HARRY CHANG
Google DeepMind 深度解析：拿諾貝爾獎的研究院，如何變成 Google 的 AI 戰爭機器
—

Google DeepMind 深度解析：拿諾貝爾獎的研究院，如何變成 Google 的 AI 戰爭機器

深度解析 Google DeepMind 的公司背景與 Demis Hassabis 的傳奇故事（從西洋棋神童、AlphaGo 到諾貝爾化學獎）、依附於 Alphabet 的獨特商業模式與 TPU 全端護城河、Gemini 3.1 Pro 模型矩陣的能力與定價，以及在內部創新者兩難與外部 OpenAI/Anthropic 夾擊下的競爭優勢與隱憂。

WRITTEN BY

  • avatar
    Name
    Harry Chang
    Twitter

下一篇

xAI 深度解析：馬斯克的復仇之戰，從 Grok 到被 SpaceX 吞併的算力帝國
← 回到列表

這是「AI 三巨頭」系列的第三篇。與 Anthropic（ai-057）、OpenAI（ai-058）不同，Google DeepMind 不是一家獨立公司——它是 Alphabet 旗下的 AI 研究與模型部門。這個身分帶來完全不同的分析框架：它不需要融資、不需要 IPO、不擔心算力帳單，但它背著全世界最重的包袱——一個年賺 3,000 多億美元、卻可能被 AI 顛覆的搜尋廣告帝國。

一、公司背景與創始人故事：西洋棋神童的 AGI 長征

1.1 Demis Hassabis：可能是 AI 界履歷最傳奇的人

DeepMind 的故事幾乎等於 Demis Hassabis 的故事：13 歲拿下西洋棋世界青少年排名第二、17 歲寫出經典遊戲《主題公園》的 AI、劍橋電腦系畢業後創辦遊戲公司、再回頭拿 UCL 神經科學博士。2010 年,他與在 UCL Gatsby 神經計算實驗室認識的 Shane Legg（「AGI」一詞的推廣者）及 Mustafa Suleyman 共同創辦 DeepMind,使命從第一天起就是「Solve intelligence, then use it to solve everything else」。

時間里程碑意義
2010DeepMind 於倫敦成立從教 AI 玩 Atari 遊戲起家（深度強化學習開山之作）
2014Google 以約 5-6 億美元收購當時最大的 AI 收購案;條件之一是設立 AI 倫理委員會
2016AlphaGo 擊敗李世乭全球 AI 意識的引爆點,比 ChatGPT 早六年
2017AlphaZero 自學稱霸棋類;Google Brain 發表 Transformer 論文一邊是強化學習巔峰,一邊埋下整個 LLM 時代的種子
2019AlphaStar 在《星海爭霸 II》達到宗師級證明 RL 能處理不完全資訊的即時戰略
2020AlphaFold 2 破解蛋白質折疊50 年生物學難題被 AI 解決
2022/12ChatGPT 上線,Google 內部發布「Code Red」自家發明的 Transformer 被對手做成殺手級產品
2023/02Bard 倉促應戰,發布會出錯致股價單日重挫轉型陣痛的最低點
2023/04與 Google Brain 合併為 Google DeepMind研究院轉型為 Google 的模型軍工廠,Hassabis 統帥
2023/12Gemini 1.0 發布Google 正式參戰大模型
2024/02Gemma 開放權重系列發布;Gemini 1.5 帶來 1M 上下文開源雙軌啟動;長上下文成為 Gemini 招牌
2024/05AlphaFold 3 發布從蛋白質擴展到分子交互作用,Isomorphic Labs 商業化
2024/10Hassabis 與 John Jumper 獲諾貝爾化學獎AI 公司拿下自然科學諾貝爾獎的歷史時刻
2024/12Gemini 2.0 與 Veo 發布Agent 時代佈局起手,影片生成參戰
2025/03Gemini 2.5 Pro 發布首度登頂主流基準,「Google 追上了」的轉折點
2025/11Gemini 3 發布全面反攻,OpenAI 內部傳出「Code Red」——攻守易位
2026/02Gemini 3.1 Pro 發布在 18 項追蹤基準中拿下 12 項第一
2026/05Google I/O 發布 Gemini 3.5 Flash便宜模型在多項基準超越自家旗艦,價格戰再升級

一個有趣的注腳：三位創辦人中的 Mustafa Suleyman 後來離開、創辦 Inflection AI、最終被微軟連人帶團隊「收編」成為 Microsoft AI 執行長——AI 三巨頭的人才網絡從來都是同一張。

1.2 從研究院到戰爭機器的轉型

DeepMind 前十年的定位是「Alphabet 養的純研究院」——AlphaGo、AlphaFold、AlphaStar 都是科學里程碑，但不賺錢。轉折點是 2022 年底 ChatGPT 引爆的「Code Red」危機：Google 意識到自家發明的 Transformer 架構（2017 年論文《Attention Is All You Need》正是 Google Brain 出品）被別人做成了殺手級產品。

2023 年 4 月，Alphabet 把 Google Brain 與 DeepMind 合併，Hassabis 從「研究院院長」變成「全 Google 模型統帥」。這場轉型的成果就是 Gemini 系列——用《Fortune》的說法，Hassabis 帶領 Google 度過了創新者兩難，並讓 OpenAI 內部宣布「Code Red」攻守易位。

二、商業模式與護城河

2.1 不是賣模型的公司，是「AI 加持的 Alphabet」

分析 DeepMind 的商業模式必須跳出「模型公司」框架——它的收入全部灌進 Alphabet 財報，變現路徑有四條：

變現路徑內容規模訊號
訂閱Google One AI Premium / Gemini 進階方案2025 年 Gemini 訂閱收入約 12 億美元
雲端 APIVertex AI / Gemini API 按 token 計費Google Cloud 2026 Q1 成長 63% 達 200 億美元,生成式 AI 產品收入年增近 800%
產品內嵌（免費）Search AI Overviews、Workspace、Android、Chrome不直接收費,目的是守住廣告帝國與生態黏性
衍生事業Isomorphic Labs（AI 製藥）、Waymo 技術輸出、TPU 對外出租長期選擇權

關鍵洞察：對 Alphabet 而言，Gemini 最重要的功能不是賺錢，而是「防禦」——防止 ChatGPT 奪走搜尋入口。訂閱與 API 收入是紅利，守住每年 3,000 億美元的廣告基本盤才是本體。

2.2 護城河分析

護城河來源強度說明
分發通路極強（三家最強）Android 30 億裝置、Chrome、Search、Workspace、YouTube——Gemini App 月活 2026/05 已破 9 億,一年成長超過一倍
TPU 全端整合極強（獨家）自研 TPU 第七代 Ironwood 專攻推理,2026 年預計出貨 430 萬顆;不用付「NVIDIA 稅」,推理成本結構同業最低
資料資產強Search、YouTube、Maps、Gmail 的多模態資料縱深無人能及
資本引擎極強母公司每年數百億美元自由現金流,不需要外部融資,燒錢戰打不死
研究縱深強Transformer 發源地 + 諾貝爾獎團隊,基礎研究儲備最厚

對照前兩篇:Anthropic 的護城河靠開發者生態、OpenAI 靠消費者品牌,而 Google DeepMind 靠的是「別人打仗要買軍火,它自己就是軍工複合體」——晶片、資料中心、模型、通路、資料全部自有。

2.3 定價策略：用成本優勢打價格戰

Gemini 3.1 Pro 定價每百萬 token 輸入 2 美元/輸出 12 美元——大約是 Claude Opus 4.8 的四折、GPT-5.5 的四成。這不是虧本補貼,而是 TPU 成本結構容許的定價。Google 的意圖很明顯:把模型能力商品化,逼對手在毛利與市佔之間二選一,因為它自己的本體收入在廣告與雲端,不靠模型毛利活。

三、核心模型矩陣介紹

同樣地，Google 不公開參數量。以下記錄 2026 年中的現役陣容。

3.1 Gemini 現役模型

模型定位上下文窗口最大輸出Input/Output 定價（每百萬 token）
Gemini 3.1 Pro旗艦（2026/02 發布）1M65K2 / 12 美元（超過 200K 為 4 / 18）
Gemini 3.5 Flash新一代主力（2026/05 I/O 發布），Agent 任務逼近 Pro1M-Pro 的零頭價
Gemini 3.1 Flash-Lite極致性價比，高頻簡單任務1M-最低價位
Gemini 2.x 系列舊版，API 保留供既有整合至 2M-低價

值得記錄的特色：

  • 思考等級（Thinking Levels）：3.1 Pro 提供 Low / Medium / High 三檔推理深度，概念上對應 Anthropic 的 effort 參數與 OpenAI 的 reasoning effort——三家已殊途同歸。
  • 1M 上下文的實用主義：可一次餵入整個程式庫、8.4 小時音訊、900 頁 PDF 或 1 小時影片；context caching 最多省 75% 成本。
  • Flash 打主力戰：Gemini 3.5 Flash 在多項編程與 Agent 基準上超越自家 3.1 Pro——Google 的策略是用「夠強又極便宜」的 Flash 吃走大宗流量。

3.2 模型之外的武器庫

DeepMind 的矩陣廣度是三巨頭中最大的，遠不只 LLM：

產品線內容
Veo影片生成，與 Sora 正面對決
Imagen / 圖像系列圖像生成與編輯
AlphaFold 3蛋白質與分子交互預測，Isomorphic Labs 商業化製藥
Gemini Robotics機器人視覺-語言-動作模型
Project Astra即時多模態 AI 助理（眼鏡/相機場景）
AlphaEvolve / 科學系列演算法發現、數學、氣象（GraphCast）等科學 AI
Gemma 開放權重系列與 Gemini 同源的輕量開放模型（下一節專門介紹），可自架、微調、裝置端運行，對標 Llama / Qwen / Mistral

3.3 Gemma 深潛：參數量與版本時程

Gemma 是 Google「開源雙軌策略」的另一半：閉源的 Gemini 負責變現，開放的 Gemma 負責搶開發者心智——開發者免費入門（下載權重、自架、微調、跑在裝置端），需要更強能力或託管服務時，自然升級到付費的 Gemini API 與 Vertex AI，開源當漏斗，閉源做變現。

它也是 Google 模型家族中少數公開參數量的產品線——因為定位就是「讓你自己跑」，規格透明是賣點。版本演進如下：

版本發布時間參數規模重點特性
Gemma 12024/022B、7B首發，8K 上下文，與 Gemini 同源技術下放
Gemma 22024/062B、9B、27B知識蒸餾訓練，27B 逼近更大級距對手
Gemma 32025/031B、4B、12B、27B多模態（4B 起）、128K 上下文、支援 140+ 語言
Gemma 3n2025/06E2B、E4B裝置端專用（手機可跑），音訊/影像輸入，E = 有效參數
Gemma 3 270M2025/08270M超微型，專為大量微調場景設計
Gemma 42026/04E2B、E4B、26B MoE（激活 4B）、31B Dense改採 Apache 2.0、256K 上下文；12B 統一多模態版本 2026/06 追加

三個值得記錄的觀察：

  • 效率敘事與 Gemini 一脈相承：Gemma 4 的 26B MoE 每 token 只激活 4B 參數，官方主打「31B 打贏 400B 級對手」——與 Gemini 用 Flash 打價格戰是同一套「效率即武器」的哲學。
  • 授權演進是個重要訊號：Gemma 1-3 採用自訂 Gemma 條款（權重可下載但附使用限制，嚴格來說是 open weight 而非開源），Gemma 4 起改為 Apache 2.0 完全開源——與 Cohere 把 Command A+ 開源當「信任狀」是同一時期的同一步棋，反映 2026 年開放模型競爭已經捲到授權層。
  • 衍生生態（Gemmaverse）：官方另有 MedGemma（醫療）、ShieldGemma（安全過濾）、CodeGemma 等垂直變體，社群微調版本數以萬計，累計下載已達數億次——這正是「漏斗」策略的量化證據。

3.4 技術架構特色

技術說明
原生多模態訓練Gemini 從第一代就是文字/圖像/音訊/影片端到端訓練,不是外掛拼裝
MoE 稀疏架構公開資訊確認 Gemini 系列採用 Mixture-of-Experts 路線,推理只激活部分參數
TPU 訓練與推理全程在自家 TPU pod 上訓練,軟硬體協同優化是成本優勢的技術根源
Transformer 血統2017 年發明 Transformer 的團隊(Google Brain)就在自家——基礎架構的原創者
搜尋原生整合Grounding with Google Search 讓模型原生接上全網即時資料,這是獨家資產

四、競爭優勢與隱憂

4.1 競爭優勢

優勢說明
通路即霸權不用獲客——Gemini 直接出現在 30 億 Android 裝置與每天百億次搜尋裡,9 億月活的成長速度靠的是「預設」而非行銷
成本結構碾壓TPU 全端讓它能以四折價格賣旗艦模型;閉源用 Flash 打價格戰、開源用 Gemma 打免費戰,兩頭夾擊對手的變現空間
科學研究的複利AlphaFold、氣象、材料、數學——當 LLM 競賽趨同,科學 AI 的縱深是它獨有的第二曲線
不受資本市場擺布對手忙著融資與 IPO,它的研發預算來自母公司印鈔機,可以打十年消耗戰
企業採購的預設選項已用 Workspace/GCP 的企業,加購 Gemini 的摩擦最小

4.2 隱憂與風險

1. 創新者兩難：AI 越成功，廣告越危險

這是 Google 獨有的死結：Search AI Overviews 回答得越好，用戶點擊連結（廣告）的次數就越少。每年 3,000 多億美元的搜尋廣告收入是 Alphabet 的本體，AI 對它是「必須自己顛覆自己」的賭局。OpenAI 與 Anthropic 沒有這個包袱——它們的每一分 AI 收入都是純增量。

2. 開發者心智仍落後

通路能觸及消費者，卻買不到開發者的心。企業編程市場 Claude 佔 54%、AI 原生新創的預設 API 多是 OpenAI/Anthropic。Gemini 的 API 市佔與其模型能力並不相稱——「模型很強但不是我的預設」是 Google 最需要翻轉的認知。

3. 大組織的速度與內耗

DeepMind（倫敦、研究文化）與前 Google Brain（山景城、產品文化）的整合並非無痛；產品發布仍要經過 Alphabet 級的法務、品牌、隱私審查。對手用週為單位出貨，Google 的組織稅始終存在——2023 年之前 Bard 的狼狽就是前車之鑑。

4. 反壟斷的天花板

美國 DOJ、歐盟的反壟斷行動持續進行，搜尋預設協議、Chrome/Android 的捆綁都在監管準星上。最強的護城河（通路捆綁）恰恰是最大的法律風險——如果被迫拆分或開放預設選項，優勢會直接打折。

5. 人才持續外流

Transformer 八位作者全數離開、Suleyman 被微軟收編、DeepMind 研究員是每家 AI 新創最愛挖的對象。研究縱深仍在，但「最好的人才留在大公司」的時代已經結束。

結語

三篇串起來看，AI 三巨頭是三種完全不同的生存策略：

維度AnthropicOpenAIGoogle DeepMind
身分獨立公司（To B）獨立公司（To C）Alphabet 部門
收入引擎API 約 80%訂閱約 75%母公司廣告+雲端
護城河開發者生態+安全品牌+數據飛輪通路+TPU 全端
資本來源融資（千億級）融資+IPO（兆級豪賭）自家印鈔機
最大風險通路弱勢算力槓桿創新者兩難
終局想像AI 時代的 AWSAI 時代的 Apple守住「AI 時代的 Google」

Google DeepMind 手上的牌面其實最好——最強通路、最低成本、最深研究、無限資本。它唯一的敵人是自己：能不能在不炸掉廣告帝國的前提下，把 AI 的主導權搶回來。Hassabis 用 AlphaGo 證明過 AI 可以贏下最複雜的棋局；現在他下的這盤棋，對手不只是 OpenAI 與 Anthropic，還有 Google 自己的資產負債表。

參考資料：

View on GitHub