Google 四线齐发：一行 SQL 搞定数据分析，医疗 AI 登上《Nature》

当别的厂商还在为单一模型造势时，Google 选择了一天之内把四条战线同时点亮。7 月 28 日，Gemini 背后的 Google 一口气放出四款产品——从数据分析到医疗诊断，从编码提速到图像生成。其中最有颠覆性的，是那个号称"一行 SQL 搞定数据分析"的 TabFM。

TabFM：把数据分析的门槛踩平

TabFM 的官方定位是全球首个面向表格数据的零样本基础模型。零样本意味着用户不需要训练数据、不需要微调，只要会写一句 SQL，就能完成过去需要数据分析师介入的表格分析任务。更关键的是，它已经集成进 BigQuery——Google 的企业级数据仓库。这等于把"基础模型 + 企业数据基础设施"直接焊死，让非技术用户在企业数据的深水区也能自己捞鱼。

这一步的战略意图很明显：数据分析是企业数据资产价值最高的入口之一，谁能把入口的门槛降低，谁就掌握了企业 AI 落地的话语权。

学术背书与产品矩阵

另一条线走的是学术路线。医疗对话 AI 系统 AMIE 的相关研究成果登上 《Nature》正刊——这既是 Google 医疗大模型方向的里程碑，也为"AI 进入临床"提供了顶级学术期刊级别的背书。与此同时，编码场景迎来 Gemini 3.5 Flash，延续 Flash 系列高吞吐、低延迟的定位，瞄准开发者群体；图像侧则有主打 4 秒级生成的 Nano Banana 2 Lite，以轻量与速度服务对响应敏感的生成场景。

从行业视角看，Google 这次发布的本质是一场"生态宽度"的竞争：模型能力、垂直行业应用、开发者工具三条线并行推进，用产品矩阵的密度对冲单一技术点的领先。相比 ChatGPT 背后的 OpenAI 与 Claude 背后的 Anthropic 聚焦通用智能与科研，Google 押注的"无处不在的基础设施"路线，正在用 BigQuery、医疗、开发工具等具体入口累积不可替代性。这也提示国内厂商：AI 竞争的胜负手，正从"谁的模型参数多"转向"谁的产品触达的场景广"。

后续值得跟踪的几个方向：

1. TabFM 在 BigQuery 中的实际准确率：零样本能力的真实边界，决定企业能否放心把分析任务交给它。
2. AMIE 从论文到临床的距离：《Nature》背书之后，监管审批与医院落地才是真正的门槛。
3. Gemini 3.5 Flash 的编码实测：速度之外，代码质量才是开发者留存的胜负手。
4. Nano Banana 2 Lite 的定位：4 秒出图能否在实时生成场景打开新的应用空间。