谷歌AI论文趋势：推理为王

从谷歌前沿产品DeepThinkMode看：推理过程下的长思考2025年12月4日，谷歌在Gemini应用中向GoogleAIUltra订阅用户推送Gemini3DeepThink模式，通过运用并行思维技术推动思维能力的前沿。其上一代模型Gemini2.5DeepThink鼓励模型利用扩展推理路径，使深度思维随着时间推移成为更优秀、更直观的问题解决者；通过延长推理时间或思考时间，让AI有更多时间去探索不同的假设，并对复杂问题提出创造性的解决方案。从谷歌近期论文看：推理端的新算法进步新架构支持推理时学习与记忆能力。谷歌发布论文《Titans:LearningtoMemorizeatTestTime》提出了一种新的神经长时记忆模块，它能够学习记忆历史上下文，并在运用遥远历史信息的同时，协助注意力机制聚焦于当前上下文。该神经记忆模块兼具快速并行化训练与高效推理的优势。从记忆视角看，注意力机制因有限但精准的上下文依赖建模能力，可视为短期记忆；而神经记忆凭借其数据存储能力，则发挥着长期、更持久记忆的作用。基于这两大模块，论文提出一种同时具备注意力机制和元上下文记忆的结构“Titans”，能在测试时学习记忆。新范式显著提升长上下文推理能力。深度学习领域长期将模型架构和优化算法视为两个分开的东西。但这导致模型学会新知识就会忘掉旧知识，无法持续学习。谷歌论文《NestedLearning:TheIllusionofDeepLearningArchitecture》提出了一种全新的机器学习范式“嵌套学习NL”，模仿人脑认知机制的路径（短期内记忆快速更新，长期记忆则缓慢沉淀，不同层级协同运作），并将这一过程逻辑数字化，每个层级都拥有独立的上下文流和更新频率。从嵌套学习的视角上提出连续记忆系统CMS，每次更新仅包含少量参数，减少算力需求，使得大语言模型能够在不断学习新技能的同时，又不会遗忘旧技能构建出计算效率将大幅提升。谷歌侧重点新趋势：从训练推理模型到关注推理过程谷歌团队试图打破现有大模型训练即固化的静态模式，学习不再仅限于训练过程，而是发生在推理现场。现有的Transformer模型虽然强大，但通过Attention机制处理长文本计算成本高，且本质上是短期记忆，一旦超出上下文窗口，信息就被丢弃。推理过程本身变成了获取智能、处理复杂信息的关键环节，算力的价值从后台的前期训练转移到了前台的实时推理。投资建议通过专注AI推理过程的算法优化，并给予大模型充足的推理算力，使得模型表现变得更快、更好、更有效。看好推理端算力的爆发。风险提示AI应用竞争激烈，AI模型竞争激烈

从谷歌前沿产品DeepThinkMode看：推理过程下的长思考2025年12月4日，谷歌在Gemini应用中向GoogleAIUltra订阅用户推送Gemini3DeepThink模式，通过运用并行思维技术推动思维能力的前沿。其上一代模型Gemini2.5DeepThink鼓励模型利用扩展推理路径，使深度思维随着时间推移成为更优秀、更直观的问题解决者；通过延长推理时间或思考时间，让AI有更多时间去探索不同的假设，并对复杂问题提出创造性的解决方案。从谷歌近期论文看：推理端的新算法进步新架构支持推理时学习与记忆能力。谷歌发布论文《Titans:LearningtoMemorizeatTestTime》提出了一种新的神经长时记忆模块，它能够学习记忆历史上下文，并在运用遥远历史信息的同时，协助注意力机制聚焦于当前上下文。该神经记忆模块兼具快速并行化训练与高效推理的优势。从记忆视角看，注意力机制因有限但精准的上下文依赖建模能力，可视为短期记忆；而神经记忆凭借其数据存储能力，则发挥着长期、更持久记忆的作用。基于这两大模块，论文提出一种同时具备注意力机制和元上下文记忆的结构“Titans”，能在测试时学习记忆。新范式显著提升长上下文推理能力。深度学习领域长期将模型架构和优化算法视为两个分开的东西。但这导致模型学会新知识就会忘掉旧知识，无法持续学习。谷歌论文《NestedLearning:TheIllusionofDeepLearningArchitecture》提出了一种全新的机器学习范式“嵌套学习NL”，模仿人脑认知机制的路径（短期内记忆快速更新，长期记忆则缓慢沉淀，不同层级协同运作），并将这一过程逻辑数字化，每个层级都拥有独立的上下文流和更新频率。从嵌套学习的视角上提出连续记忆系统CMS，每次更新仅包含少量参数，减少算力需求，使得大语言模型能够在不断学习新技能的同时，又不会遗忘旧技能构建出计算效率将大幅提升。谷歌侧重点新趋势：从训练推理模型到关注推理过程谷歌团队试图打破现有大模型训练即固化的静态模式，学习不再仅限于训练过程，而是发生在推理现场。现有的Transformer模型虽然强大，但通过Attention机制处理长文本计算成本高，且本质上是短期记忆，一旦超出上下文窗口，信息就被丢弃。推理过程本身变成了获取智能、处理复杂信息的关键环节，算力的价值从后台的前期训练转移到了前台的实时推理。投资建议通过专注AI推理过程的算法优化，并给予大模型充足的推理算力，使得模型表现变得更快、更好、更有效。看好推理端算力的爆发。风险提示AI应用竞争激烈，AI模型竞争激烈