新智元报道
谷歌 DeepMind 宣布其开源模型家族 Gemma 迎来历史性里程碑：累计下载量正式突破 10 亿次。
自 2024 年 2 月首发至今，历时两年半，Gemma 从零增长至十亿下载。全球开发者基于此构建了超过 10 万个衍生变体，应用场景涵盖 NASA 卫星通信至亿级移动终端。
Gemmaverse 生态大爆发时代已然到来。
AI 破局癌症治疗：虚拟筛选 4000 种药物
在 Gemma 的众多应用案例中，最具颠覆性的突破在于 AI 深度参与癌症治疗机制的探索。
继 Moderna 与默沙东利用 AI 治疗癌症引发关注后，谷歌 DeepMind、Google Research 联合耶鲁大学团队，早在今年 1 月便基于 Gemma 开发了参数达 27B 的专用模型——Cell2Sentence-Scale 27B（简称 C2S-Scale）。
C2S-Scale 的核心任务是将复杂的细胞数据转化为语言模型可理解的文本，旨在解决癌症免疫治疗中长期存在的“冷肿瘤”难题。
免疫治疗生效的前提是肿瘤细胞进行“抗原呈递”，即向免疫系统展示自身异常。然而，“冷肿瘤”不具备这一特征，导致免疫细胞无法识别靶点，即便使用高效药物也难以奏效。
研究团队为 C2S-Scale 设定了极高难度的筛选目标：寻找一种药物，其本身不直接触发免疫反应，但能在环境中存在微弱干扰素信号时，将该信号放大至足以激活细胞“举牌”的程度。
技术创新：将细胞数据转化为自然语言
C2S-Scale 的创新之处在于其数据预处理方式。团队将单细胞测序的高维向量数据，按基因活跃程度排序并转化为由“基因名”组成的句子。这种转换使得无需修改 Gemma 架构即可直接处理生物数据，并能同时融合论文摘要等文本信息。
研究采用了“双上下文虚拟筛选”策略，在两个平行场景中对 4000 多种药物进行测试：
- 世界 A（免疫阳性）：源自真实患者的原发肿瘤样本，含微弱干扰素信号。
- 世界 B（免疫中性）：培养细胞系数据，无干扰素活动。
|
|
筛选结果显示，C2S-Scale 发现的候选药物中，超过 70% 在既往文献中未被提及与该目标相关。最终锁定的药物为 CK2 激酶抑制剂 silmitasertib（CX-4945），该药物在“世界 A"中效果显著，而在“世界 B"中几乎无效，完美符合“上下文劈叉”特征。
活细胞实验验证成功
团队随后利用训练集中未出现过的人源神经内分泌细胞模型进行了活体实验验证。结果表明：单独使用 silmitasertib 或低剂量干扰素效果有限，但两者联用可使抗原呈递效率提升约 50%。
这是 AI 首次提出全新的机理性治疗通路，并成功在活细胞实验中得到证实。
Gemma 生态爆发：从太空到海洋
Gemma 自发布以来，凭借轻量化和易部署的特性，迅速成为开发者首选。与主打前沿能力的 Gemini 不同，Gemma 专为本地设备、边缘计算设计，允许开发者直接在个人电脑和手机上运行。
数据显示，Gemma 下载量增长迅猛：2025 年 3 月突破 1 亿，同年 12 月超 3 亿，2026 年 4 月超 4 亿。如今，这一数字已正式跨越 10 亿大关。
除了医疗领域，Gemma 的应用版图已扩展至极端环境：
- 太空探索：Gemma 成为首个在太空高性能 GPU 上运行的大模型，并向地球发送了问候信息。
- 海洋生物研究：衍生模型 DolphinGemma 成功破译海豚声音模式，实现了对下一声叫声的预测。
官方推出 Awesome Gemma 资源库
伴随下载量里程碑，谷歌正式上线了官方 GitHub 资源库"Awesome Gemma"，作为 Gemmaverse 的权威目录。
该库汇集了社区微调模型、开发教程、工具链及各类创新应用，标志着大模型竞争已从单纯的“模型智商”比拼，转向更深度的硬件融合与生态构建。
参考资料：
https://blog.google/innovation-and-ai/technology/developers-tools/gemma-one-billion-downloads/
https://github.com/google-gemma/awesome-gemma
编辑：桃子
