刚刚，霸气的谷歌又赢了！

编辑 ｜ 云昭

刚刚过去的24小时，是谷歌又一次的高光时刻。

今天的谷歌，发生了两件大事。

两年，5位得主诺奖再一次花落谷歌系

不到9个小时前，谷歌CEO皮查伊骄傲的心情再一次藏不住了。

当得知自家量子AI实验室的两位大佬又一次获得了诺贝尔物理学奖时，他忍不住在X上置顶了一条推文。

图片

“祝贺 Michel Devoret、John Martinis 和 John Clarke 获得诺贝尔物理学奖。🔬🥼

Michel 是我们量子 AI 实验室的硬件首席科学家，John Martinis 多年来一直领导该实验室的硬件团队。

他们在上世纪 80 年代量子力学领域的开创性研究，使得如今的突破成为可能，也为未来可实现误差校正的量子计算机奠定了基础。

我昨天刚在圣塔芭芭拉的量子实验室看到令人惊叹的进展，希望他们今天能好好庆祝。今早感到无比幸运——能在一家拥有 5 位诺贝尔奖得主的公司工作，而且仅两年就拿下了 3 个奖项！”

图片

去年的诺奖的得主还记得吗，辛顿和现任DeepMind CEO Demis，这两位也都是谷歌系的。

图片

图片

小编这就帮大家梳理下，近两年，谷歌有哪些诺贝尔奖得主（现任或校友）。

1. Geoffrey Hinton

• 所属：曾在 Google Brain 工作。
• 获奖情况：2024 年诺贝尔物理学奖。
• 奖项理由：因其在机器学习与神经网络方面的基础性发现与发明，这些发现与发明使现代人工智能尤其是深度学习成为可能。

2. Demis Hassabis

• 所属：Google DeepMind 的联合创始人兼 CEO。
• 获奖情况：2024 年诺贝尔化学奖。
• 奖项理由：与 John Jumper 等一起通过 AI 模型（AlphaFold2）预测几乎所有已知蛋白质结构，解决了生命科学中长期未解的蛋白质结构预测问题。

3. John Jumper

• 所属：Google DeepMind 的资深研究科学家。
• 获奖情况：与 Hassabis 共同获得 2024 年诺贝尔化学奖。
• 奖项理由：同上，参与 AlphaFold2 项目，蛋白质结构预测。

4. Michel Devoret

• 所属：现为 Google Quantum AI 的硬件首席科学家。
• 获奖情况：2025 年诺贝尔物理学奖。
• 获奖理由：他与 John Martinis, John Clarke 等人的研究在 1980 年代展示了宏观量子隧穿现象，在电路中观察到量子能级的量子化，为超导量子比特和量子计算机的硬件基础奠定了基础。

5. John Martinis

• 所属：曾长期领导 Google 的量子硬件团队（Google Quantum AI）。
• 获奖情况：2025 年诺贝尔物理学奖，与 Michel Devoret 和 John Clarke 共同获得。
• 获奖原因：同上，参与上述宏观量子效应的实验与电子电路的设计。

谷歌发布最新版本：计算机使用（computer-use）模型

今天，让皮查伊高兴的另一件事，则是其DeepMind实验室发布的最新Gemini 2.5 Pro的版本： “Gemini 2.5 Pro Computer Use”。

顾名思义，它并不是一个普通的聊天模型。这一版本专门强化了与用户界面的直接交互能力，包括网页与移动端应用。

它会“看屏幕”，系统会给它网页截图、历史操作记录，然后让它决定下一步该点击哪里、输入什么。这一循环持续进行，直到任务完成或出现错误。

据谷歌blog中介绍，该模型经过了专门微调与定制训练，可以通过虚拟浏览器为用户执行网页操作：上网检索、填写表单，甚至直接在网站上采取行动——只需用户输入一句文字指令。

在安全层面，谷歌设置了严格限制——比如，当模型遇到验证码（CAPTCHA）时，它可以生成点击动作，但必须等待人工确认，不能私自越权。

换句话说，Gemini 2.5 已经具备“行动力”，但还处于“有安全带的自由”阶段。

皮查伊在社交平台 X 上发文称：“目前还只是早期阶段，但模型能够与网页交互——比如滚动、填写表单、导航下拉菜单——这是构建通用智能体（general-purpose agents）的重要一步。”

图片

不过，该模型目前尚未面向普通消费者开放。

但这并不影响大家对于该款模型的热情。Hackernews上，网友的讨论已经热闹了起来。

大家热议的点在于，让AI帮自己操作计算机或手机，的确有不少刚性需求，比如下面爱骑车听播客的这位。

图片

值得注意的是，OpenAI很早就开始了这方面的探索，今年年初，智能体Operator访问网站的例子让人印象深刻。而在假期前，Anthropic 也发布了最强版本的Claude Sonnet 4.5，computer use 也是其主打的宣传点之一。

那么，这次谷歌新发布与Operator、Sonnet 4.5 相比，有何不同呢？

答案就是，Gemini 2.5 Computer Use 目前的核心能力聚焦在网页与移动端界面操作：点击、输入、滚动，并没有支持直接创建文件——它无法生成PPT、Excel或文档。

若需结构化输出（如文件），则需由开发者通过自定义代码或第三方工具处理。

但这反而让它的定位更纯粹：Gemini 2.5 是一个专门面向“界面交互自动化”的Agent，而不是一个全能的文件助理。

｜工作原理：指令+截图+操作记录

由 Computer Use 模型驱动的智能体在一个“交互循环”中运行。每次循环中，它接收以下输入：

1. 用户任务指令
2. 当前界面截图
3. 历史操作记录

模型分析后输出一个界面操作建议，比如点击按钮或在输入框中键入内容。如任务涉及风险（例如购买行为），模型会请求用户确认。

执行后，系统会截取更新的界面截图并重新输入模型，循环持续，直到任务完成或被错误/安全机制中止。

模型使用专门的 computer_use 工具，可通过 Playwright 或 Browserbase 的沙盒环境集成到自定义系统中。

｜哪里可以体验？

这次谷歌选择了一家名为 Browserbase 的公司进行首批合作。

这家公司由前 Twilio 工程师 Paul Klein 于 2024 年初创立，提供专为 AI agent 和应用设计的虚拟“无头浏览器”服务。所谓“无头浏览器”，是指无需图形界面（GUI）即可浏览网页的浏览器——不过 Browserbase 为用户显示了一个可视化的网页操作界面。

用户现在可以在 Browserbase 网站上直接体验 Gemini 2.5 Computer Use，并能与 OpenAI 或 Anthropic 的同类产品做对比——Browserbase 为此推出了一个新的“Browser Arena”比拼平台（但每次只能选一个竞争模型与 Gemini 同时对比）。

对于 AI 开发者而言，这款模型可通过 Gemini API（在 Google AI Studio） 和 Google Cloud 的 Vertex AI 模型平台获取，用于快速原型开发。

｜实测：能选中摩托车的AI，秒过验证

在媒体的早期测试中，Gemini 2.5 成功打开了泰勒·斯威夫特的官方网站，并准确描述了首页展示的内容。

更有意思的是，在另一项任务中，它被要求在亚马逊上查找高评分的太阳能灯。途中遇到 Google 搜索验证码“请选择所有有摩托车的方格”时，Gemini 2.5 居然秒过——证明它能“看懂”并“选择”。

虽然最终任务卡在后续页面，但这已经算得上是一种质变：相较于之前的浏览索索，这次真真儿是一个能执行视觉与操作任务的系统。

｜性能评测

谷歌称，Gemini 2.5 Computer Use 在多个界面操作基准测试中表现领先，超越了包括 Anthropic Claude Sonnet 和 OpenAI Agent 在内的主要竞争者。测试由 Browserbase 与谷歌团队共同进行。

图片

部分结果如下：

• Online-Mind2Web（Browserbase）：Gemini 2.5 得分 65.7%，Claude Sonnet 4 为 61.0%，OpenAI Agent 为 44.3%。
• WebVoyager（Browserbase）：Gemini 2.5 得分 79.9%，Claude Sonnet 4 为 69.4%，OpenAI Agent 为 61.0%。
• AndroidWorld（DeepMind）：Gemini 2.5 得分 69.7%，Claude Sonnet 4 为 62.1%；OpenAI 模型因访问受限未能测评。
• OSWorld：Gemini 暂不支持；竞争者最高成绩为 61.4%。

谷歌补充称，该模型延迟更低，在 UI 自动化与测试类场景中表现尤为出色。

｜企业级落地：谷歌自己也在用

谷歌称，内部和外部多个团队已在不同场景中使用该模型：

• Google 支付团队表示，该模型能恢复超过 60% 的失败测试用例，显著减少工程低效。
• Autotab（第三方 AI agent 平台）称该模型在复杂数据解析任务上性能提升达 18%。
• Poke.com（主动式AI助手公司）指出，Gemini 模型在界面交互中速度比竞品快 50%。
• 此外，该模型也被用于谷歌内部项目，如 Project Mariner、Firebase 测试代理，以及 Search 中的 AI 模式。

｜安全与约束：谷歌设置了多层安全带

由于模型能直接控制软件界面，谷歌强调采用多层安全机制：

• 每一步操作前都有安全服务审查。
• 开发者可设定系统级指令来阻止或强制确认特定行为。
• 模型内置安全防护，防止触发敏感或违规操作。

例如，当模型遇到验证码（CAPTCHA）时，会生成点击动作，但标记为“需用户确认”，防止自动绕过安全验证。

｜价格政策：仅支持付费用户

Gemini 2.5 Computer Use 的定价与标准版 Gemini 2.5 Pro 基本一致。

但在访问层级与功能上有所不同：

• Gemini 2.5 Pro 提供免费层，开发者可免费调用（受限于速率或配额），并包含输入与输出 token。
• 一旦超出配额或切换到付费层，按标准费率计费。
• Gemini 2.5 Computer Use 则仅提供付费层，没有免费访问。

此外：

• Pro 版支持“上下文缓存”（每百万 token 收费 $0.31）与“Google 搜索接地”（每日1500次免费，之后每千次$35）。但 Computer Use 暂不支持这些功能。
• 在数据使用政策上，Computer Use 的付费使用不会用于改进谷歌产品，而 Pro 免费层的数据则默认用于模型优化（除非用户选择退出）。

总的来说，两款模型的 token 成本相近，但开发者应依据访问层、功能需求及数据政策选择使用哪一版本。

为什么谷歌如此恐怖？

谷歌，又是谷歌。有没有发现，谷歌已经在一次又一次浪潮中始终站在前沿？不管是现在大火的GenAI，还是更有未来想象力的量子计算。

为什么谷歌创造了这么多前沿贡献？小编看来有这样几点：

首先，谷歌自诞生之初就有一种研究文化，天然会把科学家放在核心位置。

谷歌一开始就不是一家“纯互联网公司”，而是由两个博士（拉里·佩奇和谢尔盖·布林）在斯坦福实验室里创立的。这意味着它的DNA里天然带着“科研导向”——从论文出发解决实际问题。

据了解，Google Research 和 DeepMind 的团队结构跟大学实验室几乎一模一样，研究员们不以“交付KPI”为核心，而以“发表论文、推动领域前沿”为荣。

许多顶级科学家都愿意留下来，因为他们在谷歌不仅能拿到顶薪，还能在工业界做出诺奖级的基础科学突破。

其次，基础科学投入超常。谷歌的研发支出是全世界最高之一（可以说是按国家级实验室级别来烧钱的），单2024年就超过 430亿美元，而其中很大一部分投入了没有短期商业回报的项目，比如：量子计算（Google Quantum AI）、深度学习（Google Brain、DeepMind）、AI 芯片（TPU）、材料科学、生物信息学（AlphaFold）等等。

而大家都知道，许多公司往往是把ROI放在第一位的。而谷歌他们的逻辑是：基础科学一旦突破，未来的商业生态会自动生长出来（比如 AlphaFold→药物发现、TPU→云计算）。

其次，当然这些也看得出来，也是谷歌的超前的科研布局。谷歌每10年都会做几次“豪赌”：

• 2010s：赌 AI → 成功（Google Brain、DeepMind）
• 2020s：赌 Quantum → 已见成果（量子霸权、2025诺奖）
• 2030s：可能赌 AGI 或 AI+生物、AI+能源

这种布局让谷歌总能站在下一个科学前沿的入口。诺奖得主的集中出现，正是这些“长线投注”的副产品。

第四点，开放协作 + 学术生态。

谷歌和学界的边界非常模糊。它的研究员可以：

• 持续在 Nature、Science、NeurIPS 等顶会发论文；
• 兼任高校教授（比如 Devoret 在耶鲁、Hassabis 在剑桥都有研究身份）；
• 与全球大学联合培养博士后或实验项目。

这让谷歌成了学界的“延伸实验室”——科学家不必离开科研生态就能获得工业级资源。

第五点，文化层面上看，管理者皮查伊自带的“科学信仰”。

大家可能不知道，Sundar Pichai 本人是材料科学出身的工程师，而非纯商业背景的CEO。

他对科研的态度非常“宽容”——允许团队做高风险、高成本的探索项目（比如 Waymo、Verily、Quantum AI）。

他常说一句话：“我们不做每一个可能赚钱的项目，只做那些能让科学往前走的事。”

这句话其实解释了谷歌的核心逻辑——科学带来垄断，创新是最好的护城河。

参考链接：

​​https://blog.google/technology/google-deepmind/gemini-computer-use-model/​​

​​https://www.nobelprize.org/all-nobel-prizes-2025/​​

本文转载自​​51CTO技术栈​​，作者：云昭