Google 与 DeepMind 的 AI 动态：Gemini 系列、Veo 视频模型、研究成果与产品生态的持续追踪。
Google Research 在 Nature 论文中介绍 PHRM，利用前置摄像头在人脸解锁后采集 8 秒面部视频，在日常手机使用中被动估计心率和每日静息心率。真实场景验证中，心率 MAPE 为 6.09%，静息心率相对 Fitbit Charge 6 的 MAE 为 4.39 bpm；团队同时开放研究数据集和预训练 PHRM-mini 模型，合格研究者可申请访问。
推荐理由：论文展示了 PHRM 如何在日常手机使用中估计心率与静息心率，并以跨肤色数据和真实场景验证其准确性。
Google Research 将用于 Flood Hub 的水文建模框架开源至 GitHub，供气象水文机构训练和本地化微调 AI 洪水预报模型。框架以 Python 和 PyTorch 实现，包含 LSTM 架构、训练流水线、交互式教程，并支持使用 Caravan 历史河流数据及地方数据。
推荐理由：原文同时交代了框架、训练数据、教程和实际接入案例，读者可据此了解 AI 洪水预报如何进入地方业务流程。
Google Research 在 I/O 2026 集中介绍了 Gemini for Science、AI 医疗研究、端侧平台、极端天气预测、Gemini 能力改进和量子计算等方向的进展。文章还介绍了 Google Antigravity 2.0 的多智能体开发工作流、Gemma V4 上线一个月下载量超过 100 million，以及 MedGemma 下载量超过 5M。
推荐理由：文章集中梳理 Google Research 在科学发现、医疗、开发者工具和量子计算等方向的 I/O 研究进展，呈现研究成果如何进入具体产品与实验。
Google Research 推出一种基于零信任原则的私有分析方案，将单消息加密聚合与 TEE 结合，以减少对单一实体的信任依赖。该方案采用基于格的协议，确保服务器只能获得匿名聚合结果，原始数据不会在服务器内存中暴露或重建。Android SafetyCore 将使用这套方案评估安全工具效果，同时让用户内容留在设备端。
推荐理由：文章解释了单消息加密聚合如何与 TEE 形成多层防护，并以 Android SafetyCore 说明其在端侧模型分析中的应用。
Google Research 发布由 Gemini 驱动的 Empirical Research Assistance（ERA），并开始通过 Gemini for Science 逐步开放由 ERA 与 AlphaEvolve 构建的 Computational Discovery。
推荐理由：文章把 ERA 的研究结果、科学问题案例与开放路径放在一起，便于了解它如何从代码优化系统走向可供科研人员试用的工具。
Google DeepMind 在 Project Genie 中推出由 Google Street View 提供真实地点 grounding 的新能力，让用户基于美国地点创建带有不同风格和角色的想象世界。
推荐理由：文章展示了 Genie 如何把 Street View 真实地点接入可交互生成环境，并交代美国可用范围、全球开放对象与实验性限制。
Google DeepMind 发布 Gemini Omni Flash，可将图像、音频、视频和文本作为输入，生成基于 Gemini 世界知识的视频，并通过对话进行连续编辑。
推荐理由：原文同时交代了 Gemini Omni Flash 的视频生成与对话编辑能力，以及订阅用户、YouTube Shorts 和开发者 API 的开放路径，便于理解其落地范围。
Google DeepMind 推出 Gemini for Science，包含 Google Labs 上的三款科学实验工具和 Google Antigravity 中的 Science Skills。三款工具分别用于假设生成、计算发现和文献分析，并将逐步开放注册。Science Skills 集成超过 30 个生命科学数据库和工具，可支持结构生物信息学与基因组分析等工作流。
推荐理由：原文同时梳理了三类实验工具、Science Skills及其科研应用场景，便于了解Google如何把智能体能力接入假设生成、计算实验和文献分析。
Google DeepMind 扩展 Search、Gemini、Chrome、Pixel 和 Cloud 中的内容透明度与验证工具，并推出 AI Content Detection API。
推荐理由：文章梳理了 SynthID 与 C2PA 在 Google 产品和行业伙伴中的扩展路径，并给出 AI Content Detection API 的落地场景。
Google DeepMind与新加坡政府启动新的国家AI合作伙伴关系，并在新加坡推出医疗、生命科学、教育、科研、可持续发展和AI安全项目。合作方预计通过加速研发，到2040年创造额外S$ 3.3 billion（US$2.5 billion）的经济价值。
推荐理由：文章梳理了Google DeepMind与新加坡政府合作落地的医疗、教育、科研和安全项目，呈现国家级AI应用的具体路径。
剑桥大学 Clare Bryant 教授使用 Co-Scientist 研究动物传播给人类的病原体如何引发严重疾病。Co-Scientist 从研究方案中生成并排序假设，帮助团队锁定此前未关注的蛋白及相关氨基酸突变；原本可能需要 two to three years 的实验工作，团队预计六个月内完成。
推荐理由：这项案例展示了 Co-Scientist 如何从研究问题生成并排序假设，再将候选蛋白逐步收敛到可实验验证的具体氨基酸。
Google DeepMind 的 Co-Scientist 被爱丁堡大学团队用于梳理 MASH 相关文献、筛选关键机制并提出联合疗法候选。在 resmetirom 仅对部分患者有效的问题上，系统提出 NLRP3 炎症小体连接炎症与代谢的假设，该假设随后得到实验验证。
推荐理由：文章展示 Co-Scientist 如何从肝脏生物学与药理学文献中筛选机制和联合疗法假设，并连接到已获实验验证的 MASH 研究问题。
Google DeepMind 的 Co-Scientist 从既有药物文献中提出三种候选药物，其中两种在活体人类肝细胞测试中阻断了肝纤维化并促进肝细胞再生。研究团队还测试了自己选出的两种药物，但未观察到抗纤维化效果；Co-Scientist 的突出候选是抗癌药 vorinostat，其实验中阻断了 91% 的相关损伤反应。
推荐理由：这项研究展示了 Co-Scientist 如何从既有药物文献中提出候选，再通过人类肝细胞实验筛选抗肝纤维化药物。
Google DeepMind 的 WeatherNext 帮助美国国家飓风中心提前 5 天预测 Melissa 飓风将以 Category 5 强度登陆牙买加。WeatherNext 可运行 50 个不同的情景，在登陆前 5 天以 80% 置信度预测这一结果，提前 3 天时置信度接近 100%。
推荐理由：文章展示了 WeatherNext 如何通过 50 个情景集合同时预测飓风路径与强度，并为牙买加疏散和资源调度争取提前量。
Google DeepMind 发布 Gemini 3.5 系列并首先推出 Gemini 3.5 Flash，定位为面向智能体和编码的高速模型。
推荐理由：文章同时交代 Gemini 3.5 Flash 在智能体、编码和多模态基准上的具体表现，以及面向个人、开发者和企业的开放入口，便于理解其应用范围。
Google DeepMind 发布基于 Gemini 的 Co-Scientist 多智能体系统，可迭代生成、辩论和演化复杂科学问题的研究假设。系统通过生成、反思、排名、演化和元评审等智能体协作，并结合 web search、ChEMBL、UniProt 及 AlphaFold 等工具探索研究方向。
推荐理由：文章拆解了 Co-Scientist 的多智能体协作与假设竞赛机制，并展示其在多项生命科学研究中的应用。
Google DeepMind 发布报告称，Gemini 驱动的编码智能体 AlphaEvolve 已从试点工具扩展为 Google 基础设施的核心组件，并用于商业场景。
推荐理由：文章集中展示 AlphaEvolve 在科研、基础设施和商业场景中的应用，用具体指标说明算法优化能力如何迁移到不同领域。
Google DeepMind 宣布 AI co-clinician 医疗智能体研究计划，探索在医生监督下辅助患者护理并增强临床团队能力。在98个真实感初级保健问题中，该系统有97个案例未出现关键错误，并在开放式药物问答中超过其他前沿 AI 系统。
推荐理由：文章结合临床证据评估、实时多模态模拟和双智能体安全架构，呈现了医疗智能体的应用边界与研究路径。
Google Research介绍了 Empirical Research Assistance（ERA）在流行病预测、宇宙学、气候监测和神经科学中的四类应用。
推荐理由：文章以流行病预测、宇宙学、气候监测和神经科学四个案例，展示 ERA 如何把计算建模用于不同类型的科学问题。
Google Research 宣布，Google Photos 已在 Auto frame 中提供自动重构照片视角的功能。该功能先估计 3D 点图和相机参数，再用生成式 latent diffusion model 补全新视角下原本未拍到的区域，并自动调整人像构图、缓解广角自拍的透视畸变。符合条件的含人物照片可在 Auto frame 候选中获取重构后的第二个版本。
推荐理由：Google Photos 的 Auto frame 将 3D 场景重建与生成式修补结合，用于自动调整人像视角，呈现生成式编辑从裁剪到视角重构的变化。