Google 发布 Gemini Embedding 2 与 MuleRun 自进化个人 AI
3 月中旬，Google 发布了 Gemini Embedding 2，实现了文本、图片、视频、音频、PDF 五种模态的统一向量空间；同一天，国内 MuleRun（骡子快跑）产品上线，主打'自进化'个人 AI 助手。这两件事都足够重磅，以下详细分析。
一、Google 发布 Gemini Embedding 2：AI 基础设施的重大升级
1.1 嵌入模型为什么重要？
先简单科普一下嵌入模型（Embedding Model）。如果你用过 ChatGPT、文心一言等大模型，你可能遇到过这个问题：大模型的知识有截止日期，而且它不认识你公司内部的文档。
**RAG（检索增强生成）**就是为了解决这个问题——先从你的知识库里检索最相关的内容，再把这些内容丢给大模型，让它基于真实信息来回答。
而检索的质量，几乎完全取决于嵌入模型。嵌入模型做的事情很简单：把一段内容（文字、图片、视频……）变成一组数字（向量）。两段内容的向量越接近，它们的含义就越相似。
1.2 五种模态，一个向量空间
3 月 10 日，Google 发布了Gemini Embedding 2。这不是又一个'更大更强'的大模型，而是一个嵌入模型，解决的是 AI 系统里最关键的问题：
怎么让机器理解'这段文字'和'那张图片'说的是不是同一件事？
以前，文本要用文本模型处理，图片要用图片模型处理，音频还得先转成文字。如果你想让系统同时理解文字、图片和视频，就得搭一整条复杂的管线。
Gemini Embedding 2 的做法是：把文本、图片、视频、音频、PDF 五种模态，全部塞进同一个向量空间。一次 API 调用搞定。
1.3 核心技术亮点
交错输入（Interleaved Input）
你可以在一次请求里同时传入一张图片和一段文字描述，模型会把它们理解为一个整体，输出一个融合了图文语义的向量。
实际场景：一段产品介绍视频 + 一段口播音频 + 一张产品图 + 一段文字说明。以前需要四个模型分别处理再拼接，现在直接丢进一个 API，出来就是一个统一的向量。
俄罗斯套娃技术（MRL）
Google 使用了一种叫做**Matryoshka Representation Learning（MRL）**的技术。
想象一下俄罗斯套娃——大娃娃里面套小娃娃，每一层都是完整的。
普通嵌入模型会把语义信息均匀分布在所有维度上。强行把 3072 维截断到 768 维，精度会大幅下降。
但 Gemini Embedding 2 被训练成：把最重要的语义信息塞进最前面的维度。前 768 维已经包含了最核心的含义，后面的维度逐步增加细节。
这意味着你可以：
- 第一轮粗筛：用 768 维在百万级索引里快速找到 Top-K 候选
- 第二轮精排：对候选结果用完整的 3072 维重新排序
既拿到了大模型的精度，又只付出了小模型的延迟和成本。
1.4 为什么值得关注？
嵌入模型是 AI 系统里最'不性感'但最关键的一层。大模型能不能给出靠谱答案，很大程度取决于检索层能不能找到正确的信息。
对开发者来说，有三点值得关注：
- 存储成本可以大幅降低。MRL 带来的维度灵活性，让 768 维粗筛+3072 维精排的两阶段架构成为现实。如果你在用 Milvus、Zilliz 等向量数据库，这意味着直接省钱。
- 多模态管线可以大幅简化。电商的图文商品、教育的视频课程、医疗的影像报告——以前需要多套模型的管线，现在可能简化成一个 API 调用。
- '交错输入'是真正的差异化能力。市面上多数嵌入模型还停留在单模态阶段。能在一次请求里理解图文视频音频的联合语义，这在实际业务中价值巨大。
二、MuleRun（骡子快跑）：首个'自进化'个人 AI 产品
2.1 为什么我们需要'骡子'？
自从 OpenClaw 等 AI Agent 爆火之后，各行各业的人都在说：'我也想养一个 AI 员工，但从哪里开始？'
真正养上之后呢？崩溃时刻来了：
- 有人照教程部署了本地 Agent，跑了两天突然挂掉，报错看不懂
- 有人找到了一个很具体的需求——自动抓取行业信息——结果动不动烧掉大量 token，执行到一半就中断
- 还有人任务跑到一半，AI 开始绕圈子，反复刷同一个页面
这些故事指向同一件事：让 AI 真正帮你做事、实现全流程自动化，在技术上是可行的，但大多数人还没找到方法让它稳定地融入日常工作。
3 月 16 日，**MuleRun（骡子快跑）**发布了——这是一款主打'自进化'的个人 AI 产品。
2.2 为什么叫'骡子'？
正如 MuleRun 创始人陈宇森提到的，'我们想做的是个人 AI。安全、稳定性、上手门槛低。它一直记着你，根据和你的交互而进化，主动提醒你但不打扰，一直在线。'
之所以叫骡子，是因为：
- 马跑得快，但成本高，普通农户养不起
- 驴便宜，但扛不了重活
- 骡子作为马和驴的后代，解决的是一个很具体的问题：用更低的成本，把更重的活稳定干完
2.3 两种工作形态
Super Agent
你在页面的对话框里用自然语言描述需求，骡子会调用它背后封装好的工具和能力来完成任务——生图，做 PPT、建网站、批量处理文件，说清楚你要什么，它来想怎么做。
特点：做完交付。你要一个结果，它给你一个结果。
Computer 模式
这是一台专属于你的云端虚拟机，7×24 小时持续运行。就算你关掉电脑、睡觉、出门，它还在工作。
在这个场景下，骡子内置了Heartbeat的主动触达机制，会在你开机一段时间后，主动汇报过去 24 小时的工作进展。
特点：需要一直跑着。人可以不在，它替你盯着。
2.4 实测表现
批量处理图片
测试者先上传了一张图，描述了想要的风格：涂色书风格，粗黑轮廓，无阴影，适合儿童，黑白线稿。骡子读取图片后，自行扫描了可用的模型配置，选了一个适合风格迁移的模型，跑完了转换。
然后测试者说：'将这个过程沉淀下来，我要以后批量处理。'
于是骡子创建了一个名为 coloring-book 的可复用技能，写了批量转换脚本，附上了参数说明文档，把一次性的操作封装成了下次可以直接调用的能力。
'帮我搜索十张好看的风景照，然后全部转化成线稿。'
骡子开始自己拆解、依次执行——搜索并筛选了十张涵盖山脉、湖泊、海滩、花田的风景图，批量下载，调用刚才封装好的脚本，统一转换，最后把十张线稿一并呈现出来。
做游戏
测试者只给了一句话：'做一个治愈系闯关游戏，画面唯美，配乐柔和。'
没有提任何技术参数，没有提美术风格，没有上传任何素材。
骡子开始自己工作，给这个游戏起了个名字叫'星野漫步'——小狐狸在星空下的梦境森林里穿行，收集萤火虫。深紫星空加极光渐变的背景，樱花花瓣随风飘落，萤火虫有动态光晕，骡子用 Web Audio API 生成了五声音阶的柔和琴音循环。
做完之后，它直接给了一个链接，点开就能玩，发给朋友，手机上也能打。
2.5 '自进化'是怎么做到的？
在测试过程中，测试者发现：在任务完成之后，MuleRun 会主动复盘，将任务经验沉淀下来，下次可以重复操作，或者汇报下一次的任务监控进度，具有一定的主动性。
在个体层面，骡子会：
- 深入学习并记住你的工作习惯、决策逻辑、知识积累甚至审美偏好
- 在每一次使用中，积累特定场景的 AI 能力组合、行业认知、工作框架
- 整理成结构化的知识存进来，记录在专属的云端环境里，随时调用
在群体层面，它构建了一个开放的 Agent 网络生态：
- 别人踩过的坑、验证过的高效工作流，会被系统自动匹配给你
- 每一个用户在使用过程中沉淀出来的 Agent 任务，都可以一键发布到模板广场
- 被更多人验证有效的 Agent，会更容易被个人 AI 采纳
2.6 '龙虾'与'骡子'：两种 AI 员工哲学
| 维度 | 龙虾（OpenClaw 等） | 骡子（MuleRun） |
| 控制粒度 | 高 | 低 |
| 使用门槛 | 高 | 低 |
| 本地优先 | 是 | 云端虚拟机 |
| 记忆能力 | 无 | 自进化 |
| 适合人群 | 技术人员 | 普通用户 |
龙虾代表的是高控制粒度、高使用门槛的路线——它给你最大的自由度，但代价是你要懂它、管它、救它。
骡子代表的是门槛低、自动化程度高的 AI 员工——由它来自主承担'越用越懂你'的责任。
正如陈宇森说的，'把 AI 的定义权，还给每一个人。骡子不是给大公司用的，就是给你用的。'
三、总结：AI 正在进入'平民化'时代
这两条新闻放在一起看，透露出了一个明确的信号：AI 正在从'技术极客的玩具'变成'普通人能用的工具'。
- Google Gemini Embedding 2 让开发者做多模态 AI 应用的成本大幅降低
- MuleRun 让普通人使用 AI 员工的门槛降到了'打开浏览器就能用'
也许在不久的将来，我们每个人都会有一个'数字员工'，而它需要做的事情，就是一直记着我们，越用越懂我们。
参考资料：
- Google AI Blog: Gemini Embedding 2: Our first natively multimodal embedding model
- 品玩：养龙虾不如养骡子，MuleRun 想帮你 0 门槛认养一头会自进化的"AI 骡子"
