Google、社外にデータを送らないAIモデル公開 スマホ1台でテキスト・画像・音声を処理
Google DeepMindは2026年10月6日、マルチモーダル埋め込みモデル「EmbeddingGemma 2」を公開した。テキスト・画像・音声・動画を1つの埋め込み空間で処理でき、個人データをクラウドに送らず端末内で完結して動作する。
端末内処理による3つの変化
前世代から変わった点は3つある。コンテキストウィンドウが4Kから8Kトークンへ拡張されたこと、Matryoshka Representation Learning（MRL）によりベクトル次元を768から最大128まで削減できストレージや処理コストを抑えられること、そしてテキスト・画像・音声・動画の4モダリティを1つの埋め込み空間で統一処理できること。
最も大きな変化は、個人データをクラウドに送らずに端末内でAI処理が完結する点だ。 顧客情報や財務データを外部に送らずに検索・分類・推薦を実行できるため、情報管理に慎重な現場での活用に適している。
データを外に出さずにできること
「RAM 567MB」「Pixel 11 Proで動作確認済み」という仕様が中小企業の現場でどう使えるか、業種別に整理する。
・士業・コンサル: 社内文書の意味検索。契約書や議事録を端末内で処理でき、社外へのデータ送信なしにナレッジ検索の効率を高められる。
・小売・EC: 商品画像の類似検索。写真から似た商品を端末内で即座に照合し、在庫確認や接客補助に活用できる。
・カスタマーサポート: テキストと画像が混在した問い合わせを端末内で自動分類し、担当部署へのルーティングを自動化できる。
現時点では開発者・エンジニア向けのモデル公開段階であり、端末アプリへの組み込みはアプリ開発者が担う。スマートフォンアプリや業務ツールに搭載される形で、今後1〜2年で実用的な活用が広がる見通しだ。
（筆者意訳）Googleは本モデルを「オンデバイスのマルチモーダル埋め込みに最も優れたモデル」と位置づけ、テキスト・画像・音声・動画を1つの埋め込み空間にネイティブでマッピングする能力を特徴として挙げている。
出典: Google DeepMind「Introducing EmbeddingGemma 2」
主な技術仕様
| 項目 | 内容 |
|---|---|
| パラメータ数 | 7億4,000万 |
| コンテキストウィンドウ | 8Kトークン（前世代の4倍） |
| RAM（テキストのみ） | 約191MB |
| RAM（フルマルチモーダル） | 約567MB |
| 対応モダリティ | テキスト・画像・音声・動画 |
| ベクトル次元削減 | 768から最大128次元（MRL対応） |
| 動作確認端末 | Google Pixel 11 Pro |
出典: Google DeepMind「Introducing EmbeddingGemma 2」（2026年10月6日）
