EmbeddingGemma 2：Google 把五种模态塞进同一个向量空间

事件

Google 推出 EmbeddingGemma 2 向量嵌入模型，是此前 EmbeddingGemma 的升级版本。其核心卖点是五种模态共享同一个向量空间：文本、图像、音频、视频和文档类数据被编码进同一坐标系，不同形态的内容可以直接用向量距离互相比较，而不必先做模态对齐。

对开发者来说，实际变化在于管线简化。过去做多模态检索，通常要为每种模态分别建索引、再训练对齐层；现在一条检索链路就能支撑「以文搜图」「以图搜视频」这类跨模态任务，索引数量减少，存储与运维成本同步下降。模型延续 Gemma 系列的轻量定位，可在本地或端侧部署，适合对延迟和隐私敏感的场景。

影响集中在多模态 RAG、跨模态推荐与内容去重、版权比对等方向，接入门槛被明显拉低。需要留意的是，多模态共享空间往往要在各模态精度之间做取舍，不同模态的数据配比、中文等非英语语料的表现以及检索评测标准，仍需按自身业务实测后再决定是否替换现有嵌入模型。

来源

本条目由采集管线自动抓取并发布，完整内容见下方来源链接。

*采集源：InfoQ 中文*