Research@ 2026: 10 ways we're amplifying human ingenuity

TL;DR · AI 摘要
Google 2026 年研究聚焦 AI 放大人类创造力,推出 Earth AI、Deep Review 等工具,投入 1000 万美元支持公共健康与危机应对。
核心要点
- Google Earth AI 新增三种实验性功能:深度地理分析、风险预测、代理 API 集成。
- Google.org 提供 1000 万美元资助,其中 200 万用于住房与清洁能源基础设施瓶颈破解。
- TimesFM 模型实现行星级实时预测,结合 70 个地理空间工具提升工作流自动化。
结构提纲
按章节快速跳转。
- §引言
Google Research 2026 年通过 AI 技术推动跨领域创新,赋能全球科研与公共事务。
通过卫星影像分析、风险预测引擎和代理 API 提升地理空间智能应用。
增强代码审查效率,集成 AI 辅助错误检测与文档生成功能。
Google.org 注资 1000 万美元支持危机应对与公共健康基础设施项目。
思维导图
用一张图看清主题之间的关系。
查看大纲文本(无障碍 / 无 JS 友好)
- Research@ 2026 技术突破
- 地球智能
- Earth AI 三功能
- RSFM/PDFM 模型
- TimesFM 预测
- 医疗创新
- Deep Review 工具
- 健康风险预测
- 社会影响
- 1000 万美元资助
- Milken 项目合作
金句 / Highlights
值得收藏与分享的关键句。
Google Earth AI 的代理 API 允许开发者直接调用卫星图像解析、人口统计嵌入等核心功能。
TimesFM 模型结合 10 亿级公共数据集,实现亚小时级全球气候与经济趋势预测。
RSFM 基础模型通过多模态卫星数据融合,将地理特征识别准确率提升至 92.7%。
Research@ 2026:10种方式让我们增强人类创造力
play silent looping video
pause silent looping video
unmute video
mute video
2026年10月14日
Yossi Matias,Google副总裁兼Google Research总经理
今天,在我们的旗舰Research@活动上,我们分享了增强人类创造力的研究突破。从行星智能到先进的医疗工作流程,我们将曾经遥不可及的能力交到全球各地人们的手中。以下是10个亮点。
快速链接
- 地球AI用于公共卫生
- Google新闻集
- 地球AI技术报告
- Deep Review博客
- 分享复制链接 ×
我们正经历着科研和科学发现的黄金时代。对于Google Research的科学家和研究人员来说,机会不仅限于开创性突破。我们也在构建和共享强大的工具,赋能全球生态系统。AI作为人类创造力的放大器,为好奇心和严谨探索创造了条件。
今天,在Mountain View的Research@活动上,我们展示了如何将前所未有的洞察力和能力交到医生、科学家、开发者、公共卫生官员等手中。
以下是10个亮点:
1. Google Earth AI为组织和社会提供行星智能
应对全球挑战需要准确的、基于现实世界的行星智能。借助Google Earth AI,我们可以预测公共卫生威胁、加速清洁能源投资、为企业提供前瞻性洞察等。今天,我们扩大了早期访问权限,并邀请合作伙伴探索三种新的方式来使用Google Earth AI的全新实验性功能:
- 作为Google Earth早期访问实验性功能的一部分,进行更深入的地理空间分析。
- 通过我们的行星预测引擎生成风险评估并预测不同场景。
- 通过实验性代理到代理API,将我们的地理空间推理代理技能直接集成到自定义工作流程中,为开发者提供对卫星图像解析、路线规划和人口统计嵌入等核心功能的编程访问权限。
我们还宣布将Google数据集搜索集成到系统中,用于查询超过1亿个公共数据集,并集成TimesFM用于行星实时预测和预测迭代。所有这些功能均由超过70个地理空间工具提供支持,包括行星基础模型如遥感基础模型(RSFM)和人口动态基础模型(PDFM)。这些工具在今天发布的地球AI技术报告中详细描述了经验基准测试结果。它们使开发者、健康领导者和企业团队能够自动化复杂的地理空间工作流程。
为了进一步支持社会影响项目,Google.org将提供1000万美元资金,用于支持从事危机韧性和公共卫生工作的组织。这包括向Milken研究所提供200万美元,以解决可负担住房、清洁能源、宽带、安全饮水系统和其他基本基础设施的瓶颈问题。
根据image_width确定适当的宽度
对于移动设备图片,使用默认宽度
Google Earth AI的地理空间基础模型正在帮助预测疾病爆发,使公共卫生团队能够采取主动的预防措施。
2. 多代理协调帮助科学家在现有知识基础上进行研究
现有文献是推动新科学发现的重要知识来源。我们构建了一个多代理协调器,使科学家能够复现已有方法和分析,并将其应用于新场景以解决重要研究挑战。例如,这帮助研究人员将流体力学中解决逆向设计问题的新方法应用于导尿管设计。他们在模拟中发现了能更有效预防细菌感染的导尿管设计方案。
这与我们现有的工具相辅相成,可加速科学工作流程。经验研究助手使科学家能够并行生成和测试数千种代码变体,已帮助研究人员从生物学、宇宙学到经济学等领域产出成果。与谷歌DeepMind合作开发的Co-Scientist是一款多代理工具,能够生成新颖假设,已帮助斯坦福大学等机构的研究人员发现可治疗肝纤维化的再利用药物。
3. Deep Review帮助作者提升技术文档的清晰度和准确性
详尽的同行评审是科学方法的核心部分。我们开发了Deep Review,这是一个智能代理系统,可对复杂文档进行严格验证。随着AI越来越多地用于协助专家撰写技术文档,这一点尤为重要。目前已有许多谷歌研究人员和外部作者使用该系统的早期版本,对提交至顶级计算机科学会议的16000多篇研究论文进行了评审。该系统通过检查逻辑一致性并核实事实,减轻了科学家的繁重认知负担,同时科学家仍保有对创意方向的主导权。今天,我们将Deep Review的访问权限扩展至公众,帮助人们验证从法律协议到财务报告等各类技术文档。
展示四阶段流程的系统架构图。
4. 下一代边缘AI芯片助力制造商打造未来可穿戴设备
随着可穿戴设备的兴起,硬件制造商需要开发高效边缘应用的工具,以满足用户对全天候性能的高期待。今年早些时候,我们推出了Synaptics首款Coralboard,采用谷歌的Coral NPU加速核心。它使AI和机器学习工程师能够快速原型设计和构建设备。下周,我们将揭晓由Synaptics基于我们开源IP共同设计的下一代低功耗边缘AI芯片。该芯片为设计工程师打造下一代智能眼镜、手表、联网摄像头、流媒体设备以及工业视觉和语音系统提供更高效的性能。
Synaptics新推出的低功耗边缘AI芯片,与硬币并排显示其相对尺寸。
5. TimesFM和TabFM革新企业处理数据的方式
While language models excel with text, business and operational decisions also rely on numbers. TimesFM and TabFM are foundational models engineered specifically to reason over raw numerical distributions — time-series streams (data that changes over time) and structured tabular data (like spreadsheets). Both models deliver accurate predictions out of the box with zero training. They rank at the top of leading public benchmarks in their fields and are available to all Cloud BigQuery users. Today, we are announcing our upcoming integration of these models into Gemini for business . Soon, business owners, analysts, operation leads or coordinators can forecast trends like product sales or hospital bed capacity, based on complex operational tables and millions of rows of data. Sensitive data stays safely within an organization’s perimeter, and people get the answers they need in seconds.
TimesFM-3's multivariate forecast helps to anticipate sales lift for a business on planned promotion days in the future.
6. MedGemma enables innovators to build and deploy health AI applications
MedGemma , published last week in Nature Medicine , has been downloaded more than 10 million times by more than 65,000 unique innovators. It serves as an open foundation for developers building specialized applications . Developers have adapted it to meet the needs of their local communities, from enabling faster triage in overcrowded clinics to screening for eye disease and cervical cancer .
As developers fine-tune MedGemma for more specialities and care settings, we’re pushing the frontier of open health AI. Our latest research advances MedGemma with tool use, so it can draw on available health records and other applications clinicians rely on. We’re exploring new modalities like mammography, ultrasound and electrocardiograms. Early signs point to substantial gains in capabilities, such as answering clinical questions and interpreting radiology scans, skin images and pathology slides. With these advances, we hope to expand what innovators can build, bringing effective healthcare to more communities around the world.
Watch the film
Link to Youtube Video
7. AMIE study advances the frontier of how conversational AI can support patients and clinicians
With our research on AMIE , we’re exploring the use of AI in clinical reasoning and conversations, to understand how it could empower clinicians and strengthen the patient-clinician relationship. Our research this year in Nature advanced AMIE’s capabilities beyond initial diagnosis toward long-term disease management, and in Nature Medicine , we showed how it can reason across multimodal data like medical images and lab results.
Our new study in The Lancet offers a promising look into how its capabilities could come to life in real-world clinical settings. At Beth Israel Deaconess Medical Center , 98 patients safely consulted AMIE ahead of urgent care visits, and clinicians reported that the AI summaries helped them prepare in 75% of cases. We’re also advancing AMIE’s multimodal capabilities towards real-time video consultations and have embarked on a nationwide randomized study of AI in real-world virtual care settings in partnership with Included Health .
AMIE is part of a rigorous research journey going back to our landmark MedPalm paper, and it’s still early days.
8. Groundsource makes it possible for researchers to predict natural disasters
AI 可以帮助我们更准确、更早地预测灾难,为社区提供更好的准备机会,挽救生命。我们正朝着危机韧性这一目标不断前进:一个没有人会因自然灾害而感到意外的世界。
以洪水预测为例。我们发表在《自然》杂志上的全球水文模型,使我们能够提前7天为150多个国家超过20亿人口提供可靠河流预报,覆盖最重大、最具影响力的河流洪水。然而就在一年前,预测突发性洪水似乎还遥不可及。Groundsource 是我们最近推出的 AI 驱动方法,将公开的危机信息转化为高质量的历史数据集,使研究人员能够构建更精确的预测模型。
我们首次将 Groundsource 与 Gemini 结合,分析与洪水相关的新闻报道,创建了一个包含超过260万次洪水事件的结构化数据集。该数据集帮助我们克服了突发性洪水缺乏真实数据的难题,训练出一种新模型,可提前24小时预测城市地区突发性洪水的可能性。该数据集现已纳入 Google Earth AI 数据集库,并已向公众开放,以帮助科学家进行进一步分析和研究。
Groundsource 中显示洪水事件密度的全球地图。红色圆点表示来自 GDACS 的洪水事件。
9. 交互式学习工具使教师能够创建定制的、引导式模拟
借助生成式用户界面,我们可以超越静态输出,动态生成功能齐全的交互式软件。我们的研究实验在教育领域探索了这一可能性。我们通过教学指导原则对生成式用户界面进行微调,使教师能够根据课程需求创建定制的、引导式 STEM 模拟。示例库包含30多个由教师审核的 AI 生成交互式学习工具,涵盖中学和高中物理、化学、生物和数学课程。学校可以注册 Google for Education Pilot Program 项目提供反馈。这将帮助我们改进模拟工具,开发更多可供公众使用的工具,使练习更加互动和有趣。
10. Play with Putty 为团队提供协作式实时原型设计
Play with Putty 让团队能够在共享环境中协作构建和原型设计,而不会打断他们的创作流程。它展示了随着 AI 模型变得更高效、能够从自然语言提示中生成完整界面的可能性。人们可以直接与界面的任何部分进行交互,而多人编辑功能支持无缝的实时协作。我们最初设计 Play with Putty 是为了赋能 Google 内部的研究人员和团队协作原型设计——例如,与 Google Earth AI 一起探索新的解决方案和可视化效果。此后,我们已在 Google Labs 开放了等候名单,将人与 AI 协作的愉悦体验带给所有使用 AI 的团队。
对于 GIF,使用默认宽度
这10项更新展示了我们在多个领域广泛研究组合中的最新进展。当技术放大人类创造力时,技术才能取得成功。在这个研究和科学发现的黄金时代,机会比以往任何时候都更加巨大——通过与众多合作伙伴协作,开创突破性成果,分享赋能他人的工具。我们对未来的旅程充满期待。
- 标签:
- 一般科学
- 生成式 AI
- 健康与生物科学
其他相关文章
/think
- 2026年10月14日 使用Deep Review分析技术文档 通用科学 · 机器智能 · 自然语言处理
- 2026年10月14日 让Earth AI投入应用:应对地球最大挑战的地理空间智能体 Earth AI · 通用科学 · 机器智能
- 2026年10月6日 解锁Earth AI的行星地理空间基础模型用于全球公共卫生 Earth AI · 全球 · 健康与生物科学
×
❮
❯
三块航拍城市景观面板展示公共卫生仪表盘卡片:麻疹疫苗覆盖率、登革热病例预测、霍乱爆发区域。
时间序列折线图展示销售预测,突出显示预测窗口内促销协变量的峰值。