Google 把搜索模型压到 865MB，Mac 本地 AI 能搜你的文件了

这是什么

9 月底 Google DeepMind 开源了 EmbeddingGemma 2——一种"嵌入模型"，也就是把文本、图片、音频、视频都转成可比较的数字序列，体积只有 865MB。本周，独立开发者 ARahim3 在 GitHub 发布了 DigUp，一款 macOS 原生应用，把这个模型装进了系统级的文件搜索。

用法很直接：用自然语言描述你记得的内容，应用直接跳到那一帧或那一段。比如「视频里出现斑马的瞬间」「合同里关于宠物的那一条」「那张狗在沙滩上的照片」——用孟加拉语、阿拉伯语搜也能命中。代码文件支持直接定位到函数。

技术实现：GGUF 量化格式 + llama.cpp + Apple Metal 加速，全 Swift 写，零 Python 依赖。搜索时只加载 250MB 的文本编码器，输入停手 0.1 秒出结果。索引峰值不到 2GB，建完索引 helper 进程自动退出。所有数据留在本地，只有下载模型时联网，更新检查可关。

硬性限制：仅支持 Apple Silicon（M1 及以上）+ macOS 14+。MIT 协议，免费。

行业怎么看

值得肯定的一面：Google 一直走"小模型"路线——Gemma 系列目标就是让手机、笔记本跑得动。这次开发者几天内拼出完整应用，说明模型层和应用层的距离在缩短。一个 865MB 的小模型 + 一个极简外壳 = 真实工具，这是过去两年没出现过的组合。

必须冷静的一面：第一，仅支持 Apple Silicon 是硬门槛，全球大多数 Mac 用户、几乎所有 Windows 用户用不到。第二，演示场景（「斑马那帧」「宠物条款」）是开发者精心挑选的例子，杂乱文件夹、模糊记忆下的命中率还没人验证。第三，这是一个 Reddit 上的个人项目，没有公司背书，更新和长期支持都是问号。本地 AI 的续航占用、首次建索引的时间成本，演示里也没提。

对普通人的影响

对企业 IT：文件不出本机这件事对金融、医疗、法律等强合规行业意义很大，本地 AI 让"AI 助手上岗"第一次有了合规路径。

对个人职场：未来你积累的笔记、录音、合同 PDF 不再依赖文件名管理，靠"描述内容"就能翻出来——前提是你得用 Apple Silicon 的 Mac。

对消费市场：AI 不只是 ChatGPT 网页和手机语音助手，开始出现"住在系统里"的形态，这种趋势会倒逼 PC 厂商重新强调 AI 算力配置。