Google DeepMind Co-Scientist 助力发现肝纤维化再利用药物
斯坦福大学医学院遗传学家 Gary Peltz 团队用 Google DeepMind 的 Co-Scientist 筛选抗肝纤维化药物,其提出的 3 个候选中有 2 个在活体人类肝细胞测试中阻断纤维化并促进肝细胞再生,而 Peltz 自行挑选的 2 个药物均无效。
斯坦福大学医学院遗传学家 Gary Peltz 团队用 Google DeepMind 的 Co-Scientist 筛选抗肝纤维化药物,其提出的 3 个候选中有 2 个在活体人类肝细胞测试中阻断纤维化并促进肝细胞再生,而 Peltz 自行挑选的 2 个药物均无效。
Google DeepMind 与 Google Research 开发的 AI 天气模型 WeatherNext 帮助美国国家飓风中心提前五天以 80% 置信度预测飓风 Melissa 将以 Category 5 强度登陆牙买加,三天的置信度接近 100%。
Google DeepMind 发布 Gemini 3.5 模型系列,首发 Gemini 3.5 Flash,在 Terminal-Bench 2.1 得分 76.2%。
Google DeepMind 在 Nature 发布 Co-Scientist,一个基于 Gemini 的多智能体 AI 系统,可迭代生成、辩论并演化复杂科学问题的新假设。
Google DeepMind 披露 Gemini 驱动的编程智能体 AlphaEvolve 的最新落地成果:它优化 DeepConsensus 使变异检测错误减少 30%,将电网 AC Optimal Power Flow 的可行解比例从 14% 提升至 88%以上,并已用于下一代 TPU 设计。
Google DeepMind 发布 AI co-clinician 研究计划,探索 AI 在医生临床监督下作为护理团队成员与患者互动。在 98 个真实初级保健查询的盲测中,该系统 97 例零关键错误,表现优于两款医生常用 AI 系统;在 OpenFDA 的 RxQA 开放式用药问答上超越现有前沿模型。该计划还基于 Gemini 和 Project Astra 探索实时多模态远程医疗能力。
Shopify 微调 Qwen3-32B 工具调用智能体,把自然语言转成 Shopify Flow 工作流,用于其 AI 商务助手 Sidekick,速度提升 2.2 倍、成本降低 68%,并优于闭源模型。团队将 Flow 的 JSON DSL 转译为语义等价的 Python 表示后重新训练,同一批数据下语法正确率提升 22 个百分点、语义正确率提升 13 个百分点。
Google DeepMind 发布 Decoupled DiLoCo 分布式训练架构,将训练任务拆分为异步通信的"计算孤岛",在硬件故障下仍能持续训练。该架构用 2-5 Gbps 广域网络在四个美国区域训练了 120 亿参数模型,速度比传统同步方法快 20 倍以上,并支持 TPU v6e 与 TPU v5p 混合训练。
Google DeepMind 与埃森哲、贝恩、BCG、德勤、麦肯锡达成合作,推动前沿 AI 在企业规模化落地。合作方将获得包括 Gemini 系列在内的前沿模型早期访问权限,并直接对接 Google DeepMind 技术团队,聚焦金融、制造、零售、媒体娱乐等行业的智能体化转型。目前仅 25% 的组织成功将 AI 规模化投入生产。
Shopify Polaris 团队工程师把 Andrej Karpathy 提出的 Autoresearch 从模型训练迁移到工程指标优化,为它写了 Pi 扩展,让智能体围绕单一指标反复提出假设、测试、保留或丢弃,构建时间从 19.1 秒的基线下降 65%。
Google 推出 Gemini 3.1 Flash TTS,一款支持音频标签(audio tags)的文本转语音模型,可通过自然语言指令控制语音风格、语速和表达方式。
Google DeepMind 推出 Gemini Robotics-ER 1.6,一款面向机器人的推理优先模型,在空间与物理推理(指向、计数、成功检测)上较 Gemini Robotics-ER 1.5 和 Gemini 3.0 Flash 显著提升。
Google DeepMind 发布 Gemma 4 开源模型家族,含 E2B、E4B、26B MoE 和 31B Dense 四个版本,采用 Apache 2.0 许可。
Google DeepMind 公布四项交互原则,并展示由 Gemini 驱动的 AI 指针实验演示,用户可在 Google AI Studio 中通过指向加语音完成图像编辑、地图查找等操作。该能力已开始落地:Chrome 中可直接用指针就网页局部内容向 Gemini 提问,Googlebook 也将推出 Magic Pointer。
Shopify 用 Remix 构建了一款 AI 魔镜,通过镜后摄像头和显示屏识别顾客的穿着与动作,实时生成个性化信息与动画,单次互动不到一分钟。首个落地场景是 Rare Beauty 的腮红色号匹配,顾客按键拍照后由视觉模型推荐色号并同步邮箱至客户档案。魔镜还可生成折扣码、打印小票,并支持"以姿势付款"等互动玩法。
Shopify 构建了广度优先执行引擎 GraphQL Cardinal,对每个字段在所有对象上只解析一次,而非每个对象解析一次。大型列表查询执行速度最高提升 15 倍,内存占用减少 90%,P50 延迟可缩短数秒。该引擎针对传统深度优先遍历的线性扩展、字段级开销和 dataloader promise 等隐藏成本而设计。
Shopify 推出 SimGym,用数百个带人设、预算和购物意图的机器人智能体在云浏览器中逛店,几分钟内完成原本需要数周的 A/B 测试,零真实流量的商家也能用。
Shopify 构建了一套生成式推荐系统,直接基于原始用户事件序列做下一步商品预测,底层采用 HSTU 架构,并引入时间编码、改进的负采样和优化的 CUDA 内核以在内存与延迟预算内完成训练和线上服务。该系统在离线质量上取得显著提升并成功转化为线上效果,其背景是 BFCM 2025 期间 Shopify 处理了 2.2 万亿次边缘请求、超 8100 万消费者下单。
Shopify 与 Google 联合开发了 Universal Commerce Protocol(UCP),一个让 AI 智能体连接任意商家并完成交易的开放标准。
Shopify 开源了其内部 ML 实验平台 Tangle,该平台通过可视化界面构建数据与 ML 流水线,支持任意编程语言并在任意云或本地环境执行。Tangle 的全局缓存可自动复用重复计算,将原本数小时的结果缩短至秒级,Shopify 称已累计节省超过一年的计算时间。
Shopify 构建了 RankFlow 领域特定语言与 TurboDSL 执行引擎,让数据科学家用类 Python 代码在数分钟内上线基于数十亿查询训练的 transformer、神经排序器和 LightGBM、Catboost 模型,同时保持原生 C++ 速度。
Shopify 构建了一套 AI 多智能体系统,用于持续演进其商品分类体系,而非仅做商品归类。该系统管理着 10,000+ 类别和 2,000+ 属性,每天处理数千万次预测,通过结构一致性与商品数据洞察两类专用智能体协同发现改进点。系统还引入真实商家商品数据作为依据,并能识别“具体类别等于宽泛类别按属性值过滤”的复杂等价关系。
Shopify 在 ICML 2025 分享了 Sidekick 智能体系统的构建经验:工具数量从 0-20 个扩展到 50+ 后出现"千条指令之死",团队改用 Just-in-Time 指令按需注入,兼顾可维护性与缓存效率。
Shopify 发布 MCP UI,扩展 Model Context Protocol,让 AI 智能体在对话中返回可交互的 UI 组件而非纯文本。该协议支持 Inline HTML、远程资源和 Remote DOM 三种交付方式,通过 intent 消息系统让组件将用户操作(如 view_details、checkout、notify)上报给智能体处理,保持智能体控制权。
Shopify 在 ICLR 2025 Expo 上分享了其全球商品目录(Global Catalogue)的工程实践,通过微调视觉大语言模型同时执行商品分类、属性抽取、图像理解、标题标准化等多项任务,每天完成 4000 万次多模态 LLM 推理。该目录分为商品数据、商品理解、商品匹配与对账四层,每日以流式方式处理超 1000 万条商品更新,服务于搜索、推荐和对话式商务。
Shopify 工程团队披露其机器学习布局:用微调 Qwen 多模态模型对商品做分类与元数据增强,日均推理量达数亿次;用微调 LLaMa 模型结合 MCP 构建商家助手 Sidekick,并以微调 Nomic 嵌入向量支撑搜索与推荐。基础设施上与 GCP 合作并接入 Nebius 等 neo-cloud 获取 GPU 训练集群。
Shopify 重构了 admin.shopify.com 的底层架构,使 Admin 页面加载速度提升 30%,同时为 AI 功能打基础。该后台每天承载 6700 万次页面浏览,由 101 个团队、日均约 350 个 PR 共同开发,TypeScript 代码量自 2020 年以来翻倍。
Shopify 工程团队分享了 React Native 图形栈的新进展:基于 Dawn(Google 开源 WebGPU 实现)的 Skia Graphite 后端将 Android 的 OpenGL 与 iOS 的 Metal 两套实现统一,使 Three.js、React Three Fiber 和 TensorFlow.js 可在 React Native 上原生运行。
Shopify 的 Augmented Engineering DX 团队开源了工作流编排框架 Roast,用 YAML 配置和 markdown 提示词把非确定性的 AI 步骤与普通代码执行交错编排,使多步智能体流程可版本控制、可测试、可复现。
Shopify 产品理解系统现基于 Shopify Product Taxonomy 与视觉语言模型两大基础,覆盖超 26 个业务垂直领域、1 万多个产品类目和 1000 多个产品属性。其模型从 LlaVA 1.5 7B 迭代至 LLaMA 3.2 11B,现采用 Qwen2VL 7B,并借助 FP8 量化、Nvidia Dynamo 在途批处理和 KV cache 优化提升推理效率。
Shopify 通过实时 Embedding 流式管道为 Storefront Search 提供语义搜索能力,目前每秒处理约 2,500 个 Embedding(每天约 2.16 亿个),覆盖图像与文本管道。
Shopify 为 Sidekick 开发了缓冲式 Markdown 解析器和事件发射器,将多个流与事件多路复用为单一流逐块渲染,解决了 Markdown 渲染卡顿和响应延迟两大问题。