所有節目›AI Engineer Europe 2026World's Fair 2026World's Fair 線上軌AI in HealthcareSoftware Factories
Gemini Nano on device在 YouTube 看這一場

AI Engineer Europe 2026 · 演講 · 2026-05-22 · 20 分

Android 上跑 Gemini Nano 的選項

Gemini Nano on device · Florina Muntenescu、Oli Gaymond,Google DeepMind

Florina 先用幾分鐘交代 Android 上做 AI 功能的三條路,其餘時間是 Q&A:電池、共用模型、排程、RAG 與支援的裝置範圍。

本機跑模型看原片 ↗

概要

  • 三條路Android 上做智慧功能可以全在裝置上跑、混合(有本機模型就用本機,否則走雲端),或是全部走雲端。裝置上跑的好處是敏感資料不必離開手機。
  • Gemini Nano 經由 AICore 提供ML Kit 的 GenAI API 讓開發者用到 Gemini Nano,模型由 AICore 這個系統服務統一管理,裝置上只有一份,所有 app 共用。
  • Prompt API 最通用除了摘要、校對、改寫這些針對特定任務的 API,Prompt API 可以用自然語言對 Gemini Nano 下指令。目前輸入支援文字與圖片,輸出只有文字。
  • 裝置不夠新就走混合Gemini Nano 目前在 Pixel 9、Pixel 10 這一代的裝置上才有,其他裝置可以透過 Firebase AI Logic 的混合推論退回雲端,擴大功能的覆蓋範圍。
  • 電池與排程交給系統Oli 說一般互動式用法(一天十到二十次)對電池沒有太大影響,批次工作則常在夜間充電時跑。多個 app 搶用時會排隊,前景 app 優先。
  • 要更廣的裝置就得自己測傳統 ML Kit 模型很小,能跑在超過十億台裝置上;GenAI API 目前需要近幾年的旗艦機。想涵蓋更多裝置得走自訂模型,測試要自己做。

原話

  • “Yes, there is battery impact. If you are running this nonstop, you are going to run down the battery fairly quickly.”

    是有電池影響,如果一直不停地跑,電量會掉得很快

    ▶ 08:45
  • “if we put this in the system we do that once and everyone can share and benefit from it”

    我們把模型放在系統裡,只要做一次,所有人都能共用

    ▶ 10:53
  • “If you're in the foreground, of course, you're going to have top priority.”

    在前景的話,自然擁有最高優先權

    ▶ 12:22
  • “So what we're focusing on here is building the lower layers to enable you or others to build those things on top.”

    我們專注的是打底層,讓你或別人在上面蓋東西

    ▶ 14:50

延伸

  • 這場提到 Gemma 4 帶來的下一代 Gemini Nano,說已經可以透過 AICore preview 試用,但沒有說正式推出的時程。
  • 談電池時,其中一位講者拿 GPS 與 Wi-Fi 類比:使用者覺得功能有價值,就願意花電;所以系統集中排程與配額,讓開發者不必自己顧。

章節

點時碼直接跳到原片的那一段。

  1. 自我介紹Florina 是 developer relations engineer,做智慧功能與開發者生產力;兩人的工作從 OS 裡的應用 AI、開發工具一路到硬體加速與 OS 最佳化。
  2. 先問聽眾懂多少舉手問誰已經知道怎麼在 Android 上用裝置端、混合或雲端模型做功能,接著用一小段 TLDR 帶過。
  3. 為什麼要在裝置上跑prompt 直接在手機上處理、不送到伺服器,銀行資料這類敏感內容、個人化、翻譯這類上下文較短的需求都適合。
  4. Gemini Nano 與 AICore兩條路:ML Kit GenAI API 用 Gemini Nano,要自訂模型則用 LiteRT-LM。Gemini Nano 與 Gemma 4 同架構,由 AICore 系統服務供應,裝置上只有一個模型。
  5. ML Kit GenAI 與 Prompt API除了摘要、校對、改寫等專用 API,Prompt API 能處理影像理解、內容輔助、內容分析、實體擷取等。輸入可以是文字加圖片,輸出只有文字。
  6. 沒有 Gemini Nano 的裝置這個模型只在 Pixel 9、Pixel 10 這一代等裝置上有,其他機型用 Firebase AI Logic 的混合推論,沒有本機模型就改跑雲端。
  7. 小結:從本機到雲端一整套Oli 收尾這段:Android 想涵蓋本機低延遲、私密推論、雲端強模型,以及介於兩者之間的做法,並讓 API 盡量一致,開發者好混搭。
  8. Q&A:電池影響Oli 說明模型已盡量縮小,所以需要旗艦級硬體;AICore 負責最佳化。互動式一天用十到二十次影響不大,批次工作多在夜間充電時跑。
  9. Q&A:上百個 app 共用同一個模型有聽眾擔心共用的延遲。其中一位講者說最小的模型約 1 GB,實際出貨的接近 3 到 4 GB,放在系統層級只需要裝一次,各 app 分攤。
  10. Q&A:排隊與優先順序其他 app 正在用模型時,你的 prompt 會排隊;背景呼叫要排隊,前景呼叫優先。
  11. Q&A:語音助理與 skills有聽眾問「Hey Google」是本機還是遠端,其中一位講者不確定,猜是遠端。問到能不能寫 skills,回答是 skill 只是放進 prompt 的內容,這些 API 屬於底層。
  12. Q&A:RAG 與 embedding用 Prompt API 可以做類似 RAG 的方案,app 能存取的檔案都能餵進去。embedding API 還沒有,之後會有。
  13. Q&A:AI Edge Gallery 與 AICoreAI Edge Gallery 是展示可能性的地方,可用 AICore 也可用自訂模型,但要多花工夫;AICore 則是要讓人專心寫 prompt 與功能。
  14. Q&A:裝置與模型的矩陣Oli 說傳統的 ML Kit 模型小,可跑在十億台以上的裝置;GenAI API 目前要近幾年的旗艦機。想擴大範圍就走自訂模型,測試自己做。

名詞

Gemini Nano
這場介紹為 Google 最有效率的裝置端模型,與 Gemma 4 同架構,針對 Android 裝置最佳化
AICore
把 Gemini Nano 送到裝置上的系統服務,負責硬體最佳化、排程與隔離,所有 app 共用同一個模型
ML Kit GenAI APIs
ML Kit 裡的生成式 AI API,有摘要、校對、改寫等專用 API,以及最通用的 Prompt API
Prompt API
用自然語言向 Gemini Nano 下指令,輸入支援文字與圖片,輸出只有文字
Firebase AI Logic
混合推論的入口,有 Gemini Nano 就用本機,否則改跑雲端;也能連到雲端的 Gemini API 與 Vertex AI
LiteRT-LM
想用自訂模型、或要涵蓋更多裝置時的選項,但效能測試要自己做
AI Edge Gallery
展示裝置端模型能做什麼的 app,可接 AICore,也可用自訂模型

相關影片 同屬「本機跑模型」