传媒行业：谷歌AI论文趋势，推理为王

从谷歌前沿产品 Deep Think Mode 看：推理过程下的长思考

2025 年 12 月 4 日，谷歌在 Gemini 应用中向 Google AI Ultra 订阅

用户推送 Gemini 3 Deep Think 模式，通过运用并行思维技术推动思维

能力的前沿。其上一代模型 Gemini2.5 Deep Think 鼓励模型利用扩展

推理路径，使深度思维随着时间推移成为更优秀、更直观的问题解决

者；通过延长推理时间或思考时间，让 AI 有更多时间去探索不同的假

设，并对复杂问题提出创造性的解决方案。

 从谷歌近期论文看：推理端的新算法进步

新架构支持推理时学习与记忆能力。谷歌发布论文《Titans:

Learning to Memorize at Test Time》提出了一种新的神经长时记忆模块，

它能够学习记忆历史上下文，并在运用遥远历史信息的同时，协助注

意力机制聚焦于当前上下文。该神经记忆模块兼具快速并行化训练与

高效推理的优势。从记忆视角看，注意力机制因有限但精准的上下文

依赖建模能力，可视为短期记忆；而神经记忆凭借其数据存储能力，

则发挥着长期、更持久记忆的作用。基于这两大模块，论文提出一种

同时具备注意力机制和元上下文记忆的结构“Titans”，能在测试时学

习记忆。

新范式显著提升长上下文推理能力。深度学习领域长期将模型架

构和优化算法视为两个分开的东西。但这导致模型学会新知识就会忘

掉旧知识，无法持续学习。谷歌论文《Nested Learning: The Illusion of

Deep Learning Architecture》提出了一种全新的机器学习范式“嵌套学

习 NL”，模仿人脑认知机制的路径（短期内记忆快速更新，长期记忆

则缓慢沉淀，不同层级协同运作），并将这一过程逻辑数字化，每个

层级都拥有独立的上下文流和更新频率。从嵌套学习的视角上提出连

续记忆系统 CMS，每次更新仅包含少量参数，减少算力需求，使得大

语言模型能够在不断学习新技能的同时，又不会遗忘旧技能构建出计

算效率将大幅提升。

 谷歌侧重点新趋势：从训练推理模型到关注推理过程

谷歌团队试图打破现有大模型训练即固化的静态模式，学习不再

仅限于训练过程，而是发生在推理现场。现有的 Transformer 模型虽然

强大，但通过 Attention 机制处理长文本计算成本高，且本质上是短期

记忆，一旦超出上下文窗口，信息就被丢弃。 推理过程本身变成了获

取智能、处理复杂信息的关键环节，算力的价值从后台的前期训练转

移到了前台的实时推理。

 投资建议

通过专注 AI 推理过程的算法优化，并给予大模型充足的推理算

力，使得模型表现变得更快、更好、更有效。看好推理端算力的爆发。

 风险提示

AI 应用竞争激烈，AI 模型竞争激烈