对AI时代的宏观判断与投资哲学 - 将当前AI革命定义为堪比工业革命的、持续十年以上的宏大时代周期，认为现在谈论泡沫为时过早 [1][3][4] - 提出核心投资理念：“错失一个时代的风险，远大于过早担忧泡沫的风险”，并认为AI时代是职业生涯中不应错过的最后一个伟大机会 [1][4][5][6] - 强调投资人需具备敏锐洞察力并持续迭代，否则可能被时代淘汰，投资比的是思考的远见、看得准、敢重仓并能坚持 [1][12][13] AI技术的发展阶段与投资机会展望 - 预判2026年将成为“AI应用爆发之年”，驱动力源于OpenAI与谷歌等顶尖科技巨头间“白热化”的竞争，将加速技术演进与普及 [4] - 认为2025年将是基础层和应用层共同突飞猛进、相互驱动的时代，未来两三年对核心硬件和高端产能的需求依然坚实紧迫 [4] - 除了AI，还关注量子计算、无人驾驶（称之为“iPhone时刻”）以及AI在医疗等领域的应用 [11] 具体投资布局与标的 - 投资布局以寻找具备长期确定性、能定义未来、拥有宽阔护城河的全球科技龙头为主 [4] - 截至今年三季度末，东方港湾海外基金的第一大重仓股是英伟达，第二大是谷歌 [4] - 除了满仓美股科技巨头，还配置了ETF工具以全面参与人工智能时代 [7] - 投资视野全球化，在A股与港股市场也有系统性布局，研究覆盖并投资全球AI核心产业链上的重要公司 [10] 对美股与A股的市场观点 - 认为今年美股的轨迹更像1998年（经历深度调整后依靠坚实产业趋势再创新高），而非2000年互联网泡沫，并曾预判2025年纳指可能上涨20%左右 [4][7] - 展望2026年A股市场，认为“结构牛”的概率更大，动力将来自人工智能，判断国家力量会大力推进，相关领域的结构性机会可能持续十年 [10] 行业比较与逻辑演变 - 解释投资逻辑从十多年前坚定看好白酒（基于崛起的中产阶级），转向当前全面拥抱AI科技革命，源于白酒文化、人口结构及社会财富载体等发生深刻变化 [8] - 指出若白酒需求从“永续”模式发生根本性转变，其估值体系将面临重塑，因此更倾向于将资本重新配置到具备更强时代动力的产业方向 [8] - 对于消费和白酒行业，表示还需关注相关政策变化；对于重金属等周期性行业，可能会谨慎观望 [11] 投资框架与选股标准 - 投资框架不严格区分“成长”与“价值”，而是两者的叠加，是追求戴维斯双击的过程 [8] - 认为投资的真正安全边际不在于静态估值数字，而在于企业持续创造价值的成长能力本身，一些伟大公司能“越涨越便宜” [9][13] - 提出“投资要去大海里打鲸鱼”，即寻找并投资那些能参与全球竞争的卓越企业 [10][13] - 认为卓越企业（如过去的龙头白酒、互联网平台、今天的海外科技顶尖企业）的卓越往往显而易见，并不总是需要极高的专业门槛 [11] 对普通投资者的建议 - 认为散户的优势在于一旦找准方向，可以全力以赴、重仓持有 [11] - 建议若判断个股难度大，可通过ETF务实参与市场，例如看好全球科技趋势可考虑标普或纳指ETF，看好中国经济可考虑人工智能ETF、机器人ETF、港股科技ETF等 [11][13] - 着重强调投资铁律：永远不要借钱投资，远离融资炒股，并透露公司存活多年的一个根本原则是从不使用融资杠杆 [12][14]

Janus Henderson Investors, an investment management company, released its third-quarter 2025 investor letter for its “Janus Henderson Global Technology and Innovation Fund”. A copy of the letter can be downloaded here. The technology sector generated strong results in the quarter, driven by the semiconductor complex and hardware makers, which outpaced the broader equities. The fund returned 9.19% in the quarter, compared to the S&P 500 Index’s 8.12% return and the MSCI All Country World Information Technol ...

核心观点 - 谷歌旗下AI应用，特别是Gemini App和NotebookLM，在2024年实现了用户和市场份额的显著增长，这得益于其负责人Josh Woodward独特的“创业者”气质、快速的产品开发策略以及对用户需求的深刻洞察 [1][4][6] Gemini应用的用户增长与市场表现 - NotebookLM移动端月活跃用户达到800万 [2] - Gemini App月活跃用户从2024年8月的2.66亿增长至11月的3.46亿，净增8000万用户 [2] - 在四个月内，Gemini市场份额上升3个百分点，而ChatGPT市场份额则下降了3个百分点 [2] - 过去一年内，Gemini Pro订阅量同比增幅接近300%，大幅领先于ChatGPT的155%增速 [3] - 在Josh Woodward领导下，Gemini应用的月用户数从3月的3.5亿激增至10月的6.5亿 [9][30] 关键人物Josh Woodward的领导风格 - Josh Woodward被评价为行动迅速、善于打破障碍、执行力强，这些特质使其成为谷歌AI战略的核心 [6] - 其领导风格具有独特的“创业者”气质，体现在快速行动、懂技术且有远见、聚焦用户反馈以及有能力绕开公司官僚体系 [7] - 通过建立名为“block”的内部系统，帮助团队推进项目、打破内部障碍并争取资源 [7][39] - 创立“Papercuts”流程，专门快速响应和解决影响用户体验的细微痛点，并常在社交媒体与用户交流 [40] 产品开发策略与创新理念 - 采用小团队快速开发模式，NotebookLM以5-7人团队在六周内完成原型开发 [7][10][15] - 强调将产品快速推向用户以获取反馈，例如Flow视频创作工具从想法到发布仅用86天 [45] - 认为AI不仅是搜索引擎，更应是帮助用户深度理解与重构知识的伙伴，NotebookLM被设计为一种“新的内容容器” [17] - 提出“生成式界面”的前瞻概念，认为未来AI交互将远超聊天框形式，能动态生成可交互的界面和组件 [34] - 对Gemini应用的最终定位是个人化生活助手，核心是“三个P”：个人化、前瞻性、功能强大 [35] NotebookLM的产品特性与成功因素 - NotebookLM能深度分析用户上传的文档、PDF、音视频，并提供基于原始资料的摘要和洞见，规避“幻觉”问题 [15][17] - 产品设计直观，界面分为原始资料、AI问答互动和丰富的媒体输出（如思维导图）三个区域，保证内容可溯源 [17] - 通过“音频概览”和“视频概览”功能，将海量零散信息提炼成易于消化的精华版本，降低了高质量内容创作门槛 [19][20][21] - 为收集用户反馈，大胆使用外部平台Discord，该频道成员已超过23万 [16][22] - 邀请外部科技作家Steven Johnson加入团队，为产品带来“发现连接”的辅助思考视角 [23] Gemini App的产品突破与功能亮点 - 推出的图像生成功能Nano Banana在技术上解决了AI生图渲染文字和角色一致性的痛点，并通过社交媒体形成病毒式传播 [28][29] - 团队策略是快速观察并简化用户的自发创造力，将高频场景固化为预设提示词或一键功能，极大降低用户参与门槛 [30] - 到9月底，Gemini生成的图像数量突破50亿张，应用在苹果商店榜单上超越了ChatGPT [30] - 强调Gemini模型的原生多模态能力是其实现复杂跨模态创作（如Nano Banana）的根本原因 [33] - 致力于通过“上下文工程”理解用户个人数据，以实现真正的个性化助手体验 [36] 内部管理与文化构建 - 通过“block”系统绕过官僚体系，确保小团队的创新动力，例如为NotebookLM成功争取关键的计算资源 [39] - 在谷歌内部建立快速发布产品的文化，核心是保持小团队规模、优先推向用户、招聘热爱动手的“创造者” [44] - 认为早期产品的成功不能只看数据，更需要与真实用户交流，观察其定性反馈 [41][42][43] - 在招聘时倾向于通过原型表达想法、学习速度快且心态积极的候选人 [49]

今天，靴子终于落地！ 美国国土安全部（DHS）与美国公民及移民服务局（USCIS）正式官宣一项重大的H-1B签证改革—— H-1B工作签证遴选规则：将从「随机抽签」改为基于工资水平的「加权选择」（weighted selection）； 优先将签证名额分配给「技能更高、薪资更高」的外籍劳工，系统会给予更高的权重。 【导读】H-1B彻底变天！今天，美国国土安全部最终敲定：取消随机抽签，从此按「工资级别加权」。这对于应届留美学生来说，堪称一场「地狱模 式」。 这项新规，将于2026年2月27日生效，首次适用于FY2027 H-1B配额注册季。 目的一直没有变，还是为了更好保护美国工人的工作条件和就业机会。 有网友表示，除了10万美元门槛新规，这是自1990年以来，美国对H-1B项目最重大的变革之一。 如今，H-1B的申请已上了「三重门槛」：10万美金申请费；社交媒体强制审查；高薪资高技能加权。 8.5万个总名额没变，但风向彻底变了。 尤其是，对于一大批应届毕业的留学生来说，无疑是一场浩劫。 「加权」中签，高薪优先 还未正式发出的300页文件中，明确写着，这一次H-1B签证改革是「最终新规」。 上一周，美国劳工部（ ...

2025年的科技圈，从年初DeepSeek异军突起，到年末豆包AI手机横空出世，皆引发波澜四起。 一方面是AI大模型角力胜负未分，但投入资金规模巨大；另一方面是智能机换机频率显著下降，手机厂商亟需探寻新出路。AI与智能手机终于实现了汇 流。不过，回望这段历程，故事的起点或许可以追溯到更早：荣耀Magic系列曾以"点咖啡"的意图识别让人眼前一亮，展示了AI理解用户需求的雏形；随 后，小米、华为等厂商也纷纷加码，将大模型作为手机卖点，但大多仍局限于文案创作、信息摘要等浅层应用。 真正的转折点在12月爆发，如果说智谱大模型发布AI手机开源系统，为行业提供了底层基础，目的是推动星星之火燎原。那么字节旗下的豆包AI助手与 中兴通讯合作推出的努比亚M153手机，则完成了一次从"助手"到"执笔者"的史诗级跳跃。它将大模型深度嵌入操作系统底层，用户一句语音指令，AI便 能直接调用各App发消息、点外卖、规划行程。鉴于其带来的极限冲击力，推出后不久即遭到了银行类、微信、淘宝等主流应用的"围剿"。 过去几年，大模型在文本、代码、图像上突飞猛进，但对普通人而言，AI仍被困在网页或App的对话框里。它能写报告，却无法真正改变我们使用 ...

Ed Yardeni, president of Yardeni Research, believes the era of unchecked dominance for the ‘Magnificent 7’ tech stocks is waning, arguing that the artificial intelligence (AI) boom is poised to benefit the broader range of companies he calls the “Impressive 493.”The End Of Tech KingdomsSpeaking to CNBC, Yardeni compared the previous tech landscape to a “Game of Thrones” scenario, describing the tech giants as “seven independent kingdoms” that prospered behind unique business moats.However, the rapid rise of ...

文章核心观点 2025年AI大模型行业竞争焦点从单纯的能力竞赛转向可持续性比拼，行业在技术范式、市场格局、应用形态与全球治理四大维度发生深刻转变，共同重塑发展轨迹[1] 技术范式演进 - 训练范式发生关键拐点，从依赖主观反馈的RLHF全面转向客观可验证的RLVR，模型通过自我检验实现推理能力飞跃[1][27][28] - 混合专家架构强势回潮，以稀疏激活模式平衡参数规模与计算成本，追求极致性价比[1] - 多智能体自我博弈与合成数据微调成为常态，模型减少对人类标注数据的依赖[1][29] - 检索增强生成成为企业级应用标配，有效解决幻觉与知识时效性问题[1][61][63] - 模型能力呈现“锯齿化”结构，在数学、编程等形式化智力领域突飞猛进，但在常识推理上仍存短板[1][32][33][34] 市场格局变化 - 市场格局呈现集中化与民主化的双重张力，谷歌Gemini 3凭借自研TPU v5芯片与多模态优势，终结了OpenAI的长期领先地位[1][2][10][14] - 中国模型凭借成本效益实现弯道超车，市场向头部集中，Anthropic等顶尖初创企业获巨额融资，二三线玩家面临出清[1][2] - 开源浪潮形成制衡，阿里通义千问、01.ai Yi-34B等开源模型性能逼近闭源产品，中国厂商成为开源生态主力军[1][2][19] - 科技巨头加速构筑全栈生态闭环，通过芯片、模型、平台、应用的垂直整合形成护城河，竞争焦点转向生态控制权[1][2] 应用形态发展 - 应用形态从通用聊天助手进化为专用工具与自主智能体，深度嵌入编程、办公等专业流程，“AI原生应用层”崛起[1][2][53] - “氛围编程”重塑软件开发模式，开发者角色从编码者转向系统设计师与AI驯导师[1][2][57] - 智能体成为生态博弈核心，例如字节跳动豆包手机助手可实现跨应用复杂操作，引发与超级App的流量控制权之争[2][60] - 部署模式呈现“云+端协同”趋势，本地部署因隐私合规需求兴起，开源工具与硬件进步让大模型在个人手机和企业私有服务器上运行成为可能[2][67][68] 全球治理动态 - 全球治理进入差异化竞争阶段，欧盟《AI法案》以安全优先实施严格监管，美国侧重行业自律与国际主导，中国坚持发展与安全并举的审慎包容路径[3] - 全球统一规则难以达成但多边协作萌芽显现，监管竞赛背后是技术标准制定权的争夺[3] - AI安全暗战持续，对齐与越狱的攻防常态化，自动化对抗与长期安全机制建设提上日程[3] - 社会层面初步显现就业结构调整、教育模式变革等震荡，人与AI协作成为新趋势[3]

英伟达的竞争护城河分析 - 市场关于TPU和ASIC侵蚀英伟达护城河的观点被严重夸大[2] - 英伟达通过持续精进GB300及后续Vera Rubin架构，可维持领先出货并不断降低成本，成为迄今最具成本效益的平台[2] - 英伟达的护城河源于其端到端、为高频宽、大规模扩展与可持续利用率而打造的整体架构，这是迈向AI工厂最关键的决定因素[3] - 英伟达除了掌握一定先进封装产能外，还持续推进GB200、GB300到Rubin的架构，并改善交换技术与整体系统设计，更具优势[3] - 在供应受限环境下，超大规模云端业者势必采取混合架构策略，难以用TPU全面取代GPU[3] - 英伟达的护城河因出货量、经验曲线效应以及多年端到端系统工作，形成稳固护城河[7] TPU作为替代方案的局限性 - TPU核心问题不在是否为“好芯片”，而在于其架构能否适配AI下一阶段的发展需求[3] - TPU因频宽昂贵且稀少而诞生，适合低频宽需求的AI任务，但随着模型规模扩大与工作负载多样化，在扩展性等方面遇到限制[3] - 目前领先的AI训练走向为“高频宽与大规模扩展”而改善的系统架构，这需要让大量加速器彼此连接并长时间维持高效运转[3] - “TPU走向开放市场”更合理的解释是生态系伙伴及Meta等公司寻求优势带来的压力，而非Google有意成为真正的商用芯片供应商[4] - 像Google这样的主要超大规模业者，不太可能大规模对外销售自家专有加速器，以让直接竞争对手形成真正的外部市场[3] Google与OpenAI的竞争格局 - 市场关于Google通过Gemini击败OpenAI的观点被严重夸大[2] - Google在壮大的同时面临“创新者困境”，其搜寻业务与广告营收高度绑定[2] - 若Google将广告模式转向类似聊天机器人的体验，单次搜寻查询的服务成本将暴增至原来的100倍[2] - Google必须将商业模式转向更高度整合的购物体验，但即便Gemini近期取得一定成功，Google仍不具备这样的信任基础[2] - OpenAI核心在于强调可信资讯，而非推送广告，仍有其优势[2] - 就平台动能而言，现阶段仍是OpenAI“领先一大截”，平台建设、开发者采用、企业用户组合转变以及对稀缺运算资源的掌握都对OpenAI有利[6] - OpenAI因平台执行力及企业需求而保持领先，其先行者优势正逐步转化为更持久的竞争力[7] - 模型品质已成为基本门槛，真正的竞争焦点在于模型周边的软件与服务[7] Google面临的商业模式挑战 - Google的困境在于如何以不损害其获利引擎的前提下，让主导模式过渡到更完善的模式[5] - Google获利引擎建立在与搜寻行为挂钩的广告变现上，但互动模式转向ChatGPT式的体验会使成本结构发生巨大变化[5] - 从经典搜寻转向助手式的交互模式会改变单位经济效益，从而可能破坏其盈利引擎[5]

行业现状与产品定义困境 - 当前被统称为“智能眼镜”或“XR”的设备，其形态和价格差异巨大，例如价格低于2000元人民币的小米智能眼镜与售价高达30000元人民币的Apple Vision Pro被归为同一类别，但它们在功能、体验和适用场景上完全不同[1][27] - 行业缺乏对“智能眼镜”的核心统一定义，导致产品形态各异，厂商在各个赛道上进行尝试，尚未收敛到一个明确方向[8][34] - Google试图用“设备谱系”来分类，包括XR头显设备、有线XR眼镜、无线XR眼镜和不带显示的AI眼镜，但这更像是因为无法定义真正理想的智能眼镜而做出的妥协性分类[3][12][29][38] 理想形态与核心公式 - 参照iPhone的成功定义公式“电话 + iPod + 互联网”，理想智能眼镜的公式被推测为“眼镜形态 + AI + Vision”，其中Vision指代类似iPod的沉浸式媒体终端[10][36] - 智能眼镜需要首先是一个合格的普通眼镜形态，同时整合AI能力和视觉（Vision）媒体功能[10][36] - 目前市场上的产品无法同时完美实现这三个维度，厂商被迫在不同产品上侧重AI或Vision，无法做出取舍[12][38] 主要产品类型与市场挑战 - 产品类型复杂，需通过一系列问题定位：是否带显示屏、是XR眼镜还是AI眼镜、显示方式是单目还是双目、显示内容是单色文字还是彩色图形界面等[11][16][37][42] - “XR”本身是一个对AR、VR、MR等技术的含糊统称，导致“XR设备”无法明确说明具体用途，产品定义不清和宣传夸大是行业面临的主要问题[13][39] - 存在一类必须连接其他智能设备、作为外接显示/音频输出设备的AR眼镜（如XREAL和雷鸟的产品），其是否算作“智能眼镜”仍有争议[12][38] 主要厂商动态与战略 - 苹果的产品规划显示其内部存在多条技术路线：首款轻量“眼镜”预计在明年或后年发布，主打拍摄和AI，不带XR显示；同时酝酿一款能与iPhone或Mac配对使用的“XR眼镜”；最终目标是完全独立使用的双目XR眼镜[13][39] - 苹果已全面暂停更大、更重头显的开发，战略重心转向佩戴更不尴尬的轻量型眼镜产品，这被视为是Apple Vision Pro市场表现不及预期后的一次战略调整[15][41] - 苹果在智能眼镜领域的发展被描述为“拖了太久”，其转向AI眼镜部分原因是看到Meta Ray-Ban取得巨大成功后采取的“为了不掉队”的防守策略[17][43] AI作为驱动力的价值与现状 - 行业普遍认为智能眼镜是理想的AI硬件载体，因其能通过视觉和听觉收集用户生活上下文数据，使AI能提供更佳解答[18][44] - 但对于不同类型的设备，AI提供的价值差异很大：对于头显和有线XR眼镜，AI主要用于“应用内”操作，与AI PC、AI手机无异；对于XR单目眼镜和AI眼镜，AI充当生活助理，但实际感知用处有限[18][44] - 目前所谓的“AI硬件”缺乏特别成功的案例，以Ray-Ban Meta为例，其市场成功主要归因于时尚外观、拍摄和收听功能，AI功能反而最无关紧要[20][46] 市场成功案例与未来展望 - 当前阶段取得市场成功的个例，如理想Livis和Meta Ray-Ban（不带显示款），共同点在于把“眼镜”本身（佩戴体验、外观）做得很好，而非技术堆叠[22][48] - Ray-Ban Meta的成功被视为说服用户将设备戴在头上的“初始形态”，押对了市场切入点，但无人认为它是智能眼镜的最终形态[20][46] - 智能眼镜在很长一段时间内不太可能实现轻便、高续航、视效好、AI强的全能形态，因此其目标并非替代手机，而是争取与手机共存[22][48] - 行业尚未给出“什么设备能真正替代手机”的准确答案，智能眼镜的未来取决于厂商能否尽快结束混乱的尝试阶段，明确回答“智能眼镜是什么”的问题[24][50]

公司核心AI战略与年度表现 - 公司在2025年通过一系列里程碑式发布，成功扭转了此前在AI大模型领域“掉队”的舆论印象，证明其AI能力已从聊天机器人进化为能写代码、做科研、攻克科学难题的“合作伙伴”[1] - 公司展现了强大的“系统性工程能力”，在算力、模型、应用各层面实现突破，利用其全栈生态完成了补课与追赶，在AI竞争转向产业链落地的下半场展现出核心竞争力[51] AI模型进展 - **旗舰模型Gemini 3**：于11月正式发布，被视为公司目前的巅峰之作，在模型推理、多模态理解及运行效率上实现实质性跨越[10] - **逻辑推理**：Gemini 3 Pro在Humanity‘s Last Exam测试中取得37.5%的准确率（无工具），使用搜索和代码执行后提升至45.8%[12] - **数学能力**：在MathArena Apex测试中以23.4%的准确率刷新纪录[10] - **多模态理解**：在MMMU-Pro测试中达到81.0%的准确率[12] - **代码能力**：在LiveCodeBench Pro测试中获得2439的Elo评分[12] - **高性价比模型Gemini 3 Flash**：于12月发布，其综合质量超越前代Gemini 2.5 Pro，但成本大幅降低，输入价格为每百万token 0.50美元，输出价格为每百万token 3.00美元[13][14] - **开源模型Gemma 3**：实现从纯文本到多模态的转型，成为开发者在本地部署高性能AI的首选工具之一，特别是8月发布的Gemma 3 270M参数模型，以极小规模提供超高效率[15] 硬件与算力突破 - **第七代TPU Ironwood**：于4月发布，专为推理时代设计，单芯片内存带宽达7.2 TB/s，显存容量达192GB，峰值计算能力达4614 TFLOPs[33] - **集群算力**：每个Pod扩展至9216块芯片时可提供42.5 exaflops的AI算力，远超全球最快超级计算机El Capitan的1.7 exaflops[33] - **生产目标**：计划到2027年实现年产500万颗TPU的目标，已获得如Anthropic等客户超过100万颗的预订[34] - **量子计算**：Quantum Echoes（量子回声）算法于10月登上《Nature》，在量子处理器上实现首次可验证的量子优越性，能以比最快超级计算机快13000倍的速度解决特定问题[31] 产品与应用重构 - **AI Agent与协作**：推动AI从辅助工具向“核心效能”跨越，通过在全线产品注入Agentic能力，重新定义人机协作[18] - **软件开发**：11月发布的Google Antigravity将开发流程从“工具辅助”升级为“智能体协作”[18] - **搜索**：3月扩展AI Overviews并引入全新AI Mode，重塑信息获取与处理方式[20] - **硬件终端**：8月发布的Pixel 10深度整合AI原生功能，成为最智能实用的手机[20] - **研究助手**：11月NotebookLM加入Deep Research功能，进化为专业级智能研究助手[20] - **创意生成与媒体** - **视频生成**：5月发布的Veo 3首次实现原生音频生成，终结AI视频“默片时代”；10月Veo 3.1版本提升物理一致性并强化“首尾帧控制”功能[22] - **图像生成**：8月Nano Banana以高指令遵循能力解决细节丢失问题；11月Nano Banana Pro引入“深度思考”模式，实现高保真文字渲染与专业级构图[23] - **机器人技术** - **Gemini Robotics**：3月推出，通过融合视觉、语言和动作模态，首次实现“感知-决策-动作”全闭环操作[37] - **Gemini Robotics 1.5**：9月发布，初步具备类人思考规划能力，通过ER模型与VLA模型协作[37] - **边缘部署**：6月发布Gemini Robotics On-Device，让VLA模型完全离线运行在机械臂和人形机器人上，并配套开放SDK[39] 科学研究突破 - **生命科学与医疗** - **AlphaFold**：迎来五周年，已为超过2亿个蛋白质预测结构，助力全球300多万名研究人员，并因此荣获2024年诺贝尔化学奖[26] - **AlphaGenome**：发布基因组理解模型，可同时处理多达1兆碱基对的高分辨率DNA序列[28] - **DeepSomatic**：利用卷积神经网络以极高精度识别癌症相关遗传变异，助力精准医疗[28] - **Cell2Sentence-Scale 27B**：基于Gemma的270亿参数模型，用于单细胞分析，帮助发现新的潜在癌症治疗途径[48] - **数学与逻辑推理** - **Gemini Deep Think**：在第66届国际数学奥林匹克（IMO）中以35分（总分42分）达到金牌表现，解决6道难题中的5道[29] - **Gemini 2.5 Deep Think**：在2025年国际大学生程序设计竞赛（ICPC）总决赛中达到金牌水平，在12道题目中解出10道[29] - **科学发现工具** - **AlphaEvolve**：基于大模型的编程智能体，用于寻找和验证理论计算机科学中的复杂组合结构，在验证过程上实现1万倍加速[28] - **AI co-scientist**：基于Gemini 2.0构建的多智能体协作系统，能独立生成研究假设、设计实验方案并撰写研究提案[29] 世界模型与模拟 - **Genie 3**：被视为世界模型的新高峰，首次将实时交互、长期一致性和语言可控性合成在同一个生成式系统中[41] - **性能**：以每秒24帧、720p的边生成边交互方式运行，具备长达几分钟的空间记忆[41] - **意义**：有望成为智能体训练环境、内容生产工具及科学模拟沙盒，为通往通用智能提供可交互、可长期演化的模拟路径[42] 社会影响与垂类应用 - **气候**：洪水预警系统已覆盖150个国家、20多亿人口；天气预报模型WeatherNext 2速度是以前的8倍，可做到按小时预测[45] - **教育**：在Gemini AI中推出“Guided Learning”功能，通过提问、步骤讲解等方式帮助深入理解知识；打造融入学习科学原理的生成式AI模型LearnLM；基于Gemini增强翻译与实时语音对话翻译能力[52]