿到了 63.8% 的分数——这个成绩，已经逼近一个熟练开发者的水准。它不仅能补代码，还能通读整个项目结构，指出设计模式错乱，帮你重构，同时解释“为什么这行虽然能跑，但写得不对劲”。

有人说，它像一个“不会犯错的同事”，也有人说它是“没有自尊心的专家”——随便打断它，它从不恼火，也不会反问你为什么。

但它真正令人警觉的，不是它有多强，而是它有多稳。它不追求惊艳，只是很少失误。而这一点，正是 AI 接近“实用”的门槛。

而当 AI 不再只是“听懂人话”，它也开始学会与“自己人”交流。

2025年，Google 提出了 A2A 协议（Agent-to-Agent），表面上是一套技术接口，实则是一种数字礼仪体系的雏形。它定义了 AI 如何彼此握手、协作、告别：一个代理可以通过一张 JSON 格式的 Agent Card 自我介绍，可以和另一个代理协作完成任务，也可以在文本、图像、音频等多模态语境中交换意图。

这不仅是系统之间的通信协议，更像是 AI 世界初生的社交秩序。你必须先解决信任：一个代理怎么知道另一个不会篡改上下文？你还要处理语言流动的问题：不同模型的“思维方式”是否可以被统一语法框起来？

Google 的回答是：可以试试，但别指望一劳永逸。

这套协议还在 Github 上开源中，仍在与 Salesforce、Cohere、MongoDB 等五十多家技术伙伴共建规范。它不是设计的终点，而是一场语言实验的起点。

有评论说它是“AI 的 TCP/IP”，也有人称它只是 Google 对多智能体未来的公关彩排。但无论如何，当机器开始彼此点头、互发任务清单，AI 世界就不再只是单向剧场——它开始生成自己的社会学。

而支撑这一切的，还有硬件。

不是模型的脑子，而是它的骨头与神经系统。

2025 年春天，Google 推出了新一代 TPU：Ironwood。一个听起来像新英格兰森林的小镇，实际上是专为“推理”设计的芯片。它不是为了训练模型，而是为了让超大模型实时上线，为交互性、响应性和稳定性保驾护航。

它支持高达 42.5 exaflops 的计算力，功耗却只有上一代的一半。最多可组成 9,216 颗芯片的超级集群，在你与 AI 对话的那一刻，像一片地下森林般悄然生长、计算、清除。

Ironwood 不会出现在 PPT 的封面上，它的名字只存在于工程文档的脚注中。但它回答的是最底层的问题：能否让十亿用户并发使用时，AI 仍保持毫秒级响应？能否让多模态模型处理视频、文本、音频和图像时，不在第五秒崩溃？

Ironwood 是 Google 对这些问题的冷静回应——不是浪漫的，不是表演性的，但决定性的。

回望整个轨迹，Google 的这场“归来”并不突兀。

它从未真正离开过 AI 的历史舞台。它是 Attention 的发明者，是 BERT 的制造商，是最早造出能下围棋机器的实验室。但在 ChatGPT 改写公众语法之后，它一度成了“慢了”“老了”“输了”的代名词。

而它自己，则像一个不争辩的人，在做一件更漫长的事。

现在我们才意识到，它做的不是“追赶”，而是“归整”——把十几年里散落在论文、实验室、芯片堆、数据中心和愿景蓝图中的碎片，一块块拼回成一个完整系统。

Gemini 是那个表面温和但内里精准的大脑；A2A 是它学会社交和协作的骨架；Ironwood 是支撑它不眠不休运行的心脏；而把这些缝合起来的，是一家终于决定不再只写论文的公司。

Google 的回归没有隆重的片头曲，只有一连串技术细节，一组悄然攀升的排行榜，一种久违的秩序感。

它回来的方式，正如它曾离开时一样安静。

但现在，它说话了。

而我们，也终于开始，重新听它说话。

更多免费AI功能 云片AI：https://y-p.cc/?f=tt

来源：AIGC研究社一点号