在人工智能大模型竞争的“战国时代”，谷歌Gemini的处境有些尴尬。

论家底，它几乎找不到短板。2017年，谷歌研究团队发表《Attention Is All You Need》，提出后来席卷大模型行业的Transformer架构。

可当生成式AI真正走进大众市场，率先定义产品形态的公司却是OpenAI。

2022年底，ChatGPT把大模型装进一个再简单不过的聊天框。此后的谷歌，从Bard仓促迎战，到重新整合Google Brain与DeepMind，再到统一Gemini品牌、持续追赶模型能力，始终没能彻底甩掉“追赶者”的标签。

一家参与奠定大模型技术基础、坐拥顶尖人才和基础设施的公司，为何始终没能建立与自身实力相匹配的领先地位？

以下为正文：

01

先发但却失速

2017年，谷歌研究团队发表《Attention Is All You Need》。

这篇论文提出的Transformer架构，首次系统展示了仅依靠注意力机制处理序列信息的可行性。随后几年，这套架构迅速成为自然语言处理的重要基础，GPT等大语言模型的爆发也建立在Transformer路线之上。

从今天回头看，谷歌几乎提前拿到了大模型时代最关键的一张船票。

而且它手里远不止一篇论文。

Google Brain持续推进语言模型和机器学习研究，DeepMind则凭借AlphaGo等项目建立起顶级AI实验室的声望。从人才、底层架构，到芯片和计算基础设施，谷歌很早就完成了布局。

真正的转折发生在2022年11月。

ChatGPT上线后，大语言模型突然从研究机构和开发者工具走进普通人的生活。写文章、改代码、做翻译、查资料，都被收进了一个简单的聊天窗口。

OpenAI也由此率先回答了一个关键问题：普通用户究竟该如何使用大模型。

2023年2月，微软高调推进OpenAI技术与Bing的结合。几乎同时，谷歌将Bard推到台前。

结果，Bard在宣传材料中将一项系外行星观测成果错误归给詹姆斯·韦布空间望远镜。Alphabet股价当天大跌，市值损失约1000亿美元。

一道错误答案，变成了谷歌这一轮AI竞争中最难堪的开场之一。

两个月后，DeepMind与Google Brain合并成Google DeepMind。谷歌当时给出的理由是，集中人才和资源，加快AI进展。

随后问世的Gemini，也成为这场整合最重要的产品成果之一。

02

从Bard翻车到Gemini刷榜

Bard的失误，没有随着改名消失。

2023年12月，谷歌正式发布Gemini 1.0。2024年2月，Bard更名为Gemini，底层模型和面向消费者的产品开始统一品牌。

新名字刚刚建立，一场更大的风波却来了。

2024年2月，Gemini人物图像生成功能因部分场景描绘失真受到质疑。Google随后暂停人物生成功能，并在官方说明中承认，产品在追求人物多样性的调校上出现了过度补偿，部分结果“不准确，甚至令人反感”。

这些事故棘手的地方，在于它们极易固化用户认知。

大多数普通用户不会研究模型架构，也不会天天刷新排行榜。一款AI在人们心中的形象，往往来自几次真实使用，以及少数几个被广泛传播的案例。

于是，“Gemini到底稳不稳”，逐渐变成了一个比参数更难回答的问题。

把时间拉到2026年，模型能力与用户认知之间的落差依然存在。

从Google DeepMind公布的测试看，Gemini 3.5 Flash在部分Agent、工具调用和多模态任务中已经进入第一梯队。比如，Terminal-Bench 2.1得分76.2%，MCP Atlas达到83.6%。

图：Gemini 3.5 Flash评测结果（数据截至2026年5月）

但这种优势并不均衡。

在更考察模型修复代码能力的SWE-Bench Pro上，Gemini 3.5 Flash得分55.1%，低于Claude Opus 4.7的64.3%；在考察陌生任务泛化能力的ARC-AGI-2中，Gemini 3.5 Flash为72.1%，低于GPT-5.5的84.6%。

第三方用户偏好同样没有给出压倒性的答案。截至2026年8月10日，LMArena Text Arena总榜中，Gemini 3.1 Pro Preview、Gemini 3 Pro和Gemini 3.6 Flash分别位列第13、第14和第15。

这正是Gemini眼下颇为尴尬的一点：模型能力已经频繁跻身第一梯队，技术进步却还没有完全转化为同等强度的用户信任。

2026年8月，谷歌的AI体系又开始新一轮调整。

Demis Hassabis卸下Google DeepMind的日常管理职责，转任DeepMind董事长和Alphabet首席科学家，团队则由Koray Kavukcuoglu接手。与此同时，Jeff Dean、Sanjay Ghemawat、Oriol Vinyals和Quoc Le等资深AI研究者离开谷歌创业。

根据第三方信息，谷歌短期内将减少对Fable、Opus同级别超大规模旗舰模型的投入，把更多资源转向更轻量、成本更低的Flash模型。

03

生态反攻

随着头部模型的能力差距逐渐缩小，大模型竞争正在走出聊天框。算力成本、用户入口和真实场景中的落地能力，正在成为下一阶段竞争的关键变量。

这恰好把谷歌过去最沉重的资产重新推到了台前。

最明显的变化发生在Search。

三年前，人们讨论生成式AI时，一个常见问题是：ChatGPT会不会取代Google Search？如今，谷歌已经把Gemini直接铺进搜索体系。

2026年5月，Gemini 3.5 Flash成为Gemini App和全球AI Mode的默认模型；Alphabet随后披露，AI Mode月活跃用户已经超过10亿，Google Search及其他广告收入同期同比增长17%。

至少从目前的数据看，AI进入搜索，尚未拖累这门核心生意的增长。

更重要的是，谷歌拥有一种其他模型公司很难复制的分发方式。

ChatGPT需要让用户养成打开一个新产品的习惯，Google却可以沿着原有搜索行为，把Gemini直接送到用户面前。用户甚至无需主动选择模型，一次普通搜索，就可能已经调用了Gemini的能力。

这种优势也开始向搜索之外延伸。

Gemini进入Chrome后，可以理解网页和多个标签页，并连接Calendar、YouTube、Maps等Google服务。

比如，用户正在Chrome里查看一个出差目的地，可以让Gemini同时整理多个网页中的酒店和景点信息，再结合Calendar里的行程安排规划时间，并调用Maps查看地点位置。

原本分散在浏览器、日历和地图中的信息，现在由Gemini在一次任务中调动起来。

YouTube则补上了多模态场景。

2026年6月，超过1.4亿用户在YouTube观看页面使用Ask YouTube，通过Gemini询问视频内容、提取要点或定位片段。

随着模型从文字走向图像、声音和视频，YouTube庞大的内容与消费场景，也开始成为Gemini拓展多模态应用的重要阵地。

而这些上层入口，最终都要由底层算力托住。

谷歌自研TPU已经超过十年。2026年4月，公司又公布第八代TPU 8t和8i，分别面向大规模训练以及推理、Agent工作负载。

再加上Google Cloud，谷歌可以同时控制芯片、数据中心、模型和应用分发。

到这里，谷歌的生态优势开始呈现出更清晰的层次：TPU和Cloud提供算力底座，Gemini位于模型层，Search、Chrome、YouTube等产品则负责把AI送入高频使用场景。

因此，谷歌真正有机会走出的路，是让Gemini逐渐沉到整个Google体系底部，成为一层随处可用的智能基础设施。

04

尾声

回看过去几年，Gemini的故事带着一种明显的错位感。

谷歌提出了Transformer架构，OpenAI却先把大模型变成大众产品；谷歌拥有全球顶尖的研究力量，却在Bard时代留下了仓促追赶的印象；此后Gemini一代代追上来，产品口碑的修复，却始终慢于模型能力的提升。

今天的Gemini已经很难被简单归入“掉队者”。

3.6 Flash在编码、电脑操作和长上下文等指标上都有明显进步；Gemini App已有9.5亿月活，AI Mode突破10亿月活；Search、Chrome、YouTube等也越来越深地接入同一套AI。

谷歌已经追回了不少时间，也开始把过去分散的技术、算力和产品入口放到同一套AI战略下。

但“回到牌桌”和“打出好牌”，仍是两回事。

Gemini能否摆脱早期事故留下的产品印象，谷歌能否把分散在不同产品线上的优势真正转化为统一、稳定的使用体验，都还需要时间验证。