在过去2025一整年当中，谷歌发布了多个 Gemini 模型、全新的搜索功能、照片和视频创作工具、研究与学习类应用。
同时在2025年底，谷歌也公布它们自家最受欢迎AI产品系列，分别是学习理解、NotebookLM的应用、旅行游玩、相册应用与图像编辑、办公生产力、购物、硬件设备、个性化定制。 基于篇幅，本篇的内容主要是关于谷歌AI产品在助于学习理解的应用示例如下：
- 视觉化解析学习内容
- 引导式学习
- 表格分析（AI自定义函数）
- 搜索结果中的微型app
1、可视化解析学习内容
该功能采用的是谷歌Gemini 3智能模型，因此，这个视觉化解析学习内容在Gemini 应用程序、搜索中的 AI 模式、AI Studio 等平台均可访问。 这个功能的特点是擅长分解复杂的话题，可以接收任何的多模态输入格式，例如文本、视频、代码、图像、音频等，然后再以适合使用者的方式协助其学习理解。
例如上面图片就是给它一篇枯燥的学术论文pdf，它不会立即给出一段死板的总结，而是生成一个可以点击、提问、甚至模拟实验的互动教程，直到自己彻底搞懂为止。
2、引导式学习
这个引导式学习功能同样出现在谷歌Gemini 应用程序，它基于调用多模态能力，帮助对任何主题建立深度理解的引导思路。 例如根据上传的课程材料生成学习指南，从代写者变成助学者的AI角色转变，形成‘授人以鱼’到‘授人以渔’的教学理念。
例如上图，在孩子数学作业辅导层面，过去传统的AI 可能会直接给出数学题答案，然后这里的“引导式学习”会像老师一样去辅导，例如试题卡住了，它会给一个提示，引导每个步骤，确保掌握了解题逻辑，而不是直接给出一个作业答案。
再比如，月球上的重力是如何运作的？同样可以调用相关的视频或图像来解释这一概念。
在代码调试也同样如此，它不是直接给改好的代码，而是像陪同编程一样，指出哪一行可能有逻辑错误，并解释为什么。
相对于以前的传统的 AI 直接给出数学题的答案，但这会导致学生丧失思考能力。
所以总体而言，它改变了一个冷冰冰的答案生成器变成像是一个有耐心、懂循序渐进的真人老师解题引导一样。
3、表格分析（AI自定义函数）
它属于谷歌表格的功能，即AI自定义函数，可以将 Gemini 的自然语言处理能力直接集成到了表格的单元格中，让表格从一个计算工具进化为一个智能分析工具。
这个功能的区别在于从数学公式进阶到语义公式，可以进行处理非结构化数据，例如以前的函数公式：=SUM(A1:A10)，只能处理数字或简单的逻辑判断，而=AI的语义函数则可以调佣文字、评论、描述等内容，在一定程度上节省了Python编程、数据分析工具部署或大量的人工。 例如，当正在使用 AI 函数来对用户的反馈进行分类、总结产品评论或批量撰写文案。这时只需在任何单元格中输入 =AI`，并附上对应的 Gemini 指令。最后，Gemini 就可以在指定的范围内执行请求指令输出结果。
例如上图中，有一千条用户反馈，这时候只需要写=AI("将此反馈分类’‘，B2:B4)，然后AI 就会自动识别文字含义并打批量快速标签了。
同理，在总结的应用上，也可以协助快速提取长篇产品评论的要点，节省人工阅读时间，或者在根据表格里的交易客户消费层级，写出对应的短讯内容邀请。
4、搜索结果中的微型app
该功能基于Gemini 3实时生成逻辑，它出现在Google 搜索AI模式中，即可以让以前的’只给答案‘到’还能造页面工具‘的使用，直接在答案中现场写代码开发一个对应的交互式应用。
例如上图中，自己正在研究抵押贷款之类的信息，然后可以让AI 模式下的 Gemini 3为自己制作一个相关的交互式贷款计算器，即在回答中就可以自动创建生成，这样也无需它再去告诉自己以及学习“贷款利率是怎么计算的”。
它直接降低了在过去可能需要先理解复杂的金融知识作为前提，或者围绕对应的贷款公式计算，然后才能应用，而现在只需在生成的页面间滑动滑块，然后就可以更直观且更实用了，且只为这次的提问而存在。
5、总结
谷歌在学习理解类的应用，其核心在于将AI从简单的答案提供者转变为深度理解与思维培养，即从静态答案走向动态、多模态的交互体验，注重引导用户理解过程，而非替代思考以及将AI能力无缝融入现有工作流（如表格、搜索），提升效率与直觉化操作。
PS: 下篇分享的内容是关于NotebookLM的应用，它是谷歌开发的一款以文档为核心的 AI 协作与研究工具，即上传什么，它就学什么，例如PDF、Word、文本文件、网页或视频链接，然后这个工具的所有回答都仅限于在自己提供的资料范围内容，相当于互联网上的海量数据，避免出现信息幻觉与数据源污染。
