30秒サマリー
- テキスト・画像・動画・音声を単一ベクトル空間にマッピングする740Mパラメータの軽量モデルをGoogleが発表
- デバイス上でゼロショット分類・意味検索をミリ秒単位で実行し、クラウド不要のプライバシー優先設計
- Android向けML KitやiOS/Mac等クロスプラットフォームのMediaPipe Tasksで今後数週間以内に提供予定
何が起きたか
Google DeepMindは2026年10月6日、オープンウェイトのマルチモーダル埋め込みモデル「EmbeddingGemma 2」を発表した。同モデルはテキスト・画像・動画フレーム・音声を単一の統合ベクトル空間にネイティブでマッピングし、パラメータ数は740Mと軽量。Google Pixel 11 Proでのテキスト専用ウェイト時の必要アクティブRAMは約191MB、フルマルチモーダルモデルでも約567MBとされている。
トレーニングデータや追加ファインチューニングなしで、ユーザー入力を分類ラベルや説明文と直接照合するゼロショット意図ルーティングをミリ秒単位で実行できる点が特徴として挙げられている。Googleは同時に、EmbeddingGemma 2を活用した二つのデモ機能を「Google AI Edge Gallery」アプリに追加した。「Instant Media Search」はデバイス上の画像・動画を自然言語やサンプル画像で検索する機能、「Video Moments Finder」はローカル動画内の特定シーンを音声書き起こしなしに自然言語で検索する機能だ。
Mac向けには「Google AI Edge Foresight」の提供開始も発表された。ローカルAI処理のみを使用するミーティング支援アプリで、EmbeddingGemma 2とGemma 4を組み合わせ、議事録・ファイル・会話の横断検索やリアルタイムのメモ補完を実現するとしている。
開発者向けには、Android向けML Kit（数週間以内にNPUアクセラレーション対応で提供予定）と、iOS・macOS・Windows・Linux・Web向けのMediaPipe Tasksの両経路でEmbeddingGemma 2のサポートが追加される。推論エンジンにはLiteRTを採用し、単一の.litertlmファイルがCPU・GPU両方で動作する。MacBook M5 Pro GPUでのビジョン埋め込み処理は最短37.3ms（毎秒26.9枚）と報告されている。
原典ハイライト
公式ブログは「ファインチューニング不要でミリ秒単位のゼロショット意図ルーティングを実現し、テキスト専用時は約191MBのRAMで動作する」と明記。クロスプラットフォーム対応の推論エンジンLiteRTと、MediaPipe Tasks経由の抽象化レイヤーにより、前処理コードを書かずにマルチモーダル検索を実装できる点を強調している。
出典: Google Developers Blog – AI（公式ブログ）
So What?（なぜ重要か）
これまでオンデバイスでのマルチモーダル検索を実現するには、画像キャプション・音声認識・テキスト埋め込みの複数モデルを連結する複雑な実装が必要だった。EmbeddingGemma 2はそれを単一モデルで代替し、RAMフットプリントを大幅に削減したうえでミリ秒レベルの応答を実現する。プライバシー規制が厳しい業務領域や、ネットワーク接続が不安定な環境でも、クラウド依存なしに高精度な意味検索・分類が組み込めるようになる転換点となり得る。
日本企業への示唆
医療・法務・製造など機密情報を扱う日本企業にとって、クラウドに一切データを送らずに高度な検索・分類ができるエッジAIの実用性が一段と高まる。特に工場現場での設備点検画像の即時検索、営業担当者のオフライン環境での顧客資料検索、社内会議の議事録・ファイル横断検索など、情報漏洩リスクを排除しながらAI活用を進めたい場面での採用候補として評価する価値がある。ML Kit経由のAndroid対応が数週間以内に見込まれるため、モバイルアプリ開発チームはPoCの検討を今から開始しておきたい。また、Googleのエッジ戦略がLiteRT・MediaPipe・ML Kitに集約されつつある点も、技術スタック選定の参考にすべきだ。
背景・経緯
Google AI Edge Teamは、デバイス上でのAI推論を普及させるためLiteRT（旧TFLite）やMediaPipe Tasksを継続的に拡充してきた。EmbeddingGemma 2はGemmaモデルファミリーの一つで、今回は埋め込み専用モデルとして位置づけられている。モデルアーキテクチャや評価指標の詳細はGoogle DeepMindブログで別途公開されているとのことだが、本記事の原文では詳細は参照リンクに委ねられており内容は確認できない。
