在Gemini时代构建:DeepMind如何定义下一代AI产品
这场来自Google DeepMind的现场分享,罕见地把视角从模型参数转向“如何真正构建产品”。Kat Kampf与Ammaar Reshi结合Gemini 3 Pro的发布,讲述了DeepMind多年技术积累如何转化为可用、可演示、可设计的AI能力。
这场来自Google DeepMind的现场分享,罕见地把视角从模型参数转向“如何真正构建产品”。Kat Kampf与Ammaar Reshi结合Gemini 3 Pro的发布,讲述了DeepMind多年技术积累如何转化为可用、可演示、可设计的AI能力。
在这期访谈中,DeepMind研究员谭捷系统讲述了他如何从计算机图形学与强化学习出发,走到通用机器人研究前沿。他分享了机器人为何长期缺乏“常识”、数据墙如何限制进展,以及Gemini Robotics 1.5试图用世界模型和Thinking能力打开新局面的真实思路。
这场由 Bench 的 Damien Murphy 带来的 Workshop,用真实代码和现场 Demo 讲清了两个当下最火的概念:A2A 与 MCP。它不仅回答了“该用哪个”,更重要的是解释了“什么时候千万别用”,以及如何把它们组合成可落地的自动化系统。
这场来自 Waymo 的技术分享,讲述了自动驾驶从早期神经网络到基础模型时代的关键跃迁。核心不在于“再堆一点模型”,而是如何用多模态、可解释的方式,解决规模化中最棘手的长尾安全问题。
Pydantic作者Samuel Colvin在一次AI Engineer演讲中,抛出了一个反直觉观点:在生成式AI飞速变化的今天,真正不该被忽视的,是类型安全和工程基本功。他用真实代码演示解释了,为什么Agent并不神秘,以及为什么类型系统正在成为AI应用可维护性的核心。
Google Labs 的产品经理 Rustin Banks 在这场演讲中,讲述了异步编码代理 Jules 的诞生背景、真实使用案例,以及它如何迫使开发者从“串行思维”转向“并行思维”。这不仅是一个新工具的发布,更是一种全新开发范式的预演。
这场演讲由前Google PaLM与Gemini核心研究者Aakanksha Chowdhery分享,系统回顾了大语言模型从“规模化”到“推理能力”再到“自动编程”的演进脉络。她的核心观点是:当模型具备推理能力后,真正的瓶颈转向了如何通过强化学习,让模型在真实任务中自我改进。
这是一场少见的、以工程实践为中心的Google Gemini工作坊。演讲者不讲宏大叙事,而是带着开发者一步步跑Notebook、问价格、调输出、连工具,展示了Gemini 2.0在真实工程场景中的使用方式与边界。
Google DeepMind研究员Jack Rae从研究视角解释了Gemini中“thinking”的来龙去脉:它并非简单让模型回答更慢,而是试图解决大语言模型在推理、验证和人类理解层面的核心瓶颈。这场演讲揭示了DeepMind内部对智能进展的判断框架。
Blender MCP 并不是又一个“AI 自动建模”工具,而是一次对创作工具范式的重构。通过 MCP 协议,LLM 开始直接操控 Blender 这样的复杂软件,把“学习工具”这一步彻底隐藏在背后。本文还原了作者的真实动机、踩过的坑,以及他对未来创作工具的判断。