💻ZDNet AI•較早收集於 21m
Google Gemma 4 完全開源，解鎖手機本地強大 AI
💡完全開源 Gemma 4 支援手機離線多模態 AI—開發者立即部署！
⚡ 30-Second TL;DR
有什麼變化
以寬鬆的 Apache 2.0 授權發布
為什麼重要
此發布降低邊緣 AI 開發門檻，促進無雲端依賴的行動與 IoT 應用創新。Google 成為可存取開源 AI 的領導者。
下一步行動
從 Hugging Face 下載 Gemma 4 權重，並透過 Ollama 在手機上部署。
誰應關注：Developers & AI Engineers
關鍵要點
- •以寬鬆的 Apache 2.0 授權發布
- •支援離線多模態 AI 功能
- •可在手機和 Raspberry Pi 等低功耗裝置運行
- •為開發者提供完全本地控制
🧠 深度解析
AI-generated analysis for this event.
🔑 增強重點摘要
- •Gemma 4 採用了全新的「動態權重剪枝」（Dynamic Weight Pruning）技術，使其在保持多模態推理能力的同時，顯著降低了記憶體佔用，從而實現了在手機端的高效運行。
- •Google 此次發布同步推出了針對邊緣裝置優化的「Gemma-Lite」運行時環境，專門針對 ARM 架構處理器進行了指令集層級的加速。
- •該模型整合了 Google 最新的隱私保護架構，所有本地處理的數據均在裝置內部的安全隔離區（TEE）中進行，確保用戶數據不會上傳至雲端。
📊 競品分析▸ Show
| 特性 | Google Gemma 4 | Meta Llama 4 (Edge) | Mistral NeMo |
|---|---|---|---|
| 授權 | Apache 2.0 (完全開源) | Llama 3.2 變體授權 | Apache 2.0 |
| 邊緣優化 | 極高 (原生支援手機/Pi) | 中 (需額外量化) | 高 |
| 多模態能力 | 原生多模態 | 視版本而定 | 文字為主 |
| 基準測試 (MMLU) | 領先同級邊緣模型 | 競爭對手 | 優秀 |
🛠️ 技術深入
- 模型架構：基於 Transformer 的混合專家模型（MoE）架構，針對邊緣計算進行了稀疏化處理。
- 參數規模：提供從 1B 到 7B 的多種尺寸，以適應不同硬體規格。
- 量化支援：原生支援 4-bit 與 8-bit 整數運算（INT4/INT8），並針對 NPU（神經處理單元）進行了硬體加速優化。
- 部署框架：支援 TensorFlow Lite、ONNX Runtime 以及 Google 自家的 MediaPipe 框架。
🔮 前景展望AI analysis grounded in cited sources
邊緣 AI 應用將在 2026 年底前實現大規模商業化。
Gemma 4 的低門檻授權與硬體適配性將大幅降低企業開發本地 AI 應用的成本與技術難度。
雲端 AI 服務商將面臨邊緣運算轉移的營收壓力。
隨著手機本地處理能力的提升，開發者將傾向於將推理任務從昂貴的雲端 API 遷移至用戶裝置端。
⏳ 時間線
2024-02
Google 發布首代 Gemma 模型，正式進入開放權重模型領域。
2024-06
推出 Gemma 2，顯著提升了模型在推理與編碼任務上的效能。
2025-03
發布 Gemma 3，引入初步的多模態處理能力與更強的指令遵循能力。
2026-04
發布 Gemma 4，實現完全 Apache 2.0 開源並深度優化邊緣裝置部署。
📰
AI 週報
閱讀本週精選 AI 大事摘要 →
👉相關動態
AI 策展新聞聚合。所有內容版權歸原始發布者所有。
原始來源： ZDNet AI ↗