2026年7月2日 周四晚上19:30,报名腾讯会议了解“如何构建自进化的动态知识库(Brain)”(限30人)
免费POC, 零成本试错
FDE知识库

FDE知识库

学习大模型的前沿技术与行业落地应用


收藏

Google发布最新开放文本嵌入模型:EmbeddingGemma

发布日期:2025-09-12 10:50:19 浏览次数: 2679
作者:科学数据之美

微信搜一搜,关注“科学数据之美”

推荐语

Google最新开源嵌入模型EmbeddingGemma,专为设备端AI设计,性能强劲且支持本地化部署,彻底改变隐私与延迟问题。

核心内容:
1. EmbeddingGemma的核心特性与性能指标
2. 多语言支持与基准测试表现
3. Matryoshka表征学习技术的创新应用

杨芳贤
53AI创始人/腾讯云(TVP)最具价值专家

 


在人工智能快速发展的今天,嵌入模型(Embedding Model)是构建高级应用,如语义搜索、推荐系统以及检索增强生成(RAG)等系统的核心基石。一个高质量的嵌入模型能够将复杂的文本信息压缩成精确的、可计算的向量,从而让机器更好地理解和处理语言。从推荐系统到语义搜索,从检索增强生成(RAG)到代码搜索工具,这些应用都依赖于高质量的文本嵌入向量。然而,大多数高性能的嵌入模型都需要在云端运行,这带来了隐私、延迟和成本方面的挑战。

Google最新发布的EmbeddingGemma改变了这一现状。这是一个专门为设备端AI设计的开源嵌入模型,在保持卓越性能的同时,实现了真正的本地化部署。本文将深入解析EmbeddingGemma的技术特性、应用场景以及具体的使用方法。

EmbeddingGemma核心特性

EmbeddingGemma拥有3.08亿参数,体积小巧但性能强劲。更令人印象深刻的是,通过量化感知训练(Quantization-Aware Training, QAT),模型的RAM使用量被压缩到200MB以下,使其能够在移动设备、笔记本电脑甚至桌面设备上流畅运行。

关键性能指标:

  • • 参数规模:308M参数
  • • 内存占用:量化后<200MB RAM
  • • 推理速度:EdgeTPU上256个token的嵌入推理时间<15ms
  • • 上下文窗口:2K token

多语言支持与基准测试表现

EmbeddingGemma支持100多种语言,在多语言文本嵌入基准测试(MTEB)中取得了5亿参数以下模型的最高排名。其性能可以与参数规模接近两倍的流行模型相匹敌,特别是在跨语言检索和语义搜索任务中表现突出。


Matryoshka表征学习(MRL)

EmbeddingGemma采用了Matryoshka表征学习技术,这是一个创新的设计特性。开发者可以使用完整的768维向量获得最高质量的嵌入,也可以将其截断为更小的维度(128、256或512维)以提高速度并降低存储成本,而质量损失微乎其微。

# 示例:不同维度的嵌入使用
from sentence_transformers import SentenceTransformer

model = SentenceTransformer("google/embeddinggemma-300m")

# 生成完整768维嵌入
full_embedding = model.encode(["示例文本"], output_dimensions=768)

# 截断为256维嵌入,适合快速检索
compact_embedding = model.encode(["示例文本"], output_dimensions=256)

技术架构深度解析

EmbeddingGemma构建在Gemma 3架构基础上,采用标准的Transformer编码器堆栈,具有全序列自注意力机制。这种设计非常适合文本嵌入模型的需求,不同于Gemma 3中用于图像输入的多模态双向注意力层。

  • • 标准Transformer编码器
  • • 均值池化(Mean Pooling)生成固定长度向量
  • • 768维输出嵌入
  • • 支持最多2048个token的序列

量化感知训练(QAT)

通过QAT技术,EmbeddingGemma在保持模型质量的同时显著减少了内存使用。具体的量化策略包括:

  • • 嵌入层、前馈网络、投影层使用int4量化
  • • 注意力层使用int8量化
  • • 混合精度策略优化性能和效率平衡

实际应用场景

1. 本地RAG系统

EmbeddingGemma的设计初衷就是为了支持完全离线的RAG管道。结合Gemma 3模型,开发者可以构建完全本地化的智能问答系统。

# 本地RAG示例
import numpy as np
from sentence_transformers import SentenceTransformer
from sklearn.metrics.pairwise import cosine_similarity

# 加载EmbeddingGemma模型
embedding_model = SentenceTransformer("google/embeddinggemma-300m")

# 文档库嵌入
documents = [
    "人工智能是计算机科学的一个分支",
    "机器学习是实现人工智能的重要方法",
    "深度学习是机器学习的一个子集"
]

doc_embeddings = embedding_model.encode(documents)

# 查询处理
query = "什么是AI?"
query_embedding = embedding_model.encode([query])

# 相似度搜索
similarities = cosine_similarity(query_embedding, doc_embeddings)
best_match_idx = np.argmax(similarities)

print(f"最相关文档: {documents[best_match_idx]}")

2. 移动端语义搜索

EmbeddingGemma的轻量化特性使其非常适合移动应用。开发者可以将整个搜索功能集成到移动应用中,无需网络连接即可实现强大的语义搜索。

3. 隐私保护的企业应用

对于处理敏感数据的企业应用,EmbeddingGemma提供了理想的解决方案。所有的嵌入生成都在本地设备上完成,确保敏感数据不会离开企业内部网络。


 

开发集成指南

环境配置

# 安装必要的依赖
pip install sentence-transformers
pip install transformers
pip install torch

基础使用示例

from sentence_transformers import SentenceTransformer

# 1. 加载模型
model = SentenceTransformer("google/embeddinggemma-300m")

# 2. 生成嵌入
texts = [
    "今天天气真好",
    "我喜欢机器学习",
    "Python是一门强大的编程语言"
]

embeddings = model.encode(texts)
print(f"嵌入维度: {embeddings.shape}")

# 3. 计算文本相似度
from sklearn.metrics.pairwise import cosine_similarity
similarity_matrix = cosine_similarity(embeddings)
print("相似度矩阵:")
print(similarity_matrix)

针对特定任务的提示模板

EmbeddingGemma支持基于任务的提示模板,可以针对不同的使用场景生成优化的嵌入:

# 查询提示模板
def format_query(query, task="search result"):
    return f"task: {task} | query: {query}"

# 文档提示模板  
def format_document(doc, task="search result"):
    return f"task: {task} | document: {doc}"

# 使用示例
query = format_query("人工智能的发展历史")
document = format_document("人工智能技术在过去几十年中取得了巨大进展")

query_emb = model.encode([query])
doc_emb = model.encode([document])

与主流框架集成

EmbeddingGemma已经与多个流行的AI开发框架无缝集成:

# 与LangChain集成
from langchain.embeddings import HuggingFaceEmbeddings

embeddings = HuggingFaceEmbeddings(
    model_name="google/embeddinggemma-300m"
)

# 与LlamaIndex集成
from llama_index.embeddings.huggingface import HuggingFaceEmbedding

embed_model = HuggingFaceEmbedding(
    model_name="google/embeddinggemma-300m"
)

微调(Fine-tuning)

虽然 EmbeddingGemma 的预训练版本已经足够强大,但在特定领域或专业任务上,通过微调可以让其性能更上一层楼。例如,你可以使用自己业务场景中的数据(如内部知识库的问答对)来对模型进行微调,使其更懂你的“行话”。

官方推荐使用 sentence-transformers 库来进行微调,因为它提供了非常便捷的训练流程。

# 加载模型
import torch
from sentence_transformers import SentenceTransformer
from datasets import Dataset

device = "cuda" if torch.cuda.is_available() else "cpu"

model_id = "google/embeddinggemma-300M"
model = SentenceTransformer(model_id).to(device=device)

print(f"Device: {model.device}")
print(model)
print("Total number of parameters in the model:"sum([p.numel() for _, p in model.named_parameters()]))

# 准备微调数据集
dataset = [
    ["How do I open a NISA account?""What is the procedure for starting a new tax-free investment account?""I want to check the balance of my regular savings account."],
    ["Are there fees for making an early repayment on a home loan?""If I pay back my house loan early, will there be any costs?""What is the management fee for this investment trust?"],
    ["What is the coverage for medical insurance?""Tell me about the benefits of the health insurance plan.""What is the cancellation policy for my life insurance?"],
]

# Convert the list-based dataset into a list of dictionaries.
data_as_dicts = [ {"anchor": row[0], "positive": row[1], "negative": row[2]} for row in dataset ]

# Create a Hugging Face `Dataset` object from the list of dictionaries.
train_dataset = Dataset.from_list(data_as_dicts)
print(train_dataset)

task_name = "STS"

def get_scores(query, documents):
  # Calculate embeddings by calling model.encode()
  query_embeddings = model.encode(query, prompt=task_name)
  doc_embeddings = model.encode(documents, prompt=task_name)

  # Calculate the embedding similarities
  similarities = model.similarity(query_embeddings, doc_embeddings)

  for idx, doc in enumerate(documents):
    print("Document: ", doc, "-> 🤖 Score: ", similarities.numpy()[0][idx])

query = "I want to start a tax-free installment investment, what should I do?"
documents = ["Opening a NISA Account""Opening a Regular Savings Account""Home Loan Application Guide"]

get_scores(query, documents)

from sentence_transformers import SentenceTransformerTrainer, SentenceTransformerTrainingArguments
from sentence_transformers.losses import MultipleNegativesRankingLoss
from transformers import TrainerCallback

loss = MultipleNegativesRankingLoss(model)

args = SentenceTransformerTrainingArguments(
    # Required parameter:
    output_dir="my-embedding-gemma",
    # Optional training parameters:
    prompts=model.prompts[task_name],    # use model's prompt to train
    num_train_epochs=5,
    per_device_train_batch_size=1,
    learning_rate=2e-5,
    warmup_ratio=0.1,
    # Optional tracking/debugging parameters:
    logging_steps=train_dataset.num_rows,
    report_to="none",
)

class MyCallback(TrainerCallback):
    "A callback that evaluates the model at the end of eopch"
    def __init__(self, evaluate):
        self.evaluate = evaluate # evaluate function

    def on_log(self, args, state, control, **kwargs):
        # Evaluate the model using text generation
        print(f"Step {state.global_step} finished. Running evaluation:")
        self.evaluate()

def evaluate():
  get_scores(query, documents)

trainer = SentenceTransformerTrainer(
    model=model,
    args=args,
    train_dataset=train_dataset,
    loss=loss,
    callbacks=[MyCallback(evaluate)]
)
trainer.train()

 

部署与优化

Docker部署

# CPU部署
docker run -p 8080:80 ghcr.io/huggingface/text-embeddings-inference:cpu-1.8.1 \
  --model-id google/embeddinggemma-300m --dtype float32

# GPU部署(支持多种GPU架构)
docker run --gpus all --shm-size 1g -p 8080:80 \
  ghcr.io/huggingface/text-embeddings-inference:cuda-1.8.1 \
  --model-id google/embeddinggemma-300m --dtype float32

ONNX优化部署

# 使用ONNX优化版本
docker run -p 8080:80 ghcr.io/huggingface/text-embeddings-inference:cpu-1.8.1 \
  --model-id onnx-community/embeddinggemma-300m-ONNX \
  --dtype float32 --pooling mean

性能调优建议

  1. 1. 选择合适的嵌入维度:根据应用需求在质量和性能之间找到平衡
  2. 2. 批处理优化:对大量文本进行批处理可以显著提高吞吐量
  3. 3. 缓存策略:对常用文本的嵌入结果进行缓存
  4. 4. 硬件选择:EdgeTPU能够提供最佳的推理性能

微调与定制化

领域特定微调

EmbeddingGemma支持针对特定领域的微调,以获得更好的性能:

from sentence_transformers import SentenceTransformer, InputExample, losses
from torch.utils.data import DataLoader

# 准备训练数据
train_examples = [
    InputExample(texts=['查询文本''相关文档'], label=1.0),
    InputExample(texts=['查询文本''不相关文档'], label=0.0),
]

# 创建数据加载器
train_dataloader = DataLoader(train_examples, shuffle=True, batch_size=16)

# 加载预训练模型
model = SentenceTransformer('google/embeddinggemma-300m')

# 定义损失函数
train_loss = losses.CosineSimilarityLoss(model)

# 微调模型
model.fit(
    train_objectives=[(train_dataloader, train_loss)],
    epochs=1,
    warmup_steps=100
)

最佳实践与注意事项

性能优化建议

  1. 1. 批量处理:尽可能使用批量推理来提高吞吐量
  2. 2. 维度选择:根据具体应用场景选择合适的嵌入维度
  3. 3. 缓存机制:对重复查询的结果进行缓存
  4. 4. 硬件优化:选择合适的硬件平台以获得最佳性能

安全与隐私考虑

  1. 1. 本地处理:充分利用模型的本地运行能力保护数据隐私
  2. 2. 访问控制:实施适当的访问控制机制
  3. 3. 数据脱敏:在必要时对敏感数据进行脱敏处理

模型限制与注意事项

  1. 1. 上下文长度:模型最大支持2K token的输入
  2. 2. 语言支持:虽然支持100多种语言,但在某些低资源语言上性能可能有限
  3. 3. 领域适应:对于特定领域的应用,建议进行微调以获得最佳效果

实际案例分析

案例1:企业文档检索系统

某金融科技公司使用EmbeddingGemma构建了内部文档检索系统,实现了以下效果:

  • • 检索准确率提升:F1分数相比之前的模型提升1.9%
  • • 响应速度:平均查询延迟降至420ms
  • • 隐私保护:所有数据处理都在本地完成

案例2:代码语义搜索

开源AI编程助手Roo Code使用EmbeddingGemma实现代码库索引和语义搜索:

  • • 结合Tree-sitter进行逻辑代码分割
  • • 显著改善了LLM驱动的代码搜索准确性
  • • 支持模糊查询,更贴近开发者工作流程

总结

EmbeddingGemma代表了设备端AI嵌入模型的重大突破。它成功地在模型大小、性能和功能性之间找到了理想的平衡点,为开发者提供了一个强大而灵活的工具来构建隐私保护、低延迟的AI应用。

核心优势总结:

  • • 轻量高效:308M参数,<200MB内存占用
  • • 性能卓越:5亿参数以下模型MTEB排名第一
  • • 隐私友好:完全本地化处理,无需云端依赖
  • • 易于集成:支持主流AI开发框架和工具
  • • 灵活可扩展:支持多种部署方式和微调选项

53AI,企业落地大模型首选服务商

产品:场景落地咨询+大模型应用平台+行业解决方案

承诺:免费POC验证,效果达标后再合作。零风险落地应用大模型,已交付160+中大型企业

联系我们

售前咨询
186 6662 7370
预约演示
185 8882 0121

微信扫码

添加专属顾问

回到顶部

加载中...

扫码咨询

扫码登录
登录即表示您同意《53AI网站服务协议》
服务协议

欢迎您使用【53AI 官方网站】(以下简称“本网站”或“我们”)。本《会员服务协议》(以下简称“本协议”)是您(以下简称“会员”或“用户”)与【深圳市博思协创网络科技有限公司】之间关于注册、登录及使用本网站会员服务所订立的法律协议。

在您注册或登录前,请务必审慎阅读、充分理解各条款内容,特别是免除或限制责任的条款、知识产权条款、争议解决条款等。此类条款将以加粗形式提示您注意。 当您通过微信公众号授权、手机验证码验证或其他方式成功登录本网站时,即视为您已完全理解并同意接受本协议的全部内容。

一、 定义

本网站:指由【深圳市博思协创网络科技有限公司】运营的,域名为【53ai.com】的网站及相关移动端页面。

会员服务:指本网站向注册会员提供的知识库文章查阅、内容检索及其他相关增值服务。

知识库内容:指本网站发布的包括但不限于文字、图表、数据、研究报告、行业分析等数字化内容资源。

二、 账号注册与登录

登录方式:本网站支持以下登录方式,您可根据实际情况选择:

微信公众号授权登录:您同意将您的微信OpenID信息授权给本网站,用于创建或关联会员账号。

手机验证码登录:您需提供真实有效的手机号码,并通过短信验证码完成身份验证与登录/注册。

账号安全:您的账号仅限您本人使用,禁止赠与、借用、租用、转让或售卖。因您保管不善导致的账号被盗、密码泄露等损失,由您自行承担。

实名认证:根据相关法律法规要求,我们可能要求您在特定功能下完成实名认证。如您拒绝提供,可能无法使用部分或全部服务。

未成年人保护:若您未满18周岁,请在法定监护人的陪同下阅读本协议,并在征得监护人同意后使用本服务。

三、 服务内容与规范

知识库查阅权限:会员登录后,有权按照其会员等级对应的权限范围,在线浏览、检索本网站知识库中的相关文章及内容。

服务变更:我们有权根据业务发展需要,调整、变更或终止部分服务内容,并将以网站公告、公众号消息等方式提前通知。

禁止行为:您在使用服务时不得实施以下行为:

利用技术手段批量爬取、下载、转存知识库内容;

将知识库内容用于商业目的或未经授权地向第三方传播;

干扰本网站正常运行或侵犯其他用户合法权益;

发布违法违规信息或从事违反公序良俗的活动。

四、 知识产权声明

权利归属:本网站知识库中的排版设计、软件代码等内容的知识产权均归【公司全称】或原权利人所有,受《中华人民共和国著作权法》等法律保护。

有限许可:本网站授予会员一项非独占、不可转让、不可转授权的普通许可,仅限于个人学习、研究之目的在线查阅知识库内容。

侵权追责:未经书面许可,任何单位或个人不得以任何形式复制、转载、摘编、镜像、汇编或以其他方式使用上述内容。一经发现,我们保留追究其法律责任的权利。

五、 个人信息保护

我们重视对您个人信息的保护。关于我们如何收集、使用、存储和保护您的个人信息,请单独阅读 《隐私政策》。

您通过微信公众号授权或手机号验证所提供的信息,我们将严格按照《个人信息保护法》的规定处理,仅用于身份识别、服务提供及安全验证等必要用途。

您可以随时通过网站设置或联系客服行使查阅、更正、删除个人信息及撤回授权同意的权利。

六、 免责声明

内容准确性:知识库内容仅供参考,不构成专业建议。我们不对其完整性、准确性、时效性作任何明示或暗示的保证,您应自行判断并承担使用风险。

不可抗力:因自然灾害、政策法规变化、网络故障、第三方平台接口异常(如微信接口维护、运营商短信通道故障)等不可抗力导致的服务中断或延迟,我们不承担违约责任。

第三方链接:本网站可能包含指向第三方网站的链接,该等网站的内容和服务不受我们控制,请您自行甄别风险。

七、 违约责任

如您违反本协议约定,我们有权视情节采取警告、限制功能、暂停服务、注销账号等措施,并保留要求赔偿损失的权利。

如因您的违约行为导致我们遭受行政处罚、第三方索赔或商誉损失,您应承担全部赔偿责任(包括但不限于罚款、赔偿金、律师费、公证费等)。

八、 法律适用与争议解决

本协议的订立、执行和解释均适用中华人民共和国大陆地区法律。

因本协议产生的或与本协议有关的任何争议,双方应友好协商解决;协商不成的,任何一方均可向【公司所在地】有管辖权的人民法院提起诉讼。

九、 其他

本协议构成双方就本服务达成的完整协议,取代此前任何口头或书面约定。

本协议任一条款被认定为无效或不可执行的,不影响其他条款的效力。

我们对本协议享有最终解释权,并在法律允许的范围内保留随时修改的权利。修改后的协议一经公布即生效,继续使用服务即视为同意修订内容。


已查阅