一年內翻倍!谷歌 Gemini App 月活突破 9 億,下場收割全球 25 億用戶
重點摘要
全球消費級AI應用爆發式增長,谷歌母公司Alphabet最新數據顯示,其旗下Gemini App月活躍用戶突破9億,一年內翻倍。這一增長得益於谷歌原生生態的全面支持,Gemini底層能力已深度整合至各業務中。
## 一年內翻倍!Google Gemini App 月活突破 9 億,生態整合威力浮現
全球消費級 AI 應用正迎來爆發式成長,而 Google 憑藉其龐大的原生應用生態,在這一波浪潮中取得了顯著進展。根據 Alphabet 最新公布的數據,旗下 Gemini App 的月活躍用戶數已正式突破 9 億大關,相較於一年前幾乎翻倍成長。這項成績不僅反映出使用者對生成式 AI 行動服務的需求升溫,更凸顯 Google 將 AI 深度嵌入既有產品線的策略,正逐步收割成果。
### 重點整理:從 4.5 億到 9 億的關鍵一年
回顧過去一年,Gemini App 的成長曲線極為陡峭。在 2024 年初,其月活躍用戶約落在 4.5 億左右,而現在已來到 9 億。這股成長動能並非來自單一爆款功能,而是 Google 有系統地將 Gemini 底層模型整合至 Android 系統、Google 搜尋、Gmail、Google 文件、YouTube 等核心服務中。換句話說,使用者不必額外下載新 App 或學習複雜操作,就能在日常使用 Google 服務時,自然接觸到 Gemini 的輔助能力。
此外,Google 也逐步開放 Gemini App 支援更多語言與地區,並針對行動裝置最佳化即時對話、圖像生成、摘要整理等體驗。這些動作降低了使用門檻,讓一般消費者更願意嘗試並持續使用這款 AI 助理。
### 背景脈絡:Google 為何能「後發先至」?
相較於 OpenAI 的 ChatGPT 或微軟的 Copilot,Google 在對話式 AI 的產品化步伐最初較為保守,甚至一度因 Bard 的失誤而受質疑。然而,Google 的真正優勢不在於搶先發布,而在於擁有全球超過 25 億的 Android 裝置用戶,以及 Gmail、Google 地圖、Chrome 等月活數十億的服務。當 Gemini 被設定為 Android 系統的預設助理,並直接取代舊版 Google 助理時,數億用戶便在無痛升級的情況下,成為 Gemini 的潛在使用者。
這種「系統層級」的滲透,是其他競爭對手難以複製的護城河。同時,Google 也積極與三星等手機品牌合作,讓 Gemini 功能內建於新機,進一步擴大覆蓋範圍。可以說,Gemini 的 9 億月活只是起點,接下來若 Google 能順利將這套 AI 能力推廣至更多未主動註冊的使用者,全球 25 億 Android 活躍用戶幾乎都能成為其潛在受眾。
### 可能影響:重塑消費級 AI 市場競爭版圖
Gemini 用戶數的快速成長,將對整個 AI 應用市場帶來多重衝擊。首先,對於 OpenAI 與微軟而言,Google 證明了「擁有終端入口」比「技術領先數個月」更能快速取得規模。即便 ChatGPT 的月活躍用戶也在成長,但主要仍集中在網頁與獨立 App,缺乏像 Android 這樣能強制或預設導流的系統級管道。未來,AI 助理的競爭將從模型效能,逐步轉向「誰能成為使用者的預設選項」。
其次,第三方 AI 應用開發者將面臨更嚴峻的生存壓力。當 Google、Apple、微軟等平台巨頭都在自家作業系統中內建免費、高效能的 AI 助理時,獨立開發的對話式機器人 App 必須找到更具差異化的利基市場,否則很容易被邊緣化。
此外,隱私與資料使用議題也將再度浮上檯面。Google 將 Gemini 整合至 Gmail、文件等個人資料密集的服務後,如何確保使用者資料不被濫用,以及是否會用於訓練模型,都是監管機構與使用者高度關注的焦點。歐盟與其他地區可能因此對 Google 提出更嚴格的規範要求。
### 讀者可關注的後續發展
對於關心 AI 趨勢的讀者來說,接下來有幾個重點值得持續追蹤:
1. **Gemini 是否會推出付費訂閱層級**:目前 Google 已提供 Gemini Advanced 進階方案,但免費版功能已能滿足多數日常需求。觀察免費與付費版的功能差距如何調整,將影響 Google 能否從這 9 億用戶中創造可觀的 AI 營收。
2. **與 Apple Intelligence 的對決**:Apple 預計在 2024 年底至 2025 年陸續推出深度整合於 iOS 的 Apple Intelligence 服務。屆時,Android 的 Gemini 與 iPhone 的 Apple Intelligence 將在行動 AI 領域正面競爭,這也將決定兩大平台的使用者忠誠度是否會因此產生變化。
3. **Google 是否會進一步開放 Gemini 給第三方開發者**:目前 Gemini App 的生態相對封閉,主要是 Google 自家服務使用。若 Google 未來推出類似「Gemini 外掛」或「Skill」平台,允許開發者擴充功能,將有可能複製當年 Android App 生態的成功模式。
4. **監管動態**:隨著 Gemini 用戶數突破 9 億,Google 在 AI 領域的市場力量將引起反壟斷機構注意。尤其是 Google 將 Gemini 預設為 Android 系統助理的做法,可能被競爭對手投訴為不公平搭售。
總結來說,Gemini 的翻倍成長不僅是 Google 的一項營運成績,更標誌著 AI 產業從「模型競賽」進入「生態部署」的新階段。接下來半年至一年內,我們將看到各大科技巨頭如何利用既有用戶基礎,加速 AI 服務的普及,而使用者也將在不知不覺中,迎來一個 AI 助理無所不在的數位生活。
Related
相關文章

專家預測年底才到,Claude Mythos今天就跑出3小時6分
這篇消息聚焦「專家預測年底才到,Claude Mythos今天就跑出3小時6分」。原始導語提到:AI加速,超乎想象! 從 AI 情報角度來看,這類內容值得關注其背後的技術進展、產品落地、產業競爭與後續市場影響。
Nemotron 3.5 內容安全:為全球企業 AI 打造可自訂的多模態安全防護
回顧過去兩年,NVIDIA 的內容安全技術棧已從一個專注於英文的分類器,發展為一系列專業模型,逐步擴展至新的模態、語言與推論模式。2026 年 3 月推出的 Nemotron 3 Content Safety 首次在單一 4B 參數模型中整合多模態與多語言能力。今日我們發布 Nemotron 3.5 Content Safety,補齊最後一塊拼圖:一個統一處理多模態輸入的單一模型。

全球最強開源生圖 AI 模型:Ideogram 4.0 登場
Ideogram 於6月3日正式發表4.0版本,這是一款採用開放權重架構的文字轉圖片生成模型,官方宣稱其為「全球最佳開源生圖AI模型」。開發人員與研究人員可下載模型權重進行本地部署與二次開發,此舉有望進一步拉高開源模型的品質天花板。
全球首個!材科源圖發佈有機高分子應用智能體
在人工智能重塑科研範式的科技浪潮中,因體系複雜、配方變量多,長期面臨高度依賴專家經驗、試錯成本高、知識難以沉澱複用等行業瓶頸,研發效率提升亟待突破。近日,據雷峰網瞭解,蘇州材科源圖(MatSource)正式發佈全球首個有機高分子材料研發應用智能體(Organic Polymer Agent)。該智能體依託自主構建的通用材料科學智能體框架(Materials Agent Framework),面向高分子材料研發場景打造專家級人工智能系統,推動“人工驅動”向“人工智能協同驅動”加速躍遷,為高新材料的高效自主研發提供了關鍵的技術支撐。01 面向複雜研發場景,構建高分子材料研發“智能中樞”作為材科源圖(MatSource) 材料科學智能體體系的重要組成部分,有機高分子應用智能體聚焦高分子材料研發中的關鍵痛點,融合材料知識圖譜、多模態數據理解、大模型推理與領域機理模型能力,構建覆蓋“設計-預測-優化-決策”的全流程智能研發體系。依託這一技術架構,系統可實現高分子分子結構設計與性能預測、配方體系智能生成與多目標優化、工藝參數推薦與實驗路徑規劃,以及文獻知識解析、研發知識沉澱等核心功能,推動專家經驗向數字化能力轉化。通過“知識+模型+工具”的深度協同,顯著提升研發效率與決策質量,為行業由傳統“經驗驅動”向“智能驅動”轉型提供新的技術路徑。02 率先落地光刻膠,完成產業級驗證作為有機高分子材料中技術壁壘最高、研發難度最大的典型代表,光刻膠成為該智能體的首個驗證場景。目前,系統已完成在ArF光刻膠研發場景中的實測驗證,實現從樹脂設計、配方篩選到性能預測的全流程支持,並完成關鍵指標驗證,證明瞭其在複雜有機高分子體系中的工程化能力與應用價值。這意味著,材科源圖(MatSource)不僅驗證了“AI+高分子材料”的技術可行性,也打通了從實驗室研發到產業應用的關鍵路徑。03 從ArF到EUV,持續拓
不卷價格和參數,中國汽車如何賣到5000萬輛?
2026年,國內新能源汽車滲透率突破60%,中國汽車品牌的售價提升到80萬元。中國乘聯會秘書長崔東樹說,國產車未來要達到5000萬輛銷售規模,在全球市場中,佔比超過50%。中國汽車越過規模大關,但高速發展之下,行業參數內卷、體驗同質化、盈利承壓等痛點日益凸顯。第四屆未來汽車先行者大會上,奇瑞副總經理王琅直言,行業進入新的“無人區”,不能再卷參數了。跳出價格與參數之外,國產車如何尋找下一個增長點?01元戎啟行周光:智駕幾十公里接管一次和1000公里接管一次,是兩個物種最近幾年,智駕行業的技術重心從端到端、VLA向著大模型、基座模型和物理AI快速迭代。元戎啟行CEO周光分享了他對物理AI基座模型的思考。他認為,過去5年,智駕行業走的是小模型路線,已經到了能力的上限,投入越來越多,提升越來越慢。這個現象可以用“蹺蹺板效應”來形容:在小模型系統裡,當一個版本解決了上海、武漢等城市的問題,可能就會在深圳、廣州等地效果變差,引入新問題。版本之間因此要反反覆覆地修改。周光說,這種蹺蹺板效應在行業中非常普遍,這也是用戶難以長期信任這個系統的原因。2026年,行業認知進入到大模型階段。周光解釋,大模型並不是一個更大的小模型,而是有一整套技術邏輯,在技術棧、網絡結構、訓練方式和模式上都有變化。他舉了一個例子,來說明大模型和小模型的認知區別。假設一條狗被染上斑馬的條紋,小模型會識別為一隻斑馬;但大模型會作出這是一隻狗的判斷。“小模型擅長條件反射、局部特徵相應,大模型擅長高級認知”,周光總結。自動駕駛從一開始的被激活,城區安全接管,再到更高的認知理解,做到像人一樣的整體判斷和泛化能力,需要從執行系統升級到認知系統。周光判斷,今年年底到明年初,行業裡會迎來從小模型到大模型、基座模型的轉換浪潮。技術陡峭升級,大模型成為智駕發展的下一個技術範式。他透露,元戎啟行很早就判斷要全面擁抱大模型和多模態,202

奧爾特曼:OpenAI 內部有人每月用掉約 1000 億個詞元
從六年前月耗十萬詞元到如今月耗千億,OpenAI 的詞元消耗量呈爆炸式增長。公司內部設有消耗排行榜,員工甚至曬圖炫耀,與亞馬遜等嚴控成本的企業形成鮮明對比。奧爾特曼承認成本已成難題,正尋求降本增效。 #AI 成本# #詞元消耗#