Gemini 3、TPU、端侧AI应用更新报告：模型多模态升级加速端侧AI落地，TPU冲击算力格局

——模型多模态升级加速端侧AI落地，TPU冲击算力格局 本报告导读： 海外科技《AI迭代提速，互联网增长稳健，板块趋势延续AI迭代提速，互联网增长稳健》2025.11.23海外科技《AI加速呈现C端应用，强现实与强预期不惧扰动》2025.11.16海外科技《自动驾驶与算力扩张共进，巩固AI成长逻辑》2025.11.08海外科技《AI需求明确，半导体产业链各环节持续升温》2025.11.03海外科技《人工智能生态全面加速，算力与应用共振》2025.10.25 模型：预训练Scaling Law仍然成立；算力：TPU助谷歌构建全栈AI生态，长期或与英伟达GPU互补；应用：多模态推理能力为端侧GUI操控提供可能，豆包手机助手率先落地，看好谷歌全栈集成、苹果系统掌控、阿里模型能力。 投资要点： Gemini验证了预训练Scaling Law仍旧成立，谷歌具备全栈技术+全面场景的生态优势。Gemini 3能力的大幅跃迁主要得益于预训练的突破，一方面证明了谷歌预训练上的算力投入不再保守，侧面证明了预训练的Scaling Law依旧成立；另一方面谷歌拥有搜索、YouTube、Chrome等生态产生的独家且不可迁移的用户行为数据，数据构成了理解用户意图和上下文的强大壁垒，侧面验证了谷歌在AI全栈技术+全面应用场景的独特生态优势。 Gemini着重优化多模态能力，屏幕理解能力大幅提升，为GUI操控手机验证可能性，豆包手机助手率先落地。Gemini重点强化多模态能力，屏幕理解表现亮眼（ScreenSpot-Pro测试得分72.7%，远超GPT-5.1的3.5%与Claude Sonnet 4.5的36.2%），逐渐具备视觉智能与界面逻辑理解能力，为端侧AI Agent实现GUI操控提供可能。豆包手机助手已率先落地（如跨APP比价本质即GUI模拟人类操作）。谷歌坐拥安卓系统+模型+Pixel硬件入口+应用全家桶的全栈集成能力，端侧AI落地具备天然优势。 除了TPU惯有的高性价比、扩展性、灵活性优势外，谷歌着重优化了TPU生态，大幅提升了外部可用性。1）谷歌2025年加速优化了TPU生态，原生支持PyTorch，并在vLLM的TPU支持上进行大规模工程投入，接入开放推理生态，大幅提升TPU的外部可用性；2）TCO优势突出，TPUv7内部使用时TCO较GB200服务器低44%，对外租赁时TCO较GB200低30%、较GB300低41%；3）集群扩展性及灵活性领先，集群通过ICI 3D Torus网络支持最大9216颗芯片，OCS技术实现数千种拓扑组合，适配多样并行需求且故障可快速重构。我们认为，TPU对谷歌更为重要的意义在于构建全栈AI生态，而非出售TPU本身：通过芯片与模型架构协同设计，实现算力成本与效率最优，并赋能云业务，利用较低成本的TPU赚取高于其他云服务商的利润。长期竞争格局来看，我们认为TPU完全颠覆英伟达GPU的概率较小，而较大概率作为英伟达GPU的补充，服务特定属性的客户群体：1）英伟达凭借规模优势深度绑定供应链，在获取供应链资源方面具备最强的优先级和议价权；2）谷歌XLA编译器未完全开源，GPU开箱即用属性更受中小客户青睐；3）TPUv8升级幅度有限，而英伟达Rubin系列升级显著，缩小了TCO差距，且英伟达过去已证明了一年一迭代的能力，后续Feynman接力Rubin维持一年一迭代节奏，英伟达技术领先性有望持续领跑。风险提示：AI应用落地不及预期风险；AI资本扩张效率较低风险； 端侧隐私风险。 目录 1.Gemini 3、Banana模型重塑谷歌领先优势，多模态能力实现关键跃升...31.1.推理能力、上下文、代码能力等全方位提升........................................31.2.实现Agent能力全链路突破，开启AI应用新范式..............................51.3.Nano Banana Pro展现多模态推理能力...................................................62.模型多模态能力加速端侧Agent落地...........................................................82.1.API开放程度成为阻碍端侧Agent落地的因素.....................................82.2.多模态推理能力、屏幕理解能力使GUI Agent成为可能的解决方案.92.3.豆包手机助手率先落地，端侧Agent路线逐渐明确...........................122.4.看好谷歌全栈集成、苹果系统掌控、阿里模型能力..........................133.TPU：助力谷歌构建全栈AI生态...............................................................143.1.谷歌加速TPU生态建设，大幅增强易用性.........................................143.2.TPU是谷歌云差异化竞争与增长的核心引擎......................................153.3.TPU或将占据特定客户细分场景，对英伟达GPU份额冲击有限....154.推荐标的........................................................................................................165.风险提示........................................................................................................17 1.Gemini 3、Banana模型重塑谷歌领先优势，多模态能力实现关键跃升 1.1.推理能力、上下文、代码能力等全方位提升 百万token上下文窗口提升输出质量，赋能企业级应用。Gemini 3实现高达1百万tokens超大上下文窗口与64k tokens输出能力，远超竞争对手，配合自研TPU算力支撑，提升长文本理解深度和信息准确性，在法律合同审查、学术文献综述等场景中优势显著。MRCR v2基准测试中，Gemini 3在128k上下文长度下取得77.0%的平均得分，远超Claude Sonnet 4.5（47.1%）和GPT-5.1（61.6%）；即使在1M长度下仍保持26.3%的逐点得分，长文本和复杂任务处理方面表现出色。 资料来源：Artificial Analysis Gemini过去薄弱的编程能力得以跃升。Gemini 3Pro展现出接近专业竞赛级程序员的水平。在LiveCodeBench Pro（接近ICPC/Codeforces难度）上，其Elo得分达2439，显著高于GPT-5.1（2243）和Claude 4.5（1418），尤其在高难度算法与数据结构题上表现突出。在更贴近实际工程场景的SWE-bench Verified测试中，Gemini 3 Pro并未登顶（76.2%），与GPT-5.1（76.3%）基本持平，略低于Claude 4.5（77.2%）。跃升顶级模型阵营，实现了代际级的能力跨越。 在由开发者社区运营的实战编码竞技场Design Arena中，Gemini 3 Pro在整体排名中位列第一，并在五个代码赛区中的四个，网站、游戏开发、3D设计和UI组件中都占据榜首。这是自推出Design Arena以来最大的性能差异。在LiveCodeBench上，Gemini 3的分数较第二名Grok 4.1高出200多分。 资料来源：36Kr 资料来源：36Kr 同步发布增强的推理模式Gemini 3 Deep Think，通过多路径探索与验证等结构化“慢思考”实现深度推理。在基础思考能力方面，Gemini 3 Pro在三项基准测试中表现均实现显著超越。在Humanity's Last Exam中，Gemini 3Pro得分37.5%（无工具）和45.8%（带工具），大幅领先于前代及同类模型。在GPQA Diamond中得分91.9%，高于GPT-5.1的88.1%与Gemini2.5 Pro的86.4%。 资料来源：Google官网 ARC-AGI主要考察AI从有限示例中提取核心规律并应用于新情境的通用推理能力，其核心在于衡量流体智力而非知识储备。ARC-AGI-2在初代基础上提升对于AI系统的自适应能力、推理深度和问题解决效率的测试难度，推动AI向低成本高效能方向发展。Gemini 3 DeepThink在该测试中取得45.1%的得分，大幅超越前代Gemini 2.5 Pro（4.9%）与GPT-5.1（17.6%），多模态推理能力领先。 资料来源：ARC-AGI-2官网 在数学能力上，Gemini 3 Pro实现全面突破。其在AIME 2025测试中基础准确率达95%，结合代码执行能力后可实现100%，推理与智能体能力实现深度融合。在新增的MathArena Apex竞赛级基准中，Gemini 3 Pro以23.4%的得分显著超越GPT-5.1（1.0%）、Claude 4.5（1.6%）及前代模型（0.5%）。在综合多项基准测试的Epoch能力指数（ECI）中，Gemini 3 Pro获得154分，超越了GPT-5.1此前保持的151分的最高纪录。 资料来源：Epoch AI 资料来源：Epoch AI 1.2.实现Agent能力全链路突破，开启AI应用新范式 Gemini 3以智能体为核心实现感知、决策与执行的全链路突破。Gemini 3保留了多模态信息综合能力，能无缝处理文本、图像、视频、音频和代码，比如解读不同语言的手写食谱、分析球类比赛录像提供训练计划、或者从学术论文和长视频讲座生成交互式学习卡片，展现出对真实世界复杂信息的深度理解能力。 Gemini 3 Pro在ScreenSpot-Pro测试中得分达72.7%，远超GPT-5.1（3.5%）和ClaudeSonnet4.5（36.2%）。这意味着AI Agent能真正具备视觉智能，理解界面UI和逻辑。另外，其在MMMU-Pro、CharXiv Reasoning、OmniDocBench 1.5、Video-MMMU四项测试中表现均登顶，展现出在跨模态推理、文档解析与动态视觉理解等维度的系统性提升。 Google同时发布了全新的Agentic编程平台Antigravity，可在macOS、Windows和Linux系统部署使用。Antigravity可让多个AI Agent并行执行任务，例如自动写代码、运行终端测试，并自主修复错误，形成端到端处理复杂任务的自主代理，是对Cursor等AI编程工具的直接挑战。 资料来源：Google Antigravity 1.3.Nano Banana Pro展现多模态推理能力 Nano Banana Pro底层架构建立在Gemini 3 Pro之上，拥有强大文字渲染和多模态推理能力。其核心突破在于采用multi-agent架构与思考生成模式，可通过多轮自我修正实现输出质量的显著提升。 参数方面，Nano Banana Pro支持4K分辨率输出，画幅支持从1:1到21:9等十种主流宽高比，并可调整相机角度、色彩分级等专业摄影控制。 文本渲染方面，Nano Banana Pro能够生成细节丰富、拼写准确的文字，并支持多种字体、风格乃至不同语言的精确排版，大幅缓解以往AI生成文本的乱码现象，为制作海报、产品图、信息图等商业物料开辟全新可能性。 资料来源：IT之家 推理方面，依托Gemini 3Pro模型，Nano Banana