Google DeepMind 深度拆解 — AI 研究巨头

开场

Alphabet 2026 年资本支出预算：1750 亿到 1850 亿美元，几乎是 2025 年 914 亿的两倍。这笔钱的大头指向一个方向——AI 算力，而 Google DeepMind 是这笔投入的核心受益者。我在项目中同时用 Gemini API 和 Claude/GPT API 做过多次对比测试，也在 Vertex AI 上部署过企业级应用。Google DeepMind 是一个很特殊的存在——它不是创业公司，而是万亿级巨头的 AI 引擎。拆解它需要用不同的框架。

他们解决什么问题

Google DeepMind 解决的不是一个具体的痛点，而是一组根本性问题：如何让 AI 的研究突破转化为可用的产品和基础设施。

它的存在意义分三层：

1. 基础研究：推进 AI 能力的边界——AlphaFold 解决了蛋白质折叠，AlphaGo 在围棋上胜过人类，Gemini 系列在多个基准测试上和 GPT/Claude 交替领先
2. 产品集成：把研究成果注入 Google 的产品线——搜索、Gmail、Workspace、Android
3. 云服务变现：通过 Vertex AI 和 Gemini API 让企业客户付费使用这些能力

目标客户极其广泛——20 亿 Google 用户都是潜在受益者，而 Google Cloud 的企业客户是直接付费方。

产品矩阵

核心产品

Gemini 模型系列：

• Gemini 3.1 Pro（2026 年 2 月发布）：最新旗舰，多模态能力全面
• Gemini 2.5 Pro/Flash：上一代主力，Flash 系列专注性价比
• Gemini 2.5 Flash-Lite：$0.10/$0.40 每百万 token，入门级价格
• Gemini 3 Deep Think：专门针对科学和数学推理的模型

Gemini 消费端：面向普通用户的 AI 助手，正在替代 Google Assistant。2025 年活跃用户约 3.5 亿。

Vertex AI：Google Cloud 上的 AI 开发平台。不只是跑 Gemini 模型，还提供 Model Garden（多模型选择）、AutoML、数据管道、MLOps 全套工具。

AlphaFold / AlphaCode / AlphaProof：科研级 AI 产品。AlphaFold 对生物学的影响是诺贝尔奖级别的——Demis Hassabis 因此获得 2024 年诺贝尔化学奖。

技术差异化

DeepMind 的技术深度在行业内没有争议。关键差异化：

• 原生多模态：Gemini 从架构层面就是多模态的，不是文本模型加上视觉模块
• 搜索集成：Google 搜索的索引是 Gemini 做 Grounding 的独家优势
• TPU 芯片：不依赖 Nvidia，自研 TPU 给了 Google 成本和供应链上的独立性
• 科研产出：2025 年的研究突破覆盖了 AI 安全、天气预测、材料科学等 8 个领域

商业模式

定价策略

方案	价格	目标客户
Gemini Free	$0	个人用户
Gemini Advanced	~$20/月（Google One AI）	个人重度用户
Gemini API Free Tier	$0（有速率限制）	开发者试用
Gemini 3.1 Pro API	$2.00/$12.00 每百万token	企业/开发者
Gemini 2.5 Pro API	$1.25/$10.00 每百万token	企业/开发者
Flash-Lite API	$0.10/$0.40 每百万token	高吞吐量场景
Vertex AI	用量计费 + 增值服务	企业

收入模式

Google DeepMind 的收入不单独披露，融合在三个层面：

1. Google Cloud：2025 年同比增长 34%，AI 服务是核心增长动力
2. 广告增强：AI 提升搜索广告的相关性和转化率
3. Workspace 增值：Gemini 集成到 Gmail、Docs、Sheets 带来的高级订阅收入

这种模式的特殊性在于：DeepMind 不需要独立盈利，它的价值通过 Alphabet 的整个商业体系变现。

融资与估值

Google DeepMind 不是独立融资的实体。2014 年 Google 以约 5 亿美元收购 DeepMind，2023 年与 Google Brain 合并。作为 Alphabet 子公司，它的"融资"就是母公司的资本支出——2026 年高达 1750-1850 亿美元。

这意味着 DeepMind 拥有 OpenAI 和 Anthropic 无法匹敌的弹药库：不需要融资，不需要盈利压力，可以持续投入。

客户与市场

标杆客户

• Google 搜索 / Gmail / Workspace：内部最大客户，20 亿+ 用户
• Google Cloud 企业客户：通过 Vertex AI 接触 Gemini 的企业用户群
• 科研机构：AlphaFold 被全球超过 200 万研究者使用

市场规模

Google Cloud 2025 年收入超过 400 亿美元，AI 服务是其增长最快的部分。如果把 Gemini 对搜索广告的增量效应算进去，DeepMind 影响的市场规模在数千亿级别。

竞争格局

维度	Google DeepMind	OpenAI	Anthropic	Meta AI
研究深度	最深（诺贝尔奖级）	强	强（安全方向）	强（开源方向）
用户规模	3.5亿（Gemini）+ 20亿（Google 生态）	8亿 WAU	较小	开源分散
自研芯片	TPU（完全自研）	无（依赖 Nvidia）	无	自研中
云平台	Vertex AI（GCP）	Azure OpenAI	AWS Bedrock	—
开源策略	Gemma（部分开源）	部分	不开源	Llama（全面开源）
盈利模式	Alphabet 补贴+变现	独立但亏损	独立但亏损	Meta 补贴

我实际看到的

好的：Gemini 2.5 Flash 的性价比在我测试过的模型中排名前列——$0.15/$0.60 每百万 token 的价格下，能力接近 GPT-4o。Vertex AI 的企业功能（Model Garden、Grounding with Google Search、Context Caching）在实际部署中很实用。对已经在 GCP 上的团队来说，选择 Gemini 几乎是无缝衔接。

复杂的：Google 的产品命名和策略变化太频繁。从 Bard 到 Gemini，从 PaLM 到 Gemini，从 Google Brain + DeepMind 分离到合并——每 6-12 个月就有一次重大调整。这种不确定性让企业客户在做长期绑定时犹豫。Gemini 消费端产品的体验打磨程度明显不如 ChatGPT，交互设计有明显的"Google 工程师审美"——功能齐全但不够直觉。

现实的：Google DeepMind 的最大优势也是它的最大限制——它是 Alphabet 的一部分。这意味着无限预算，但也意味着大公司的决策效率和内部政治。我和几个曾在 DeepMind 工作的工程师聊过，研究和产品之间的张力一直存在。很多研究突破在转化为产品的过程中被稀释或延迟。

我的判断

• ✅ 适合：已经在 GCP 上的企业（集成成本最低）；需要性价比最优的 API（Flash-Lite 价格极具竞争力）；科研和学术机构（AlphaFold 生态无替代）；需要多模态能力 + 搜索 Grounding 的场景
• ❌ 跳过如果：你需要最强的代码生成（Claude 更好）；你不想被单一云厂商绑定（Gemini 和 GCP 深度耦合）；你需要稳定的产品路线图（Google 的策略调整频率高）

一句话：Google DeepMind 拥有最深的技术储备和最大的资源池，但"有最好的研究"和"做出最好的产品"之间的距离，对 Google 来说始终是那道未完全跨越的鸿沟。

互动

Google 在 AI 上的投入规模远超所有创业公司之和，但产品体验上似乎总慢半拍。你觉得这是大公司的必然，还是 Google 特有的文化问题？如果你同时用过 Gemini 和 ChatGPT，体验差距在哪？