Gemini Embedding 2 的關鍵：把「看得懂」變成可搜尋、可比對、可檢索 Google 發佈 Gemini Embedding 2，主打「原生多模態嵌入（multimodal embeddings）」與「跨語言語義對齊」。如果你平常接觸的是生成式 AI（寫文、摘要、對話），嵌入模型看起來像配角；但在企業實務裡，嵌入往往才是把內容變成「可被系統使用」的核心。 嵌入的本質，是把文字、圖片或影音內容轉成向量（vector），讓系統能用「距離／相似度」做：搜尋、分類、推薦、去重、聚類、RAG 檢索等。而 Gemini Embedding 2 的賣點在於：它不只把多種資料型態塞進同一套向量空間，還強調能跨語言對齊語義，讓「中文描述找英文影片」、「用日文查到圖片」這類需求更接近可用。 為什麼「原生多模態」比「先轉文字再嵌入」重要？ 過去常見做法是： – 圖片先跑 OCR 或 caption（產生文字描述）...