AI Know 早报

今天有一条暗线：AI 正在走出语言的边界

Gemini Omni 很炸，Agent 宣言很燃，搜索变革很猛。这些都在聚光灯下。但今天有一条被多数人忽略的暗线，串联了三条看似无关的新闻——AI 正在从「语言模型」变成「世界模型」。

这条暗线由三件事组成：

- **DeepMind 的 Gemini Omni**：能理解物理规律、保持角色一致性、场景连贯性，通过对话编辑视频，保证每一帧的逻辑不自洽 - **Co-Scientist 逆转细胞衰老**：在基因层面发现了能让人类细胞年轻化的新型因子 - **ERA 登上 Nature**：基于 Gemini 的工具能自主写出可执行的科学实验代码

这三条新闻的共同点不是「AI 变强了」，而是 **AI 开始理解物理世界的因果逻辑**——不只是文字的排列组合，而是「这件事在现实中意味着什么」。

「语言模型学会了说话，世界模型学会了做事。」

这个转变的深度，可能比 Gemini Omni 本身更值得关注。

Gemini Omni：物理直觉内嵌到模型架构

从两个来源看 Gemini Omni 的定位会更清晰。IT之家的报道强调了「从任意输入到任意输出」，而 DeepMind 官方的博客揭示了一个更关键的信息：Gemini Omni 结合了对物理世界的直觉理解与丰富的知识库，在视频编辑中保持角色一致性、物理规律与场景连贯性。

这不是传统文生视频的「生成完再看效果，不行就重来」。这是模型在生成每一帧时，都知道角色应该在哪里、光线应该怎么打、物理运动应该怎么延续。

为什么这对行业重要？因为在此之前，多模态模型的能力边界一直是「理解」而非「生成」。GPT-4V 能看懂一张图里发生了什么，但它不能保证自己生成的视频帧之间物理一致。Gemini Omni 解决的不是「能生成视频」，而是「生成物理上合理的视频」。

这个能力一旦成熟，影响面远超视频创作。 机器人训练、自动驾驶仿真、建筑设计验证——任何一个需要「在虚拟世界中模拟物理规律」的场景，都会从这项能力中受益。

Co-Scientist：AI 发现了生物学家没找到的东西

DeepMind 今天公布的结果可能比任何通用模型发布都更有深远意义：Co-Scientist 发现了能逆转细胞衰老的新型基因因子。

把「逆转衰老」的讨论放在一边，这条新闻真正重要的事情是：AI 在生物学家已有的知识库之外，发现了新的因果链条。

传统计算生物学的工作方式是「生物学家提出假设 → 计算机验证」。Co-Scientist 的模式是「AI 在数据中搜索模式 → 提出新假设 → 生物学家验证」。步骤的先后顺序颠倒，决定了 AI 从「工具」变成了「合作者」。

这和 ERA 的逻辑完全一致。ERA 能自动搜索文献、生成代码、探索方案、迭代优化——不是帮科学家写论文，是帮科学家做实验。

这两条新闻合在一起传递的信号很清晰：AI 在科学领域正在跨越「辅助」和「发现」之间的界线。 当 AI 能找到人类没找到的基因因子、能写出能跑的科学代码——科学家的角色就从「实验的执行者」变成了「实验的定义者」。

AI 搜索：用户行为先于产品改变

AI Mode 上线一周年，Google 公布的数据证实了一个已经发生但没被量化的现象：美国用户正在从关键词搜索转向自然语言搜索，速度比预期快。

这个行为转变的逻辑和科学发现其实是同构的。关键词搜索的本质是「我预设了一个答案，你帮我匹配」；自然语言搜索的本质是「我不知道答案长什么样，你帮我找到」。

当用户对 AI 的期望从「匹配器」变成「理解者」，他们的行为会自然而然地从「组合关键词」变成「描述问题」。这和科学家用 Co-Scientist 的方式是一样的——不再是「验证某个假设」，而是「帮我发现新的假设」。

「用户和科学家在同一时间做出了同一个转变：他们不再告诉 AI 答案藏在哪儿，他们让 AI 自己去找到答案。」

这也是为什么 Google 要在同一天把 AI Overviews 和 AI Mode 整合成一个统一的搜索框。不是因为技术准备好了，而是因为用户已经变了。

Agent 的另一种形态：AI 作为「执行者」

把前三条线放在一起，Agent 的概念就有了新的维度。

目前大多数关于 Agent 的讨论都集中在「帮你发邮件、安排日程、写报告」这类任务自动化。但 Gemini Omni 的物理理解能力、Co-Scientist 的假设发现能力、ERA 的实验执行能力，指向了一种 Agent 形态的下一步：

Agent 不只是操作你的软件，Agent 可以操作物理世界。

Gemini Omni 能编辑视频是因为理解物理规则；Co-Scientist 能发现新基因因子是因为理解生物学因果；ERA 能写实验代码是因为理解科学方法论。这三者的背后有一个共同的基础能力：因果推理。

今天的 Agent 产品（Claude Code、Antigravity CLI、Forge）都在解决「如何让 AI 更好地调用工具」。而 DeepMind 的三个项目（Omni、Co-Scientist、ERA）在解决的更深层的问题：「如何让 AI 在调用工具之前，先理解这个世界是怎么运行的。」

信任：当 AI 能物理上欺骗人类

OpenAI 今天发布的内容溯源体系，在 Gemini Omni 的背景下突然变得紧迫起来。

当 Gemini Omni 能生成物理上自洽、角色上一致、场景上连贯的视频——也就是说，它生成的假视频看起来比真视频还「真」——人类视觉系统就完全失去了辨别真伪的能力。

此时此刻，内容溯源就不再是公关部门的 KPI，而是整个 AI 生成生态的生存基础。

「当 AI 能模拟物理现实，现实本身就需要被验证。」

OpenAI 的 Content Credentials 和 SynthID 集成是目前业界第一个成体系的应对方案。但它的局限也很明显：水印可以被剥离，元数据可以被移除。真正的防线可能需要从模型训练层面开始建——让模型的输出天然携带可验证的身份信息，而不是事后贴标签。

开源社区的回应：不同层面的效率竞赛

Forge 和 OlmoEarth v1.1 在开源层面给出了自己的回答。

Forge 的叙事是「用小模型加 guardrails 实现 99% 的稳定性」，这本质上是在成本和能力之间找到了一个新的平衡点。而 OlmoEarth v1.1 的叙事更直接——「推理效率更高，部署成本更低」。

如果把 DeepMind 的科学发现能力看作「AI 的上限」，那么 Forge 和 OlmoEarth 在回答的是「AI 的下限」——最低需要多少成本才能获得可用的能力。

有意思的是，Forge 和 OlmoEarth 都选择聚焦「工具调用」和「推理效率」，而不是「多模态」或「物理理解」。这说明开源社区在做一个内部共识：先让 AI 能可靠地完成任务，再谈理解世界。

这个优先级对不对？可能对。毕竟，一个 8B 模型的稳定 Agent 能力，今天就能给开发者带来实际价值——而一个物理自洽的视频生成模型，大多数开发者还不知道怎么用。

结语

今天的 22 条新闻，如果用以前的框架来看，就是「Google I/O 刷屏日」。但如果换一个框架——用「AI 从语言走向世界」的透镜来看——你会发现一条更深的故事线：

Google 在同一时间做三件互为前提的事：用 Gemini Omni 让 AI 理解物理世界，用 Co-Scientist 和 ERA 让 AI 参与科学发现，用搜索变革和 Agent 宣言让 AI 融入日常生活。

这三件事的跨度从原子到细胞到应用。当一家公司同时在三个尺度上推进 AI 的能力边界，我们看到的就不是一个产品更新，而是一个「技术范式」的转向——AI 不再只是信息处理器，AI 正在成为世界理解者。

Claude Code 在打磨工具、Forge 在降低成本、Grok 在开放集成——每一家都在自己的维度上参与这场转变。但今天，DeepMind 的三跳投（Omni、Co-Scientist、ERA）把天花板抬到了一个新的高度。

五年后回看今天，最被记住的可能不是 Gemini Omni 的发布视频，而是那条藏在 DeepMind 博客里的新闻——Co-Scientist 找到了逆转细胞衰老的基因因子。因为那才是一个真正的信号：AI 开始发现这个世界的规则，而不只是描述它。

当 AI 能理解物理世界的时候，它就不再是工具了——它是你理解世界的伙伴。

 信源明细
（点击展开查看每条新闻详情）