标签: Google

  • Google把AI订阅打到5美元以下,价格战这次真的来了

    Google本周做了一件事,直接把美国市场的AI订阅价格底线往下拽了一大截。AI Plus月费从7.99美元砍到4.99美元,同时把附带的云存储从200GB翻倍到400GB。这件事看起来只是一次普通的降价促销,但放在整个AI行业的竞争格局里看,信号要强烈得多。

    价格战从印度烧到了美国

    事实上,这场价格战在过去一年里已经在印度等新兴市场打得不可开交。OpenAI去年8月在印度推出了ChatGPT Go,月费约4.6美元,而它在美国的标准Plus套餐是20美元,差距悬殊。Google同年12月在印度跟进了同样低于5美元的AI Plus套餐。两家公司在这里的逻辑很直接——用极低的价格先把用户圈进来,再想办法变现。

    现在,同一套逻辑被原封不动地搬到了美国本土。Google这次降价意味着,美国消费者第一次在本土市场上感受到了新兴市场价格战的渗透效应。而这很可能只是开始。

    Google AI Plus订阅界面
    Google AI Plus:月费降至4.99美元,存储翻倍 | 来源:TechCrunch

    为什么说这是AI基础设施商品化的开端

    Goodwater Capital联合创始人Chi-Hua Chien在接受TechCrunch采访时说了一段很有意思的话。他把现在的AI基础设施提供商——OpenAI、Anthropic这类公司——跟Web时代的基础设施公司做了个对比:微软、思科、甲骨文、北电、朗讯、Akamai、Equinix,这些公司曾经风光无限,但如今大多市值平平,有的甚至已经退出历史舞台。

    在每一轮大的技术变革里——从PC到Web再到移动端——基础设施玩家都会被快速商品化。终端用户根本不在乎自己的数据是不是跑在思科的网络设备上,他们只关心一件事:怎么用最便宜的价格把数据传出去。AI基础设施正在走同样的路。

    Chien的判断是:”迟早会来”的那个”迟早”,现在已经到了。Google打这套牌的底气在于它的结构性优势——垂直整合、庞大的分发渠道、把AI捆绑进既有产品线的能力。对一家已经有10亿级用户规模的公司来说,把AI订阅卖到5美元以下,账面上是亏是赚另说,先把竞争对手的定价空间彻底挤压掉,这笔账算得过来。

    Anthropic为什么还没有跟进

    在这轮价格战里,一个值得注意的缺席者是Anthropic。它没有在印度推出本地化定价,也没有在任何市场推出低价入门套餐。这和它的定位有关——Anthropic一直把自己包装成”更安全的AI”,目标客户偏企业端,对价格敏感度相对低一些。

    但问题在于,一旦Google和OpenAI把用户的心理价位锚定在5美元甚至更低,Anthropic还能撑多久不降价?尤其考虑到两家竞争对手都已经在秘密准备IPO,资本市场对增长率和用户规模的看重,会进一步倒逼它们在价格上出手更狠。

    这对普通人意味着什么

    • 短期内,AI订阅服务的性价比会持续提升,消费者是直接的受益者
    • 中长期看,只有具备垂直整合能力和庞大用户基数的大玩家,才能在这场价格战里活下来
    • 独立AI公司——那些没有母公司输血的——会面临越来越大的定价压力,并购或关门的概率在上升
    • 对开发者来说,API调用的价格大概率也会跟着往下走,应用层的创新会因此加速

  • 谷歌悄悄改了隐私条款:你的Lens照片和Search Live录音,现在可以用来训练AI了

    谷歌悄悄改了隐私条款:你的Lens照片和Search Live录音,现在可以用来训练AI了

    谷歌最近向部分用户发送了隐私设置变更通知,大多数人可能直接划掉了——但这种”悄悄改条款”的事情,值得认真看一眼。这次变动的核心是:你通过Google Lens搜过的图片、用Search Live录制的对话、语音搜索的录音、以及输入到谷歌翻译里的语音片段,现在都会被保存下来,用来”改进服务”,包括训练AI模型。

    新设置叫”搜索服务历史”

    谷歌新增了一个叫”搜索服务历史”(Search Services History)的开关,专门用来控制上面说的这些数据。与此同时,还有一个”个性化推荐”(Personalized Recommendations)设置,如果你打开了它,这些数据还会被用来给你推广告和个性化内容。

    不想被谷歌拿去训练AI?你可以把”搜索服务历史”关掉,同时也关掉”保存媒体”(Save Media)选项。但问题的关键是:默认状态下,这些设置是开启的。如果你之前没有特别去管谷歌的”网页与应用活动”(Web & App Activity)设置,那你的数据可能已经在被用来训练模型了。

    谷歌隐私设置
    谷歌搜索的AI化背后,是大量用户数据的支撑

    谷歌怎么说

    谷歌对外的解释很标准:这些数据用来”提供服务、开发和改进服务”,其中包括训练AI模型。这个说法在法律上站得住脚——用户协议里确实写了谷歌可以用数据改进服务。但普通用户看到”用于训练AI”这几个字,感受是完全不一样的。

    更关键的是,这次调整把原本藏在”网页与应用活动”里的一些开关单独拎了出来,看起来是让用户有更多控制权,但实际上也可能让更多人意识到:原来谷歌一直在拿我的这些数据。

    谷歌表示,搜索服务历史将用于”提供、开发和改进其服务”,包括训练AI模型。如果开启了”个性化推荐”设置,这些数据还会用于提供个性化建议和广告。

    不是第一次,也不会是最后一次

    谷歌用用户数据训练AI这件事,之前就引发过争议。今年早些时候,谷歌被指将YouTube创作者的内容用于训练Lyria音乐AI模型,引发版权诉讼。现在把Lens照片和Search Live录音也加进来,数据的规模和种类又上了一个台阶。

    从用户的角度看,这次变更最让人不舒服的地方在于”透明度”——设置是藏在层级菜单里的,大多数人不会主动去看。等你知道的时候,数据可能已经被用了一段时间了。谷歌的做法是”合规的”,但合不合用户的心意,是另一回事。

    如果你在意这件事,现在可以去谷歌账号的”数据与隐私”页面检查一下”搜索服务历史”和”保存媒体”这两个选项的状态。关掉它们不会让你的搜索体验变差——至少谷歌是这么承诺的。


  • SpaceX把AI算力租给了Anthropic和谷歌,年收150亿美元

    SpaceX刚刚完成史上最大规模的IPO,马斯克也借此成为全球首位万亿富翁,公司另一边却在悄悄处理一件相当尴尬的事——原本打算用来训练前沿AI模型的算力集群,因为延迟和硬件问题,现在租给了Anthropic和谷歌。

    算力蓝图撞上了现实墙

    据彭博社援引匿名消息人士报道,SpaceX原计划使用一个由三个数据中心园区组成的算力集群来训练自己的最前沿AI模型。这个计划的核心是把Colossus 1和另外两个距离超过10英里的站点连在一起,组成一个超级算力池。

    问题从连接开始。三个站点之间超过10英里的物理距离导致了不可忽视的网络延迟,而园区里老化的网络基础设施让情况雪上加霜。再加上不同站点之间硬件配置存在差异,整个集群没办法按照预期那样协同工作。

    SpaceX Colossus AI数据中心
    SpaceX的Colossus 1数据中心园区(The Verge)

    算力租出去了,价格不菲

    遇到这些问题之后,SpaceX没有继续死磕,而是把算力租了出去。两笔租赁协议都是在与硬件差异和延迟问题打交道之后才达成的。

    • Anthropic:年租金150亿美元,用SpaceX的算力训练Claude模型
    • 谷歌:月租金9.2亿美元,用于谷歌自己的AI训练需求

    这两笔交易加在一起,意味着SpaceX的算力集群每年至少能带来超过250亿美元的收入。但对于一家刚刚把AI作为核心战略的公司来说,把最先进的算力租给竞争对手,怎么看都有点无奈。

    Grok也在孟菲斯碰了壁

    SpaceX在孟菲斯开发和运行Grok AI的过程也遇到了麻烦。据报道,公司在那里的运营并不顺利,这也是促使它将算力对外出租的另一个背景因素。

    SpaceX虽然有卫星AI服务器的宏大规划,但现实中的算力基础设施挑战比预想的要复杂得多。延迟、硬件差异、老化设备——这些问题不会因为你是SpaceX就自动消失。

    AI算力的门槛比想象中高

    这件事其实折射出一个更大的问题。现在各家科技公司都在疯狂砸钱建AI算力,但真正能把算力用好的门槛非常高。网络架构、硬件一致性、冷却系统、供电能力——任何一个环节掉链子,整个集群的效率就会大打折扣。

    SpaceX把算力租给Anthropic和谷歌,至少能保证这些昂贵的设备不停着吃灰。至于SpaceX自己的AI野心什么时候能落地,目前看来还得再等等。


  • 独立音乐人把Google告了:你在用我的歌训练AI,还不承认?

    Google Lyria AI音乐训练争议
    独立音乐人起诉谷歌,指控其使用YouTube内容训练Lyria AI音乐模型 | 图片来源:The Verge

    独立音乐人把Google告了:你在用我的歌训练AI,还不承认?

    一群独立音乐人正在起诉谷歌,理由听起来挺直接:谷歌非法使用他们上传到YouTube的歌曲来训练Lyria 3音乐生成模型。但谷歌的回应方式,比诉讼本身更值得玩味。

    谷歌已提交驳回诉讼的动议。它的抗辩策略是典型的”两步走”:先说”你们无法证明我们用了你们的具体作品来训练”,再退一步说”就算我们用了,你们也在服务条款里授权我们这么做了”。

    “他们的诉讼基于’谷歌用他们的特定作品进行训练’这一没有证据支持的假设。即使接受他们未经证实的指控为事实,这份起诉书也不成立。每位原告都授权YouTube及其服务提供方谷歌,对上传内容拥有广泛的使用许可。”

    这是法律文件的常规操作。但当记者直接问谷歌是否使用YouTube视频训练Lyria 3时,该公司拒绝置评。这个沉默本身,其实已经说明了一些问题。

    谷歌自己说漏过嘴

    把几件事放在一起看,答案其实相当明显。

    2024年4月,YouTube CEO尼尔·莫汉(Neal Mohan)在接受彭博社采访时提到,YouTube视频的”一部分”可能会被内部用于训练Gemini等模型。同年晚些时候,一篇关于创作者工具的官方博客也确认了这一点,称”我们使用上传到YouTube的内容,来改善YouTube和谷歌平台上的创作者和观众的产品体验,包括通过机器学习和AI应用的方式。”

    谷歌甚至向CNBC确认,它正在使用YouTube上传内容训练Gemini和Veo。只是从头到尾,它从来没有明确确认过:这些内容是否也被用来训练Lyria。

    所以在驳回诉讼的动议里,谷歌其实把底牌亮出来了:原告直接将内容上传到YouTube时,已同意YouTube的服务条款,该条款授予谷歌”复制、分发、制作衍生作品”等基于上传内容的广泛权利。

    为什么不干脆承认

    原因并不难理解。目前谷歌公开承认这件事并没有什么好处,而且在诉讼仍在进行的情况下,保持”合理推诿”是它经过计算的策略。

    但这件事触及的问题比一场诉讼更大。AI音乐生成模型需要大量音乐内容作为训练数据,而全球最大的音乐视频平台就是YouTube。如果谷歌在用YouTube上的音乐内容训练Lyria,它面对的就不只是这一场集体诉讼,而是整个音乐创作者群体对AI训练数据合法性的质疑。

    华纳音乐今年收购AI溯源公司Sureel AI,走的正是另一条路:用技术追踪AI训练中的版权使用,而不是等到被告上法庭才回应。谷歌选择的是更硬的抗辩姿态,这场官司怎么判,可能会影响整个AI音乐行业的游戏规则。


  • 德国法院判了:AI搜索说错话,Google得自己背锅

    德国有家法院最近做了一个裁决,看起来只是一起小官司,实际上可能改变整个AI搜索的玩法。

    事情是这样的:有人因为谷歌AI Overview给出了错误的搜索结果,把谷歌告了。法院初步裁定——AI生成的摘要内容,谷歌得自己负责。

    德国法院判决Google对AI搜索结果负责
    AI搜索说错话,平台该不该负责?德国法院给出了答案 (AI生成配图)

    搜索框和生成框,不是一回事

    这个裁决最值得玩味的地方在于,法院把”常规搜索结果”和”AI生成的摘要”明确区分开了。

    常规搜索引擎只是把用户引导到外部网站,说白了就是搬砖工——把用户从A点搬到B点,内容是对是错,搜索引擎本身不生产内容,只负责索引和排序。

    但AI Overview不是这样。它会评估、组合多个第三方网站的内容,然后生成一段”独立、全新且有实质内容的表述”。这段话不是哪家的原文,是谷歌自己的AI写出来的。

    法院的逻辑很简单

    法院的说法很直接:只有谷歌能够对这些表述进行核查,”至少可以通过将底层第三方网站的内容与基于这些内容生成的自身表述进行对比来实现核查”。

    翻译成人话就是:你都自己生成内容了,那你就要为生成出来的东西负责。

    这个逻辑其实挺朴素的。如果谷歌只是在搜索结果里放了个链接,用户点进去看到假信息,那责任在发布假信息的那个网站。但如果谷歌的AI直接把假信息写进了摘要、展示在搜索结果最顶部——那谷歌就不是搬砖工了,它是发布者。

    谷歌的麻烦才刚开始

    这个裁决目前还只是初步的,离最终生效还有距离。但它释放的信号很清晰:AI生成的搜索结果,不能再躲在”我只是索引”这个挡箭牌后面了。

    这对谷歌来说是个不小的麻烦。AI Overview现在已经推到了全球诸多国家,每天服务数以亿计的用户查询。如果每一个错误的AI摘要都可能让谷歌承担法律责任,那这套业务的合规成本会直线上升。

    其他做AI搜索的公司也在看着。微软的Bing Copilot、Perplexity,还有国内的各种AI搜索产品,逻辑都一样:AI生成摘要,展示给用户。德国这个裁决一旦生效,整个行业可能都要重新评估自己的法律风险。

    更大的问题还在后头

    当然,谷歌不会坐以待毙。可以预见的是,谷歌会上诉,会抗辩,会想办法把”AI生成内容”重新定义成某种”索引的延伸”——尽管这听起来有点牵强。

    这件事背后还有一个更大的问题:当AI越来越深入地介入我们获取信息的过程,谁该为AI说的话负责?是模型开发公司,是提供数据的网站,还是使用AI的用户自己?

    德国这家法院给出了自己的答案。这个答案未必是最终答案,但它至少是块敲门砖——后面会有更多类似的诉讼,更多类似的裁决。AI搜索的野蛮生长阶段,可能快要结束了。


  • Google母公司掏出800亿美元加码AI基建,巴菲特掏了100亿

    2026年6月,Alphabet(Google母公司)宣布了一件事:要融资800亿美元,全部投向AI基础设施和全球算力扩容。其中,伯克希尔·哈撒韦(巴菲特的公司)掏了100亿美元。这笔钱不是小打小闹,是AI军备竞赛里迄今为止最大的一笔单笔融资。

    钱从哪来,到哪去?

    Alphabet的公告说得很清楚:这800亿美元是股权融资,方式包括承销发行和定向增发。伯克希尔·哈撒韦的100亿美元是定向投入,剩下的通过公开市场承销发行,最终超额认购,总融资额约850亿美元。

    钱去哪了?全部用于扩大AI基础设施和全球计算能力。具体来说,就是建更多的数据中心、买更多的TPU和GPU、扩容谷歌云的计算容量。Sundar Pichai在6月的投资者路演上说得很直白:当前AI产品的需求远远超过了供给,必须扩产。

    Alphabet CEO Sundar Pichai:”AI是我们这个时代最具变革性的平台级机遇。需求远超供给,我们需要扩大投资来抓住这个增长窗口。”

    财报里的信号:云业务增长了63%

    为什么要在这个时间点大额融资?看看Alphabet 2026年Q1的财报就明白了。营收1100亿美元,同比增长22%;运营收入400亿美元,同比增长30%。其中,谷歌云营收同比增长63%,积压订单环比接近翻倍,达到4600亿美元。

    4600亿美元的积压订单意味着什么?意味着未来24个月内,超过50%会转化为实际营收。客户愿意提前锁定算力,说明AI基础设施的供需缺口不是短期的,而是结构性的。

    Alphabet投资者路演
    Alphabet 2026年6月投资者路演(图源:Google官方博客)

    全栈AI布局,十年积累的差异化优势

    Alphabet在路演中重点讲了自己的”全栈AI”布局,从底层基础设施到上层产品,一共五层:基础设施层(TPU、数据中心、全球光纤网络)、安全层、研究层(Google DeepMind)、模型与工具层(Gemini系列、Nano Banana等)、产品层(搜索、Gemini应用、YouTube等13款超10亿用户产品)。

    这个布局的核心差异化是:大部分竞争对手只做其中一两层,Alphabet五层全有。自研TPU已经到第8代,Gemini服务成本在过去一年降低了78%。成本降下来,才能以更低价格向开发者和企业开放模型调用。

    不是所有钱都砸基建:Waymo、量子计算也在押注

    Alphabet的”Other Bets”(其他押注)板块也在烧钱,但方向是实体世界和生命科学。Waymo已经在11个美国主要城市运营,每周提供超50万次全自动驾驶出行服务,2026年估值达到1260亿美元。Wing无人机配送完成了超100万次家庭配送。

    量子计算方面,Alphabet通过Willow Early Access Program把量子计算从实验室推向实际应用。这些看起来离AI很远,但背后的逻辑是:未来的AI不只是软件,它会嵌入物理世界——自动驾驶、机器人、药物研发、量子计算,都是这个版图的一部分。

    • 融资规模:800亿美元股权融资,伯克希尔·哈撒韦投入100亿
    • 资金用途:AI基础设施、数据中心、TPU/GPU采购、算力扩容
    • 财务背景:Q1云业务增长63%,积压订单4600亿美元
    • 全栈布局:5层AI架构,自研TPU第8代,Gemini成本降低78%
    • 长期押注:Waymo、Wing、量子计算、生命科学

  • Google悄悄改了隐私规则:你用Lens拍的图、Search Live的录音,现在可以用来训练AI了

    Google又在动用户数据的脑筋了。这次中招的是Google Lens、Search Live、语音搜索和Google翻译——你通过这些功能上传的图片、录音和视频,现在会被保存在一个新设置的”搜索服务历史”里,用来训练和改良Google的AI模型。

    新的”搜索服务历史”是什么?

    根据Google发给用户的邮件和官网更新,这个新设置会保存你通过以下方式产生的交互内容:用Google Lens搜索的图片、Search Live实时搜索的录音、语音搜索记录,以及用Google翻译说出的短语录音。

    Google的理由是,这些数据用来”提供、开发和改良服务”,包括AI模型,同时如果你打开了新的”个性化推荐”设置,还会用来推送个性化建议和广告。

    Google将使用您的搜索服务历史记录来”提供、开发和改良其服务,包括其AI模型”,以及如果您打开了新的”个性化推荐”设置,还会提供个性化建议和广告。

    怎么关掉?和以前的设置有什么区别?

    用户可以在新的”搜索服务历史”设置里关闭这个选项,也可以关闭”保存媒体”选项。但问题在于,大多数人根本不会去检查这些设置。

    以前,这些搜索相关的交互数据是包含在”网页和应用活动”设置里的。现在Google把它们拆了出来,变成了一个独立的设置。也就是说,即使你以前关掉了网页和应用活动追踪,这个新设置可能仍然是打开的——除非你之前已经明确禁止Google保存搜索历史,在这种情况下,过渡期间”搜索服务历史”会保持关闭。

    Google搜索AI功能示意图
    Google搜索的AI功能不断扩张,背后是海量用户数据的支撑 | 图源:The Verge

    这事儿为什么值得在意?

    说到底,这是Google在AI军备竞赛中的标准操作——需要尽可能多的真实用户数据来训练模型。Lens的图片、Search Live的录音、翻译的语音,这些都是高质量的多模态数据,对训练多模态AI模型来说价值极高。

    问题是,大多数用户并不知道自己的这些数据正在被用来训练AI。Google的做法是:先设为默认开启,然后告诉你”你可以关掉”。这和之前各种隐私争议的套路如出一辙。

    如果你在意自己的数据隐私,现在就去Google账号设置里检查一下”搜索服务历史”——它可能在你不知情的情况下已经打开了。

    • 设置路径:Google账号 → 数据和隐私 → 搜索服务历史
    • 建议同时检查”网页和应用活动”以及”个性化推荐”设置
    • 这些设置将在”未来几个月内”逐步推出,不是所有人现在都能看到

  • 谷歌把300万颗AI芯片订单交给英特尔,台积电一家独大的日子可能要到头了

    据《The Information》报道,谷歌近期向英特尔下达了一份重量级订单:在2028年前生产超过300万颗谷歌自研的TPU芯片(张量处理单元)。消息一出,英特尔股价早盘一度飙升逾10%,最终仍上涨9%,领涨整个芯片板块。

    这不是一笔普通的采购合同,而是AI芯片代工格局正在发生微妙变化的一个信号。长期以来,台积电几乎吃下了所有高端AI芯片的代工订单,谷歌的TPU、英伟达的GPU,绝大部分都产自台积电的产线。现在,这种一家独大的局面开始出现裂缝。

    台积电的产能紧缺,逼着谷歌和英伟达开始认真考虑”备份方案”。英特尔想借这个机会,把流失给台积电的代工霸主地位抢回来。

    为什么是现在?

    谷歌不是一时兴起。据报道,谷歌对英特尔的制造技术进行了数月的技术测试,才最终决定把部分TPU订单交给英特尔。背后直接的原因是:台积电的产能已经紧张到无法满足需求了。AI芯片的需求爆炸式增长,台积电的先进制程产线排期排到了天边,谷歌担心把自己的芯片未来全部押在台积电身上风险太大。

    英特尔这边,新任CEO陈立武上台后推动的复兴计划终于开始显出成效。上个月英特尔发布的销售收入指引远超华尔街预期,股价也创下历史新高。特朗普政府也在背后推了一把——有美国官员表示,政府正积极推动为英特尔争取更多商业订单,这背后有产业链本土化的战略考量。

    英伟达也在悄悄测试英特尔

    谷歌不是唯一一个在和英特尔搭话的AI芯片公司。据报道,英伟达也在测试英特尔的制造技术,评估是否用于生产一款将四颗GPU整合封装的新型处理器。这款产品的设计目标是提升整体计算性能,如果英特尔的工艺过关,英伟达也可能成为英特尔代工业务的客户。

    特斯拉也来凑热闹。马斯克今年4月表示,特斯拉的”Terafab”项目计划使用英特尔下一代14A制程生产芯片,这座先进AI芯片制造基地打算落地奥斯汀。


    英特尔能接住这波机会吗?

    话说回来,英特尔能不能真正承接住这些高端订单,还是个问号。台积电在先进制程上的领先优势不是一朝一夕能追上的,英特尔的工艺良率和产能爬坡能力还需要市场验证。但方向已经很明确了:AI芯片设计公司不想被台积电”卡脖子”,英特尔需要这些订单来实现复兴,双方各取所需。

    对于整个AI产业链来说,代工环节的多元化是好事。竞争能让价格更合理,也能让芯片设计公司有更多议价权。只是台积电这么多年的技术积累和市场地位,不是几笔订单就能撼动的——这场代工之战,才刚刚开始。

  • Google AI Plus月费砍到4.99美元,订阅价格战已经打到家门口

    Google把AI订阅的价格战,实实在在地打到了美国消费者的家门口。

    本周一,Google宣布将Google AI Plus的月费从7.99美元直接砍到4.99美元,同时把这个档位的云存储容量从200GB翻倍到了400GB。AI Plus是Google今年1月才在美国推出的低价付费订阅方案,目标用户是个人和学生,不是企业客户。

    Google AI Mode
    Google AI Plus降价,打响AI订阅价格战 | 图片来源:TechCrunch

    为什么这件事值得认真关注

    从功能配置来看,AI Plus其实并不寒酸。套餐里包含Omni Flash视频生成工具、创意工作室Google Flow,还有Google的研究助手NotebookLM。

    AI基础设施正在重演互联网时代的故事——当用户只在乎能不能用和多少钱,品牌和技术壁垒就会快速被侵蚀。

    历史的参照:当基础设施变成大宗商品

    消费科技风险投资公司Goodwater Capital的联合创始人Chi-Hua Chien认为,Google的纵向整合能力、分发渠道和捆绑销售优势,恰恰是那种会随着时间推移侵蚀纯AI提供商利润的力量。

    如果把时间拉回互联网时代,当时的基础设施公司包括微软、思科、甲骨文、北电、朗讯、Akamai。这些公司里有很多在一段时间里活下来了,但今天都不值什么钱了。原因很简单:在每一次重大的科技转型里,基础设施玩家都会被激进地大宗商品化,因为终端用户根本不在乎数据包跑在谁的硬件上。


  • NotebookLM悄悄升级Gemini 3.5,你的AI笔记本现在能跑代码了

    NotebookLM Gemini 3.5 upgrade
    NotebookLM升级Gemini 3.5,每一个笔记本现在都连着一台云电脑 | 图源:The Verge

    你的AI笔记本,现在能自己跑代码了

    谷歌这两天悄悄给 NotebookLM 推了个大版本更新,可能很多人还没注意到。简单说就是:NotebookLM 现在用上了 Gemini 3.5,而且每一个笔记本背后都连着一台”云电脑”。

    这个变化比听起来要大。以前 NotebookLM 主要做的是帮你整理笔记、回答你导入材料里的问题,本质上是个”阅读理解”工具。现在不一样了——它能写代码、跑代码、生成图表、输出各种格式的文件,已经有点像个住在你笔记本里的研究员了。

    谷歌在官方博客里说,升级后的NotebookLM”更准确、更可靠”。但真正有意思的不是这个说法,而是它现在能做的事。


    云电脑是什么意思

    这次更新最核心的变化,是 NotebookLM 现在跑在谷歌的代理编码平台 Antigravity 上。每一个你创建的笔记本,背后都挂着一台安全的云计算机。

    这意味着什么?意味着 NotebookLM 不再只是”回答问题”——它可以主动写代码来做分析,然后把代码扔到那台云电脑上跑,再把结果返回给你。你要它帮你分析一组数据,它可以直接写Python代码、跑统计、画图表,然后把图表给你。

    以前要做到这个程度,你得自己会写代码,或者至少会用 Colab、Jupyter 这类工具。现在你在 NotebookLM 里用自然语言描述你想做什么,它自己就把代码写了、跑了、结果也给你了。

    输出的格式也多了很多。除了以前的文字回复,现在还能直接给你出 PDF、Excel、PowerPoint、CSV 表格,甚至是数据可视化图片(PNG、SVG)和用 Nano Banana 生成的图像。


    不用导入资料也能用了

    另外一个挺实用的更新:你现在不需要先导入笔记或YouTube视频,直接问 NotebookLM 一个问题,它就会自己去调用谷歌搜索帮你找来源。

    这其实是对之前”发现”功能的升级。以前那个功能主要是帮你找资料来源,现在直接整合进了主流程——你问问题,它找资料,然后基于找到的资料回答你,同时把来源列出来,你可以选择把哪些来源导入到笔记本里。

    这个改动看起来小,实际上降低了使用门槛。以前你得先有组织笔记的习惯,才会想到用 NotebookLM。现在哪怕你只是想快速了解一个话题,也可以直接把它当搜索工具来用,而且比普通搜索靠谱——因为它会给出来源,你可以追溯。


    目前只有高价用户能用

    当然,谷歌一贯的作风——好功能先给有钱的用户用。这次更新目前只推送给 Google AI Ultra 订阅用户和 Workspace 用户。普通用户什么时候能用上,谷歌没说。

    AI Ultra 每月要付的钱不少,Workspace 也是企业级收费。所以某种程度上,这也是谷歌在给自己的高价订阅套餐增加卖点。但你不得不承认,如果这些功能最终下放到免费版或低价版,竞争力会相当强。

    想想看:一个能自己跑代码来做分析的 AI 笔记工具,还自带搜索和来源追溯,而且所有计算都在云端完成,不占用你本地资源。对于做研究、写报告、分析数据的人来说,这基本上就是把以前需要好几个工具配合才能做的事,塞进了一个界面里。

    • 研究人员可以用它快速做文献综述和数据分析
    • 学生可以用它整理学习笔记、生成复习材料
    • 职场人可以用它处理报告、做数据可视化
    • 内容创作者可以用它整理素材、生成多格式内容

    AI笔记工具的角逐开始了

    NotebookLM 这个产品方向,其实挺能代表谷歌在 AI 消费级产品上的思路:不追求最炫的演示,而是把 AI 能力悄无声息地嵌进你已经在用的工具里。

    对比一下,苹果的 WWDC 刚说要让 Siri 能帮你做更多事,微软在推 Copilot,Notion 也有 AI 功能。但 NotebookLM 的打法不太一样——它从一个明确的场景(笔记+研究)切入,然后把 AI 能力一层层加上去,每一步都让你觉得”嗯,这个确实有用”,而不是”哇好厉害但我要它干嘛”。

    这次加上云电脑和代码执行能力,算是往前迈了一大步。接下来就看其他家怎么跟了。可以预期的是,类似的”AI+代码执行+多格式输出”的能力,很快就会出现在其他笔记和生产力工具里。

    如果你有 Google AI Ultra 或 Workspace 账号,现在就可以去试试新版本的 NotebookLM。没有的话,可能还得等一段时间。但不管怎样,这个方向值得关注——它很可能改变很多人做研究和整理信息的方式。