趁着最近各种年度总结都出来了，我们在这篇文章里，也总结了一波 Google 今年在 AI 方向上的发力，给我们的实际体验，又带来了多大的能力提升。在谈论这些产品更新之前，Gemini 和 Nano Banana 两大「基座」模型是绕不开的内容。没有 Gemini 和 Nano Banana，Google 就是巧妇难为无米之炊。
在一场技术演讲中，Netflix 工程部的资深大牛 Jake Nations，开场就抛出了一个几乎所有工程师都心照不宣的“坦白”。几乎每个正在使用 Copilot、Cursor、Claude 写代码的人，都干过同一件事：让 AI 生成代码，看起来没问题，就直接交付。测试通过、功能可用、部署成功，但当系统真的在凌晨三点出问题时，没人能再说清楚它为什么还能跑。
我们在《RoboNeo 拿下百万 MAU，净利润再次大涨 70%，有 AI 加持的美图开挂了？》中分析过美图的财报，从业绩看，美图在生产力场景主要的成绩在于付费率的提升，而在生活场景的亮点则是海外增长。
今天，我想以一个 AI 实战派的身份，再次向大家推荐我目前心中“信息核查”的 No.1 工具——Google 搜索 AI 模式（Google Search AI Mode）。为什么是它？Gemini / ChatGPT 们做不到吗？
他们开发了一个叫做 Lemon Slice-2 的 AI 模型，可以把任何一张静态图片——无论是公司员工照、卡通角色、还是文艺复兴时期的油画——瞬间变成一个能实时对话的视频头像。
欧洲音频公司 Mirelo AI 刚刚拿下 4100 万美元种子轮，由 a16z 与 Index Ventures 领投。他们不是再做一个剪辑工具，而是训练自己的音频模型，主打用户给视频，Mirelo 补上所有声音。自动生成音效与配乐，并把它们精确同步到画面上。
对很多 AI 领域的创业团队来说，「出海」已经不再是可选项，而是必选项。随之而来的难题是如何高效地搭建一个全球化团队。 跨国招聘，找到完全匹配的人很难，传统的招聘方式也越来越不灵了； 海外主体还是 E
「假如一条失控的电车冲向一个无辜的人，而你手边有一个拉杆，拉动它电车就会转向并撞向你自己，你拉还是不拉？」 这道困扰了人类伦理学界几十年的「电车难题」，在一个研究中，大模型们给出了属于 AI 的「答案」：一项针对 19 种主流大模型的测试显示，AI 对这道题的理解已经完全超出了人类的剧本。
上个月我从旧金山去纽约参加了 AI Engineer Summit，这是 AI Engineering 里每年最值得关注的硬核会议，也是一年一度头部 AI 工程师们的“聚会”。 它采用邀请审核制
开发周期被打破了。曾需数月打磨的 MVP，如今近七成可在一个月内上线；曾需十人协作的产研流程，如今超七成由三人以下小团队完成。AI Coding 工具已不再是辅助，而是主力：仅 1% 的创作者仍完全手写代码，近六成将多数乃至全部编码交予 AI。效率的跃升前所未有，但随之而来的是一个尖锐的问题：快，是否等于有价值？
