Google DeepMind 近期发布了其新一代开源大模型 Gemma4，标志着 AI 底层架构的重大进展。尽管该模型在参数总量上与前代持平，约为 300 亿，但其“单位参数的智能密度”获得了显著提升，在多项关键任务上的表现已能比肩一年半前顶尖的闭源模型。
Gemma4 的核心技术突破在于引入了创新的“E2B”（参数卸载）架构。该架构通过在 Transformer 模型的每一层嵌入查找表，用高效的查找机制取代了对显存消耗巨大的全矩阵乘法。这意味着，即使是一个拥有 50 亿参数的模型，在 E2B 架构下，实际加载到 GPU 显存中的“有效参数”仅为 20 亿，其余参数可卸载至 CPU 或磁盘。这一设计极大地降低了模型对显存的需求，使 Gemma4 仅需 2GB 显存即可实现快速推理，从而有效解决了移动设备、智能手机及树莓派等端侧部署的性能瓶颈。
为确保 Gemma4 的广泛应用，Google DeepMind 与 Hugging Face、llama.cpp、Ollama、英伟达和 AMD 等近 50 家合作伙伴紧密协作，进行了此次复杂的发布。目前，Gemma4 已深度集成至 Android Studio，允许开发者在 Agent 模式下于本地离线环境中安全地调用 AI 编写 Android 代码，而无需将任何数据上传至云端 API。这有力地回应了当前职场对数据隐私保护和离线办公模式的迫切需求。
在多模态能力和核心用户体验方面，Gemma4 继承了 Gemini3 的研究成果。即使是体积较小的 2B 或 4B 参数端侧模型，也具备强大的多语言支持（涵盖 140 种语言）和多模态理解能力，能够处理语音识别、语音交互，甚至分析 30 到 60 秒的短视频。尽管与顶级大模型在知识储备的绝对体量上尚存差距，且在文本扩散 (Diffusion Transformer) 和专家混合模型 (MoE) 微调等前沿探索领域面临挑战，但其展现出的高密度智能已具备不容忽视的潜力。
Gemma4 的出现预示着 AI 产品在输入输出形式上将更加灵活多样。其强大的端侧处理能力，使得智能体代理任务能够直接在本地完成，无需依赖云端算力，这意味着用户未来可以在智能手机上体验到堪比 Gemini3 Pro 级别的 AI 服务。对于开发者而言，E2B 架构降低了部署门槛，尤其是在移动端和边缘设备上，使得 AI 应用的开发和集成更为便捷，未来有望催生更多创新性的消费级应用。