新智元报道

【导读】谷歌DeepMind正式发布Gemma 4技术报告。谷歌Gemma 4通过架构创新，文深证明了端侧大模型已摆脱“云端廉价替代品”的夜解云端标签，具备原生多模态理解与深度推理能力，直逼成为独立的闭源智能体。

Gemma 4技术报告核心亮点

在开发实时多模态应用时，前沿敲响传统架构往往面临巨大挑战：音视频数据需跨越网络传输至云端，丧钟导致API成本高昂、谷歌延迟不可控，文深且易受网络抖动和隐私合规限制。夜解云端长期以来，直逼业界普遍认为端侧模型仅能处理基础文本，闭源深度推理与多模态理解被视为依赖海量算力（如数万张A100）的前沿敲响云端特权。

然而，丧钟7月初Google DeepMind发布的谷歌Gemma 4全系采用Apache 2.0协议彻底开源，标志着这一范式的转变。

技术报告链接：https://arxiv.org/abs/2607.02770

Gemma 4进行了一次底层架构重构：移除了传统多模模型中沉重且必要的独立视觉与音频编码器，将顶级云端AI的推理能力压缩至可在笔记本甚至手机端离线运行的轻量级模型中。

架构革新：消除“中间翻译官”，实现原生多模态融合

传统多模态架构通常采用“胶水模式”：挂载独立的视觉编码器（如CLIP）和音频编码器（如Whisper），将像素和波形转换为向量后输入LLM。这种架构在算力受限时代虽为权宜之计，却存在内存撕裂、无法端到端优化及显存开销巨大等缺陷。

Gemma 4 12B模型打破了这一惯例：

1. 移除独立编码器：砍掉了庞大的视觉和音频专用模块。
2. 极简投影层：仅保留一个35M参数的投影层，将原始图像像素块和40毫秒音频波形直接映射至LLM的统一嵌入空间。
3. Unified Transformer：单一模型同时处理视觉、听觉和文本输入，实现真正的端到端协同。

尽管直接输入原始数据极易导致文本能力退化，但DeepMind通过大规模的联合预训练，成功实现了三者深度融合。

结果：普通消费级显卡或16GB VRAM的MacBook即可本地实时运行原生音画文三位一体交互。开发者无需为多个模型争夺内存资源，整张显卡仅由一个“大脑”统一调度，显著降低了多模态应用的部署门槛。

深度思考能力下沉：Thinking Mode在边缘设备上的突破

“慢思考”（Slow Thinking）曾是云端大模型（如OpenAI o1、DeepSeek R1）的核心护城河，依赖高昂的云端吞吐和Token消耗进行自我审视与推理。

Gemma 4的革命性在于将Thinking Mode原生下放至所有边缘尺寸模型（包括2.3B和4.5B版本）：

通过<|think|>控制Token，用户可在本地触发高密度推理轨迹。技术报告显示，Gemma 4 31B Thinking版本在无任何外部工具辅助的情况下，对比前代Gemma 3 27B IT，在复杂数学、前沿科学及Agent工具调用任务上实现了性能的非线性爆发。

这一表现不仅超越了前代更大规模的模型，更在多项高难度任务上对参数量数倍的闭源模型形成了竞争态势。此外，DeepMind同步推出了多Token预测草稿模型和量化感知训练技术，大幅缩短了本地深度思考的等待时间，提升了推理效率。

当“思考”不再依赖昂贵的云端API，而是成为边缘设备的基础能力，行业竞争焦点将从模型规模转向单位参数的认知密度。

开源战略：Apache 2.0协议下的算力经济学变革

Gemma 4全系采用Apache 2.0协议开源，这一举措被视为对传统云端API商业模式的重构。过去，云端巨头通过锁定高阶模型能力并按Token收费获取暴利。Gemma 4通过端侧部署带来了结构性改变：

• 数据主权：敏感数据100%保留在本地，消除合规风险。
• 零延迟交互：本地处理消除网络抖动，实现近乎实时响应。
• 边际成本趋零：一次性硬件投入后，后续使用成本极低。
• 硬件门槛降低：普通笔记本、Jetson Nano甚至树莓派5均可作为原生AI服务器。

当开发者意识到手机或笔记本已具备实时环境感知、代码理解及毫秒级深度思考能力时，继续依赖云端API的必要性将大幅降低。

结语：智能的私有化与普惠化

Gemma 4的发布标志着AI时代从“规模叙事”向“结构与主权”的革命性转变。真正的技术普惠并非让数十亿人共享昂贵且遥远的云端中枢，而是赋予每个设备和用户专属的智能。

未来的智能将如离线地图或百科全书般，在无需联网的情况下静默伴随用户。当智能实现离线化、私有化和便携化，我们需重新审视智能的本质：何为属于人类的智能？何为属于每个人的智能？

参考资料：

• X平台讨论
• 技术报告摘要
• 技术报告全文PDF

编辑：大卫

(责任编辑：知识)