夜雨聆风大家好，我是琸皓。
今天谷歌 DeepMind 扔了个大消息：Gemma 开源模型家族的累计下载量，正式突破10 亿次。
2024 年 2 月才首次上线，从 0 到 10 亿，用了整整两年半。现在全球开发者基于 Gemma"爆改" 出了10 万个衍生变体，有的上了 NASA 卫星，有的钻进了 1 亿人的手机……
但说实话，10 亿下载只是个数字。真正让我觉得震撼的，是 Gemma 干的另一件事 ——用 AI 筛出了一条全新的抗癌通路，而且在活细胞里验证成功了。
今天就跟大家好好聊聊这件事。
一、AI 向癌症发起总攻：4000 种药虚拟筛选
先从最近一条轰动全球的新闻说起。就在昨天，全球 mRNA 巨头 Moderna 和默沙东联手，用 AI 治疗癌症的消息刷屏了。
但很多人不知道的是，早在今年 1 月，谷歌就带着 Gemma 悄悄入局了。
谷歌 DeepMind、谷歌 Research 和耶鲁大学团队，基于 Gemma 开发了一个27B 参数模型，叫Cell2Sentence-Scale 27B，简称C2S-Scale。
这个模型只做了一件事：把一个细胞写成一句话。
听着好像很简单，但背后解决的是一个卡了癌症免疫治疗很多年的大难题。
二、什么是 "冷肿瘤"？为什么免疫系统看不见癌细胞？
这里要划个重点，给不懂生物的朋友翻译一下。
癌症免疫治疗有个卡了很多年的坎，叫"冷肿瘤"。
通俗讲，免疫系统抓坏细胞，靠的是细胞主动 "举牌子"—— 把自己内部的蛋白碎片挂到细胞表面，等于告诉免疫细胞：我这儿不对劲，来查我。
这个动作学名叫"抗原呈递"，挂牌子用的那个架子叫MHC-I。
"冷肿瘤" 的问题就是：它不举牌。
免疫细胞从旁边走过去，什么都看不见。再好的免疫治疗药，也打不到一个隐形的靶子。
那怎么让冷肿瘤 "举牌" 呢？免疫系统里有个 "警报信号" 叫干扰素。但在真实的肿瘤里，干扰素的水平通常很低，几乎等同于不存在。
于是研究团队给 C2S-Scale 出了一道非常刁钻的题：
找一种药，它自己不负责拉警报，但只要环境里有一点微弱的警报声，就能把这个声音放大到足以让细胞举牌。
这个 "只在特定条件下起效" 的要求，是整个实验最难的地方。
[配图：双上下文虚拟筛选实验设计示意图]
三、把细胞变成一句话，然后让 AI 读
C2S-Scale 最聪明的地方，在于它做了一个很朴素的转换。
单细胞测序的数据本来是一大坨高维向量，人看不懂，语言模型更看不懂。C2S-Scale 的做法是：把基因名按活跃程度从高到低排成一串，最活跃的排最前面，串成一串。
一个细胞，变成了一句由 "基因名" 组成的句子。
这么一转，不用改 Gemma 任何架构，就能直接 "读" 细胞了。而且它还能顺带把论文摘要、细胞元数据这些纯文字的东西一起吃进去，第一次在同一个模型里被同一套机制处理。
接下来是论文最核心的设计 ——双上下文虚拟筛选（dual-context virtual screen）。
让 C2S-Scale 同时在两个 "平行世界" 里做同一场实验：
- 世界 A（免疫上下文阳性）
：真实患者的原发肿瘤样本，环境里有微弱的干扰素信号 - 世界 B（免疫上下文中性）
：培养的细胞系数据，完全没有干扰素活动
然后把4000 多种药物，一个一个丢进这两个世界里跑一遍。要找的目标很刁钻：只在 A 里起效、在 B 里毫无动静的药。
结果很有意思。C2S-Scale 命中的候选药物中，只有10%-30%在过往文献里被提到过。剩下七成以上，跟这个筛选目标毫无已知关联。
而最终被挑出来的那个，叫silmitasertib（代号 CX-4945），一种 CK2 激酶抑制剂。模型给它打的标签叫 "context split"—— 上下文劈叉：在世界 A 里效果强烈，在世界 B 里几乎为零。
论文中，团队称 C2S-Scale 真正提出了一个新的、可以被证伪的假设。
四、活细胞实验验证：抗原呈递提升约 50%
假设归假设，真伪要靠活细胞实验验证。
团队采用了人源神经内分泌细胞模型，关键在于，这些细胞模型在模型训练时从未出现过 —— 也就是说，这是对模型泛化能力的真正考验。
三组对照结果如下：
单用 silmitasertib：抗原呈递没有变化 单用低剂量干扰素：有轻微提升 - 两个一起上：抗原呈递提升约 50%
这是AI 第一次，提出全新的机理性治疗通路，并在活细胞中得到验证。
说句实在话，这个意义怎么强调都不为过。以前 AI 在医疗领域的应用，大多是辅助诊断、影像识别、药物筛选（从已知药物里找），但这次是 AI从零提出了一条全新的治疗机制，而且实验验证成功了。
这意味着 AI 不只是 "加速已有研究"，而是开始具备 "提出新假设、发现新通路" 的能力了。
五、Gemma 的 10 亿之路：从 0 到 10 亿用了两年半
聊完抗癌，再回头说说 Gemma 本身。
开源 AI 模型 10 亿次下载，上一个达到这个量级的还是 Llama 那个时代。
谷歌首次发布 Gemma 时，首批模型只有2B、7B两个尺寸。它和 Gemini"师出同门"，但路线完全不同：旗舰 Gemini 主打前沿模型能力，Gemma 则被设计成更轻、更容易本地部署的开放模型。开发者能直接拿到权重，在自己的电脑、手机和边缘设备上运行。
自 2024 年之后，Gemma 的增长速度越来越离谱：
2025 年 3 月，Gemma 发布一周年时，下载量刚刚突破1 亿 2025 年 12 月，超过3 亿 2026 年 4 月 Gemma 4 发布时，累计下载量超过4 亿 今年第二季度，已超9 亿 现在，正式冲过10 亿
与此同时，一个庞大的 Gemma 生态诞生了。
六、Gemma 还干了这些事：上太空、下海听海豚
除了入局癌症，Gemma 还被送上了太空，向地球发送了第一条信息："地球人，你好"。
[配图：Gemma 在太空 GPU 上运行 / NASA 卫星相关图]
这是历史上第一次，有大模型在太空里的高性能 GPU 上跑起来。
不仅如此，Gemma 还钻入海里，破译了海豚的声音。这款模型叫DolphinGemma，它直接接收海豚声音，寻找其中重复出现的模式和序列，并尝试预测：下一声海豚叫声会是什么。
上天下海，Gemma 的应用场景已经远远超出了 "聊天机器人" 的范畴。
七、Gemma 宇宙大爆发：官方目录上线
今天在宣布 10 亿下载的同时，谷歌还正式上线了一个新的官方 GitHub 库 ——Awesome Gemma，相当于 Gemmaverse 的官方目录。
这里集中收录了 AI 社区微调模型、教程、开发者工具，以及各种 Gemma 应用。
八、我的判断：AI 的未来，是悄无声息地融入每一台硬件
最后说点我的看法。
过去两年的大模型战争，很容易被理解成一场 "谁的模型最聪明" 的比赛。大家都在比参数、比跑分、比谁更像人。
但 Gemma 的 10 亿下载，展示了另一个维度：AI 更具颠覆性的路径，是悄无声息地融入每一台硬件。
Gemma 不是最聪明的模型，它甚至不是谷歌最旗舰的模型。但它轻、它开源、它能在手机和边缘设备上跑，这让它有机会渗透到每一个角落 —— 手机里、卫星上、海豚研究中、癌症实验室里。
10 亿下载不是终点，而是一个生态爆发的起点。当 10 万个衍生变体在各个领域跑起来的时候，Gemma 的价值才真正开始显现。
而 AI 抗癌这件事，更让我确信：AI 不只是工具，它正在成为科学发现的 "合作者"。提出新假设、验证新通路，这些以前只有人类科学家能做的事，AI 现在也能参与了。
当然，AI 提出的假设还需要人类实验验证，AI 筛出的药物还需要漫长的临床试验。但至少，AI 给了我们一个全新的 "找药" 方式，让那些可能被人类忽略的角落，重新被照亮。
你们怎么看 Gemma 的 10 亿下载和 AI 抗癌的突破？觉得 AI 在医疗领域的应用，是噱头还是真的能改变世界？评论区聊聊你的想法。
