但和上一次相比，它到底变了什么？ 是跑分又涨了几个点，还是 AI 真的不一样了？

　　在演讲中，Jeff Dean 没有讲 benchmark 数字，也没有做产品宣传。他说的是：

　　在 Jeff Dean 的视角里，Gemini 3 不只是一个更大的模型，而是让 AI 的用法彻底变了。

　　演讲一开始，Jeff Dean 就直指一个问题：传统 AI 模型太浪费了。

　　“在传统神经网络中，你为每个例子激活整个模型，这非常浪费。更好的方式是：拥有一个非常大的模型，但每次只激活其中 1% 到 5%。”

　　假设你有一个巨大的模型，包含了图像、语言、数学、代码等各种能力。传统做法：无论你问什么问题，整个模型都要调用一遍。就像每次开灯，家里所有电器都要启动。Jeff Dean 的想法：根据任务类型，只运行需要的那部分。处理图片时，只用视觉模块；写代码时，只用编程模块。

　　他用大脑做比喻：你坐在英语课上，大脑会使用处理语言的那部分；开车时，大脑就关闭它，将全部精力专注于控制身体和观察路况。AI 模型也应该这样工作。

　　早在几年前，Jeff Dean 就开始推动团队往这个方向研究，并给它起了个名字：Pathways 架构。该架构的核心目标，是构建一个超大模型却能保持高效，让每次推理仅激活一小部分路径。

　　效果有多好？Jeff Dean 在演讲中展示的数据很惊人：用同样的计算预算，MoE 架构可以训练出效果提升 8 倍的模型。

　　结果是：性能更强，成本更低，还能同时处理多个任务。就像你的大脑：处理复杂问题时多个区域协同工作，做简单事情时只用一小部分。

　　未来的顶级模型，不再是一个什么都做的全能选手，而是各有专长、协同工作的专业团队。

　　如果说第一节讲的是模型内部如何变聪明，那第二节要讲的是：它开始能为你做事了。

　　在演讲现场，Jeff Dean 演示了一个例子：一位用户有一堆家族食谱，有些是韩语手写的，有些是英语的，都是老照片，有折痕和油渍。

　　然后，Gemini 3 做了什么？ 第一步：扫描并识别所有照片中的文字； 第二步：翻译成双语版本； 第三步：自动生成网站布局； 第四步：为每个食谱配上 AI 生成的配图。

　　这就是传统助手和智能 Agent 的区别。助手是你问什么它答什么，Agent 是你说目标、它自己拆解任务、调用工具、完成整个操作链。

　　Jeff Dean 说：这个技术突破使模型能够真正探索潜在解决方案的空间，随着时间推移，它在探索这个空间时变得越来越好。

　　效果有多惊人？Gemini 在 2025 年国际数学奥林匹克竞赛（IMO）上，解决了六道题中的五道，获得金牌。

　　当时，业界最先进的模型在 GSM8K（一个中学数学基准测试）上的准确率只有 15%。测试的题目是什么难度呢？比如：Sean 有五个玩具，圣诞节他又得到了两个，现在有几个玩具？

　　而现在，Gemini 能解决的是国际数学奥林匹克的题目，这是全球数学天才竞赛中最难的问题。

　　这个飞跃说明，AI 不只是在回答问题上变强了，而是具备了真正的问题解决能力。它能够自己探索、尝试、验证，直到找到正确答案。

　　而 Gemini 星空体育 星空体育平台3 通过和 Google 生态的深度集成，可以串联日历、邮件、云端服务等真实系统，把这些能力真正用起来。

　　就像前面的食谱网站案例：你不需要说“先识别文字，再翻译，再排版”，只需要说“做个网站”，Gemini 3 自己搞定所有步骤。

　　如果说 Pathways 架构让模型变星空体育 星空体育平台聪明，Agent 系统让模型能行动，那第三个信号最容易被忽视，但可能最关键：让 AI 真正用得起。

　　当时，Google 刚做出一个很好的语音识别模型，比现有系统的错误率低很多。Jeff Dean 做了一个测算：如果 1 亿人开始每天和手机说线 分钟，会发生什么？

　　2015 年，第一代 TPU 投入使用。它专门为机器学习设计，做了一件事：把低精度线性代数运算做到极致。

　　这让原本需要翻倍服务器才能推出的功能，现在只需要现有硬件的一小部分就能实现。

　　到了最新第七代 Ironwood TPU，单个 pod 有 9,216 个芯片。如果和第一代机器学习超级计算 pod（TPUv2）比，性能提升了 3,600 倍，能效提升了 30 倍。

　　Jeff Dean 特别指出，这些提升不只靠芯片工艺进步，更重要的是谷歌从设计之初就把能效作为核心目标。

　　“你可以训练一个非常大的模型，然后用蒸馏让一个小得多的模型获得非常接近大模型的性能。”

　　这就是为什么 Gemini 可以同时做到性能领先和手机可用。大模型在云端训练，小模型通过蒸馏学习，部署到手机上。参数只有十分之一，但保留了 80% 以上的能力。

　　但技术突破只是第一步。Jeff Dean 认为，AI 要真正普及到全球，必须面对更现实的问题：能源够不够？电力稳不稳？网络通不通？设备能不能支持？

　　这也是为什么 Google 要在东南亚等新兴市场推广 AI。这些地区可能没有强大的电网和服务器基础设施，但通过 TPU 和蒸馏这样的效率技术，人们依然可以在现有条件下用上 AI。

　　从 2013 年服务器要翻倍的困境，到 2025 年拿下 IMO 金牌，Jeff Dean 一直在回答一个问题：