🔬 Google DeepMind：巨头的AI焦虑与反击

它发明了 Transformer，却被别人用这把剑刺向核心业务。它拥有最强研究团队，却一度输在产品节奏与组织犹豫上。

🔬 AI 深度解析专栏 · 第 11 期
📅 2026年4月15日
✍️ 小敏说 AI

💡 本文要点：Google DeepMind 的故事不是“巨头掉队”，而是一个拥有顶级技术、顶级基础设施和顶级生态的公司，如何在 ChatGPT 冲击下重组、反击，并重新寻找产品叙事。

🎯 本文导读

🔹 Google Brain 与 DeepMind 曾是 Google AI 的两条平行主线，一个发明了 Transformer，一个做出 AlphaGo 与 AlphaFold。
🔹 ChatGPT 触发 Google 内部 Code Red，因为搜索广告贡献 Google 收入 60%+，这不是普通竞争，而是商业模式被重写的威胁。
�� Bard 首秀翻车让 Google 市值蒸发 1000 亿美元+，暴露出巨头在高压创新中的迟疑与失控。
🔹 Gemini 逐步追上主流模型能力，但 Google 真正的难题不是“会不会做模型”，而是“能不能做出让用户每天离不开的 AI 产品”。
🔹 从 AlphaFold3 到 NotebookLM，Google DeepMind 仍有深厚底牌；未来更可能是多强并立，而不是 Google 再次独大。

一、🧬 两支顶级队伍，为什么长期没拧成一股绳？

理解 Google DeepMind，必须先看 Google AI 的两条源流：Google Brain 和 DeepMind。

Google Brain 成立于 2011年，是 Google 内部最重要的 AI 研究团队之一。这里聚集过 Jeff Dean、Geoffrey Hinton 等顶级研究者，也孕育了后来改变整个 AI 行业的 Transformer 架构。

2017年，Google 研究者发表论文 《Attention Is All You Need》。这篇论文提出的 Transformer，后来成为 GPT、Claude、Gemini、DeepSeek 等大模型的基础结构。

换句话说，今天几乎所有大模型热潮，都站在 Google 早年研究成果之上。

另一条线是 DeepMind。它成立于 2010年，由 Demis Hassabis 等人创办，定位更偏向通用智能与基础科学突破。2014年，Google 以 6.5亿美元 收购 DeepMind。

收购后的 DeepMind 很快用成果证明价值：AlphaGo 战胜围棋顶尖棋手，AlphaFold 破解蛋白质结构预测难题。这些项目不只是产品发布，更像科学史上的标志性事件。

问题在于，两支队伍虽然都属于 Google，却长期并行运转。Google Brain 更接近 Google 内部产品与工程体系，DeepMind 更像一个独立研究王国。

这种结构在和平时期看似合理：内部赛马、彼此竞争、各自探索。但当外部出现 OpenAI 这种高度聚焦的对手时，分散就变成了迟缓。

两边各有模型、论文、预算与文化。不同团队都在做“最先进 AI”，但战略目标并不总是统一。Google 拥有大量顶级研究，却缺少一个能把研究、产品、发布节奏与商业转化统一起来的中心。

直到 2023年4月，Google 才把 Google Brain 与 DeepMind 合并为 Google DeepMind，由 Demis Hassabis 统一领导。

这个动作看似组织调整，本质上是 Google 承认：AI 竞争已经进入生死局，内部松散协作不够了。

💬 关键观点：Google 不是缺 AI 研究能力，而是长期缺少一个把研究成果快速转化为统一产品叙事的组织结构。Google DeepMind 的成立，是一次被外部压力逼出来的战略收束。

二、🚨 ChatGPT 点燃 Code Red：搜索帝国第一次感到失控

2022年11月，ChatGPT 发布。外界看到的是一个聊天机器人爆红，Google 看到的是搜索业务根基被动摇。

Google 的核心商业模式是搜索广告。用户输入关键词，Google 展示搜索结果与广告，广告主为点击付费。这个模式运行多年，支撑起 Alphabet 的庞大收入体系。

搜索广告贡献 Google 收入 60%+。这意味着，搜索不是一个产品线，而是整个商业帝国的现金流引擎。

ChatGPT 的危险在于，它改变了用户获取信息的路径。用户不再输入关键词、点击链接、浏览网页，而是直接向模型提问，并获得一个整理后的答案。

如果答案足够好，传统搜索结果页的价值就会下降；如果用户习惯迁移，广告点击就会下降；如果广告点击下降，Google 最赚钱的业务就会被侵蚀。

这就是内部 Code Red 的背景。所谓“红色警报”不是媒体渲染，而是商业模式层面的焦虑。

更刺痛 Google 的地方在于：OpenAI 使用的关键底层架构，正是 Google 自己发明的 Transformer。Google 像是打造了现代 AI 的发动机，却让后来者先把它装进了消费者愿意开的车里。

Google 并非没有聊天模型，也并非没有生成式 AI 技术。它有 LaMDA，有 PaLM，有强大的 TPU 基础设施和研究储备。

真正的问题是风险偏好。Google 的搜索业务太赚钱，任何可能影响广告点击的产品都要谨慎评估。越成功的商业模式，越容易成为创新时的心理负担。

这就是典型的“创新者窘境”：破坏自己的人，最好是自己；但真轮到自己动手时，组织往往会犹豫。

💬 关键观点：ChatGPT 对 Google 的冲击，不只是技术竞赛，而是一次用户入口争夺。Google 的痛点不是“不懂 AI”，而是 AI 可能直接重塑它最赚钱的搜索广告模式。

三、🧨 Bard 首秀翻车：巨头越急，越容易暴露短板

面对 ChatGPT 的爆发，Google 必须给市场一个回应。于是 2023年2月，Bard 被推上舞台。

但这次发布会成了 Google AI 史上最尴尬的场景之一。Bard 在演示中回答 詹姆斯·韦伯太空望远镜 相关问题时出现事实错误，外界迅速放大这一失误。

资本市场的反应非常直接：Google 股价大跌，市值蒸发 1000亿美元+。

这件事的象征意义远大于单个错误。大模型会出现幻觉，本来就是行业共识；但当 Google 作为搜索权威与信息入口推出 AI 产品时，用户与市场对准确性的要求天然更高。

OpenAI 可以以“实验性产品”的姿态快速迭代，Google 却背负“答案必须可靠”的品牌包袱。对搜索公司来说，错一次不是普通 bug，而是信任资产受损。

Bard 的问题也暴露了 Google 的组织节奏：一边害怕错过窗口，一边又没准备好用真正强势的产品体验回应市场。

急于证明“Google 也有”，反而让市场看到“Google 还没准备好”。

Bard 后来逐步演进，并最终被整合进 Gemini 品牌体系。但第一次亮相留下的印象，直接影响了外界对 Google AI 产品能力的判断。

这也是巨头反击时最困难的地方：技术储备越强，外界期待越高；业务越大，犯错代价越高；组织越复杂，快速转身越难。

💬 关键观点：Bard 翻车不是因为 Google 没有模型，而是因为巨头在高压回应中暴露了产品节奏、品牌包袱和组织协同问题。AI 时代，发布速度重要，信任管理同样重要。

四、🌌 Gemini 追赶路线：从补课到重新站上牌桌

Google 真正系统性的反击，是 Gemini。

Gemini 是 Google Brain 与 DeepMind 合并后最关键的模型品牌，也代表 Google 把分散的研究力量重新装进一个统一叙事里。

阶段	关键特点	重要意义
Gemini 1.0	Ultra / Pro / Nano 三规格	建立统一模型品牌，覆盖云端到端侧
Gemini 1.5 Pro	100万 token 上下文窗口	长上下文能力惊艳，重新证明技术深度
Gemini 2.0	多模态能力大幅提升	从文本助手走向原生多模态代理
Gemini 2.5 Pro	推理能力追上竞品	模型能力逐步回到第一梯队

Gemini 1.0 的重要性不只是性能，而是规格策略。Ultra 面向最强能力，Pro 面向通用场景，Nano 面向端侧设备。这一结构明显服务于 Google 的生态版图。

Gemini 1.5 Pro 的 100万 token 上下文窗口，则是一次真正让行业侧目的能力展示。长上下文意味着模型可以处理更长文档、更大代码库、更复杂资料包。

这不是简单参数堆叠，而是对真实工作流很有价值的能力。法律、科研、代码分析、企业知识库等场景都需要长上下文。

到了 Gemini 2.0，Google 强调多模态能力：文本、图像、音频、视频、工具调用与代理任务的融合。这正好契合 Google 在搜索、YouTube、Android、地图等业务上的数据与入口优势。

Gemini 2.5 Pro 则在推理能力上进一步追赶竞品。到这个阶段，外界很难再说 Google 模型能力明显落后。

但问题也随之转移：模型追上之后，产品体验是否追上？用户是否愿意把 Gemini 当成默认 AI 助手？开发者是否愿意优先选择 Google 的模型平台？

技术牌桌已经重新坐上去，产品牌桌还没有完全赢回来。

另一个值得注意的细节，是 Google 把 Nano 放进 Gemini 体系。端侧模型看似不如云端大模型震撼，却关系到隐私、延迟和成本。手机、耳机、汽车、可穿戴设备都需要本地智能，这正是 Google 长期擅长的生态战场。

💬 关键观点：Gemini 证明 Google 仍有顶级模型能力，尤其在长上下文、多模态和端云协同上具备优势。但 AI 竞争下一阶段不只比模型分数，更比产品体验、默认入口和生态锁定。

五、🔎 搜索 AI 化：最难的是革自己的命

Google 必须把 AI 放进搜索，但这一步极其矛盾。

AI Overviews，也就是搜索结果页里的 AI 概要，是 Google 搜索 AI 化的核心形态。用户搜索后，页面顶部直接给出由模型生成的总结答案。

从用户体验看，这很自然。许多问题不需要打开十个网页，只需要一个结构化答案。AI 概要可以节省时间，也能让搜索更像助手。

从商业模式看，这很危险。答案越完整，用户越可能不点击网页；用户不点击网页，广告和生态分发价值就会受到影响。

这就是 Google 的双重困境：

做 AI Overviews，可能降低传统搜索广告点击。
不做 AI Overviews，用户可能转向 ChatGPT、Perplexity、Claude 等答案型产品。

目前 Google 搜索市场份额仍然保持在 85%+，这说明短期内搜索霸主地位没有被颠覆。

但份额不等于安全。真正值得观察的是年轻用户的信息入口习惯、复杂问题的查询迁移，以及广告主是否会重新分配预算。

Google 当然有优势。它拥有全球最大规模的搜索索引、广告系统、用户行为数据和分发渠道。AI 搜索若要走向大众，Google 是最有能力把它普及给普通用户的公司之一。

但越大的存量业务，越难激进改造。每一个 AI 答案框背后，都可能对应一次广告点击损失，一次网页流量重分配，一次内容生态关系调整。

这就是 3000亿美元级广告收入 带来的风险厌恶。对创业公司来说，AI 搜索是机会；对 Google 来说，AI 搜索既是机会，也是自我侵蚀。

还有一个微妙变化是内容生态。过去网站愿意被 Google 抓取，是因为搜索结果会把流量导回原站；如果 AI 概要直接满足用户需求，内容生产者会重新计算收益。新闻、评测、教程、论坛和电商页面，都可能要求新的引用、分成或展示机制。

所以搜索 AI 化不是给页面加一个答案框那么简单，它会改变信息生产者、广告主、平台和用户之间的利益分配。Google 若处理不好，可能既得罪内容生态，又让新型答案引擎抢走高价值查询。

💬 关键观点：Google 搜索 AI 化的难点不是生成答案，而是如何在提升用户体验的同时，不把自己的广告现金流和网页生态一次性打碎。

六、🧩 产品生态底牌：Google 最强的反击不在一个 App 里

如果只看聊天机器人，Google 未必最亮眼；如果看全生态，Google 的牌非常厚。

第一张牌是 Android。全球大量手机运行 Android，端侧模型 Gemini Nano 可以在设备本地完成部分 AI 任务。离线、低延迟、隐私友好，是端侧 AI 的关键价值。

当 AI 助手进入手机系统层，竞争就不再只是一个聊天窗口。它会进入通知、相册、输入法、通话、翻译、相机和跨应用操作。

第二张牌是 Workspace。Gmail、Docs、Sheets、Slides 是大量企业与个人的日常生产工具。AI 如果能自然嵌入邮件总结、文档写作、表格分析和会议准备，用户迁移成本会很高。

第三张牌是 NotebookLM。这是一个被低估的杀手级应用。它不是泛泛聊天，而是围绕用户上传资料进行问答、摘要、结构化理解，甚至生成音频讲解。

NotebookLM 的价值在于“可信上下文”。它不要求模型凭空知道一切，而是基于指定资料工作。这非常适合学习、研究、项目资料整理和知识管理。

第四张牌是 Google Cloud / Vertex AI。企业采用 AI 时，需要模型、数据、权限、监控、部署、安全与合规。Google Cloud 的 AI 业务保持 30%+ 年增长率，说明企业市场正在贡献真实需求。

Google 的生态优势不只是入口多，而是入口之间能互相连接：搜索找到信息，Workspace 处理信息，Android 承载个人场景，Cloud 服务企业部署。

真正的问题是体验整合。用户不关心背后有多少技术栈，只关心 AI 能不能在正确时间、正确位置、用正确方式完成任务。

如果这些入口被串成统一体验，Gemini 就可能从“一个可选应用”变成“系统级智能层”。这类默认位置的价值，往往比单个模型榜单排名更持久。

这也是巨头少见但重要的反击方式：不靠单点爆款，而靠系统入口长期渗透。

长期看，入口协同会决定用户习惯，也会决定开发者生态归属。

💬 关键观点：Google 的 AI 反击不应只看 Gemini 聊天窗口。Android、Workspace、NotebookLM 与 Vertex AI 共同构成生态纵深，这可能是它长期最难被复制的优势。

七、🧪 从 AlphaFold 到诺奖：DeepMind 的科学护城河

Google DeepMind 最独特的地方，是它不只做消费级 AI，也在基础科学中持续打出标志性成果。

AlphaFold2 是其中最重要的一张名片。蛋白质如何折叠，是生命科学领域困扰人类约 50年 的难题。传统实验方法昂贵、缓慢，而 AlphaFold2 大幅提升了蛋白质结构预测能力。

这不是“更聪明的聊天机器人”，而是 AI 直接进入科学发现流程。它帮助研究者理解蛋白质结构，推动药物发现、生物学研究与疾病机制探索。

随后 AlphaFold3 进一步扩展到蛋白质、DNA、RNA、小分子等复杂相互作用，意义更接近“生命系统模拟工具”。

Demis Hassabis 因相关贡献获得 2024年诺贝尔化学奖。这让 DeepMind 的科学路线获得了最高级别的认可，也为 Google DeepMind 提供了不同于 OpenAI 的品牌叙事：AI 不只是助手，也是科学工具。

除了生命科学，DeepMind 还在数学、材料科学和天气预测上持续突破。

AlphaGeometry 在几何推理任务上表现突出，展示了 AI 在严谨数学推理中的潜力。GNoME 用于材料科学探索，帮助发现潜在新材料结构。

天气预测模型则展示了 AI 对传统数值模拟的挑战。更快、更低成本、更高分辨率的预测能力，对气候、农业、能源和灾害预警都有重要意义。

这些成果未必像 ChatGPT 那样瞬间出圈，却可能在未来十年产生更深远影响。

💬 关键观点：DeepMind 的护城河不只是大模型参数，而是把 AI 用于科学发现的能力。AlphaFold2 / AlphaFold3 证明，Google DeepMind 在“AI for Science”上仍处于世界级位置。

八、🏗️ 结构性挑战：巨头的优势，也会变成包袱

Google DeepMind 的挑战并不神秘，主要来自结构。

第一，组织太大。Google 拥有 18万+ 员工，跨团队协作、合规评估、品牌风险、商业影响都需要层层权衡。大公司能动员巨大资源，也更难快速统一行动。

第二，核心业务太赚钱。搜索广告一年约 3000亿美元 级别收入，任何可能影响广告点击的变化都会被谨慎对待。创业公司可以all in，Google 很难无负担地自我颠覆。

第三，人才流失明显。Transformer 论文的多位发明者已经离开 Google，创办或加入了其他 AI 公司。Google 培养了行业底层技术，却没能留住所有关键人才。

第四，产品叙事缺少明星感。OpenAI 有 ChatGPT，Anthropic 有 Claude，DeepSeek 有 R1 的效率神话。Google 有很多强产品，但缺少一个能被大众直接记住的“AI 时代代表作”。

这并不意味着 Google 会输。相反，它仍然拥有模型、算力、数据、分发、生态、企业客户和科学研究能力。

但在生成式 AI 时代，强不等于被用户感知为强。用户不会因为一家公司论文多就每天打开它的产品，开发者也不会因为基础设施强就自动迁移。

Google 必须把技术优势翻译成简单、直接、持续可感知的体验。

还有一个常被忽略的变量：Google 的 AI 产品天然要面对全球尺度的安全、版权、隐私与监管压力。一个功能如果只面向小范围用户，可以快速试错；一旦进入搜索、Gmail、Android，它立刻会触达数十亿用户。

这解释了 Google 的保守。保守不完全是无能，也可能是规模带来的责任成本。但 AI 竞争不会因为责任成本而放慢，用户只会记住谁的体验更顺手。

因此，Google 接下来的关键不是再证明研究实力，而是建立更短的产品反馈回路：更快发布、更快修正、更清晰告诉用户 Gemini 能解决什么具体问题。

💬 关键观点：Google 的结构性难题在于，它既有最强资源，也有最重包袱。AI 竞争不是单点技术竞赛，而是组织速度、产品叙事和商业自我革命的综合较量。

🔮 趋势预判

第一，Google DeepMind 的模型性能已经回到第一梯队。未来差距不会主要体现在“能不能答题”，而会体现在多模态代理、长上下文工作流、端侧能力和企业集成上。

第二，TPU 基础设施会越来越重要。大模型竞争进入长期战后，算力成本、训练效率、推理成本和供应链稳定性会成为核心变量。Google 自研 TPU 是长期优势。

第三，搜索会持续 AI 化，但不会一夜之间消失。更可能出现混合形态：简单问题由 AI Overviews 回答，复杂查询进入对话式探索，商业查询仍保留广告与购物入口。

第四，NotebookLM 这类垂直工作流产品值得高度关注。相比泛聊天，基于资料、任务和上下文的 AI 应用更容易形成真实粘性。

第五，未来不会是 Google 独大。OpenAI、Anthropic、Meta、DeepSeek、xAI 与 Google 会长期多强并立。Google 的优势是生态和基础设施，短板是产品锐度和叙事速度。

💬 关键观点：Google 不太可能被轻易淘汰，也不太可能重新回到“无人能敌”的旧时代。更现实的结局，是它凭借基础设施和生态成为 AI 多极格局中的长期强者。

📮 今日话题

💬 如果 Google 把 Gemini 深度整合进搜索、Android 和 Workspace，你会更愿意使用它，还是仍然选择 ChatGPT / Claude / DeepSeek 这类独立 AI 产品？为什么？

🔬 本文属于「AI 深度解析」系列，每期一个主题，追本质不追热点。

🎙️ 想听更轻松的版本？我们的每日 AI 快讯播客有更口语化的解读。
📱 关注「小敏说 AI」公众号，深度解析不水文。