在一片AI泡沫論的聲浪中，谷歌攜Gemini 3.0上演王者歸來，全面碾壓GPT5.1等競品，重登AI大模型王座。

從群嘲掉隊到逆風翻盤，谷歌以全模態路線宣告：AI之爭已從參數軍備競賽轉向生態落地鏖戰。

長坡厚雪的AI賽道，正賽或許才剛剛開始，而獲勝的底牌似乎已被谷歌揭曉。

一、持續創新，保持不下牌桌的能力

DeepMind首席科學家（Gemini項目負責人奧里奧爾·維尼亞爾斯（Oriol Vinyals）透露，谷歌從掉隊到翻盤的秘訣，就在于“改進了預訓練和后訓練”。

專家分析，Gemini 3.0的進步可能源于谷歌的多維度創新，包括數據質量提升、架構微調、訓練穩定性增強，以及Tree of Thoughts（思維樹）和Context Engineering（語境工程）等一系列前所未有的創新，成就了一個更“懂你”的Gemini 3.0。

大模型訓練作為一項復雜系統工程，數據、算力、參數等每一個環節的增益，都能推升模型性能。

在大廠們篤信大力出奇跡的Scaling Law（規模定律），紛紛砸錢堆算力、擴數據、加參數來提升模型性能的路徑依賴之外，還有大量調整參數、優化算力配置、打磨數據效率的“苦活累活”。過去，華人工程師因為“只擅長在Scaling Law框架下做優化，卻做不出 Transformer 這類架構級創新”的偏見，被戲稱為“參數調優工”。

而在Scaling Law瓶頸愈發顯現的當下，“榨干Scaling Law”的本領，恰恰成為華人工程師最明顯的優勢。即便哪天Scaling Law在數據和算力上完全失效，至少在華人工程師規模上還會依然奏效。

事實上，華人工程師的數量和質量，已經成為硅谷風投評估AI初創公司的核心指標之一。

100萬，這是黃仁勛在講話里反復強調的數字。中國擁有100萬全職AI開發者，全天候投入AI研發，而放眼整個硅谷，最多只有2萬人全職在做基礎模型。

雖然中國公司給出的薪酬，尚難與硅谷的競爭對手相匹敵，但正如OpenAI聯合創始人兼CEO山姆·奧特曼（Sam Altman）所說，“最后贏的會是‘傳教士’，而不是‘雇傭兵’”。

無論AI競賽的終點是AGI（通用人工智能）還是ASI（超級人工智能），人類邁向AI時代的科技長征依然雄關漫道。大浪淘沙，千帆競渡，唯有創新，持續創新，才能不被淘汰出局。

曾幾何時，谷歌仍是傲視寰球的AI霸主，它親手締造了Transformer架構，卻為OpenAI等后來者送上嫁衣。

OpenAI以顛覆性的ChatGPT開啟了生成式AI新紀元，而DeepSeek又以面壁者的姿態，一舉擊碎OpenAI精心構筑的商業壁壘。

華山之巔，沒有永遠的王者。

DeepSeek證明了中國有能力贏。

谷歌證明了比贏更重要的是，保持不下牌桌的能力。

二、應用為王，生態協同路線的降維打擊

經歷了2023年初Bard的黯然失利，谷歌痛下決心，合并Google Brain和DeepMind兩大山頭，集中優勢兵力All in Gemini，同時要求谷歌所有產品線積極尋求與Gemini整合。這既是為了集中資源打造最強模型，也是基于谷歌商業帝國生態優勢作出的戰略選擇。應用生態正是OpenAI等后起之秀最大的短板。

憑借Gemini 3.0，谷歌終于打通了模型+生態的任督二脈。

原生多模態能力構成了Gemini 3.0的核心優勢。特別值得注意的是，在ScreenSpot-Pro測試中，Gemini 3.0的得分達到72.7%，是GPT-5.1（3.6%）的20倍，表明該模型在理解屏幕截圖和用戶界面方面實現了質的飛躍。正如谷歌CEO Sundar Pichai所言："令人驚嘆的是，僅僅兩年時間，AI已從單純處理文本和圖像，發展到能夠讀懂場景。"

Gemini 3.0的發布絕非一次單純的模型升級，而是整個谷歌生態的“聯合作戰”。

發布當天即實現與谷歌全系產品的深度整合，通過Gemini App、Google搜索AI模式、AI Studio和Vertex AI等渠道向用戶開放，直接觸達20億搜索月活用戶、6.5億Gemini App用戶和1300萬開發者。構建了覆蓋消費級應用、企業服務和開發者工具的全模態AI產品矩陣。

這種“生態預裝”的策略，打破了AI模型與應用場景的割裂感，使技術升級第一時間轉化為更智能的用戶體驗，也讓谷歌旗下原本各自為戰的產品線形成了前所未有的協同效應——從消費端到企業端，從產品層到基礎設施層，通過Gemini 3.0，實現“一通百通”。

谷歌這回的打法，是對大力飛磚模式的糾偏，也是AI應用價值的回歸。

區別于美國算力優先的發展路徑，中國一直堅持應用為王的發展模式，上海一年一度的世界人工智能大會（WAIC），就是一面很好的鏡子，從大模型到具身智能、從產業實例到生活場景，AI應用百花齊放、目不暇接。新一輪規劃實施的“人工智能+”行動，又持續力推AI在科研、經濟、民生、治理等重點領域里的應用落地。

構建繁榮的應用生態有兩個關鍵條件，一是足夠大的市場規模（用戶量），二是足夠開放的發展環境。

恰好中國擁有龐大的市場規模，并堅定支持AI開源的政策立場，使AI應用能夠迅速從概念實現商業化、普惠化，通過“應用—數據—技術”循環，使AI真正成為經濟社會發展新引擎，而非紙面繁榮的燒錢黑洞。

美國顯然意識到AI算力投入與應用回報嚴重失衡的問題，最近特朗普正式簽署“創世紀(9.290, 0.00, 0.00%)計劃”，被稱為AI版“曼哈頓計劃”，核心目標是：利用AI推動核聚變、芯片、生物技術等領域科研突破。

三、算力平權，英偉達帝國的第一道裂縫

在此之前，英偉達憑借“唯一賣鏟人”的地位，幾乎壟斷了AI算力市場，以80%毛利率坐收“GPU稅”，全世界的AI公司再嫌貴，也得咬牙買單。

但Gemini 3.0完全依托谷歌自研的第七代TPU（Ironwood）訓練得來，成本僅僅是英偉達路線的一半。

這是算力平權的標志性轉折。

換句話說，對比深度綁定英偉達路線的OpenAI和Anthropic等AI公司，在同樣的預算下，谷歌可以干成雙倍的事情。如此懸殊的成本差距，只會造成兩個結果，要么英偉達降價，要么更多芯片開始分食英偉達的市場。

Meta就在第一時間宣布起義投誠，準備下單數十億美元采購谷歌TPU，無論是否真心，都在說明一個不爭的事實，天下苦英偉達久矣。

盡管英偉達自詡領先行業整整一代——相較于定制化芯片，英偉達能提供更卓越的性能、更強的通用性與可替代性。

但Gemini 3.0證明了模型架構和定制化芯片的深度協同，可以帶來非線性的能力突破。

市場已經逐漸接受這一共識：不用英偉達的芯片也能訓練出最頂級的AI模型。

目光轉到中國，這一幕似曾相識，自主可控，殊途同歸。

黃仁勛預測，“到2027年，中國將擁有比全世界其他國家加起來還多的AI算力。”

得益于相對廉價的算力，中國公司能夠用更多的資源去投入AI應用研發。算力從“奢侈品”向“基礎設施”的回歸，也是AI產業真正走向普惠的前提。

四、架構級創新，條條大路通羅馬

Gemini 3.0的卓越性能證明了Scaling Law至少目前依然有效，但活躍在AI前沿的研究者已經把目光投向了更遠的地方。

OpenAI創始人之一Ilya認為，“預訓練+Scaling”路線已經明顯遇到瓶頸。與其盲目上大規模，不如把注意力放回到“研究范式本身”的重構上。

這與圖靈獎得主、Meta前首席AI科學家Yann LeCun（楊立昆）堅定呼吁“LLM已死”的觀點高度一致。

那么，在LLM之外，AI的下一站何去何從？

World Model（世界模型）是一個公認的選項。

李飛飛在《世界模型宣言》中旗幟鮮明地指出：LLM 已觸及天花板，空間智能才是AI的下一個十年。她為世界模型定義了三大核心能力：生成性，創造符合物理定律、空間一致的3D世界；多模態，處理圖像、視頻、文本、動作等多種輸入；交互性，基于動作預測下一個世界狀態。這種范式轉換，使AI從“能說會道”到“能看會做”，從“描述世界”到“創造和互動世界”。

類腦研究或許也值得期待，因為越高級的智能，越善于小樣本學習。

Aizip聯合創始人陳羽北提出一個觀點：大模型未必大在數據，而是大在架構。人腦擁有極高的數據效率，十幾歲小孩接觸的語料總共不到100億Token，但人類的大腦結構卻非常復雜，包含860億個神經元。類腦研究的進展，極有可能推動AI從“暴力計算+海量數據(15.290, 0.00, 0.00%)”的低效范式，轉向“生物結構+高效計算”的新架構。

Ilya宣稱：AI正從“規模時代”，重新走向“科研時代”。

對于深度依賴Scaling Law紅利的OpenAI來說，不一定是好事。但對谷歌這樣的研究型公司，一定是機會。

相比在Transformer架構下進行極致調優，中國也早已啟動AI的架構級創新計劃：

一是多路并進，加強人工智能基礎理論研究，支持多路徑技術探索和模型基礎架構創新。

二是高效訓推，加快研究更加高效的模型訓練和推理方法，推動理論創新、技術創新、工程創新協同發展。

三是擴充模態，探索模型應用新形態，提升復雜任務處理能力，優化交互體驗。

四是迭代提升，建立模型能力評估體系，以科學評估促進模型能力持續迭代提升。

Gemini 3.0之后，谷歌把AI競賽打成了明牌，“老牌AI帝國”的護城河深不可測。但假以時日，中國AI的護城河可能更深更廣。科技競爭，唯創新者勝。

（作者陶鶴山為數字經濟工作者，從事數字化領域政策規劃）

來源：陶鶴山