Google（谷歌） Earth AI 的人口动态基础模型在五项公共卫生任务中获合作方独立评估
Google（谷歌） Research 发布地球 AI（Earth AI）旗下人口动态基础模型（PDFM），该模型用自监督学习把隐私保护的搜索趋势、人群移动、建成环境与天气空气质量等信号压缩为地点嵌入。
五项由合作机构独立执行的公共卫生评估显示，嵌入无需任务微调即可接入既有流行病学流程，在疫苗接种覆盖、心血管疾病、登革热、产后抑郁和霍乱预警中总体匹配或改善传统输入。
嵌入已以 Population Dynamics Insights 名义在 Google Maps Platform 预览版商用。
Google（谷歌） Research 工程师 Arbaaz Muslim 与 Gautam Prasad 撰文介绍 Earth AI 的人口动态基础模型（Population Dynamics Foundation Model，PDFM）。
PDFM 使用自监督学习，将隐私保护的聚合搜索趋势、建成环境与人群移动、天气与空气质量等环境决定因素合成为以月度频率更新的地点嵌入。
文章列出五项合作方评估：西奈山医疗系统（Mount Sinai Health System）与波士顿儿童医院（Boston Children's Hospital）在美国—加拿大边境 146 个县，加入加拿大 Forward Sortation Area 嵌入后，将麻疹—腮腺炎—风疹（MMR）疫苗接种覆盖率模型的解释方差从 0.159 提升至 0.216，相对提升 36%；
纽约大学格罗斯曼医学院（NYU Grossman School of Medicine）在美国约 3,100 个县预测 2023 年心血管疾病死亡数，与使用美国社区调查（ACS）人口与社会经济数据的模型准确性相当（平均绝对误差 18.7 对 19.1 例/县），差异不具统计显著性，且均方根误差（RMSE）由 57.69 降至 46.00；
牛津大学（University of Oxford）与蒙特雷理工学院（Tecnológico de Monterrey）结合 TimesFM 2.0 预测墨西哥约 2,450 个市镇的登革热病例，一个月预测在最多 72% 的活跃传播市镇改善准确性；
华盛顿大学（University of Washington）在 CDC（美国疾病控制与预防中心） PRAMS（美国疾控中心怀孕风险评估监测系统）调查 332,970 名参与者中评估产后抑郁风险预测，曲线下面积（AUC）在已见州提升 0.0020、未见州提升 0.0038；
WHO（世界卫生组织） AFRO（世界卫生组织非洲区域办事处）定义、基于刚果民主共和国 403 个卫生区的霍乱暴发预测任务中，4 周时曲线下精确率—召回率面积（AUPRC）相对提升 9.7%，8 周时 Precision@5 相对提升 18.1%。
PDFM 嵌入已以 Population Dynamics Insights 形式在 Google Maps Platform 上预览版商用，学术和公共卫生研究者可申请免费访问。 模型当前存在静态快照等限制。
该工作把基础模型范式从语言、视觉扩展到地理空间与公共卫生交叉领域，核心主张不是替代流行病学模型，而是以地点嵌入补充滞后、稀疏的传统监测数据。 五项评估由合作方独立执行，覆盖高资源与低资源环境、传染病与非传染病、群体预测与个体风险，方法学上比单一数据集验证更有说服力，但均为观察性评估，而非前瞻性随机对照试验（RCT）。
PDFM 已进入商用预览，说明地学基础模型的商业化路径可能与语言模型类似：先以嵌入或应用程序编程接口（API）形式嵌入既有工作流，而非直接面向终端用户。
后续观察信号
- 查找论文原文以核实五项评估的方法学细节与置信区间
- 了解 Population Dynamics Insights 的商用定价与数据接入方式
- 追踪 TimesFM 在非时序预测任务中的更多结合案例