今天三条全是Google家的：自研芯片、机器人模型、基因组模型，三天里连着发。每条都对过官方博客和独立媒体报道，没查到的地方我在文里直接标出来。
01 Google发布TPU 8tx和TPU 8i Max：一年四套TPU
11月9日，Google公布了两款新的自研AI芯片。TechCrunch的报道写道：“The new units, TPU 8tx and TPU 8i Max, are part of the company’s eighth generation of chips”。Google官方博客把这次发布描述为“marking four new TPU systems in a single year”——一年里出了四套新TPU系统。
两款芯片各管一摊事。
TPU 8tx是做保密推理的。官方的说法是“TPU 8tx, our third eighth-generation system, is optimized for secure and confidential inference”。TechCrunch补充了一个细节：“TPU 8tx, designed with AMD, is based on the TPU 8t chip”。Google的芯片找AMD一起设计，这点比型号本身更有看头。
TPU 8i Max的思路很直接。TechCrunch的描述是“TPU 8i Max basically combines two of the inference-focused TPU 8i chips the company launched in April”，把今年4月发布的两颗8i合到一起。官方给的规格是“delivering double the compute, double the SRAM and double the HBM bandwidth of TPU 8i”，算力、SRAM、HBM带宽都翻倍。
这些性能数字都是Google自己公布的，我没看到第三方实测。两份来源也都没写这两款芯片什么时候能用上，上市时间请以Google Cloud官方公告为准。
我的判断：两款新品都落在推理上，一个管数据不外泄，一个管单机吞吐。模型训练是一次性开销，推理是每天都在烧的钱，云厂商把芯片按场景越切越细，说明推理成本已经成了主战场。做后端或MLOps的同学，可以留意「保密推理」这个方向：金融、医疗这类不敢把数据交给模型的行业，卡的正是这一步。
来源：Google官方博客；TechCrunch。
02 DeepMind发布Gemini Robotics 2.5：先给机器人伙伴用
11月10日，Google DeepMind发布新一代机器人模型。官方博客开头就是：“Today, we are introducing Gemini Robotics 2.5, our most capable vision-language-action (VLA) model to date.” VLA指视觉-语言-动作模型：看画面、听指令、直接输出机器人的动作。
测试规模方面，SiliconANGLE报道“The new robotics AI model was tested across over 200 distinct tasks”。效果上，DeepMind的原话是“Gemini Robotics 2.5 achieves a 30% to 100% higher success rate depending on the type of task”。
这里有个容易读错的地方。这句话说的是成功率比之前提高30%到100%，是相对提升，不是说成功率本身达到30%到100%。提升多少还要看任务类型，官方没给一个统一的数。
官方还举了一个落地案例：“Apptronik’s Apollo 2 humanoid pick and pack automotive parts with a 96% success rate”，Apptronik的Apollo 2人形机器人拣选和装箱汽车零件，成功率96%。这是单个场景的数字，别当成通用成绩看。
怎么拿到模型？SiliconANGLE写的是“Gemini Robotics 2.5 is rolling out today via DeepMind’s robotics partners”。也就是先通过机器人合作伙伴推出，官方博客没说会不会向所有开发者开放。
我的判断：语言模型比的是跑分，机器人模型比的是「在真实产线上失败几次」。96%听着高，换算过来是每100次操作失败4次，工厂能不能接受，取决于失败后有没有人兜底。想往具身智能方向走的同学，现阶段更实际的切入点是仿真、数据采集和评测，这些环节不需要先有一台机器人。
来源：Google DeepMind官方博客；SiliconANGLE。
03 DeepMind发布AlphaGenome 2：预测DNA变异怎么影响细胞
11月11日，DeepMind又发了一个科研模型。SiliconANGLE对它的概括是“a next-generation AI model that can predict how DNA sequences and their variations affect human cell types”，预测DNA序列及其变异会怎样影响人体的不同细胞类型。
和上一代比，官方给的核心结论是：“AlphaGenome 2 identifies nearly twice as many variants that change gene expression in cells”，能找出的、会改变细胞基因表达的变异数量接近原来的两倍。
训练数据的规模，官方写的是“Trained on more than 100 million individual cell profiles across 68 tissues”，覆盖68种组织、超过1亿个单细胞图谱。同一篇博客另一处写的是超过1.07亿，两个说法指向同一量级，我这里按保守的那个写。
使用范围要看清楚两条。第一，官方称“AlphaGenome 2 is available today for non-commercial research via the AlphaGenome API”，目前开放给非商业研究。第二，SiliconANGLE明确提到“the model is not approved for clinical or diagnostic use”，没有获批用于临床或诊断。它是科研工具，不能拿来给病人下结论。
「接近两倍」这个对比来自DeepMind自己的评测，外部团队复现的结果我没查到。
我的判断：AI for Science这条线最缺的一直不是模型，是既懂生物又能写代码调API的人。API对非商业研究开放，意味着高校实验室和学生今天就能上手。在读生物信息、计算生物方向的同学，值得花一个周末跑通一次调用，这类经历写进简历，比多刷一个通用大模型教程有区分度。