想在手机里用一句话找出某段视频，或从几小时录音中定位相关内容，过去往往要把资料交给云端处理。Google 推出的 EmbeddingGemma 2，试图把这件事留在设备本地完成。它是一款拥有 7.4 亿参数的多模态 embedding（嵌入）模型：把文字、代码、图片、视频和音频变成可比较的数字坐标，让不同格式的相关内容能互相匹配。
它的实用之处在于可以按需“拆装”。纯文字任务最低只需 2.7 亿参数；需要处理图像或音频时，再加入相应编码器。Google 称，模型量化后在 Pixel 11 Pro 上运行，纯文字权重最低占用约 191MB 活跃内存，完整多模态版本约 567MB。它还能把默认 768 维的嵌入缩短到 128 维，官方称可将本地向量数据库和内存占用最多压缩至六分之一。
EmbeddingGemma 2 采用 Apache 2.0 许可，为本地搜索和 RAG（先找资料、再让生成模型据此回答）提供了开放选项。数据无需离开手机或电脑，也能离线工作；开放权重还降低了服务商停掉模型后被迫重算全部资料的风险。不过，性能与内存数字目前来自 Google 自述，实际体验仍取决于设备和任务。