谷歌CEO最新对话录：谷歌AI的历史和未来，谈AI竞赛、智能体演进与物理极限_老虎社区_美港股上老虎

谷歌CEO最新对话录：谷歌AI的历史和未来，谈AI竞赛、智能体演进与物理极限

Web3天空之城04-09

被误解的 Transformer 遗产与产品化逻辑在科技史的叙述中，谷歌常被描述为“发明了火种却让别人点亮了火炬”的角色。针对 Transformer 架构的起源与 ChatGPT 的崛起，皮查伊有着不同的观察视角。他指出，Transformer 的诞生并非纯粹的实验室产物，而是受翻译功能和大规模语音识别等实际需求驱动的。“Transformers 很快就被投入使用。Bert 和 MUM 对...

网页链接

免责声明：本文观点仅代表作者个人观点，不构成本平台的投资建议，本平台不对文章信息准确性、完整性和及时性做出任何保证，亦不对因使用或信赖文章信息引发的任何损失承担责任。

风筝_3343
·04-10
把人类带向哪里？
回复
1
举报

热议股票

7x24

全部

{"i18n":{"language":"zh_CN"},"data":{"share":"https://www.laohu8.com/m/news/1122363023?lang=zh_CN&edition=full","thumbnail":"https://static.tigerbbs.com/72ff096d92bde99cad649089dadf1319","is_english":false,"pubTime":"2026-04-09 23:02","share_image_url":"https://static.laohu8.com/e9f99090a1c2ed51c021029395664489","id":"1122363023","market":"us","top_or_hot":-1,"title":"谷歌CEO最新对话录：谷歌AI的历史和未来，谈AI竞赛、智能体演进与物理极限","media":"Web3天空之城","content":"<div>\n被误解的 Transformer 遗产与产品化逻辑在科技史的叙述中， 谷歌 常被描述为“发明了火种却让别人点亮了火炬”的角色。针对 Transformer 架构的起源与 ChatGPT 的崛起，皮查伊有着不同的观察视角。他指出，Transformer 的诞生并非纯粹的实验室产物，而是受翻译功能和大规模语音识别等实际需求驱动的。“Transformers 很快就被投入使用。Bert 和 MUM 对...\n\n<a href=\"https://mp.weixin.qq.com/s/ohX7jpAhILBhLchnGCkeug\">网页链接</a>\n\n</div>\n","source":"lsy1683188610541","html":"<!DOCTYPE html>\n<html>\n<head>\n<meta http-equiv=\"Content-Type\" content=\"text/html; charset=utf-8\" />\n<meta name=\"viewport\" content=\"width=device-width,initial-scale=1.0,minimum-scale=1.0,maximum-scale=1.0,user-scalable=no\"/>\n<meta name=\"format-detection\" content=\"telephone=no,email=no,address=no\" />\n<title>谷歌CEO最新对话录：谷歌AI的历史和未来，谈AI竞赛、智能体演进与物理极限</title>\n<style type=\"text/css\">\na,abbr,acronym,address,applet,article,aside,audio,b,big,blockquote,body,canvas,caption,center,cite,code,dd,del,details,dfn,div,dl,dt,\nem,embed,fieldset,figcaption,figure,footer,form,h1,h2,h3,h4,h5,h6,header,hgroup,html,i,iframe,img,ins,kbd,label,legend,li,mark,menu,nav,\nobject,ol,output,p,pre,q,ruby,s,samp,section,small,span,strike,strong,sub,summary,sup,table,tbody,td,tfoot,th,thead,time,tr,tt,u,ul,var,video{ font:inherit;margin:0;padding:0;vertical-align:baseline;border:0 }\nbody{ font-size:16px; line-height:1.5; color:#999; background:transparent; }\n.wrapper{ overflow:hidden;word-break:break-all;padding:10px; }\nh1,h2{ font-weight:normal; line-height:1.35; margin-bottom:.6em; }\nh3,h4,h5,h6{ line-height:1.35; margin-bottom:1em; }\nh1{ font-size:24px; }\nh2{ font-size:20px; }\nh3{ font-size:18px; }\nh4{ font-size:16px; }\nh5{ font-size:14px; }\nh6{ font-size:12px; }\np,ul,ol,blockquote,dl,table{ margin:1.2em 0; }\nul,ol{ margin-left:2em; }\nul{ list-style:disc; }\nol{ list-style:decimal; }\nli,li p{ margin:10px 0;}\nimg{ max-width:100%;display:block;margin:0 auto 1em; }\nblockquote{ color:#B5B2B1; border-left:3px solid #aaa; padding:1em; }\nstrong,b{font-weight:bold;}\nem,i{font-style:italic;}\ntable{ width:100%;border-collapse:collapse;border-spacing:1px;margin:1em 0;font-size:.9em; }\nth,td{ padding:5px;text-align:left;border:1px solid #aaa; }\nth{ font-weight:bold;background:#5d5d5d; }\n.symbol-link{font-weight:bold;}\n/* header{ border-bottom:1px solid #494756; } */\n.title{ margin:0 0 8px;line-height:1.3;color:#ddd; }\n.meta {color:#5e5c6d;font-size:13px;margin:0 0 .5em; }\na{text-decoration:none; color:#2a4b87;}\n.meta .head { display: inline-block; overflow: hidden}\n.head .h-thumb { width: 30px; height: 30px; margin: 0; padding: 0; border-radius: 50%; float: left;}\n.head .h-content { margin: 0; padding: 0 0 0 9px; float: left;}\n.head .h-name {font-size: 13px; color: #eee; margin: 0;}\n.head .h-time {font-size: 11px; color: #7E829C; margin: 0;line-height: 11px;}\n.small {font-size: 12.5px; display: inline-block; transform: scale(0.9); -webkit-transform: scale(0.9); transform-origin: left; -webkit-transform-origin: left;}\n.smaller {font-size: 12.5px; display: inline-block; transform: scale(0.8); -webkit-transform: scale(0.8); transform-origin: left; -webkit-transform-origin: left;}\n.bt-text {font-size: 12px;margin: 1.5em 0 0 0}\n.bt-text p {margin: 0}\n</style>\n</head>\n<body>\n<div class=\"wrapper\">\n<header>\n<h2 class=\"title\">\n谷歌CEO最新对话录：谷歌AI的历史和未来，谈AI竞赛、智能体演进与物理极限\n</h2>\n\n<h4 class=\"meta\">\n\n\n2026-04-09 23:02 北京时间&nbsp;&nbsp;&nbsp;<a href=https://mp.weixin.qq.com/s/ohX7jpAhILBhLchnGCkeug>Web3天空之城</a>\n\n\n</h4>\n\n</header>\n<article>\n<div>\n被误解的 Transformer 遗产与产品化逻辑在科技史的叙述中， 谷歌 常被描述为“发明了火种却让别人点亮了火炬”的角色。针对 Transformer 架构的起源与 ChatGPT 的崛起，皮查伊有着不同的观察视角。他指出，Transformer 的诞生并非纯粹的实验室产物，而是受翻译功能和大规模语音识别等实际需求驱动的。“Transformers 很快就被投入使用。Bert 和 MUM 对...\n\n<a href=\"https://mp.weixin.qq.com/s/ohX7jpAhILBhLchnGCkeug\">网页链接</a>\n\n</div>\n\n\n</article>\n</div>\n</body>\n</html>\n","isBrief":false,"type":0,"news_type":1,"symbol":"GOOGL","symbol_name":"谷歌A","start_time":0,"source_url":"https://mp.weixin.qq.com/s/ohX7jpAhILBhLchnGCkeug","article_id":"1122363023","we_media_id":null,"thumbnails":["https://static.tigerbbs.com/72ff096d92bde99cad649089dadf1319"],"rights":null,"url":"https://stock-news.laohu8.com/highlight/detail?id=1122363023","pubTimestamp":1775746920,"columns":[],"sourceInfo":{"source_id":"lsy1683188610541","name":"Web3天空之城"},"weMediaInfo":null,"summary":"这是一个扩张性的时刻。","collect":0,"end_time":0,"defaultTopTitle":"qq.com","property":[],"viewcount":null,"language":"zh","relate_stocks":{"GOOGL":"谷歌A","GOOG":"谷歌"},"translate_title":"Google CEO's Latest Dialogue: The History and Future of Google AI, Talking about AI Competition, Agent Evolution and Physical Limits","themeId":"02e96789d26368d1c5a549ab108d64a3","isJumpTheme":false,"ttsUrl":"https://static.tigerbbs.com/bd4a5757d6ec56a2bb943ddf5d1b1ea8","symbols_score_info":{"GOOG":2,"GOOGL":2},"content_text":"被误解的 Transformer 遗产与产品化逻辑在科技史的叙述中， 谷歌 常被描述为“发明了火种却让别人点亮了火炬”的角色。针对 Transformer 架构的起源与 ChatGPT 的崛起，皮查伊有着不同的观察视角。他指出，Transformer 的诞生并非纯粹的实验室产物，而是受翻译功能和大规模语音识别等实际需求驱动的。“Transformers 很快就被投入使用。Bert 和 MUM 对搜索质量的提升是巨大的，那是搜索业务领先于所有竞争对手的时期，” 皮查伊解释道。他承认在对话式产品的发布门槛上，谷歌有着更高的“质量偏见”，尤其是在处理模型毒性和搜索准确性方面。他坦言，早期的 Lambda 模型在内部甚至被认为具备感知能力，但由于缺乏成熟的 RLHF（基于人类反馈的强化学习）处理，谷歌并未急于推向市场。皮查伊认为，OpenAI 的成功部分源于在编码侧（Coding）看到的连续性跨越，这可能比单纯的语言侧信号更具突破性。垂直整合：全栈投资构建的防御性壁垒当外界在去年一度对谷歌的搜索业务感到悲观时，皮查伊正专注于内部的“垂直整合”。他认为，谷歌之所以能应对当前的算力竞赛，归功于自 2016 年就开始的 AI 优先战略。“垂直整合并不是偶然，我们当时正在构建 AI 数据中心，那是 2016 年。这种整合让我们能够从研究团队、基础设施到平台进行全方位的协同。” 这种“全栈”优势在 Gemini 系列中得到了体现。皮查伊特别提到了延迟（Latency）作为产品核心竞争力的重要性。在谷歌，团队甚至拥有毫秒级的“延迟预算”。“Flash 模型的能力达到了 Pro 模型的 90% 左右，但速度快得多，服务效率也更高，这正是垂直整合助益的结果。”搜索的未来：从检索框到“个人代理管理器”关于搜索是否会消失的讨论从未停止，皮查伊给出的答案是“演进”而非“取代”。他设想中的搜索将不再是简单的提示词返回链接，而是向具备主动执行能力的代理式流程转变。“搜索会成为一个代理管理器，你将能够完成各项任务，会有许多线程在同时运行。” 皮查伊认为，即便硬件外形发生剧变，搜索的核心功能——作为人类与世界的交互界面——只会变得更加扩张。他拒绝将这一过程看作零和博弈，“一旦你处于这些领域的最前沿，你会发现搜索和 Gemini 在某些方面产生重叠，在某些方面产生分歧，同时拥有两者并拥抱这种变化是件好事。”2026 瓶颈期：当 AI 撞上物理世界的南墙尽管谷歌拥有巨额的资本支出计划，但皮查伊清醒地认识到，金钱并不能解决所有问题。他预测 2026 年后，AI 的扩张速度将受到物理世界的制约。“我们正受到供应能力的制约。即使你想花掉 4000 亿美元，也可能花不掉，因为内存不够，电力不够。” 皮查伊强调，晶圆产能和能源审批速度是深层次的限制。尤其是内存（Memory），被他视为目前最关键的要素之一。“领先的内存公司不可能大幅提升他们的产能，这些限制在短期内确实存在。” 然而，他也乐观地认为，这种制约将激发创新，推动计算效率实现 30 倍甚至更高的提升。资本配置哲学：为何在悲观中坚守 Waymo在谷歌众多的“Other Bets”中，Waymo 的坚持最具代表性。皮查伊揭示了谷歌资本配置的底层逻辑：并非基于短期情绪，而是基于对技术曲线的定量评估。“你越有能力在更深的技术层面评估事物，就越能做出更好的决策。我们追踪 Waymo Driver 的安全性和可靠性曲线，即使在外界最悲观的时候，我们也增加了投资。” 他将这种逻辑同样应用于量子计算和机器人领域。皮查伊透露，谷歌正在构思“太空数据中心”等前沿项目。对于机器人，他认为 AI 是过去十年缺失的关键要素，而现在，“具备空间推理能力的 Gemini 机器人模型已经展现出最先进的水平。”2027 转折点：智能过剩与工作流的深度重构皮查伊预见到，尽管模型能力在飞速提升，但社会和企业内部的“变革管理”将是巨大的挑战。他将这种现状描述为某种程度的“智能过剩”。“我非常确信，2027 年将成为某些事物的关键转折点。它将成为从业者完成产出的工作流方式。” 谷歌内部正在通过名为“Jetski”的智能体环境，重新定义 SRE（站点可靠性工程）和搜索团队的工作模式。皮查伊承认，身份访问控制、安全性以及再培训成本是普及的障碍，但这种转型是必然的。“年轻公司将具备 AI-native 团队的优势，而我们则必须推动这种全员的转型。”Transformer 的发明与产品化反思John：Sundar Pichai 担任 Google 首席执行官已满十年。如今，Alphabet 不仅是全球最大的科技公司之一，也是人工智能竞赛的领跑者，计划在 2026 年投入 1750 亿美元用于资本支出。干杯。感谢你的到来。在讨论 Google 与人工智能时，人们经常提到的一段历史是：Transformer 架构虽然是在 Google 发明的，但随后却在 Google 之外被产品化，主要是以 ChatGPT 和类似风格的产品呈现。你现在对此有何反思？我认为这确实值得探讨。Sundar Pichai：好的，感谢邀请我参加。这在一定程度上存在误解。Transformer 的研发是在大量使用 TPU 等环境背景下进行的。我们所做的一切在某种程度上都是为了解决特定的产品需求，就像团队当时在思考如何改进翻译功能一样。以 TPUs 为例，嘿，语音识别虽然有效，但你突然需要为 20 亿人提供服务时该怎么办。我们没有足够的芯片供自己使用。就像是，你如何解决它的推理问题？我之前并不知道这一点。Transformers 当初是专门……这是来自我们的研究团队，但他们是受解决实际问题的驱动。而且 Transformers 很快就被投入使用。所以 Bert 和 MUM，人们低估了其影响程度，因为我们如此严谨地衡量搜索质量，那一时期搜索质量的一些最大飞跃——即搜索业务领先于所有竞争对手的时候——正是因为 Bert 和 MUM。我们构建了 Transformers 并立即将其用于搜索，以提升语言理解能力、理解网页内容、理解用户的查询，并不断构建更好的模型。我们当时也已经开始将其产品化，内部有团队在开发名为 LaMDA 的项目。显然我们并不是首个推出此类产品的，但我认为这不仅仅是因为它仅处于研究阶段而未投入产品方向。John：我认为情况就是这样：你进行了这项研究，随后从预期的应用方式中看到了巨大的投资回报率，至于你没有发明所有基于此技术产生的产品，这在预料之中。我想更进一步地说。从 LaMDA 到 ChatGPT：发布门槛与时机Sundar Pichai：我们确实构思过类似 ChatGPT 的产品，那就是 LaMDA。你应该还记得，内部曾有一位工程师认为它具备感知能力，所以，可以把它看作是他在内部交流的 ChatGPT 的早期版本。因此，我们甚至拥有它的产品版本。在平行宇宙中，Google 大概会在九个月后将其发布。或许事实上，在 2022 年的 Google I/O 上，我们发布了一个名为 AI Test Kitchen 的产品，那里面运行的就是 LaMDA，但我们对其做了限制。因为在内部，我们还没有一个经过 RLHF 处理的端到端版本，所以我当时看到的那个版本，毒性要大得多。我们当时根本不可能把它发布出来。而且，我认为作为一家对搜索质量有偏见的公司，我们对什么样的产品质量才是可接受的发布标准，可能设定了更高的门槛。但这并不是说我们不知道该如何把它发布出去。我还要指出，即使在 OpenAI 发布产品时，他们大概在几个月前就已经和 Microsoft 达成了协议。所以，回过头来看，情况并不完全显而易见。我认为他们也很幸运，能在 GitHub 的编码侧看到这一点。我想也许我们漏掉了一个信号。在编码侧看到的连续性跨越可能比单纯在语言侧看到的要大。是的。所以如果你也用它来进行编码， GPT-2 到 GPT-3 以及后来的 GPT-4 之间的跨越可能更加显著。所以，你可以指出这一点。对事物而言，所以，但我认为要回答最初的问题，我认为这与其说是研究到产品的转化，不如说是许多其他因素共同作用的结果。Elad Gil：我还记得曾与一些参与开发 ChatGPT 的人交流过，我想他们是在感恩节那一周发布的。那算是一个相对低调的发布。那并不是那种大张旗鼓、宣称这将成为我们未来重要组成部分的发布。我认为那更像是一个很酷的测试案例。没错。这真的很有趣。Sundar Pichai：但是，我理解这些时刻的方式是，如果你身处消费互联网领域，你就总会遇到意外惊喜。我们当时在 Go on。当时有 Google Video Search 之类的东西，后来 YouTube 出现了，只是我们收购了 YouTube。或者试想一下，如果你在 Facebook 工作，Instagram 出现了。没有人会坐下来讨论，你不会带着那种戏剧化的心态去看待这些时刻，因为 Facebook 刚刚收购了 Instagram。没错。没错。但我所内化理解的领域是消费级互联网。人们现在能够做到，三个人坐在一起进行原型设计，并产出数以百万计的东西。我并非试图贬低任何事物，我只是说你总会遇到这样的时刻。我不认为人们会在车库里醒来就能发布出一款比 iPhone 更好的产品。那是不可能发生的，但消费级互联网并非如此运作。所以你只需要意识到这一点并将其内化。速度的哲学：延迟预算与 Gemini FlashJohn：当我思考 2026 年的 AI 竞赛时，有一件事让我印象深刻，那就是 Google 长期以来一直将速度作为其脱颖而出的首选之地。因此，最初的 Google Search 非常快，而且众所周知，它会在搜索结果中显示搜索查询耗时，以此来展示其优势。还有，比如 Gmail 相比当时竞争对手的快速搜索，或者 Chrome 相比当时竞争对手的快速表现。现在，我会针对不同的用途使用各种 AI 服务，但在 TPU 上运行的 Gemini 速度实在太快了。我很好奇这在多大程度上属于明确的产品策略，您是如何看待这一点的？还是说情况要复杂得多？Sundar Pichai：我一直以来都将速度——在此我们可以将其称为延迟——视为核心要素。它也是一款伟大产品的显著特征之一。而且，它几乎总是反映出该产品背后有着扎实的技术支撑。还有另一种同样重要的速度，即交付、迭代和发布周期的速度。所以这两者都很重要。但是，正如您所提到延迟问题。说想要低延迟很容易，但您需要不断增加各项功能。因此，能力的前沿正在不断推进。所以，在某种意义上，该如何权衡这一点呢？这就是问题变得复杂的地方。但举个例子，比如搜索，我当时正在和团队沟通，比如他们现在为子团队设定了延迟预算，精确到毫秒级。你会获得 50% 的绩效额度。所以，如果你发布了一个功能，减少了 3 毫秒的延迟，你就能为你的延迟预算赢得 1.5 毫秒，而剩下的 1.5 毫秒则会转化为用户的体验提升。没错。根据我们对你所做工作的判断，有些人可能会获得 30 毫秒或 10 毫秒的延迟预算。你可以使用它。所以，针对这一点，我们有严格的审查机制。但这就是我们认为它重要程度的衡量标准。Elad Gil：那么。从背景来看，我想人类能够感知到这一点。是在几百毫秒的范围内，就其实际影响而言？没错。是的。没错。Sundar Pichai：我想我们实际上，上次查看仪表板和指标时，我们在过去五年里将搜索延迟降低了 30%。但请思考一下这期间功能的发展历程。这就是为什么在 Gemini 中，要深入思考前沿技术的迭代，确保，性能与速度的平衡，而且，flash 模型的能力达到了 pro 模型的 90% 左右，但速度快得多，服务效率也高得多，垂直整合也有所助益等等。搜索的未来：从检索到个人代理Elad Gil：你如何看待搜索的未来？因为现在很多人都在谈论聊天界面将成为新的交互方式。显而易见，Gemini 已经整合进去了，或者说 Google 的 Search 已经在搜索结果中集成了 Gemini 或 AI 结果，但很少有人讨论代理式流程，未来每个人都将拥有一个个人代理；它不再需要你输入查询指令，而是会主动为你执行任务。比如，它不会只是回答关于旅行的问题，而是会直接为你规划好整个行程。你如何看待搜索的未来？它是一种分发机制吗？它是一款未来的产品吗？它是人们与世界交互的 N 种方式之一吗？Sundar Pichai：我觉得在搜索领域，随着每一次变革，你都能利用它做更多的事情。而且，我们必须吸收这些新能力，并不断拓展产品的前沿。比如，如果是移动设备，其产品演进非常迅速；当你走出纽约地铁时，你在寻找网页，你想去某个地方，你该如何找到它？所以，人们的期望在不断改变，你也必须随之调整。如果我进行前瞻性推测，许多仅仅是为了获取信息的查询，在搜索中都将演变为代理式交互。你将能够完成各项任务，会有许多线程在同时运行。Elad Gil：那么，10年后搜索还会存在吗？Sundar Pichai：嗯，你可能会……或者仅仅是演进，在这种情况下是演进。它会持续演进。搜索会成为一个代理管理器，对吧，在其中你会处理很多事情。我想在某些方面，我今天就在使用 anti-gravity，你有一堆代理在处理各种事务。而且，我可以看到搜索在执行这些操作的各种版本，而你正在完成许多事情。John：但我认为你问题的核心在于，如果你把搜索看作一个不超过一行的提示词，返回一堆不同排序的结果，而不是直接告诉你正确答案或其他什么东西。我想你的问题是，那种产品形态是否存在？Sundar Pichai：但在如今的 AI 模式和搜索中，人们会进行深度研究查询。没错。所以这并不完全符合你所说定义的范畴，但是，人们在某种程度上已经适应了那种方式。所以我认为人们会处理长期运行的任务。当然。它可以是异步的。Elad Gil：我们最初，或者说，生命最初是以单细胞生物的形式开始的，而现在我们拥有了如此复杂的生命形态。因此，问题几乎变成了：那种形式、版本或范式最终会消失吗？事实上，过去的搜索将转化为 Agent，而你未来的交互界面就是一个 Agent，10 年或 N 年后的搜索框将不复存在。Sundar Pichai：设备的硬件外形将会发生改变。I.O. 将会发生剧烈的改变。所以，这很难，我认为如果只想着 10 年后的事情只会让自己陷入瘫痪，但我们很幸运正处于这样一个时刻，你可以只考虑未来一年，因为技术曲线非常陡峭。只着眼于未来一年就让人感到兴奋，不是吗？而在过去，你可能需要坐下来设想五年之后的情景。我就在想，模型在一年内将会发生巨大的变化。所以，我认为顺应这个曲线本身就是一件令人兴奋的事。所以我认为它会不断演进。但这是一个扩张性的时刻。我认为很多人在这些时刻低估了一点，即这在我看来远非一场零和博弈。没错。就像人们未来能够实现的能力价值也处于某种疯狂的曲线上，所以一旦你以那种方式看待它，人们就会提出所有这些问题，比如，YouTube 自 TikTok 和 Instagram 出现以来表现良好，所以我可以举出很多例子。我认为，你越是把它视为零和博弈，情况看起来就越困难。如果你停止创新或者产品不再演进，它就不可能变成零和博弈，但是只要你处于这些领域的最前沿，而且我们正在同时进行搜索和 Gemini 的开发，那么它们在某些方面就会产生重叠。它们在某些方面也会产生深远的分歧，所以，我认为同时拥有两者并拥抱这种变化是件好事。垂直整合与市场误解John：当我们谈论搜索及其未来走向之类的话题时，我想起大约一年前，也就是 25 年的春夏之际，外界对 Google 的情绪非常负面。当时的普遍观点是，搜索已经完了，并且将会面临非常艰难的处境。核心商业模式正受到攻击，诸如此类。Google 的股价当时在 150 美元左右。而现在人们已经意识到那很荒谬。Google 在整个技术栈上都有布局，无论是应用程序还是模型。或是 TPU 等等，以及 Waymo 和 YouTube，还有所有这些相关业务。你认为作为知情舆论代表的投资者，在去年这个时候误解了什么？因为显然当时存在某种巨大的误解。Sundar Pichai：当时我显然非常专注于内部事务。John：所以，对我来说，那一刻非常明确，嘿，Overton window 已经移动了。Sundar Pichai：我们，我当时觉得公司就是为那一刻而建立的。这种垂直整合并不是偶然或其他什么。那是一件目标非常明确的事情。我们当时正处于 TPU 的第七个版本。是的。我记得那可能是在 2016 年的 Google IO 上，我们发布了 TPU，并且谈到了我们正在构建 AI 数据中心。那是 2016 年。当时我们正在考虑，公司正以 AI 优先的方式运营。所以我们已经深刻地内化了这种转变。因此对我来说，虽然我们在前沿 LLM 模型方面落后了，但我们内部拥有所有的能力，我们必须执行到位以把握住那个时刻。但令人兴奋的部分在于，当我从全栈的角度审视时，我们拥有研究团队，拥有基础设施团队，拥有所有的平台。而且我们一直有目的地在许多业务上进行投资，对我而言，我突然感觉到，哇，我们拥有这项通用的技术，它可以加速所有这些业务的发展。无论是搜索到 YouTube，还是到云服务，再到 Waymo，一切都依赖于这一领域的进展。因此，这是一种获取进步的高杠杆方式。所以我理解这一点，并且正如讨论早些时候提到的，我完全不认为这是一个零和博弈的时刻，我当时感觉一切都将扩大 10 倍，不是吗？而且也会有其他人的容身之处，回顾一下，自 Google 出现以来，Amazon 表现得很好，Facebook 也是如此。所以我们低估了所有这些事物运作时的增长情境，所以，我们需要作为一家公司执行得更好。这就是我的意思。我当时更专注于这一点。John：是否有什么事情向外界证明了，他们已经掌握了这一点？是 Gemini 3 改变了排队的人们吗？比如，我并没有跟进所有的时间线，但还是那句话。Sundar Pichai：我认为人们真正见证该模型能力的或许是 Gemini 2.5。而且，我特别关注前沿领域。尤其是它们的多模态能力。我们做了很多尝试，功劳属于 Google DeepMind 团队，我想我们在初期支付了稍微多一点的固定成本，但我们从第一天起就将 Gemini 模型设计为具备高度的多模态能力。因此，我认为在某些领域，这种优势开始显现，nano-banana 就是一个例子。所以你能够将这一切尽收眼底。但听着，这是一个令人惊叹、极其充满活力的前沿领域。我认为有两到三家实验室正在非常激烈地相互竞争。在任何一个月里，我们都会觉得，太棒了，我们做得很好。糟糕，有几件事我们落后了，但我认为几个月后情况又会发生动态变化。所以我认为前沿领域的竞争正如你预期的那样激烈。这就是我的看法。AGI-pilled 与指数级增长的直观感受Elad Gil：这很有趣，因为当我与非 Google 或其他实验室的研究人员交谈时，他们常提到的一点是，他们觉得那两三家其他实验室与 Google 团队的区别在于，Google 并没有所谓的 AGI-pilled。换句话说，他们对 AGI 即将来临及其带来的加速发展持较少的信仰。显然，Google 的员工们对此进行了深刻的思考。A，你认为这是真的吗？那么 B，你认为这一切是否影响了人们对未来实际样貌的构想，并因此影响了人们构建事物的方向？Sundar Pichai：你看，我认为，我们可能已经将资本支出从 300 亿增加到了 100 亿，大约是 1800 亿。这可是真金白银，如果你不是以某种方式考量未来曲线，你不会这么做。我认为这在很大程度上属于语义问题，或许是因为我们是一家大型公司，拥有许多触及各层级众多用户的产品。或许我们讨论它的语言会有所不同。我认为创始人们是 AGI 的构建者。这可能是我最真诚的一次谈话。我认为关于 Google 未能理解什么是 AGI，或者 Demis 及其团队，又或是 Jeff Dean 及其团队未能理解的说法，在某个时间点，我不知道，Demis、Jeff、Ilya、Daria 等人都在那里。所以他可以，我很喜欢这个反驳。就像是在说，嘿。John：你过去 20 年都在关注这些事吗？Sundar Pichai：没错，所以这对我来说讲不通。John：我觉得其中一些原因在于，如果你是一家较年轻的公司，或者你更像是一个纯粹的研究实验室，你可能就会把总部设在 San Francisco。Sundar Pichai：是的。有很多微小的属性可能会产生差异。但我不认为在基础层面上，对于曲线走势的预判，或者我们如何内化这项技术，存在什么分歧，你看，我觉得即便是公司内部，我们中也有一群人正处于最前沿，不断启动 agent，观察这些东西能做什么，看着 agent 习得技能、完成任务，并回顾它们三个月前能做什么。John：他们在内部实实在在地感受着那种指数级增长，我觉得你们俩都对，我同意这一点，你可以把它看作是 Google 的历史。我觉得很多人得到的是一种感觉，我曾看到一条推文转瞬即逝，那大概就是最核心的东西。要解释当前硅谷正在发生的事情，你必须意识到，每一位科技高管现在都患有严重的 AI 精神错乱，他们投入了大量时间编写代码、与 AI 对话以及处理诸如此类的事情。我觉得这是一个很有趣的观点，而且并非毫无道理。我很好奇，在最近这段时间里，你有哪些感受到了 AGI 的时刻？或者说，你现在在多大程度上患有 AI 精神错乱？Sundar Pichai：我第一次感受到 AGI 的时刻是 2012 年，当时 Jeff Dean 展示了 Google Brain 的最早版本。那时神经网络识别出了一只猫，所以那是 2012 年。我和 Larry 一起去了医生那里。RAPA 挑战赛。那可能是在 2014 年，我想。我需要准确说明我们去那里的时间，也就是看到汽车开过去的时候。Demis 进行演示，那些最早期的模型已经具备了我们所谓的想象力。像这样的时刻有很多，所以显而易见，这项技术正在不断进步。就当下的生活体验以及那种直观的感受而言，我想说的是，如果你在编程时给它一个复杂的任务，而你根本不需要打开 IDE，直接处于某种智能体管理者的环境里看着它完成任务，你就会知道它有多么强大。所以，你可以把它称为现场 AI。确实会有这样的时刻。John：是的。我最近做了一个小型的业余项目，过了一段时间，我心想，噢，我很好奇它用的是什么语言，但这只是在一个一切都运行起来之后我才需要去问它的细节问题。是的。它就像魔法一样工作。Sundar Pichai：是的。所以你确实会有那样的时刻。没错，但真正令人惊讶的是这条曲线的斜率。没错。确实如此。而且你正在多个范式上对其进行改进。显而易见，未来还会有进一步的发展。“吃狗粮”：CEO 如何与产品保持连接John：对。当你谈到这种直观感受时，我觉得有一点对科技公司至关重要，而每位 CEO 对此的思考方式都不同。那就是如何与日常用户的产品体验保持紧密联系，因为科技产品非常抽象，所以很容易出现那种情况——你不能仅仅依靠团队的报告、幻灯片和电子表格来进行管理。所以，Tony Xu 曾谈到他至今仍会亲自去当 DoorDash 配送员，以保持与那种用户体验的深度连接。我们在每周的全员大会上有一个固定环节，我们称之为“走一走（walk this door）”，我们会一起在仪表板上点击浏览，然后我们会纠结于诸如“为什么那个模态框出现在那里？”这类问题。或者是其他令人困惑的地方，总之就是让我们集体使用这款产品。我很好奇你是如何运作的，以及你在 Google 是如何确保自己始终与产品的使用体验保持紧密联系的。除了你每天使用 Gmail 和其他所有产品之外。Sundar Pichai：噢，是的。就像所谓的“吃自己的狗粮”一样，字面意思就是使用内部版本。我会专门预留时间，进行高强度的使用。也就是说，我会留出专注的时间来做这件事。这很有帮助。比如就在两周前，我在健身房拉伸时用着 Gemini Live。我就想，我要和它聊上整整 30 分钟，只聊一个话题。你确实会做这些尝试，有时会有成效，有时也会让人感到挫败。我们从中获益良多，所以我强迫自己以那种超级用户模式来使用它，并以此保持密切联系。X 很有帮助，因为有时你能从上面获得最直接的反馈。感谢你修复了 Google Calendar 的问题。那真是太好了。嗯，还有一些问题需要修复，但感谢你指出来。所以，X 很有帮助，因为你可以直接获取最原始的评论，我也尝试直接关注这些反馈。但我告诉你什么是有帮助的。在内部，比如，我会像之前提到的那样，向 anti-gravity 进行查询，也就是我们内部版本的 anti-gravity，嘿，我们发布了这个东西，人们对此怎么看，告诉我人们讨论的最糟糕的五件事和最好的五件事，我输入这些指令，现在它就能给我反馈了。所以我的生活变得更轻松了吗？是的。在过去，我必须花费更多时间去试图了解这些情况。现在，一个 AI agent 正在帮助我完成这一过程。所以，我可以先了解一下，为了进入那个领域，我最初应该投入多少资金？这实际上是在利用这些工具。是的。所以即使是我也在经历这样一个过程，所以我正在努力适应这个未来。经济增长与供应限制的瓶颈Elad Gil：我想，正如你提到的，A，这不是零和博弈；B，人们正在看到各种生产力的提升。如果你回顾许多之前的技术周期，互联网、移动设备或 SaaS 要在实际的 GDP 数据中显现出来，确实需要一段时间。在 AI 的背景下，我们是从数据中心建设的角度来看待这一点的，那正在推动 GDP 增长的一部分。你如何看待三、四年或五年后的未来？你认为美国......经济是否因为 AI 而变得更加庞大？如果是的话，规模增长了多少？Sundar Pichai：听着，要让这些回报变得合理，总归要在某个地方体现出来，这花了多久时间？我想可能是 Sequoia 的人写了篇文章，说人们正在投入这么多资金。John：他们是在将资本支出与利润进行比较。Sundar Pichai：没错，这可能是在两年半之前。当时有种说法认为这不合理，因为你需要达到那个水平的回报。你可能需要 10 倍的增长空间。没错，没错。从那时起，我需要去核实一下具体数字。首先再次确认，所以在某个节点，它必须实现调和。明确一点，我们正受到供应能力的制约。我们观察到所有应用领域都存在需求。Elad Gil：实际上，我毫不怀疑这是一个巨大的市场和成果。所以我的问题是，我认为人们对很多事情存在误解。例如，人们经常讨论软件工程预算，以及其中 token 成本与薪资的占比。在某种程度上，我认为那个市场一直因缺乏优秀的软件工程师而受到需求制约，因此供给的突然增加可能会使该市场增长 10 倍。换句话说，我认为软件工程编码市场的规模比任何人想象的都要大得多，用 token 预算与工程师薪资对比来衡量是一个错误的指标。所以我实际上认为它应该能促进诸多方面的发展。我只是对你的观点感到好奇，比如，我们认为这实际上会带来多少增长？我其实一点也没有怀疑所谓的潜能与结果之间的关系，或者说，我明白了。Sundar Pichai：是的。听着，回顾互联网并观察 GDP 增长，它并不能完全捕捉到我们对互联网的真实感受，所以，也许如果没有互联网，GDP 增长会是负的。消费者剩余。所以，展望未来是很困难的。我确实认为社会在不同层面上存在着自然的抑制机制。显而易见的例子是，计算能力的构建曲线与我们改进模型的速率所遵循的曲线是不同的，所以你已经在处理一条受限程度更高的曲线了。那么，你如何将其推广扩散到社会中呢，我们正在与 Waymo 合作进行这项工作，你可以让它比人类驾驶员安全得多，但你也知道，我们必须谨慎对待推广的速度等问题。所以有时，你该如何负责任地将其推广到整个社会中呢？在所有这些层面都存在制约因素，但我觉得，美国经济比 10 年前规模大得多了。因此，即使增长率提高 0.5 个百分点，那也是巨大的贡献。所以我预计事情会这样发展。算力竞赛中的物理障碍John：倾听 Sundar 的发言，有力地提醒了我们以真正的互联网规模进行运作意味着什么。然而，谈到商业时，大多数企业被迫在孤立的状态下做出关键决策。他们仅通过自己的视角来看待互联网经济，只使用存在于其内部的数据。这就是 Stripe 发挥作用的地方。因为我们每年处理 1.9 万亿美元的全球支付，所以我们拥有全景式的视野。当你基于 Stripe 进行构建时，你接入的是那套网络智能，从验证用户身份到在欺诈发生前将其拦截，再到简化企业间的连接方式以及了解哪些支付方式在本地效果最佳，均涵盖在内。我们构建了一个系统，利用全球 1.6% 的 GDP 来保护并增加你的收入。因此，如果你想利用价值、Stripe 网络智能的力量，来看看你在这里能构建什么吧。你提到了供应限制，我认为这是 2026 年一个非常有趣的决定性特征，基本上，你说的是 1500 亿美元的资本支出，还是 1800 亿？Sundar Pichai：我们已经说过会在 1750 亿到 1850 亿之间。John：好的，也就是 1800 亿美元左右的资本支出。让我觉得有趣的是，即使 Google 想花 4000 亿美元的资本支出也花不掉，因为内存不够，电力也不够，以及所有这些组件都有限制。所以，你能简单列举一下吗。你可以找到我们需要的一定数量的电工。没错。所以我很想听听你对各种瓶颈问题的概述。Sundar Pichai：你看，从某种层面上讲，你必须追溯到实际的晶圆产能之类的问题，所以，还有更深层次的基础性因素，我认为晶圆启动量是一种根本性的制约因素。我认为电力和能源问题更容易解决。许可审批以及在监管环境下开展工作可能是一种制约，也就是你推进工作的速度。John：尽管在支持增长的地区，比如 Texas、Nevada 或 Montana 有很多土地，但也许还是不够？Sundar Pichai：我认为我们正在取得巨大的进展。我认为对于美国而言，这是一件特别重要的事情。你会对那种节奏感到敬畏。在中国，他们建设的速度有多快。所以我真的认为我们需要学会更快地进行建设。比如，你几乎必须转变思维模式，去思考在物理世界中实现 10 倍速的建设需要做些什么。但我会担心这会成为一种制约因素。我认为，可能会出现越来越多的阻力，所以，这并不像少数人决定要加速建设那么简单。比如针对数据中心的暂停令之类的事情。所以我我会说，如果它确实开始了，审批和执行工作的能力将至关重要。而且我认为政府确实在进行许多有益的工作。我认为人们已经意识到需要把这些事情做得更好。接下来是供应链中的关键能力。内存就是一个很好的例子。我们在短期内受到这些因素的制约。每个人都会对此做出反应。但我认为我们所有经营公司的人，无论你对 AGI 的信念有多坚定，都会面临这种误差范围，比如，你究竟能有多乐观？你所能承受的利润率是多少？因为世界上存在可能出错的无关因素，这些因素超出了控制范围。所以每个人都在做出相应的调整。这些都是限制因素，以及限制因素。所以我认为，那就是我所看到的限制所在。John：你认为内存是其中最大的组成部分吗？Sundar Pichai：内存绝对是目前最关键的要素之一。John：你刚才提到在短期内，你认为仅靠人们增加供应和高昂的价格就能解决问题吗？Sundar Pichai：领先的内存公司不可能大幅提升他们的产能。因此，这些限制在短期内确实存在，但随着时间推移会逐渐缓解。但我确实预期所有这些因素都会构成制约。顺便说一下，我认为这会推动大量的创新，我们将实现。将这些事物的效率提升 30 倍。就像这样，所有这一切都在同时发生。模型自我提升与算力壁垒Elad Gil：这是否会导致寡头垄断市场？如果你观察模型侧的情况，你会发现许多关于模型及其改进方式的观点都指向了自我提升。模型将开始编写越来越多的自身代码，自行完成更多数据标注工作，等等。John：所以你是指，目前掌握算力的人是在玩“抢椅子”游戏吗？Elad Gil：没错。就是谁拥有算力，以及相对于整个行业的能力，你能实现多大规模的扩展？如果每个人的算力都大致相当，你实际上就限制了某人相对于其他人能领先多少的上限。你认为这种说法是正确的还是错误的？Sundar Pichai：我认为这是一个思考此问题的合理框架。但有些事情是，我来到这里时我们刚好发布了 Gemma 4。Elad Gil：而且它确实是一个非常优秀的开源模型。我是说，中国的模型非常出色。但我认为在中国之外，它确实是一个非常优秀的开源模型。Gemma 4 的前沿性在时间维度上既巨大又没那么巨大。比如 Gemma 4 是基于 Gemini 3 架构的。John：没错。这事儿真的很诡异，你在谈论的是一套可以装进 U 盘的权重文件。Sundar Pichai：是啊，是啊，这太不可思议了。所以这真的很疯狂，它不像 SpaceX 的火箭那样庞大。Elad Gil：我总是很震惊，你运行了几个月甚至更久的数据中心，最终产出的竟然只是一个扁平文件。从字面上看，这就像是拥有一个 Word 文档之类的东西，而那就是你的模型。这太神奇了。Sundar Pichai：因此，它具有这些独特的属性，这让我不禁对那些框架提出质疑，并思考：我们该如何看待这个问题？但我认为，至少在推理层面，你的观点是一个非常合理的切入点。试着思考一下。但我确实认为，每个人都在努力寻找如何打破资本激励的限制，以寻求突破。这股动力是非常巨大的。John：但正如你所说，世界上的内存资源终究有限。所以，任何资本激励都无法真正解决 26 或 27 内存供应的问题。Elad Gil：那可能就是你会看到更多分歧出现的时代。Sundar Pichai：没错，所以你要记住，这必须与增加产能的途径相平衡，也就是要能够批准建设那些数据中心。所以这种限制可能并没有看起来那么严重，因此，你必须设想所有必要条件的总体需求集合，并将其彻底考虑清楚，John：包括资本。没错。但再次强调，让我感兴趣的是，人们可能会在当前的 CAP-X 基础上进行更多投资，但我们现在只是受限于 26 年和 27 年的现实世界制约因素。这有点类似。霍尔木兹海峡（Strait of Hormuz），无论你给石油定什么价格。最终，如果你从系统中撤出每天 2000 万桶石油，你就必须消减掉每天 2000 万桶的需求。这和内存的情况很相似，如果需求超过供给，最终必然有人无法获得他们想要的内存。Sundar Pichai：但还存在其他制约因素，对吧，比如将安全性作为一种制约条件。John：而且这些模型绝对会摧毁目前市面上几乎所有的软件。Sundar Pichai：或许已经在发生了，只是我们不知道。我们坐在这里交谈。John：你真的认为所有软件都会被摧毁吗？因为像 SSH 这种东西，人们已经尝试破解很久了。你考虑的只是这些吗？Sundar Pichai：不，我指的不只是采用开源软件或大型平台，有多少零日漏洞？是的。所以系统里确实存在这些制约因素，你不能仅仅通过愿望就让它消失。Elad Gil：有人告诉由于 AI 的发展导致供应增加，零日漏洞（zero days）的黑市价格正在下跌，我认为这是一个非常有意思的市场指标，确实。Sundar Pichai：一点也不惊讶，确实一点也不令人惊讶。John：所以，但是。Sundar Pichai：那么，它实际上是如何在社会中扩散的呢？其影响又是什么？所以，我认为其中存在一些相似之处。所以我认为可能存在一些隐藏的制约因素。是的。如果可以的话，系统可能会受到冲击。尽管如此，我真心认为未来有很大的上升空间。有些制约因素或许是有帮助的。是的。我认为制约能激发创造力。这是一个压缩周期。效率更高。它或许能促成一些重要的对话，否则这些对话可能根本不会发生。我想，仅就我提到的安全性这一点而言，我在思考，我们需要更多的协作。是的。而这在今天并没有发生。会有一个时刻，这可能是一个转折点，所有这些事情，我不认为你可以奢望它们消失。是的。谷歌的隐藏“宝库”：量子计算与机器人Elad Gil：没错。实际上，与此相关的是，Google 确实拥有一个令人惊叹的投资组合。我们所拥有的东西既有自研的，也有收购进来的。从所有权的角度来看，你拥有相当大比例的 SpaceX，我想，我不确定具体金额，但我记得很久以前大约是 10%，还有 Anthropic，大约百分之十。还有 Waymo 的多数股权，这简直是一件了不起的事情。然后在内部，显然还有大量已经开发出来的惊人技术。我们谈到了 AI 和 Transformers。还有 TPUs。显然，Waymo 是这些项目中的另一个。还有量子技术。你们刚刚发布了一个非常有趣的研究成果。还有其他值得人们关注、特别有趣，或者未来可能会产生重大影响的隐藏成果吗？也许是人们低估了的那些。Sundar Pichai：你看，我们一直在努力推进这些长期项目，当你最初宣布它们时，看起来多少有点荒谬。比如，我们正处于构思太空数据中心的早期阶段，但你之前关于“约束激发创造力”的讨论很有启发性。John：如果把眼光放长到 20 年后，你会把这些数据中心主要放在哪里？Sundar Pichai：你打算把这些数据中心大部分放在哪里。确实是很难解决的问题。但这些只是我们今天思考的项目案例，它们远超 2010 年的水平。量子计算本身就是这些项目之一。我们正以深度的投入在该领域取得进展。对此我感到非常兴奋。Elad Gil：你认为量子计算会在哪里产生最大的影响？因为人们主要谈论的是分子模型。他们谈论的是密码学。人们一直在开发某种量子抗性密码学。在分子建模方面，深度学习模型在某些情况下似乎表现得非常出色。你们通过 AlphaFold 开创了这一先河。你认为量子技术真的重要吗？如果是的话，你认为它会在哪里产生最大的影响？Sundar Pichai：从抽象层面来看，我觉得它越来越多地用于模拟自然。正如你所知，鉴于自然界本质上是量子的，你需要量子系统才能更好地对其进行模拟。我们或许能以一种令人惊讶的方式通过经典计算技术实现这一点，或者通过足够的压缩以及，抽象化来达成目标。John：但我从根本上认为量子技术在那方面会有优势，而且我不知道，我们目前仍不理解受精过程的运作机制。Sundar Pichai：就像有很多复杂的情况，这或许是你的背景，回溯到你大学时所做的事情，会更多一些。所以我的直觉告诉模拟天气、模拟现实等等，我认为 Quantum 会有优势。我认为技术发展的规律是：先将其发展到可行的规模，然后加以利用，接着人们的创造力会在此基础上发掘出各种应用场景。所以我总是举这个例子：移动电话加上 GPS 成就了 Uber。在从事手机研发的人中，没人能预见到这会是平台转型后的成果。所以，如果你真的能让量子技术发挥作用，我相信它会有非常、非常、非常、非常多的应用场景。没错。这就是我的看法。John：抱歉，我们打断你了。你刚才在谈论你在 Google 比较偏好的、更前沿的一些领域。Sundar Pichai：我认为我们正在取得进展，Google DeepMind 团队正在深入思考机器人技术，而且，机器人技术是我们公司曾经涉足过早的一个领域。事实证明，对于 15 年前或 10 年前出现的许多想法来说，AI 曾是缺失的关键要素。但是，Gemini 机器人模型在空间推理等方面都有所涉及。所以我们绝对拥有最先进的水平。相关的模型都在那里。我们正在以一种讽刺的方式与 Boston Dynamics 和 agile 以及其他几家公司重新建立合作，并以坚定的态度取得进展。市场上也涌现出了许多非凡的初创公司。我们正在进行投资，比如我之前提到的量子计算、太空数据中心，以及与 Wing 合作的无人机配送。我认为我们正在扩大 Wing 的规模，在一段合理的时间内，大约 4000 万美国人将能够享受到 Wing 的配送服务，我指的并不是好几年以后，或者类似遥远的未来。但重申一下，当你开展这些长期项目时，这一切都是有条不紊、日积月累的过程。所以，我们是全心投入的。Elad Gil：Isomorphic，非常令人兴奋。我是这么觉得的。Sundar Pichai：考虑一下，专注于以有针对性的方式改进这些模型。药物发现过程中所有可能的步骤。尽管你仍需进行诸如三期临床试验等漫长的程序，但以这种方式推进能够获得更高的成功概率。Elad Gil：没错，我认为这是我见过的最明智的方法，因为它考虑了不同的生物模型，并且真正思考了超越单纯分子设计的更广阔领域，而我认为这正是大多数同类项目所停滞的地方。资本配置：为什么保留 Waymo？John：确实，这看起来非常精明。我可以问一下吗？我很好奇 Google 内部的资本配置究竟是如何运作的。优秀的资本配置在于内部化资本的机会成本，并将业务产生的现金投入到回报率最高的用途上。在商学院教材的简单案例中，假设你是 Boeing，你拥有业务产生的现金，你可以选择竞标下一个国防合同并投入相应的研发资金，同时预测合同带来的营收；或者你可以选择研发一款全新的商用客机，投入相应的资金并建模预测其收益。这就像是在比较 16% 的内部收益率和 19% 的内部收益率，显而易见，我会倾向于选择 19% 的那个。而在 Google 的案例中，各项项目极其多样化，例如，我们可以为 YouTube 团队提供更多资金，让他们去改进推荐算法，从而实现 10 个月的增长，并以此提升变现能力。或者我们可以为 Waymo 团队提供更多资金，让他们能够真正更快地进入市场或更快地扩大规模。或者我们可以投资于这种可能在五年内见效的新型 AI 方法。所以我很好奇，如果你试图将资本投向最高效和最优化的用途，并且在进行最终比较时，你该如何权衡那些在本质上差异巨大且收益曲线形态迥异的项目？这简直是太 John 的问题了。我必须知道答案。Sundar Pichai：你还得加上 R.R.C.，那样才算是个好问题。听着，我今天比以往任何时候都深有感触。具有讽刺意味的是，这正是因为 T.P.U 的分配问题。所以在某种程度上，我觉得甚至需要更多的 HDPU，所以，具有讽刺意味的是，计算机让这个问题变得更加紧迫了。顺便说一句，在我所做的所有事情中，我非常期待 AI 作为伙伴，至少能为这项任务提供输入。我认为一旦我们真正能够实现所有数据的连接和流通，模型就已经具备了相应的能力。这更多的是关于如何解锁所有数据。我认为我们会成功的。能够有所助益。所以我对此深有感触。从历史上看，我认为在 Google，我们拥有的优势之一是，有时我们在周期的早期就做出了这些决策。所以这几乎就像是回归到那条路线。这是一种深度的技术导向。而且，我们实际上思考了很多关于你不久前问的问题，比如，那些长期目标是什么？所以我认为在那个阶段进行思考会更容易，因为你最初的资金投入规模可以小一些。但随后，正如你所知，你需要保持长期投入，同时确保自己在深入层面取得进展。因此，只要你能看到潜在的技术（以量子技术为例），我们该如何评判它呢？我们评判的是其底层逻辑，比如你会设定关于逻辑量子比特、纠错、大规模稳定逻辑量子比特阈值的目标，设定在何时实现，并考察团队是否有能力做到这一点。所以我认为你是以这种方式进行评估的。所以，我不想说是优势，但我认为这是我们思考问题的方式之一。我们一直保持严谨，或者至少对我而言很重要的一点是，以一种深度方式进行早期技术押注。这确实有所帮助。但从长远来看，看吧，我一直认为你必须评估这些事物的长期价值，所以，在某种直观的层面上，你几乎是在思考五年到十年后的期权价值和时间价值。而你预设了一种疯狂的增长，并仔细思考这些决策是否合理。所以 TPU 的投资在这方面一直很棒，而且，我们一直在稳步投资。Waymo 就是一个很好的例子，我认为我们在两三年前，当世界其他地方对它感到悲观时，我们反而增加了投资。当时其他人，甚至是一些业内人士都在退缩。Elad Gil：那真的很神奇。那是一种非常神奇的体验。我现在每天都坐 Waymo 去上班。John：当你能够做到的时候，这就是一个很好的例子，就像我提出的这个问题：Google 确实会砍掉一些项目，而且你尝试过各种事情，最后你说，我们实际上不会完全资助 X 的这部分业务，或者，我们不会再继续了，我们要让这个产品退役。这行不通。但 Waymo 尽管从极具说服力的演示到实现商业化服务经历了漫长的道路，你们却始终没有失去信心。那么你们当时看到了什么？是一个定性的判断？还是一个定量的决定？你们是如何决定砍掉 Loon 但保留 Waymo 的？Sundar Pichai：我认为这与某种量化指标有关，你们观察 Waymo Driver，也就是底层技术，即软件是如何驱动汽车的？以及在安全性和可靠性方面的进展，这是一项长期任务，它有多安全，你们将如何实现它？你们会追踪那条曲线。你们会预测或设定目标，明确想要达到的位置以及根据预期表现如何进行评估。那些曲线。我认为团队表现得非常出色。也许曾有过停滞不前的阶段，但正是在那些时候，你需要对团队突破瓶颈的能力抱有信心。John：但我认为，你越有能力在更深的技术层面评估事物，你就越能做出更好的决策。Sundar Pichai：或者至少，我一直是这样尝试的。Elad Gil：我听到过一个关于 Waymo 的观点或讨论，即最近观察到的巨大进步，很大程度上是因为过去依赖于手工绘制的启发式规则，比如如何处理驾驶中的极端情况，或者发生突发状况时该怎么办？你该如何应对？其中一部分几乎是人工绘制出来供车辆遵循的。因此，它能处理的事情范围非常有限。而真正的突破在于几年前随着 Transformer 浪潮的兴起，转向了端到端深度学习。你认为如果 Waymo 在五年前起步，它今天所处的位置会和从 15 年多前开始时一样吗？考虑到那是推动其前进的突破性进展。Sundar Pichai：你看，我认为，我们之前讨论过机器人技术。你可以把 Waymo 看作一个机器人。我认为那些在过去三年里开始从事机器人技术的人，从定义上讲，进步速度也许会更快。但我认为 Waymo 是一个高度集成的系统。它包含多个维度。这并不完全就像你处理像 TSM 或 SpaceX 发射任务那样复杂的事情，你所讨论的是这些事物中极其复杂的系统集成。我认为 Waymo 隐藏了其中一些方面，即你如何执行它的时机以及工艺本身至关重要。话虽如此，我确实认为端到端方法将会在这些系列中成为一个意外。Elad Gil：因为仅仅拥有一支团队可以说对 Alphabet 和 Google 而言就是一个巨大的优势，仅仅是你持续对其进行投资，随后在某个隐秘的时间节点上，这项技术的腾飞带来了超值的回报，这非常明智且具有前瞻性。我只是觉得探讨一下这如何应用于其他领域会很有趣。因为正如你提到的机器人领域，机器人技术的发展历史似乎可能会有所不同，因为现在你可以快速推进。你们是否考虑过重新内部化硬件，还是说将主要通过合作伙伴驱动的模式将这些产品推向世界？Sundar Pichai：我认为我们会保持非常开放的态度。这是我从 Waymo 以及在 AI 领域利用 TPU 等经验中获得的教训。我认为要真正地推动技术前沿，特别是在涉及安全、监管等各个方面时，你需要一手的产品反馈周期经验。因此我认为，拥有第一方硬件最终将变得非常重要。这就是我在现阶段的看法。杠杆、净现金与资源受限下的管理John：听起来不错。所以我还有两个关于资本配置的问题。您能否论证一下 Google 在历史上是否杠杆率偏低，因为 Google 过去一直保持着雄厚的净现金状况。考虑到 Google 拥有的想法多到难以应付，它不仅点子层出不穷，而且核心业务也保持着极其持久的增长。我认为 Google 显然对这些核心业务有着非常深刻的理解，而且正如您所知，其增长率一直高于 Google 的资本成本。回顾过去，Google 是否应该更积极主动地采取杠杆化的财务立场。即比现有的强劲净现金状况稍微激进一点，并将这些资金投入到新项目中，或者为 Google 的股东回购更多核心业务股份，亦或是进行更多的少数股权投资，毕竟 Google 在这方面的表现一直处于行业领先水平。Sundar Pichai：这是一个很好的问题。例如，如果 Waymo 能更早达到目前的阶段，我想我会更早地投入资本。John：所以在某种程度上，我认为您的判断标准在于，您希望成为资本的忠实管家。Sundar Pichai：因此，如果你看好投入资本回报率（ROIC），那么你会希望将每一分钱都投入到那里。John：但如果说，你持有的过剩资金在其他方面没有更好的去处。Sundar Pichai：这就是我们也投资其他公司的原因，对吧，即使当时并非如此。但我们始终是以负责任的管理者这一视角来思考问题的。是的。我们认为对 Stripe 的投资体现了我们作为资本管理者尽职尽责的一面。SpaceX 也是如此。对吧。还有 SpaceX 和 Anthropic 等等。所以我认为，随着 AI 浪潮的到来，我们有了更多可以妥善配置资本的机会，因此我们正在这样做。是的。但我认为我们一直以来都秉持着这种思维方式。但我本乐意更早向 Waymo 投入更多资本，但当时我们尚未达到实现这一目标所需的成熟度。从安全角度来看，在 Waymo 发展的某个阶段，我们确实采取了安全第一的策略。John：而当时那样做并非正确的做法。你是否认为，如果某些项目能更早获得更多资本，它们本可以发展得更快？它们只是需要一个自然发展的过程。Sundar Pichai：我不会这么说。但我认为总的来说，即便我们可能在决策上出了错，但我们至少秉持着这样的原则：如果我们对某件事感到兴奋并确信其价值，我们愿意投入资本将其贯彻到底。John： 那么关于资本分配的另一个问题是，从历史上看，科技公司绝大部分的研发支出都用于人力成本。而且，人员编制是通过非常严格受控的流程来管理的。确实，当你考虑如何分配研发工作时，本质上是在分配高薪人才去攻克相应的挑战。除非你在进行某些计算成本极高的事情，比如 Google 显而易见会投入的 Google Books 项目之类，否则技术成本其实并不高。但从广义上讲，与人力成本相比，技术成本只是次要考虑因素。正如你所说，我们现在正进入一个情况有所不同的世界，这涉及 TPU 以及如何分配这些资源。仅从非常具体的预算层面来看，这在 Google 内部是如何运作的？比如，公司是否有整体的 TPU 预算，当你为项目分配资源时，以前是给一定的编制预算，现在是既给编制预算，又要同时给编制和 TPU 预算吗？它们属于同一项预算吗？在进行季度评估或年度评估时，这具体是如何运作的？桑达尔·皮查伊： 我们一直都有计算预算。替朋友问的。替朋友问的。我们一直都有计算预算，即使是在传统计算领域，就机器学习而言，我们广泛使用了 TPU 和 GPU。关于机器学习计算的规划，我们对人力规划也非常审慎，但这一直是我们必须考量的内容。是的。在机器学习计算方面，我们经历过资源充裕的阶段，也经历过作为一家公司受到限制的阶段。但现在确实处于非常紧缺的状态，所以你得投入更多时间。至少我每周会专门花一小时，在非常细致的层面思考这个问题。因此，我会按项目和团队了解他们所使用的计算单元，而且，至少我掌握了这些信息，我正在审视并评估它。从某些方面来看，我认为这是目前一件非常重要的事情。John： 在很多情况下，计算是稀缺资源，因此你要确保 Google 宝贵的计算资源被投入到最有价值的计划中。Elad： 没错。在 GCP 的背景下，你是如何看待这一点的？以及 Google Cloud，因为在那里你实际上是将计算资源分配给他人，而不是用于自身目的，且考虑到系统内的各种限制。你是如何思考这种差异化分配的？桑达尔·皮查伊： 听着，Elad，要提前规划，所以当我们进行前瞻性规划时，云团队正在进行前瞻性规划，他们制定了计划，并且，你在为此提供资金，你这样做是为了满足我们的内部需求。你要进行前瞻性规划。作为其中的一部分，你还要与客户签署长期承诺。我们向客户做出的任何承诺都是神圣不可侵犯的，所以这些都是合同义务。所以，通过规划来解决大部分问题。确实如此，当你进行规划时，我们都处在一个资源受限的世界中。所以我认为 Cloud 团队会说他们不知道自己所需的算力，诸如此类。但你会通过提前规划来解决这个问题。产品改进建议：从 GCP 到 Google DocsJohn： 说到 Google Cloud，我有一个一直留到这一部分才提的产品请求，我知道你很期待。你打算把它发布在那上面。没错，是这样。不过说真的，我要说一件事，GCP MCP 的效果非常好，它可以让你的 AI 以编程方式直接与 Google Cloud 进行交互。我想你们几乎开放了所有功能，除了核心的权限管理之类的内容。我觉得在某种程度上，Google Cloud 的痛点之一在于其功能过于繁杂，我确信你们偶尔会听到人们抱怨它有点难以导航，比如你必须先创建一个组织、一个项目等等，然后再找到合适的服务，诸如此类。而现在，这一切都不重要了。你只需要说，嘿，去添加这个 Google Cloud 功能即可。因此，这确实让 Google Cloud 受益匪浅，因为它涵盖的范围非常广泛，功能极其丰富。我们在 Stripe 也遇到过类似的问题，随着我们不断增加功能，能够读取所有 API 文档并指导用户驾驭这一庞大产品界面的 AI 显得尤为重要。所以，这方面的应用效果非常好。桑达尔·皮查伊： AI 作为各种事物编排层的愿景，结合我之前的问题，即使是在企业内部，作为首席执行官，你并非缺乏数据，但如何将这些数据整合到一起呢？在过去，这意味着又一个大型的类似 ERP 的项目，需要去连接所有数据源等等。再说一次，AI 以一种对最终用户有意义的方式成为这种编排层，我认为看到这一点非常令人欣喜。John： 而且产品界面覆盖的范围越广，这种收益就越显著。同样，我们在 Stripe 也一定程度上看到了这一点，但我感觉对于 GCP 而言，这必然会产生巨大的效应。桑达尔·皮查伊： 我认为我们还可以做得更好。所以，你说得对，我认为这是一个巨大的机遇。John： 是的。我对此真的非常满意。好的，接下来谈谈我的产品。你带来了什么产品建议吗？你先来吧，可以的。我本想让你先说的。让我感兴趣的是像 OpenAI 及其类似产品的市场契合度，它们是否正在为消费者提供有状态的 AI？如果你想说，那种经典的用法，比如汇总我感兴趣的每日新闻，并每天早上发送，或者任何涉及持久性的功能，目前没有任何流行的，或者说主流的 AI 应用允许这种持久性。这很常见吗？桑达尔·皮查伊： 实际上，听着，我认为你想要赋予用户执行持久、长期运行任务的能力。是的。以一种可靠、安全的方式，你必须深入思考身份、访问权限等问题。但我认为这就是，这就是未来，这就是智能体驱动的未来。将此带给消费者，这就像是我们正在探索的一个令人兴奋的前沿领域。Elad： 这也是我关注的领域之一。这是 Dreamer，它是 Stripe 公司前任首席技术官的项目，该公司刚被 Meta 收购。我认为他们做出了一个非常好的版本。这是一种非常早期的愿景。John： 没错，他们当时在制作定制软件，包含持久化功能，而且你还可以进行某种程度的规格定义。Elad： 你可以自己制作专属的小型应用程序。John： 完全正确，没错，确实如此。而且他们让这个过程变得非常简单。使用起来，但我感觉当人们有这种体验时，会有一种惊喜和愉悦的时刻，这对我来说很有趣，因为……桑达尔·皮查伊： 我认为实际上消费者界面底层都将配备完整的编码模型，以及合适的工具框架和相应的技能。还有在云端或本地安全地持久运行的能力，所以所有这些基础原语正在汇聚在一起。那么，开发人员现在的情况是，我觉得世界上有 1%，也许不到 1%，大概 0.1% 的人正生活在这种未来中，他们是在为自己构建东西，但要将其推向大众市场。是的。我认为这是一个非常令人兴奋的前沿领域。John： 好的，我的另一个产品建议是，抱歉，你必须忍受采访的这一部分。这是必经之路，那是一个线索。完全正确。我的另一个产品创意是因为某种原因，我不知道这是否是你的亲身经历。以我的亲身经历来看，Google Docs 的搜索确实比 Gmail 难用得多。显然，这两个搜索引擎本身同样出色，但我认为问题在于关键词搜索对电子邮件很有效，因为你通常能记住某封邮件中独特的关键词组合。而我遇到的情况往往是，我想回头查找 2026 年的预算。结果发现，如果我在 Google Slides 里搜索 2026 年预算，这两个词在相关语境下都不是特别独特。因为在 Stripe 的 PowerPoint 文档中也充斥着这些词。所以我总也找不到最准确的那一个。我很好奇，Sundar Pichai 是否也会遇到这个问题？桑达尔·皮查伊： 虽然我个人的感受没有你描述得那么强烈，但当你描述出来时，我确实产生了共鸣。我正打算去联系负责这一块的人，把这段对话转达给他们。John： 我很清楚该去找谁，他们就是负责这项工作的人。桑达尔·皮查伊： 我认为我们可以做得更好。我觉得，AI，集成到这些服务中，包括 Google Docs。我认为在接下来的几个月里，你们会看到显著的改进。我想我们都做过它的最初版本，即只是把它放在某个地方。但我认为，随着时间的推移，你能保持什么在上下文中，你能缓存什么，以及你真正能发挥什么作用？我认为我们可以取得很大进展。所以我认为我们可以做得更好。工作流转型与 2027 年的转折点John： 好的。太棒了。我们有很好的额外内容需要应对。Elad： 很多我参与的公司，甚至是那些因某种理由而创立的公司。最近不得不根据产品开发和工程实践，大幅调整它们的工作流程。他们认为谁应该在设计团队中，以及该团队的能力如何。你们在 Google 是否正在重新审视这一切？你们是否在进行重新思考？在工作流程或其他方面是否有重大的转变？桑达尔·皮查伊： 我会这样说，你可以把它想象成同心圆。Google 内部有一些团队正在进行更深层次的转变。所以对我来说，一项艰巨的任务是如何将其推广到越来越多的团队，特别是在 2026 年。其中一些工作我们早期无法开展，因为它太容易出故障了，就像你看到了一个充满希望的新世界，但它又处于半瘫痪状态。但今年，我感觉曲线正在发生巨大的变化。所以我可以看到一些团队，特别是 GDM 和一些 Suite 团队，确实改变了他们的工作流程，而且，他们正在使用——出于某种奇怪的原因，我们对同一款产品在内部和外部有不同的名称——它在内部被称为 Jetski，即反重力。你正身处其中，生活在一个智能体管理的世界里，运用着各种工作流，以这种全新的方式工作，就在上周，我们将其推向了搜索团队。没错吧？所以我们一直在持续推进。在大型组织中，我认为变革管理是这项技术普及过程中非常困难的一环，而这对于小公司来说或许更容易，毕竟小公司可以快速完成转型。John： 我能否提出几个在人工智能真正普及到工业界时所面临的问题？我也很好奇，你认为我们将在何时以及如何解决这些问题。因为在我看来，我们正面临着巨大的智能过剩（intelligence overhang）。比如，AI 现在在抽象能力方面表现得极其出色。但如果你观察一家 AI-native 公司，或者仅仅观察它们对这些智能的使用程度，你会发现这其中很可能存在缺口。我所看到的问题大致是这样：首先，工程师要擅长编写 AI 提示词实际上需要一段时间。而且你编写 AI 提示词的水平高低，直接影响到 AI 生成代码的质量。其次，以我们的情况为例，会有很多针对 Stripe 的特定提示词，需要了解应该使用哪些工具。所以，这里既有通用的提示词编写技巧，也有针对 Stripe 业务的特定提示词技巧。再者，显而易见的事实是，共享 AI 生成的代码库非常困难，因为这会带来巨大的影响范围（blast radius），且代码变动极大，代码的周转率很高；在你最终交付产品之前，可能已经重写了多次代码，相比过去代码编写速度较慢的情况，现在多人协作维护同一个代码库变得相当困难。此外，当你跳出工程领域来看，我所观察到的最大障碍是数据访问权限问题；你希望你的 Agent 能随时获取信息——在世界各地的公司里，人们每天会问多少次“嘿，这笔交易的状态如何？”这属于公司已知的信息，理应由 Agent 自动回答。在 Stripe，我们确实有一些很棒的功能，我观察到它们已经能相当出色地处理这类查询。但无论是使用习惯还是数据访问权限，随着公司规模的扩大，诸如谁有权访问这些数据这类权限管理引擎，所有这些都需要进行配套开发。接着你会进入角色定义阶段，就像你刚才说的，Eng/PM 设计在某种程度上延续了前一年的思路。在某些情况下，你可能希望将这些角色进行一定程度的合并。随着 AI 在这些方面表现得越来越好，毕竟你已经拥有了产品入口。总之，这就是我对 2026 年情况的描述，模型具备了处理这些事务的能力，但我们的使用程度依然有限。你认为这种智能的普及应用会呈现什么样的面貌？桑达尔·皮查伊： 我们很多人正在致力于此，比如 Gemini 团队、Gemini 企业团队以及 anti-gravity 团队，他们就在精准地研究这些问题。这就是你所说的路线图，没错，我们实际上正在内部使用它，在遇到这些障碍时，会设法寻找解决路径。所以，这就是正在发布的产品。我们仍在对其进行推广，因为当你作为 Google 的 SRE 团队成员使用它时，你会突然发现某些部分可以创建自动化工作流。所以这种情况正发生在这些领域，但如果在培养技能时进行更系统化的处理，这些技能将如何实现中心化，又该如何供模型及所有人使用？身份访问控制确实是非常棘手的问题。我们正在努力解决这些问题，但这些也是限制我们实现普及的关键因素。没错。我们对安全性非常重视，因此我们必须这样做。没错。所以这是额外增加的一层。在所有这些之上，还有运行这些服务时犯错所带来的成本。所以我们必须克服这些困难。但我认为正因如此，当我们解决这些问题时，我们将以更稳健的方式将其实现，这会有所助益。所以我感觉我们现在正处于承担这一固定成本的阶段。但当你看到我们将这些能力应用到外部环境时，你会发现人们所能做的事情发生了巨大的飞跃。其他人也在这样做。而且以一种更稳健的方式，这些模型正在不断进步。John： Google 每年会进行几次正式的业务重预测。我想至少在 Stripe 我们是这样做的：我们会设定年度预算，然后每年进行三次正式的重预测。当你思考这个问题时，重预测是一个基于特定时间点的函数，你获取业务的状态——其中一些存在于人们的脑海中，但大部分都记录在案——比如这个产品表现如何，那个产品表现如何？这笔交易会达成吗？那件事会发生吗？诸如此类。所以，存在一个业务的时间点状态，我们将其输入到一个函数中，输出的就是该年度更新后的财务数字。你可以想象 AI 能够完全无需人工干预地进行预测。你认为 Google 在哪个季度会实现首次完全由智能体完成的预测？桑达尔·皮查伊： 我非常确信在其中一些领域，27 年将成为某些事物的关键转折点，即便是对于从业者而言，这也将是他们完成产出的工作流方式。而且，也许在一段时间内你还会沿用传统方式进行核查，但你会经历一种转变，一种交叉切换。但我预计 27 年将是重大的一年，其中一些转变会发生得非常深远。John： 我认为这正是 Eng 作为早期采用者提出的问题，尽管这有点超出 Eng 的范畴。听起来你认为到了 27 年，许多非工程类流程将真正开始提速。桑达尔·皮查伊： 我确实认为你之前的问题，比如，你是在探讨更多机器人技术相关公司的背景下提出的。我确实认为那些公司，这就是初创公司将具备的优势之一，即拥有更多 AI-native 团队。而且，你或许可以通过面试流程等方式来了解这一点。John： 而对于我们来说，我们则需要进行再培训、转型等等。桑达尔·皮查伊： 我认为这或许是年轻公司将具备的优势。而我们必须，去推动这种转型。John： 最后一个问题。我们聊了很多在 Google 内部起步较小的项目，比如 Transformer，当这些项目刚启动时，它们并非 Google 的核心优先级。目前在 Google 内部，有哪些让你感到兴奋的小型项目？桑达尔·皮查伊： 这可能会让人感到惊讶，比如，当我们决定建设太空数据中心时，我们也是从一个非常小的团队开始的，所以，那真的是只有几个人，带着很少的预算去实现第一个里程碑。因此我认为，即便是一个宏大的想法，也要从起步开始。这就是一个小型项目的例子。昨天我确实花时间听了一个关于训练后阶段改进的说明，这就像是一个人在讲述他们正在做的改进，听过之后，我心想，噢，那真的会让我们看到一个相当不错的跨越。这就是这个时代持续不断的动力所在。关于第二点，我不想透露具体细节，但我相信未来某一天我们会将其公布出来的。虽然如此，但这些是我感到兴奋的一些小跨越。John： 比如太空中的数据中心以及新的 ML 技术。桑达尔·皮查伊： 是的。是的。John： 很棒的回答。谢谢你。","kind":"news","is_publish_news":true,"is_publish_highlight":true,"is_publish_live":false,"is_publish_wemedia":null,"editions":null,"column":"","sentiment":"0","news_tag":"","news_rank":0,"isVideo":false,"video":null,"symbols":[],"gpt_button":0,"need_auth":false,"need_login_tip":false,"code":"91000000","status":"200"},"commentList":[{"id":552098946920984,"gmtCreate":1775824348544,"gmtModify":1775824351019,"author":{"id":"3563329216096354","authorId":"3563329216096354","name":"风筝_3343","avatar":"https://static.tigerbbs.com/2cc2e4c09a2ff38751e5f1b36fb8fe2e","vip":1,"crmLevel":7,"crmLevelSwitch":0,"wearingBadges":[],"idStr":"3563329216096354","authorIdStr":"3563329216096354"},"htmlText":"把人类带向哪里？","listText":"把人类带向哪里？","text":"把人类带向哪里？","images":[],"top":1,"highlighted":1,"essential":1,"paper":1,"likeSize":1,"commentSize":0,"repostSize":0,"link":"https://laohu8.com/post/552098946920984","repostId":1122363023,"repostType":2,"repost":{"id":"1122363023","kind":"news","pubTimestamp":1775746920,"share":"https://www.laohu8.com/m/news/1122363023?lang=zh_CN&edition=full","pubTime":"2026-04-09 23:02","market":"us","language":"zh","title":"谷歌CEO最新对话录：谷歌AI的历史和未来，谈AI竞赛、智能体演进与物理极限","url":"https://stock-news.laohu8.com/highlight/detail?id=1122363023","media":"Web3天空之城","summary":"这是一个扩张性的时刻。","content":"<html><head></head><body><h3 id=\"id_3444589251\" style=\"text-align: left;\">被误解的 Transformer 遗产与产品化逻辑</h3>在科技史的叙述中， <a href=\"https://laohu8.com/S/GOOG\">谷歌</a> 常被描述为“发明了火种却让别人点亮了火炬”的角色。针对 Transformer 架构的起源与 ChatGPT 的崛起，皮查伊有着不同的观察视角。他指出，Transformer 的诞生并非纯粹的实验室产物，而是受翻译功能和大规模语音识别等实际需求驱动的。“Transformers 很快就被投入使用。Bert 和 MUM 对搜索质量的提升是巨大的，那是搜索业务领先于所有竞争对手的时期，” 皮查伊解释道。他承认在对话式产品的发布门槛上，谷歌有着更高的“质量偏见”，尤其是在处理模型毒性和搜索准确性方面。他坦言，早期的 Lambda 模型在内部甚至被认为具备感知能力，但由于缺乏成熟的 RLHF（基于人类反馈的强化学习）处理，谷歌并未急于推向市场。皮查伊认为，OpenAI 的成功部分源于在编码侧（Coding）看到的连续性跨越，这可能比单纯的语言侧信号更具突破性。<h3 id=\"id_1628756015\" style=\"text-align: left;\">垂直整合：全栈投资构建的防御性壁垒</h3><img src=\"https://static.tigerbbs.com/d1ebb1322b19c746dabb79e28d18c59b\" title=\"\" tg-width=\"1080\" tg-height=\"1935\"/>当外界在去年一度对谷歌的搜索业务感到悲观时，皮查伊正专注于内部的“垂直整合”。他认为，谷歌之所以能应对当前的算力竞赛，归功于自 2016 年就开始的 AI 优先战略。“垂直整合并不是偶然，我们当时正在构建 AI 数据中心，那是 2016 年。这种整合让我们能够从研究团队、基础设施到平台进行全方位的协同。” 这种“全栈”优势在 Gemini 系列中得到了体现。皮查伊特别提到了延迟（Latency）作为产品核心竞争力的重要性。在谷歌，团队甚至拥有毫秒级的“延迟预算”。“Flash 模型的能力达到了 Pro 模型的 90% 左右，但速度快得多，服务效率也更高，这正是垂直整合助益的结果。”<h3 id=\"id_3987927883\" style=\"text-align: left;\">搜索的未来：从检索框到“个人代理管理器”</h3>关于搜索是否会消失的讨论从未停止，皮查伊给出的答案是“演进”而非“取代”。他设想中的搜索将不再是简单的提示词返回链接，而是向具备主动执行能力的代理式流程转变。“搜索会成为一个代理管理器，你将能够完成各项任务，会有许多线程在同时运行。” 皮查伊认为，即便硬件外形发生剧变，搜索的核心功能——作为人类与世界的交互界面——只会变得更加扩张。他拒绝将这一过程看作零和博弈，“一旦你处于这些领域的最前沿，你会发现搜索和 Gemini 在某些方面产生重叠，在某些方面产生分歧，同时拥有两者并拥抱这种变化是件好事。”<h3 id=\"id_693039623\" style=\"text-align: left;\">2026 瓶颈期：当 AI 撞上物理世界的南墙</h3><img src=\"https://static.tigerbbs.com/e3f2a2a4a361711c0a5b8f6123cb8607\" title=\"\" tg-width=\"1080\" tg-height=\"1935\"/>尽管谷歌拥有巨额的资本支出计划，但皮查伊清醒地认识到，金钱并不能解决所有问题。他预测 2026 年后，AI 的扩张速度将受到物理世界的制约。“我们正受到供应能力的制约。即使你想花掉 4000 亿美元，也可能花不掉，因为内存不够，电力不够。” 皮查伊强调，晶圆产能和能源审批速度是深层次的限制。尤其是内存（Memory），被他视为目前最关键的要素之一。“领先的内存公司不可能大幅提升他们的产能，这些限制在短期内确实存在。” 然而，他也乐观地认为，这种制约将激发创新，推动计算效率实现 30 倍甚至更高的提升。<h3 id=\"id_2402828450\" style=\"text-align: left;\">资本配置哲学：为何在悲观中坚守 Waymo</h3>在谷歌众多的“Other Bets”中，Waymo 的坚持最具代表性。皮查伊揭示了谷歌资本配置的底层逻辑：并非基于短期情绪，而是基于对技术曲线的定量评估。“你越有能力在更深的技术层面评估事物，就越能做出更好的决策。我们追踪 Waymo Driver 的安全性和可靠性曲线，即使在外界最悲观的时候，我们也增加了投资。” 他将这种逻辑同样应用于量子计算和机器人领域。皮查伊透露，谷歌正在构思“太空数据中心”等前沿项目。对于机器人，他认为 AI 是过去十年缺失的关键要素，而现在，“具备空间推理能力的 Gemini 机器人模型已经展现出最先进的水平。”<h3 id=\"id_2241355838\" style=\"text-align: left;\">2027 转折点：智能过剩与工作流的深度重构</h3><img src=\"https://static.tigerbbs.com/a9c0b325f3f04e912493784ee4527a0c\" title=\"\" tg-width=\"1080\" tg-height=\"1935\"/>皮查伊预见到，尽管模型能力在飞速提升，但社会和企业内部的“变革管理”将是巨大的挑战。他将这种现状描述为某种程度的“智能过剩”。“我非常确信，2027 年将成为某些事物的关键转折点。它将成为从业者完成产出的工作流方式。” 谷歌内部正在通过名为“Jetski”的智能体环境，重新定义 SRE（站点可靠性工程）和搜索团队的工作模式。皮查伊承认，身份访问控制、安全性以及再培训成本是普及的障碍，但这种转型是必然的。“年轻公司将具备 AI-native 团队的优势，而我们则必须推动这种全员的转型。” <img src=\"https://static.tigerbbs.com/9278935cb8fd5cc2e01f8425f7ffa1aa\" title=\"\" tg-width=\"1080\" tg-height=\"1907\"/><img src=\"https://static.tigerbbs.com/321eed1aa7943385a82d9f3b7a997df8\" title=\"\" tg-width=\"1080\" tg-height=\"1907\"/><img src=\"https://static.tigerbbs.com/49651a205f1947e4d2a1a8bc011158bc\" title=\"\" tg-width=\"1080\" tg-height=\"1907\"/><img src=\"https://static.tigerbbs.com/8a63d385a661394a4f71c11df02b0d8e\" title=\"\" tg-width=\"1080\" tg-height=\"1907\"/><img src=\"https://static.tigerbbs.com/5e3a7f1fa6543c8aa48fd3147a9b6ca0\" title=\"\" tg-width=\"1080\" tg-height=\"1987\"/><img src=\"https://static.tigerbbs.com/9faf483dd8303f0ac49eb8d3a39d8603\" title=\"\" tg-width=\"1080\" tg-height=\"1907\"/><img src=\"https://static.tigerbbs.com/9c117aa1750b25e5f34845573ea67d12\" title=\"\" tg-width=\"1080\" tg-height=\"1987\"/><img src=\"https://static.tigerbbs.com/5ccf2044d42a4d60e5cf785d02750608\" title=\"\" tg-width=\"1080\" tg-height=\"1907\"/><img src=\"https://static.tigerbbs.com/6a594bafa8c042db9868c6d326b32e91\" title=\"\" tg-width=\"1080\" tg-height=\"1907\"/><img src=\"https://static.tigerbbs.com/fcc2834caff30db2597dce5e072eb7da\" title=\"\" tg-width=\"1080\" tg-height=\"1907\"/><img src=\"https://static.tigerbbs.com/1ce4d00fba570ddd55d9f95236510f40\" title=\"\" tg-width=\"1080\" tg-height=\"1907\"/><img src=\"https://static.tigerbbs.com/978a17058f797b0ecab6eb6de49ab4aa\" title=\"\" tg-width=\"1080\" tg-height=\"1907\"/><img src=\"https://static.tigerbbs.com/e87234a920c25e34dd40d3c83bf53140\" title=\"\" tg-width=\"1080\" tg-height=\"1907\"/><img src=\"https://static.tigerbbs.com/7d731192bfd6362a1309fee577f97402\" title=\"\" tg-width=\"1080\" tg-height=\"1907\"/><h2 id=\"id_3561784214\" style=\"text-align: left;\">Transformer 的发明与产品化反思</h2><code>John</code>：Sundar Pichai 担任 Google 首席执行官已满十年。如今，Alphabet 不仅是全球最大的科技公司之一，也是人工智能竞赛的领跑者，计划在 2026 年投入 1750 亿美元用于资本支出。干杯。感谢你的到来。在讨论 Google 与人工智能时，人们经常提到的一段历史是：Transformer 架构虽然是在 Google 发明的，但随后却在 Google 之外被产品化，主要是以 ChatGPT 和类似风格的产品呈现。你现在对此有何反思？我认为这确实值得探讨。<code>Sundar Pichai</code>：好的，感谢邀请我参加。这在一定程度上存在误解。Transformer 的研发是在大量使用 TPU 等环境背景下进行的。我们所做的一切在某种程度上都是为了解决特定的产品需求，就像团队当时在思考如何改进翻译功能一样。以 TPUs 为例，嘿，语音识别虽然有效，但你突然需要为 20 亿人提供服务时该怎么办。我们没有足够的芯片供自己使用。就像是，你如何解决它的推理问题？我之前并不知道这一点。Transformers 当初是专门……这是来自我们的研究团队，但他们是受解决实际问题的驱动。而且 Transformers 很快就被投入使用。所以 Bert 和 MUM，人们低估了其影响程度，因为我们如此严谨地衡量搜索质量，那一时期搜索质量的一些最大飞跃——即搜索业务领先于所有竞争对手的时候——正是因为 Bert 和 MUM。我们构建了 Transformers 并立即将其用于搜索，以提升语言理解能力、理解网页内容、理解用户的查询，并不断构建更好的模型。我们当时也已经开始将其产品化，内部有团队在开发名为 LaMDA 的项目。显然我们并不是首个推出此类产品的，但我认为这不仅仅是因为它仅处于研究阶段而未投入产品方向。<code>John</code>：我认为情况就是这样：你进行了这项研究，随后从预期的应用方式中看到了巨大的投资回报率，至于你没有发明所有基于此技术产生的产品，这在预料之中。我想更进一步地说。<h2 id=\"id_562656174\" style=\"text-align: left;\">从 LaMDA 到 ChatGPT：发布门槛与时机</h2><code>Sundar Pichai</code>：我们确实构思过类似 ChatGPT 的产品，那就是 LaMDA。你应该还记得，内部曾有一位工程师认为它具备感知能力，所以，可以把它看作是他在内部交流的 ChatGPT 的早期版本。因此，我们甚至拥有它的产品版本。在平行宇宙中，Google 大概会在九个月后将其发布。或许事实上，在 2022 年的 Google I/O 上，我们发布了一个名为 AI Test Kitchen 的产品，那里面运行的就是 LaMDA，但我们对其做了限制。因为在内部，我们还没有一个经过 RLHF 处理的端到端版本，所以我当时看到的那个版本，毒性要大得多。我们当时根本不可能把它发布出来。而且，我认为作为一家对搜索质量有偏见的公司，我们对什么样的产品质量才是可接受的发布标准，可能设定了更高的门槛。但这并不是说我们不知道该如何把它发布出去。我还要指出，即使在 OpenAI 发布产品时，他们大概在几个月前就已经和 Microsoft 达成了协议。所以，回过头来看，情况并不完全显而易见。我认为他们也很幸运，能在 GitHub 的编码侧看到这一点。我想也许我们漏掉了一个信号。在编码侧看到的连续性跨越可能比单纯在语言侧看到的要大。是的。所以如果你也用它来进行编码， GPT-2 到 GPT-3 以及后来的 GPT-4 之间的跨越可能更加显著。所以，你可以指出这一点。对事物而言，所以，但我认为要回答最初的问题，我认为这与其说是研究到产品的转化，不如说是许多其他因素共同作用的结果。<code>Elad Gil</code>：我还记得曾与一些参与开发 ChatGPT 的人交流过，我想他们是在感恩节那一周发布的。那算是一个相对低调的发布。那并不是那种大张旗鼓、宣称这将成为我们未来重要组成部分的发布。我认为那更像是一个很酷的测试案例。没错。这真的很有趣。<code>Sundar Pichai</code>：但是，我理解这些时刻的方式是，如果你身处消费互联网领域，你就总会遇到意外惊喜。我们当时在 Go on。当时有 Google Video Search 之类的东西，后来 YouTube 出现了，只是我们收购了 YouTube。或者试想一下，如果你在 Facebook 工作，Instagram 出现了。没有人会坐下来讨论，你不会带着那种戏剧化的心态去看待这些时刻，因为 Facebook 刚刚收购了 Instagram。没错。没错。但我所内化理解的领域是消费级互联网。人们现在能够做到，三个人坐在一起进行原型设计，并产出数以百万计的东西。我并非试图贬低任何事物，我只是说你总会遇到这样的时刻。我不认为人们会在车库里醒来就能发布出一款比 iPhone 更好的产品。那是不可能发生的，但消费级互联网并非如此运作。所以你只需要意识到这一点并将其内化。<h2 id=\"id_798120893\" style=\"text-align: left;\">速度的哲学：延迟预算与 Gemini Flash</h2><code>John</code>：当我思考 2026 年的 AI 竞赛时，有一件事让我印象深刻，那就是 Google 长期以来一直将速度作为其脱颖而出的首选之地。因此，最初的 Google Search 非常快，而且众所周知，它会在搜索结果中显示搜索查询耗时，以此来展示其优势。还有，比如 Gmail 相比当时竞争对手的快速搜索，或者 Chrome 相比当时竞争对手的快速表现。现在，我会针对不同的用途使用各种 AI 服务，但在 TPU 上运行的 Gemini 速度实在太快了。我很好奇这在多大程度上属于明确的产品策略，您是如何看待这一点的？还是说情况要复杂得多？<code>Sundar Pichai</code>：我一直以来都将速度——在此我们可以将其称为延迟——视为核心要素。它也是一款伟大产品的显著特征之一。而且，它几乎总是反映出该产品背后有着扎实的技术支撑。还有另一种同样重要的速度，即交付、迭代和发布周期的速度。所以这两者都很重要。但是，正如您所提到延迟问题。说想要低延迟很容易，但您需要不断增加各项功能。因此，能力的前沿正在不断推进。所以，在某种意义上，该如何权衡这一点呢？这就是问题变得复杂的地方。但举个例子，比如搜索，我当时正在和团队沟通，比如他们现在为子团队设定了延迟预算，精确到毫秒级。你会获得 50% 的绩效额度。所以，如果你发布了一个功能，减少了 3 毫秒的延迟，你就能为你的延迟预算赢得 1.5 毫秒，而剩下的 1.5 毫秒则会转化为用户的体验提升。没错。根据我们对你所做工作的判断，有些人可能会获得 30 毫秒或 10 毫秒的延迟预算。你可以使用它。所以，针对这一点，我们有严格的审查机制。但这就是我们认为它重要程度的衡量标准。<code>Elad Gil</code>：那么。从背景来看，我想人类能够感知到这一点。是在几百毫秒的范围内，就其实际影响而言？没错。是的。没错。<code>Sundar Pichai</code>：我想我们实际上，上次查看仪表板和指标时，我们在过去五年里将搜索延迟降低了 30%。但请思考一下这期间功能的发展历程。这就是为什么在 Gemini 中，要深入思考前沿技术的迭代，确保，性能与速度的平衡，而且，flash 模型的能力达到了 pro 模型的 90% 左右，但速度快得多，服务效率也高得多，垂直整合也有所助益等等。<h2 id=\"id_2119028449\" style=\"text-align: left;\">搜索的未来：从检索到个人代理</h2><code>Elad Gil</code>：你如何看待搜索的未来？因为现在很多人都在谈论聊天界面将成为新的交互方式。显而易见，Gemini 已经整合进去了，或者说 Google 的 Search 已经在搜索结果中集成了 Gemini 或 AI 结果，但很少有人讨论代理式流程，未来每个人都将拥有一个个人代理；它不再需要你输入查询指令，而是会主动为你执行任务。比如，它不会只是回答关于旅行的问题，而是会直接为你规划好整个行程。你如何看待搜索的未来？它是一种分发机制吗？它是一款未来的产品吗？它是人们与世界交互的 N 种方式之一吗？<code>Sundar Pichai</code>：我觉得在搜索领域，随着每一次变革，你都能利用它做更多的事情。而且，我们必须吸收这些新能力，并不断拓展产品的前沿。比如，如果是移动设备，其产品演进非常迅速；当你走出纽约地铁时，你在寻找网页，你想去某个地方，你该如何找到它？所以，人们的期望在不断改变，你也必须随之调整。如果我进行前瞻性推测，许多仅仅是为了获取信息的查询，在搜索中都将演变为代理式交互。你将能够完成各项任务，会有许多线程在同时运行。<code>Elad Gil</code>：那么，10年后搜索还会存在吗？<code>Sundar Pichai</code>：嗯，你可能会……或者仅仅是演进，在这种情况下是演进。它会持续演进。搜索会成为一个代理管理器，对吧，在其中你会处理很多事情。我想在某些方面，我今天就在使用 anti-gravity，你有一堆代理在处理各种事务。而且，我可以看到搜索在执行这些操作的各种版本，而你正在完成许多事情。<code>John</code>：但我认为你问题的核心在于，如果你把搜索看作一个不超过一行的提示词，返回一堆不同排序的结果，而不是直接告诉你正确答案或其他什么东西。我想你的问题是，那种产品形态是否存在？<code>Sundar Pichai</code>：但在如今的 AI 模式和搜索中，人们会进行深度研究查询。没错。所以这并不完全符合你所说定义的范畴，但是，人们在某种程度上已经适应了那种方式。所以我认为人们会处理长期运行的任务。当然。它可以是异步的。<code>Elad Gil</code>：我们最初，或者说，生命最初是以单细胞生物的形式开始的，而现在我们拥有了如此复杂的生命形态。因此，问题几乎变成了：那种形式、版本或范式最终会消失吗？事实上，过去的搜索将转化为 Agent，而你未来的交互界面就是一个 Agent，10 年或 N 年后的搜索框将不复存在。<code>Sundar Pichai</code>：设备的硬件外形将会发生改变。I.O. 将会发生剧烈的改变。所以，这很难，我认为如果只想着 10 年后的事情只会让自己陷入瘫痪，但我们很幸运正处于这样一个时刻，你可以只考虑未来一年，因为技术曲线非常陡峭。只着眼于未来一年就让人感到兴奋，不是吗？而在过去，你可能需要坐下来设想五年之后的情景。我就在想，模型在一年内将会发生巨大的变化。所以，我认为顺应这个曲线本身就是一件令人兴奋的事。所以我认为它会不断演进。但这是一个扩张性的时刻。我认为很多人在这些时刻低估了一点，即这在我看来远非一场零和博弈。没错。就像人们未来能够实现的能力价值也处于某种疯狂的曲线上，所以一旦你以那种方式看待它，人们就会提出所有这些问题，比如，YouTube 自 TikTok 和 Instagram 出现以来表现良好，所以我可以举出很多例子。我认为，你越是把它视为零和博弈，情况看起来就越困难。如果你停止创新或者产品不再演进，它就不可能变成零和博弈，但是只要你处于这些领域的最前沿，而且我们正在同时进行搜索和 Gemini 的开发，那么它们在某些方面就会产生重叠。它们在某些方面也会产生深远的分歧，所以，我认为同时拥有两者并拥抱这种变化是件好事。<h2 id=\"id_852654648\" style=\"text-align: left;\">垂直整合与市场误解</h2><code>John</code>：当我们谈论搜索及其未来走向之类的话题时，我想起大约一年前，也就是 25 年的春夏之际，外界对 Google 的情绪非常负面。当时的普遍观点是，搜索已经完了，并且将会面临非常艰难的处境。核心商业模式正受到攻击，诸如此类。Google 的股价当时在 150 美元左右。而现在人们已经意识到那很荒谬。Google 在整个技术栈上都有布局，无论是应用程序还是模型。或是 TPU 等等，以及 Waymo 和 YouTube，还有所有这些相关业务。你认为作为知情舆论代表的投资者，在去年这个时候误解了什么？因为显然当时存在某种巨大的误解。<code>Sundar Pichai</code>：当时我显然非常专注于内部事务。<code>John</code>：所以，对我来说，那一刻非常明确，嘿，Overton window 已经移动了。<code>Sundar Pichai</code>：我们，我当时觉得公司就是为那一刻而建立的。这种垂直整合并不是偶然或其他什么。那是一件目标非常明确的事情。我们当时正处于 TPU 的第七个版本。是的。我记得那可能是在 2016 年的 Google IO 上，我们发布了 TPU，并且谈到了我们正在构建 AI 数据中心。那是 2016 年。当时我们正在考虑，公司正以 AI 优先的方式运营。所以我们已经深刻地内化了这种转变。因此对我来说，虽然我们在前沿 LLM 模型方面落后了，但我们内部拥有所有的能力，我们必须执行到位以把握住那个时刻。但令人兴奋的部分在于，当我从全栈的角度审视时，我们拥有研究团队，拥有基础设施团队，拥有所有的平台。而且我们一直有目的地在许多业务上进行投资，对我而言，我突然感觉到，哇，我们拥有这项通用的技术，它可以加速所有这些业务的发展。无论是搜索到 YouTube，还是到云服务，再到 Waymo，一切都依赖于这一领域的进展。因此，这是一种获取进步的高杠杆方式。所以我理解这一点，并且正如讨论早些时候提到的，我完全不认为这是一个零和博弈的时刻，我当时感觉一切都将扩大 10 倍，不是吗？而且也会有其他人的容身之处，回顾一下，自 Google 出现以来，Amazon 表现得很好，Facebook 也是如此。所以我们低估了所有这些事物运作时的增长情境，所以，我们需要作为一家公司执行得更好。这就是我的意思。我当时更专注于这一点。<code>John</code>：是否有什么事情向外界证明了，他们已经掌握了这一点？是 Gemini 3 改变了排队的人们吗？比如，我并没有跟进所有的时间线，但还是那句话。<code>Sundar Pichai</code>：我认为人们真正见证该模型能力的或许是 Gemini 2.5。而且，我特别关注前沿领域。尤其是它们的多模态能力。我们做了很多尝试，功劳属于 Google DeepMind 团队，我想我们在初期支付了稍微多一点的固定成本，但我们从第一天起就将 Gemini 模型设计为具备高度的多模态能力。因此，我认为在某些领域，这种优势开始显现，nano-banana 就是一个例子。所以你能够将这一切尽收眼底。但听着，这是一个令人惊叹、极其充满活力的前沿领域。我认为有两到三家实验室正在非常激烈地相互竞争。在任何一个月里，我们都会觉得，太棒了，我们做得很好。糟糕，有几件事我们落后了，但我认为几个月后情况又会发生动态变化。所以我认为前沿领域的竞争正如你预期的那样激烈。这就是我的看法。<h2 id=\"id_1979412864\" style=\"text-align: left;\">AGI-pilled 与指数级增长的直观感受</h2><code>Elad Gil</code>：这很有趣，因为当我与非 Google 或其他实验室的研究人员交谈时，他们常提到的一点是，他们觉得那两三家其他实验室与 Google 团队的区别在于，Google 并没有所谓的 AGI-pilled。换句话说，他们对 AGI 即将来临及其带来的加速发展持较少的信仰。显然，Google 的员工们对此进行了深刻的思考。A，你认为这是真的吗？那么 B，你认为这一切是否影响了人们对未来实际样貌的构想，并因此影响了人们构建事物的方向？<code>Sundar Pichai</code>：你看，我认为，我们可能已经将资本支出从 300 亿增加到了 100 亿，大约是 1800 亿。这可是真金白银，如果你不是以某种方式考量未来曲线，你不会这么做。我认为这在很大程度上属于语义问题，或许是因为我们是一家大型公司，拥有许多触及各层级众多用户的产品。或许我们讨论它的语言会有所不同。我认为创始人们是 AGI 的构建者。这可能是我最真诚的一次谈话。我认为关于 Google 未能理解什么是 AGI，或者 Demis 及其团队，又或是 Jeff Dean 及其团队未能理解的说法，在某个时间点，我不知道，Demis、Jeff、Ilya、Daria 等人都在那里。所以他可以，我很喜欢这个反驳。就像是在说，嘿。<code>John</code>：你过去 20 年都在关注这些事吗？<code>Sundar Pichai</code>：没错，所以这对我来说讲不通。<code>John</code>：我觉得其中一些原因在于，如果你是一家较年轻的公司，或者你更像是一个纯粹的研究实验室，你可能就会把总部设在 San Francisco。<code>Sundar Pichai</code>：是的。有很多微小的属性可能会产生差异。但我不认为在基础层面上，对于曲线走势的预判，或者我们如何内化这项技术，存在什么分歧，你看，我觉得即便是公司内部，我们中也有一群人正处于最前沿，不断启动 agent，观察这些东西能做什么，看着 agent 习得技能、完成任务，并回顾它们三个月前能做什么。<code>John</code>：他们在内部实实在在地感受着那种指数级增长，我觉得你们俩都对，我同意这一点，你可以把它看作是 Google 的历史。我觉得很多人得到的是一种感觉，我曾看到一条推文转瞬即逝，那大概就是最核心的东西。要解释当前硅谷正在发生的事情，你必须意识到，每一位科技高管现在都患有严重的 AI 精神错乱，他们投入了大量时间编写代码、与 AI 对话以及处理诸如此类的事情。我觉得这是一个很有趣的观点，而且并非毫无道理。我很好奇，在最近这段时间里，你有哪些感受到了 AGI 的时刻？或者说，你现在在多大程度上患有 AI 精神错乱？<code>Sundar Pichai</code>：我第一次感受到 AGI 的时刻是 2012 年，当时 Jeff Dean 展示了 Google Brain 的最早版本。那时神经网络识别出了一只猫，所以那是 2012 年。我和 Larry 一起去了医生那里。RAPA 挑战赛。那可能是在 2014 年，我想。我需要准确说明我们去那里的时间，也就是看到汽车开过去的时候。Demis 进行演示，那些最早期的模型已经具备了我们所谓的想象力。像这样的时刻有很多，所以显而易见，这项技术正在不断进步。就当下的生活体验以及那种直观的感受而言，我想说的是，如果你在编程时给它一个复杂的任务，而你根本不需要打开 IDE，直接处于某种智能体管理者的环境里看着它完成任务，你就会知道它有多么强大。所以，你可以把它称为现场 AI。确实会有这样的时刻。<code>John</code>：是的。我最近做了一个小型的业余项目，过了一段时间，我心想，噢，我很好奇它用的是什么语言，但这只是在一个一切都运行起来之后我才需要去问它的细节问题。是的。它就像魔法一样工作。<code>Sundar Pichai</code>：是的。所以你确实会有那样的时刻。没错，但真正令人惊讶的是这条曲线的斜率。没错。确实如此。而且你正在多个范式上对其进行改进。显而易见，未来还会有进一步的发展。<h2 id=\"id_3192860441\" style=\"text-align: left;\">“吃狗粮”：CEO 如何与产品保持连接</h2><code>John</code>：对。当你谈到这种直观感受时，我觉得有一点对科技公司至关重要，而每位 CEO 对此的思考方式都不同。那就是如何与日常用户的产品体验保持紧密联系，因为科技产品非常抽象，所以很容易出现那种情况——你不能仅仅依靠团队的报告、幻灯片和电子表格来进行管理。所以，Tony Xu 曾谈到他至今仍会亲自去当 DoorDash 配送员，以保持与那种用户体验的深度连接。我们在每周的全员大会上有一个固定环节，我们称之为“走一走（walk this door）”，我们会一起在仪表板上点击浏览，然后我们会纠结于诸如“为什么那个模态框出现在那里？”这类问题。或者是其他令人困惑的地方，总之就是让我们集体使用这款产品。我很好奇你是如何运作的，以及你在 Google 是如何确保自己始终与产品的使用体验保持紧密联系的。除了你每天使用 Gmail 和其他所有产品之外。<code>Sundar Pichai</code>：噢，是的。就像所谓的“吃自己的狗粮”一样，字面意思就是使用内部版本。我会专门预留时间，进行高强度的使用。也就是说，我会留出专注的时间来做这件事。这很有帮助。比如就在两周前，我在健身房拉伸时用着 Gemini Live。我就想，我要和它聊上整整 30 分钟，只聊一个话题。你确实会做这些尝试，有时会有成效，有时也会让人感到挫败。我们从中获益良多，所以我强迫自己以那种超级用户模式来使用它，并以此保持密切联系。X 很有帮助，因为有时你能从上面获得最直接的反馈。感谢你修复了 Google Calendar 的问题。那真是太好了。嗯，还有一些问题需要修复，但感谢你指出来。所以，X 很有帮助，因为你可以直接获取最原始的评论，我也尝试直接关注这些反馈。但我告诉你什么是有帮助的。在内部，比如，我会像之前提到的那样，向 anti-gravity 进行查询，也就是我们内部版本的 anti-gravity，嘿，我们发布了这个东西，人们对此怎么看，告诉我人们讨论的最糟糕的五件事和最好的五件事，我输入这些指令，现在它就能给我反馈了。所以我的生活变得更轻松了吗？是的。在过去，我必须花费更多时间去试图了解这些情况。现在，一个 AI agent 正在帮助我完成这一过程。所以，我可以先了解一下，为了进入那个领域，我最初应该投入多少资金？这实际上是在利用这些工具。是的。所以即使是我也在经历这样一个过程，所以我正在努力适应这个未来。<h2 id=\"id_3208057648\" style=\"text-align: left;\">经济增长与供应限制的瓶颈</h2><code>Elad Gil</code>：我想，正如你提到的，A，这不是零和博弈；B，人们正在看到各种生产力的提升。如果你回顾许多之前的技术周期，互联网、移动设备或 SaaS 要在实际的 GDP 数据中显现出来，确实需要一段时间。在 AI 的背景下，我们是从数据中心建设的角度来看待这一点的，那正在推动 GDP 增长的一部分。你如何看待三、四年或五年后的未来？你认为美国......经济是否因为 AI 而变得更加庞大？如果是的话，规模增长了多少？<code>Sundar Pichai</code>：听着，要让这些回报变得合理，总归要在某个地方体现出来，这花了多久时间？我想可能是 Sequoia 的人写了篇文章，说人们正在投入这么多资金。<code>John</code>：他们是在将资本支出与利润进行比较。<code>Sundar Pichai</code>：没错，这可能是在两年半之前。当时有种说法认为这不合理，因为你需要达到那个水平的回报。你可能需要 10 倍的增长空间。没错，没错。从那时起，我需要去核实一下具体数字。首先再次确认，所以在某个节点，它必须实现调和。明确一点，我们正受到供应能力的制约。我们观察到所有应用领域都存在需求。<code>Elad Gil</code>：实际上，我毫不怀疑这是一个巨大的市场和成果。所以我的问题是，我认为人们对很多事情存在误解。例如，人们经常讨论软件工程预算，以及其中 token 成本与薪资的占比。在某种程度上，我认为那个市场一直因缺乏优秀的软件工程师而受到需求制约，因此供给的突然增加可能会使该市场增长 10 倍。换句话说，我认为软件工程编码市场的规模比任何人想象的都要大得多，用 token 预算与工程师薪资对比来衡量是一个错误的指标。所以我实际上认为它应该能促进诸多方面的发展。我只是对你的观点感到好奇，比如，我们认为这实际上会带来多少增长？我其实一点也没有怀疑所谓的潜能与结果之间的关系，或者说，我明白了。<code>Sundar Pichai</code>：是的。听着，回顾互联网并观察 GDP 增长，它并不能完全捕捉到我们对互联网的真实感受，所以，也许如果没有互联网，GDP 增长会是负的。消费者剩余。所以，展望未来是很困难的。我确实认为社会在不同层面上存在着自然的抑制机制。显而易见的例子是，计算能力的构建曲线与我们改进模型的速率所遵循的曲线是不同的，所以你已经在处理一条受限程度更高的曲线了。那么，你如何将其推广扩散到社会中呢，我们正在与 Waymo 合作进行这项工作，你可以让它比人类驾驶员安全得多，但你也知道，我们必须谨慎对待推广的速度等问题。所以有时，你该如何负责任地将其推广到整个社会中呢？在所有这些层面都存在制约因素，但我觉得，美国经济比 10 年前规模大得多了。因此，即使增长率提高 0.5 个百分点，那也是巨大的贡献。所以我预计事情会这样发展。<h2 id=\"id_135873525\" style=\"text-align: left;\">算力竞赛中的物理障碍</h2><code>John</code>：倾听 Sundar 的发言，有力地提醒了我们以真正的互联网规模进行运作意味着什么。然而，谈到商业时，大多数企业被迫在孤立的状态下做出关键决策。他们仅通过自己的视角来看待互联网经济，只使用存在于其内部的数据。这就是 Stripe 发挥作用的地方。因为我们每年处理 1.9 万亿美元的全球支付，所以我们拥有全景式的视野。当你基于 Stripe 进行构建时，你接入的是那套网络智能，从验证用户身份到在欺诈发生前将其拦截，再到简化企业间的连接方式以及了解哪些支付方式在本地效果最佳，均涵盖在内。我们构建了一个系统，利用全球 1.6% 的 GDP 来保护并增加你的收入。因此，如果你想利用价值、Stripe 网络智能的力量，来看看你在这里能构建什么吧。你提到了供应限制，我认为这是 2026 年一个非常有趣的决定性特征，基本上，你说的是 1500 亿美元的资本支出，还是 1800 亿？<code>Sundar Pichai</code>：我们已经说过会在 1750 亿到 1850 亿之间。<code>John</code>：好的，也就是 1800 亿美元左右的资本支出。让我觉得有趣的是，即使 Google 想花 4000 亿美元的资本支出也花不掉，因为内存不够，电力也不够，以及所有这些组件都有限制。所以，你能简单列举一下吗。你可以找到我们需要的一定数量的电工。没错。所以我很想听听你对各种瓶颈问题的概述。<code>Sundar Pichai</code>：你看，从某种层面上讲，你必须追溯到实际的晶圆产能之类的问题，所以，还有更深层次的基础性因素，我认为晶圆启动量是一种根本性的制约因素。我认为电力和能源问题更容易解决。许可审批以及在监管环境下开展工作可能是一种制约，也就是你推进工作的速度。<code>John</code>：尽管在支持增长的地区，比如 Texas、Nevada 或 Montana 有很多土地，但也许还是不够？<code>Sundar Pichai</code>：我认为我们正在取得巨大的进展。我认为对于美国而言，这是一件特别重要的事情。你会对那种节奏感到敬畏。在中国，他们建设的速度有多快。所以我真的认为我们需要学会更快地进行建设。比如，你几乎必须转变思维模式，去思考在物理世界中实现 10 倍速的建设需要做些什么。但我会担心这会成为一种制约因素。我认为，可能会出现越来越多的阻力，所以，这并不像少数人决定要加速建设那么简单。比如针对数据中心的暂停令之类的事情。所以我我会说，如果它确实开始了，审批和执行工作的能力将至关重要。而且我认为政府确实在进行许多有益的工作。我认为人们已经意识到需要把这些事情做得更好。接下来是供应链中的关键能力。内存就是一个很好的例子。我们在短期内受到这些因素的制约。每个人都会对此做出反应。但我认为我们所有经营公司的人，无论你对 AGI 的信念有多坚定，都会面临这种误差范围，比如，你究竟能有多乐观？你所能承受的利润率是多少？因为世界上存在可能出错的无关因素，这些因素超出了控制范围。所以每个人都在做出相应的调整。这些都是限制因素，以及限制因素。所以我认为，那就是我所看到的限制所在。<code>John</code>：你认为内存是其中最大的组成部分吗？<code>Sundar Pichai</code>：内存绝对是目前最关键的要素之一。<code>John</code>：你刚才提到在短期内，你认为仅靠人们增加供应和高昂的价格就能解决问题吗？<code>Sundar Pichai</code>：领先的内存公司不可能大幅提升他们的产能。因此，这些限制在短期内确实存在，但随着时间推移会逐渐缓解。但我确实预期所有这些因素都会构成制约。顺便说一下，我认为这会推动大量的创新，我们将实现。将这些事物的效率提升 30 倍。就像这样，所有这一切都在同时发生。<h2 id=\"id_3427269368\" style=\"text-align: left;\">模型自我提升与算力壁垒</h2><code>Elad Gil</code>：这是否会导致寡头垄断市场？如果你观察模型侧的情况，你会发现许多关于模型及其改进方式的观点都指向了自我提升。模型将开始编写越来越多的自身代码，自行完成更多数据标注工作，等等。<code>John</code>：所以你是指，目前掌握算力的人是在玩“抢椅子”游戏吗？<code>Elad Gil</code>：没错。就是谁拥有算力，以及相对于整个行业的能力，你能实现多大规模的扩展？如果每个人的算力都大致相当，你实际上就限制了某人相对于其他人能领先多少的上限。你认为这种说法是正确的还是错误的？<code>Sundar Pichai</code>：我认为这是一个思考此问题的合理框架。但有些事情是，我来到这里时我们刚好发布了 Gemma 4。<code>Elad Gil</code>：而且它确实是一个非常优秀的开源模型。我是说，中国的模型非常出色。但我认为在中国之外，它确实是一个非常优秀的开源模型。Gemma 4 的前沿性在时间维度上既巨大又没那么巨大。比如 Gemma 4 是基于 Gemini 3 架构的。<code>John</code>：没错。这事儿真的很诡异，你在谈论的是一套可以装进 U 盘的权重文件。<code>Sundar Pichai</code>：是啊，是啊，这太不可思议了。所以这真的很疯狂，它不像 SpaceX 的火箭那样庞大。<code>Elad Gil</code>：我总是很震惊，你运行了几个月甚至更久的数据中心，最终产出的竟然只是一个扁平文件。从字面上看，这就像是拥有一个 Word 文档之类的东西，而那就是你的模型。这太神奇了。<code>Sundar Pichai</code>：因此，它具有这些独特的属性，这让我不禁对那些框架提出质疑，并思考：我们该如何看待这个问题？但我认为，至少在推理层面，你的观点是一个非常合理的切入点。试着思考一下。但我确实认为，每个人都在努力寻找如何打破资本激励的限制，以寻求突破。这股动力是非常巨大的。<code>John</code>：但正如你所说，世界上的内存资源终究有限。所以，任何资本激励都无法真正解决 26 或 27 内存供应的问题。<code>Elad Gil</code>：那可能就是你会看到更多分歧出现的时代。<code>Sundar Pichai</code>：没错，所以你要记住，这必须与增加产能的途径相平衡，也就是要能够批准建设那些数据中心。所以这种限制可能并没有看起来那么严重，因此，你必须设想所有必要条件的总体需求集合，并将其彻底考虑清楚，<code>John</code>：包括资本。没错。但再次强调，让我感兴趣的是，人们可能会在当前的 CAP-X 基础上进行更多投资，但我们现在只是受限于 26 年和 27 年的现实世界制约因素。这有点类似。霍尔木兹海峡（Strait of Hormuz），无论你给石油定什么价格。最终，如果你从系统中撤出每天 2000 万桶石油，你就必须消减掉每天 2000 万桶的需求。这和内存的情况很相似，如果需求超过供给，最终必然有人无法获得他们想要的内存。<code>Sundar Pichai</code>：但还存在其他制约因素，对吧，比如将安全性作为一种制约条件。<code>John</code>：而且这些模型绝对会摧毁目前市面上几乎所有的软件。<code>Sundar Pichai</code>：或许已经在发生了，只是我们不知道。我们坐在这里交谈。<code>John</code>：你真的认为所有软件都会被摧毁吗？因为像 SSH 这种东西，人们已经尝试破解很久了。你考虑的只是这些吗？<code>Sundar Pichai</code>：不，我指的不只是采用开源软件或大型平台，有多少零日漏洞？是的。所以系统里确实存在这些制约因素，你不能仅仅通过愿望就让它消失。<code>Elad Gil</code>：有人告诉由于 AI 的发展导致供应增加，零日漏洞（zero days）的黑市价格正在下跌，我认为这是一个非常有意思的市场指标，确实。<code>Sundar Pichai</code>：一点也不惊讶，确实一点也不令人惊讶。<code>John</code>：所以，但是。<code>Sundar Pichai</code>：那么，它实际上是如何在社会中扩散的呢？其影响又是什么？所以，我认为其中存在一些相似之处。所以我认为可能存在一些隐藏的制约因素。是的。如果可以的话，系统可能会受到冲击。尽管如此，我真心认为未来有很大的上升空间。有些制约因素或许是有帮助的。是的。我认为制约能激发创造力。这是一个压缩周期。效率更高。它或许能促成一些重要的对话，否则这些对话可能根本不会发生。我想，仅就我提到的安全性这一点而言，我在思考，我们需要更多的协作。是的。而这在今天并没有发生。会有一个时刻，这可能是一个转折点，所有这些事情，我不认为你可以奢望它们消失。是的。<h2 id=\"id_1090569477\" style=\"text-align: left;\">谷歌的隐藏“宝库”：量子计算与机器人</h2><code>Elad Gil</code>：没错。实际上，与此相关的是，Google 确实拥有一个令人惊叹的投资组合。我们所拥有的东西既有自研的，也有收购进来的。从所有权的角度来看，你拥有相当大比例的 SpaceX，我想，我不确定具体金额，但我记得很久以前大约是 10%，还有 Anthropic，大约百分之十。还有 Waymo 的多数股权，这简直是一件了不起的事情。然后在内部，显然还有大量已经开发出来的惊人技术。我们谈到了 AI 和 Transformers。还有 TPUs。显然，Waymo 是这些项目中的另一个。还有量子技术。你们刚刚发布了一个非常有趣的研究成果。还有其他值得人们关注、特别有趣，或者未来可能会产生重大影响的隐藏成果吗？也许是人们低估了的那些。<code>Sundar Pichai</code>：你看，我们一直在努力推进这些长期项目，当你最初宣布它们时，看起来多少有点荒谬。比如，我们正处于构思太空数据中心的早期阶段，但你之前关于“约束激发创造力”的讨论很有启发性。<code>John</code>：如果把眼光放长到 20 年后，你会把这些数据中心主要放在哪里？<code>Sundar Pichai</code>：你打算把这些数据中心大部分放在哪里。确实是很难解决的问题。但这些只是我们今天思考的项目案例，它们远超 2010 年的水平。量子计算本身就是这些项目之一。我们正以深度的投入在该领域取得进展。对此我感到非常兴奋。<code>Elad Gil</code>：你认为量子计算会在哪里产生最大的影响？因为人们主要谈论的是分子模型。他们谈论的是密码学。人们一直在开发某种量子抗性密码学。在分子建模方面，深度学习模型在某些情况下似乎表现得非常出色。你们通过 AlphaFold 开创了这一先河。你认为量子技术真的重要吗？如果是的话，你认为它会在哪里产生最大的影响？<code>Sundar Pichai</code>：从抽象层面来看，我觉得它越来越多地用于模拟自然。正如你所知，鉴于自然界本质上是量子的，你需要量子系统才能更好地对其进行模拟。我们或许能以一种令人惊讶的方式通过经典计算技术实现这一点，或者通过足够的压缩以及，抽象化来达成目标。<code>John</code>：但我从根本上认为量子技术在那方面会有优势，而且我不知道，我们目前仍不理解受精过程的运作机制。<code>Sundar Pichai</code>：就像有很多复杂的情况，这或许是你的背景，回溯到你大学时所做的事情，会更多一些。所以我的直觉告诉模拟天气、模拟现实等等，我认为 Quantum 会有优势。我认为技术发展的规律是：先将其发展到可行的规模，然后加以利用，接着人们的创造力会在此基础上发掘出各种应用场景。所以我总是举这个例子：移动电话加上 GPS 成就了 Uber。在从事手机研发的人中，没人能预见到这会是平台转型后的成果。所以，如果你真的能让量子技术发挥作用，我相信它会有非常、非常、非常、非常多的应用场景。没错。这就是我的看法。<code>John</code>：抱歉，我们打断你了。你刚才在谈论你在 Google 比较偏好的、更前沿的一些领域。<code>Sundar Pichai</code>：我认为我们正在取得进展，Google DeepMind 团队正在深入思考机器人技术，而且，机器人技术是我们公司曾经涉足过早的一个领域。事实证明，对于 15 年前或 10 年前出现的许多想法来说，AI 曾是缺失的关键要素。但是，Gemini 机器人模型在空间推理等方面都有所涉及。所以我们绝对拥有最先进的水平。相关的模型都在那里。我们正在以一种讽刺的方式与 Boston Dynamics 和 agile 以及其他几家公司重新建立合作，并以坚定的态度取得进展。市场上也涌现出了许多非凡的初创公司。我们正在进行投资，比如我之前提到的量子计算、太空数据中心，以及与 Wing 合作的无人机配送。我认为我们正在扩大 Wing 的规模，在一段合理的时间内，大约 4000 万美国人将能够享受到 Wing 的配送服务，我指的并不是好几年以后，或者类似遥远的未来。但重申一下，当你开展这些长期项目时，这一切都是有条不紊、日积月累的过程。所以，我们是全心投入的。<code>Elad Gil</code>：Isomorphic，非常令人兴奋。我是这么觉得的。<code>Sundar Pichai</code>：考虑一下，专注于以有针对性的方式改进这些模型。药物发现过程中所有可能的步骤。尽管你仍需进行诸如三期临床试验等漫长的程序，但以这种方式推进能够获得更高的成功概率。<code>Elad Gil</code>：没错，我认为这是我见过的最明智的方法，因为它考虑了不同的生物模型，并且真正思考了超越单纯分子设计的更广阔领域，而我认为这正是大多数同类项目所停滞的地方。<h2 id=\"id_2149112824\" style=\"text-align: left;\">资本配置：为什么保留 Waymo？</h2><code>John</code>：确实，这看起来非常精明。我可以问一下吗？我很好奇 Google 内部的资本配置究竟是如何运作的。优秀的资本配置在于内部化资本的机会成本，并将业务产生的现金投入到回报率最高的用途上。在商学院教材的简单案例中，假设你是 Boeing，你拥有业务产生的现金，你可以选择竞标下一个国防合同并投入相应的研发资金，同时预测合同带来的营收；或者你可以选择研发一款全新的商用客机，投入相应的资金并建模预测其收益。这就像是在比较 16% 的内部收益率和 19% 的内部收益率，显而易见，我会倾向于选择 19% 的那个。而在 Google 的案例中，各项项目极其多样化，例如，我们可以为 YouTube 团队提供更多资金，让他们去改进推荐算法，从而实现 10 个月的增长，并以此提升变现能力。或者我们可以为 Waymo 团队提供更多资金，让他们能够真正更快地进入市场或更快地扩大规模。或者我们可以投资于这种可能在五年内见效的新型 AI 方法。所以我很好奇，如果你试图将资本投向最高效和最优化的用途，并且在进行最终比较时，你该如何权衡那些在本质上差异巨大且收益曲线形态迥异的项目？这简直是太 John 的问题了。我必须知道答案。<code>Sundar Pichai</code>：你还得加上 R.R.C.，那样才算是个好问题。听着，我今天比以往任何时候都深有感触。具有讽刺意味的是，这正是因为 T.P.U 的分配问题。所以在某种程度上，我觉得甚至需要更多的 HDPU，所以，具有讽刺意味的是，计算机让这个问题变得更加紧迫了。顺便说一句，在我所做的所有事情中，我非常期待 AI 作为伙伴，至少能为这项任务提供输入。我认为一旦我们真正能够实现所有数据的连接和流通，模型就已经具备了相应的能力。这更多的是关于如何解锁所有数据。我认为我们会成功的。能够有所助益。所以我对此深有感触。从历史上看，我认为在 Google，我们拥有的优势之一是，有时我们在周期的早期就做出了这些决策。所以这几乎就像是回归到那条路线。这是一种深度的技术导向。而且，我们实际上思考了很多关于你不久前问的问题，比如，那些长期目标是什么？所以我认为在那个阶段进行思考会更容易，因为你最初的资金投入规模可以小一些。但随后，正如你所知，你需要保持长期投入，同时确保自己在深入层面取得进展。因此，只要你能看到潜在的技术（以量子技术为例），我们该如何评判它呢？我们评判的是其底层逻辑，比如你会设定关于逻辑量子比特、纠错、大规模稳定逻辑量子比特阈值的目标，设定在何时实现，并考察团队是否有能力做到这一点。所以我认为你是以这种方式进行评估的。所以，我不想说是优势，但我认为这是我们思考问题的方式之一。我们一直保持严谨，或者至少对我而言很重要的一点是，以一种深度方式进行早期技术押注。这确实有所帮助。但从长远来看，看吧，我一直认为你必须评估这些事物的长期价值，所以，在某种直观的层面上，你几乎是在思考五年到十年后的期权价值和时间价值。而你预设了一种疯狂的增长，并仔细思考这些决策是否合理。所以 TPU 的投资在这方面一直很棒，而且，我们一直在稳步投资。Waymo 就是一个很好的例子，我认为我们在两三年前，当世界其他地方对它感到悲观时，我们反而增加了投资。当时其他人，甚至是一些业内人士都在退缩。<code>Elad Gil</code>：那真的很神奇。那是一种非常神奇的体验。我现在每天都坐 Waymo 去上班。<code>John</code>：当你能够做到的时候，这就是一个很好的例子，就像我提出的这个问题：Google 确实会砍掉一些项目，而且你尝试过各种事情，最后你说，我们实际上不会完全资助 X 的这部分业务，或者，我们不会再继续了，我们要让这个产品退役。这行不通。但 Waymo 尽管从极具说服力的演示到实现商业化服务经历了漫长的道路，你们却始终没有失去信心。那么你们当时看到了什么？是一个定性的判断？还是一个定量的决定？你们是如何决定砍掉 Loon 但保留 Waymo 的？<code>Sundar Pichai</code>：我认为这与某种量化指标有关，你们观察 Waymo Driver，也就是底层技术，即软件是如何驱动汽车的？以及在安全性和可靠性方面的进展，这是一项长期任务，它有多安全，你们将如何实现它？你们会追踪那条曲线。你们会预测或设定目标，明确想要达到的位置以及根据预期表现如何进行评估。那些曲线。我认为团队表现得非常出色。也许曾有过停滞不前的阶段，但正是在那些时候，你需要对团队突破瓶颈的能力抱有信心。<code>John</code>：但我认为，你越有能力在更深的技术层面评估事物，你就越能做出更好的决策。<code>Sundar Pichai</code>：或者至少，我一直是这样尝试的。<code>Elad Gil</code>：我听到过一个关于 Waymo 的观点或讨论，即最近观察到的巨大进步，很大程度上是因为过去依赖于手工绘制的启发式规则，比如如何处理驾驶中的极端情况，或者发生突发状况时该怎么办？你该如何应对？其中一部分几乎是人工绘制出来供车辆遵循的。因此，它能处理的事情范围非常有限。而真正的突破在于几年前随着 Transformer 浪潮的兴起，转向了端到端深度学习。你认为如果 Waymo 在五年前起步，它今天所处的位置会和从 15 年多前开始时一样吗？考虑到那是推动其前进的突破性进展。<code>Sundar Pichai</code>：你看，我认为，我们之前讨论过机器人技术。你可以把 Waymo 看作一个机器人。我认为那些在过去三年里开始从事机器人技术的人，从定义上讲，进步速度也许会更快。但我认为 Waymo 是一个高度集成的系统。它包含多个维度。这并不完全就像你处理像 TSM 或 SpaceX 发射任务那样复杂的事情，你所讨论的是这些事物中极其复杂的系统集成。我认为 Waymo 隐藏了其中一些方面，即你如何执行它的时机以及工艺本身至关重要。话虽如此，我确实认为端到端方法将会在这些系列中成为一个意外。<code>Elad Gil</code>：因为仅仅拥有一支团队可以说对 Alphabet 和 Google 而言就是一个巨大的优势，仅仅是你持续对其进行投资，随后在某个隐秘的时间节点上，这项技术的腾飞带来了超值的回报，这非常明智且具有前瞻性。我只是觉得探讨一下这如何应用于其他领域会很有趣。因为正如你提到的机器人领域，机器人技术的发展历史似乎可能会有所不同，因为现在你可以快速推进。你们是否考虑过重新内部化硬件，还是说将主要通过合作伙伴驱动的模式将这些产品推向世界？<code>Sundar Pichai</code>：我认为我们会保持非常开放的态度。这是我从 Waymo 以及在 AI 领域利用 TPU 等经验中获得的教训。我认为要真正地推动技术前沿，特别是在涉及安全、监管等各个方面时，你需要一手的产品反馈周期经验。因此我认为，拥有第一方硬件最终将变得非常重要。这就是我在现阶段的看法。<h2 id=\"id_1006573593\" style=\"text-align: left;\">杠杆、净现金与资源受限下的管理</h2><code>John</code>：听起来不错。所以我还有两个关于资本配置的问题。您能否论证一下 Google 在历史上是否杠杆率偏低，因为 Google 过去一直保持着雄厚的净现金状况。考虑到 Google 拥有的想法多到难以应付，它不仅点子层出不穷，而且核心业务也保持着极其持久的增长。我认为 Google 显然对这些核心业务有着非常深刻的理解，而且正如您所知，其增长率一直高于 Google 的资本成本。回顾过去，Google 是否应该更积极主动地采取杠杆化的财务立场。即比现有的强劲净现金状况稍微激进一点，并将这些资金投入到新项目中，或者为 Google 的股东回购更多核心业务股份，亦或是进行更多的少数股权投资，毕竟 Google 在这方面的表现一直处于行业领先水平。<code>Sundar Pichai</code>：这是一个很好的问题。例如，如果 Waymo 能更早达到目前的阶段，我想我会更早地投入资本。<code>John</code>：所以在某种程度上，我认为您的判断标准在于，您希望成为资本的忠实管家。<code>Sundar Pichai</code>：因此，如果你看好投入资本回报率（ROIC），那么你会希望将每一分钱都投入到那里。<code>John</code>：但如果说，你持有的过剩资金在其他方面没有更好的去处。<code>Sundar Pichai</code>：这就是我们也投资其他公司的原因，对吧，即使当时并非如此。但我们始终是以负责任的管理者这一视角来思考问题的。是的。我们认为对 Stripe 的投资体现了我们作为资本管理者尽职尽责的一面。SpaceX 也是如此。对吧。还有 SpaceX 和 Anthropic 等等。所以我认为，随着 AI 浪潮的到来，我们有了更多可以妥善配置资本的机会，因此我们正在这样做。是的。但我认为我们一直以来都秉持着这种思维方式。但我本乐意更早向 Waymo 投入更多资本，但当时我们尚未达到实现这一目标所需的成熟度。从安全角度来看，在 Waymo 发展的某个阶段，我们确实采取了安全第一的策略。<code>John</code>：而当时那样做并非正确的做法。你是否认为，如果某些项目能更早获得更多资本，它们本可以发展得更快？它们只是需要一个自然发展的过程。<code>Sundar Pichai</code>：我不会这么说。但我认为总的来说，即便我们可能在决策上出了错，但我们至少秉持着这样的原则：如果我们对某件事感到兴奋并确信其价值，我们愿意投入资本将其贯彻到底。<code>John</code>： 那么关于资本分配的另一个问题是，从历史上看，科技公司绝大部分的研发支出都用于人力成本。而且，人员编制是通过非常严格受控的流程来管理的。确实，当你考虑如何分配研发工作时，本质上是在分配高薪人才去攻克相应的挑战。除非你在进行某些计算成本极高的事情，比如 Google 显而易见会投入的 Google Books 项目之类，否则技术成本其实并不高。但从广义上讲，与人力成本相比，技术成本只是次要考虑因素。正如你所说，我们现在正进入一个情况有所不同的世界，这涉及 TPU 以及如何分配这些资源。仅从非常具体的预算层面来看，这在 Google 内部是如何运作的？比如，公司是否有整体的 TPU 预算，当你为项目分配资源时，以前是给一定的编制预算，现在是既给编制预算，又要同时给编制和 TPU 预算吗？它们属于同一项预算吗？在进行季度评估或年度评估时，这具体是如何运作的？<code>桑达尔·皮查伊</code>： 我们一直都有计算预算。替朋友问的。替朋友问的。我们一直都有计算预算，即使是在传统计算领域，就机器学习而言，我们广泛使用了 TPU 和 GPU。关于机器学习计算的规划，我们对人力规划也非常审慎，但这一直是我们必须考量的内容。是的。在机器学习计算方面，我们经历过资源充裕的阶段，也经历过作为一家公司受到限制的阶段。但现在确实处于非常紧缺的状态，所以你得投入更多时间。至少我每周会专门花一小时，在非常细致的层面思考这个问题。因此，我会按项目和团队了解他们所使用的计算单元，而且，至少我掌握了这些信息，我正在审视并评估它。从某些方面来看，我认为这是目前一件非常重要的事情。<code>John</code>： 在很多情况下，计算是稀缺资源，因此你要确保 Google 宝贵的计算资源被投入到最有价值的计划中。<code>Elad</code>： 没错。在 GCP 的背景下，你是如何看待这一点的？以及 Google Cloud，因为在那里你实际上是将计算资源分配给他人，而不是用于自身目的，且考虑到系统内的各种限制。你是如何思考这种差异化分配的？<code>桑达尔·皮查伊</code>： 听着，Elad，要提前规划，所以当我们进行前瞻性规划时，云团队正在进行前瞻性规划，他们制定了计划，并且，你在为此提供资金，你这样做是为了满足我们的内部需求。你要进行前瞻性规划。作为其中的一部分，你还要与客户签署长期承诺。我们向客户做出的任何承诺都是神圣不可侵犯的，所以这些都是合同义务。所以，通过规划来解决大部分问题。确实如此，当你进行规划时，我们都处在一个资源受限的世界中。所以我认为 Cloud 团队会说他们不知道自己所需的算力，诸如此类。但你会通过提前规划来解决这个问题。<h2 id=\"id_1286866734\" style=\"text-align: left;\">产品改进建议：从 GCP 到 Google Docs</h2><code>John</code>： 说到 Google Cloud，我有一个一直留到这一部分才提的产品请求，我知道你很期待。你打算把它发布在那上面。没错，是这样。不过说真的，我要说一件事，GCP MCP 的效果非常好，它可以让你的 AI 以编程方式直接与 Google Cloud 进行交互。我想你们几乎开放了所有功能，除了核心的权限管理之类的内容。我觉得在某种程度上，Google Cloud 的痛点之一在于其功能过于繁杂，我确信你们偶尔会听到人们抱怨它有点难以导航，比如你必须先创建一个组织、一个项目等等，然后再找到合适的服务，诸如此类。而现在，这一切都不重要了。你只需要说，嘿，去添加这个 Google Cloud 功能即可。因此，这确实让 Google Cloud 受益匪浅，因为它涵盖的范围非常广泛，功能极其丰富。我们在 Stripe 也遇到过类似的问题，随着我们不断增加功能，能够读取所有 API 文档并指导用户驾驭这一庞大产品界面的 AI 显得尤为重要。所以，这方面的应用效果非常好。<code>桑达尔·皮查伊</code>： AI 作为各种事物编排层的愿景，结合我之前的问题，即使是在企业内部，作为首席执行官，你并非缺乏数据，但如何将这些数据整合到一起呢？在过去，这意味着又一个大型的类似 ERP 的项目，需要去连接所有数据源等等。再说一次，AI 以一种对最终用户有意义的方式成为这种编排层，我认为看到这一点非常令人欣喜。<code>John</code>： 而且产品界面覆盖的范围越广，这种收益就越显著。同样，我们在 Stripe 也一定程度上看到了这一点，但我感觉对于 GCP 而言，这必然会产生巨大的效应。<code>桑达尔·皮查伊</code>： 我认为我们还可以做得更好。所以，你说得对，我认为这是一个巨大的机遇。<code>John</code>： 是的。我对此真的非常满意。好的，接下来谈谈我的产品。你带来了什么产品建议吗？你先来吧，可以的。我本想让你先说的。让我感兴趣的是像 OpenAI 及其类似产品的市场契合度，它们是否正在为消费者提供有状态的 AI？如果你想说，那种经典的用法，比如汇总我感兴趣的每日新闻，并每天早上发送，或者任何涉及持久性的功能，目前没有任何流行的，或者说主流的 AI 应用允许这种持久性。这很常见吗？<code>桑达尔·皮查伊</code>： 实际上，听着，我认为你想要赋予用户执行持久、长期运行任务的能力。是的。以一种可靠、安全的方式，你必须深入思考身份、访问权限等问题。但我认为这就是，这就是未来，这就是智能体驱动的未来。将此带给消费者，这就像是我们正在探索的一个令人兴奋的前沿领域。<code>Elad</code>： 这也是我关注的领域之一。这是 Dreamer，它是 Stripe 公司前任首席技术官的项目，该公司刚被 Meta 收购。我认为他们做出了一个非常好的版本。这是一种非常早期的愿景。<code>John</code>： 没错，他们当时在制作定制软件，包含持久化功能，而且你还可以进行某种程度的规格定义。<code>Elad</code>： 你可以自己制作专属的小型应用程序。<code>John</code>： 完全正确，没错，确实如此。而且他们让这个过程变得非常简单。使用起来，但我感觉当人们有这种体验时，会有一种惊喜和愉悦的时刻，这对我来说很有趣，因为……<code>桑达尔·皮查伊</code>： 我认为实际上消费者界面底层都将配备完整的编码模型，以及合适的工具框架和相应的技能。还有在云端或本地安全地持久运行的能力，所以所有这些基础原语正在汇聚在一起。那么，开发人员现在的情况是，我觉得世界上有 1%，也许不到 1%，大概 0.1% 的人正生活在这种未来中，他们是在为自己构建东西，但要将其推向大众市场。是的。我认为这是一个非常令人兴奋的前沿领域。<code>John</code>： 好的，我的另一个产品建议是，抱歉，你必须忍受采访的这一部分。这是必经之路，那是一个线索。完全正确。我的另一个产品创意是因为某种原因，我不知道这是否是你的亲身经历。以我的亲身经历来看，Google Docs 的搜索确实比 Gmail 难用得多。显然，这两个搜索引擎本身同样出色，但我认为问题在于关键词搜索对电子邮件很有效，因为你通常能记住某封邮件中独特的关键词组合。而我遇到的情况往往是，我想回头查找 2026 年的预算。结果发现，如果我在 Google Slides 里搜索 2026 年预算，这两个词在相关语境下都不是特别独特。因为在 Stripe 的 PowerPoint 文档中也充斥着这些词。所以我总也找不到最准确的那一个。我很好奇，Sundar Pichai 是否也会遇到这个问题？<code>桑达尔·皮查伊</code>： 虽然我个人的感受没有你描述得那么强烈，但当你描述出来时，我确实产生了共鸣。我正打算去联系负责这一块的人，把这段对话转达给他们。<code>John</code>： 我很清楚该去找谁，他们就是负责这项工作的人。<code>桑达尔·皮查伊</code>： 我认为我们可以做得更好。我觉得，AI，集成到这些服务中，包括 Google Docs。我认为在接下来的几个月里，你们会看到显著的改进。我想我们都做过它的最初版本，即只是把它放在某个地方。但我认为，随着时间的推移，你能保持什么在上下文中，你能缓存什么，以及你真正能发挥什么作用？我认为我们可以取得很大进展。所以我认为我们可以做得更好。<h2 id=\"id_4107274068\" style=\"text-align: left;\">工作流转型与 2027 年的转折点</h2><code>John</code>： 好的。太棒了。我们有很好的额外内容需要应对。<code>Elad</code>： 很多我参与的公司，甚至是那些因某种理由而创立的公司。最近不得不根据产品开发和工程实践，大幅调整它们的工作流程。他们认为谁应该在设计团队中，以及该团队的能力如何。你们在 Google 是否正在重新审视这一切？你们是否在进行重新思考？在工作流程或其他方面是否有重大的转变？<code>桑达尔·皮查伊</code>： 我会这样说，你可以把它想象成同心圆。Google 内部有一些团队正在进行更深层次的转变。所以对我来说，一项艰巨的任务是如何将其推广到越来越多的团队，特别是在 2026 年。其中一些工作我们早期无法开展，因为它太容易出故障了，就像你看到了一个充满希望的新世界，但它又处于半瘫痪状态。但今年，我感觉曲线正在发生巨大的变化。所以我可以看到一些团队，特别是 GDM 和一些 Suite 团队，确实改变了他们的工作流程，而且，他们正在使用——出于某种奇怪的原因，我们对同一款产品在内部和外部有不同的名称——它在内部被称为 Jetski，即反重力。你正身处其中，生活在一个智能体管理的世界里，运用着各种工作流，以这种全新的方式工作，就在上周，我们将其推向了搜索团队。没错吧？所以我们一直在持续推进。在大型组织中，我认为变革管理是这项技术普及过程中非常困难的一环，而这对于小公司来说或许更容易，毕竟小公司可以快速完成转型。<code>John</code>： 我能否提出几个在人工智能真正普及到工业界时所面临的问题？我也很好奇，你认为我们将在何时以及如何解决这些问题。因为在我看来，我们正面临着巨大的智能过剩（intelligence overhang）。比如，AI 现在在抽象能力方面表现得极其出色。但如果你观察一家 AI-native 公司，或者仅仅观察它们对这些智能的使用程度，你会发现这其中很可能存在缺口。我所看到的问题大致是这样：首先，工程师要擅长编写 AI 提示词实际上需要一段时间。而且你编写 AI 提示词的水平高低，直接影响到 AI 生成代码的质量。其次，以我们的情况为例，会有很多针对 Stripe 的特定提示词，需要了解应该使用哪些工具。所以，这里既有通用的提示词编写技巧，也有针对 Stripe 业务的特定提示词技巧。再者，显而易见的事实是，共享 AI 生成的代码库非常困难，因为这会带来巨大的影响范围（blast radius），且代码变动极大，代码的周转率很高；在你最终交付产品之前，可能已经重写了多次代码，相比过去代码编写速度较慢的情况，现在多人协作维护同一个代码库变得相当困难。此外，当你跳出工程领域来看，我所观察到的最大障碍是数据访问权限问题；你希望你的 Agent 能随时获取信息——在世界各地的公司里，人们每天会问多少次“嘿，这笔交易的状态如何？”这属于公司已知的信息，理应由 Agent 自动回答。在 Stripe，我们确实有一些很棒的功能，我观察到它们已经能相当出色地处理这类查询。但无论是使用习惯还是数据访问权限，随着公司规模的扩大，诸如谁有权访问这些数据这类权限管理引擎，所有这些都需要进行配套开发。接着你会进入角色定义阶段，就像你刚才说的，Eng/PM 设计在某种程度上延续了前一年的思路。在某些情况下，你可能希望将这些角色进行一定程度的合并。随着 AI 在这些方面表现得越来越好，毕竟你已经拥有了产品入口。总之，这就是我对 2026 年情况的描述，模型具备了处理这些事务的能力，但我们的使用程度依然有限。你认为这种智能的普及应用会呈现什么样的面貌？<code>桑达尔·皮查伊</code>： 我们很多人正在致力于此，比如 Gemini 团队、Gemini 企业团队以及 anti-gravity 团队，他们就在精准地研究这些问题。这就是你所说的路线图，没错，我们实际上正在内部使用它，在遇到这些障碍时，会设法寻找解决路径。所以，这就是正在发布的产品。我们仍在对其进行推广，因为当你作为 Google 的 SRE 团队成员使用它时，你会突然发现某些部分可以创建自动化工作流。所以这种情况正发生在这些领域，但如果在培养技能时进行更系统化的处理，这些技能将如何实现中心化，又该如何供模型及所有人使用？身份访问控制确实是非常棘手的问题。我们正在努力解决这些问题，但这些也是限制我们实现普及的关键因素。没错。我们对安全性非常重视，因此我们必须这样做。没错。所以这是额外增加的一层。在所有这些之上，还有运行这些服务时犯错所带来的成本。所以我们必须克服这些困难。但我认为正因如此，当我们解决这些问题时，我们将以更稳健的方式将其实现，这会有所助益。所以我感觉我们现在正处于承担这一固定成本的阶段。但当你看到我们将这些能力应用到外部环境时，你会发现人们所能做的事情发生了巨大的飞跃。其他人也在这样做。而且以一种更稳健的方式，这些模型正在不断进步。<code>John</code>： Google 每年会进行几次正式的业务重预测。我想至少在 Stripe 我们是这样做的：我们会设定年度预算，然后每年进行三次正式的重预测。当你思考这个问题时，重预测是一个基于特定时间点的函数，你获取业务的状态——其中一些存在于人们的脑海中，但大部分都记录在案——比如这个产品表现如何，那个产品表现如何？这笔交易会达成吗？那件事会发生吗？诸如此类。所以，存在一个业务的时间点状态，我们将其输入到一个函数中，输出的就是该年度更新后的财务数字。你可以想象 AI 能够完全无需人工干预地进行预测。你认为 Google 在哪个季度会实现首次完全由智能体完成的预测？<code>桑达尔·皮查伊</code>： 我非常确信在其中一些领域，27 年将成为某些事物的关键转折点，即便是对于从业者而言，这也将是他们完成产出的工作流方式。而且，也许在一段时间内你还会沿用传统方式进行核查，但你会经历一种转变，一种交叉切换。但我预计 27 年将是重大的一年，其中一些转变会发生得非常深远。<code>John</code>： 我认为这正是 Eng 作为早期采用者提出的问题，尽管这有点超出 Eng 的范畴。听起来你认为到了 27 年，许多非工程类流程将真正开始提速。<code>桑达尔·皮查伊</code>： 我确实认为你之前的问题，比如，你是在探讨更多机器人技术相关公司的背景下提出的。我确实认为那些公司，这就是初创公司将具备的优势之一，即拥有更多 AI-native 团队。而且，你或许可以通过面试流程等方式来了解这一点。<code>John</code>： 而对于我们来说，我们则需要进行再培训、转型等等。<code>桑达尔·皮查伊</code>： 我认为这或许是年轻公司将具备的优势。而我们必须，去推动这种转型。<code>John</code>： 最后一个问题。我们聊了很多在 Google 内部起步较小的项目，比如 Transformer，当这些项目刚启动时，它们并非 Google 的核心优先级。目前在 Google 内部，有哪些让你感到兴奋的小型项目？<code>桑达尔·皮查伊</code>： 这可能会让人感到惊讶，比如，当我们决定建设太空数据中心时，我们也是从一个非常小的团队开始的，所以，那真的是只有几个人，带着很少的预算去实现第一个里程碑。因此我认为，即便是一个宏大的想法，也要从起步开始。这就是一个小型项目的例子。昨天我确实花时间听了一个关于训练后阶段改进的说明，这就像是一个人在讲述他们正在做的改进，听过之后，我心想，噢，那真的会让我们看到一个相当不错的跨越。这就是这个时代持续不断的动力所在。关于第二点，我不想透露具体细节，但我相信未来某一天我们会将其公布出来的。虽然如此，但这些是我感到兴奋的一些小跨越。<code>John</code>： 比如太空中的数据中心以及新的 ML 技术。<code>桑达尔·皮查伊</code>： 是的。是的。<code>John</code>： 很棒的回答。谢谢你。 </body></html>","source":"lsy1683188610541","collect":0,"html":"<!DOCTYPE html>\n<html>\n<head>\n<meta http-equiv=\"Content-Type\" content=\"text/html; charset=utf-8\" />\n<meta name=\"viewport\" content=\"width=device-width,initial-scale=1.0,minimum-scale=1.0,maximum-scale=1.0,user-scalable=no\"/>\n<meta name=\"format-detection\" content=\"telephone=no,email=no,address=no\" />\n<title>谷歌CEO最新对话录：谷歌AI的历史和未来，谈AI竞赛、智能体演进与物理极限</title>\n<style type=\"text/css\">\na,abbr,acronym,address,applet,article,aside,audio,b,big,blockquote,body,canvas,caption,center,cite,code,dd,del,details,dfn,div,dl,dt,\nem,embed,fieldset,figcaption,figure,footer,form,h1,h2,h3,h4,h5,h6,header,hgroup,html,i,iframe,img,ins,kbd,label,legend,li,mark,menu,nav,\nobject,ol,output,p,pre,q,ruby,s,samp,section,small,span,strike,strong,sub,summary,sup,table,tbody,td,tfoot,th,thead,time,tr,tt,u,ul,var,video{ font:inherit;margin:0;padding:0;vertical-align:baseline;border:0 }\nbody{ font-size:16px; line-height:1.5; color:#999; background:transparent; }\n.wrapper{ overflow:hidden;word-break:break-all;padding:10px; }\nh1,h2{ font-weight:normal; line-height:1.35; margin-bottom:.6em; }\nh3,h4,h5,h6{ line-height:1.35; margin-bottom:1em; }\nh1{ font-size:24px; }\nh2{ font-size:20px; }\nh3{ font-size:18px; }\nh4{ font-size:16px; }\nh5{ font-size:14px; }\nh6{ font-size:12px; }\np,ul,ol,blockquote,dl,table{ margin:1.2em 0; }\nul,ol{ margin-left:2em; }\nul{ list-style:disc; }\nol{ list-style:decimal; }\nli,li p{ margin:10px 0;}\nimg{ max-width:100%;display:block;margin:0 auto 1em; }\nblockquote{ color:#B5B2B1; border-left:3px solid #aaa; padding:1em; }\nstrong,b{font-weight:bold;}\nem,i{font-style:italic;}\ntable{ width:100%;border-collapse:collapse;border-spacing:1px;margin:1em 0;font-size:.9em; }\nth,td{ padding:5px;text-align:left;border:1px solid #aaa; }\nth{ font-weight:bold;background:#5d5d5d; }\n.symbol-link{font-weight:bold;}\n/* header{ border-bottom:1px solid #494756; } */\n.title{ margin:0 0 8px;line-height:1.3;color:#ddd; }\n.meta {color:#5e5c6d;font-size:13px;margin:0 0 .5em; }\na{text-decoration:none; color:#2a4b87;}\n.meta .head { display: inline-block; overflow: hidden}\n.head .h-thumb { width: 30px; height: 30px; margin: 0; padding: 0; border-radius: 50%; float: left;}\n.head .h-content { margin: 0; padding: 0 0 0 9px; float: left;}\n.head .h-name {font-size: 13px; color: #eee; margin: 0;}\n.head .h-time {font-size: 11px; color: #7E829C; margin: 0;line-height: 11px;}\n.small {font-size: 12.5px; display: inline-block; transform: scale(0.9); -webkit-transform: scale(0.9); transform-origin: left; -webkit-transform-origin: left;}\n.smaller {font-size: 12.5px; display: inline-block; transform: scale(0.8); -webkit-transform: scale(0.8); transform-origin: left; -webkit-transform-origin: left;}\n.bt-text {font-size: 12px;margin: 1.5em 0 0 0}\n.bt-text p {margin: 0}\n</style>\n</head>\n<body>\n<div class=\"wrapper\">\n<header>\n<h2 class=\"title\">\n谷歌CEO最新对话录：谷歌AI的历史和未来，谈AI竞赛、智能体演进与物理极限\n</h2>\n\n<h4 class=\"meta\">\n\n\n2026-04-09 23:02 北京时间&nbsp;&nbsp;&nbsp;<a href=https://mp.weixin.qq.com/s/ohX7jpAhILBhLchnGCkeug>Web3天空之城</a>\n\n\n</h4>\n\n</header>\n<article>\n<div>\n被误解的 Transformer 遗产与产品化逻辑在科技史的叙述中， 谷歌 常被描述为“发明了火种却让别人点亮了火炬”的角色。针对 Transformer 架构的起源与 ChatGPT 的崛起，皮查伊有着不同的观察视角。他指出，Transformer 的诞生并非纯粹的实验室产物，而是受翻译功能和大规模语音识别等实际需求驱动的。“Transformers 很快就被投入使用。Bert 和 MUM 对...\n\n<a href=\"https://mp.weixin.qq.com/s/ohX7jpAhILBhLchnGCkeug\">网页链接</a>\n\n</div>\n\n\n</article>\n</div>\n</body>\n</html>\n","type":0,"thumbnail":"https://static.tigerbbs.com/72ff096d92bde99cad649089dadf1319","relate_stocks":{"GOOGL":"谷歌A","GOOG":"谷歌"},"source_url":"https://mp.weixin.qq.com/s/ohX7jpAhILBhLchnGCkeug","is_english":false,"share_image_url":"https://static.laohu8.com/e9f99090a1c2ed51c021029395664489","article_id":"1122363023","content_text":"被误解的 Transformer 遗产与产品化逻辑在科技史的叙述中， 谷歌 常被描述为“发明了火种却让别人点亮了火炬”的角色。针对 Transformer 架构的起源与 ChatGPT 的崛起，皮查伊有着不同的观察视角。他指出，Transformer 的诞生并非纯粹的实验室产物，而是受翻译功能和大规模语音识别等实际需求驱动的。“Transformers 很快就被投入使用。Bert 和 MUM 对搜索质量的提升是巨大的，那是搜索业务领先于所有竞争对手的时期，” 皮查伊解释道。他承认在对话式产品的发布门槛上，谷歌有着更高的“质量偏见”，尤其是在处理模型毒性和搜索准确性方面。他坦言，早期的 Lambda 模型在内部甚至被认为具备感知能力，但由于缺乏成熟的 RLHF（基于人类反馈的强化学习）处理，谷歌并未急于推向市场。皮查伊认为，OpenAI 的成功部分源于在编码侧（Coding）看到的连续性跨越，这可能比单纯的语言侧信号更具突破性。垂直整合：全栈投资构建的防御性壁垒当外界在去年一度对谷歌的搜索业务感到悲观时，皮查伊正专注于内部的“垂直整合”。他认为，谷歌之所以能应对当前的算力竞赛，归功于自 2016 年就开始的 AI 优先战略。“垂直整合并不是偶然，我们当时正在构建 AI 数据中心，那是 2016 年。这种整合让我们能够从研究团队、基础设施到平台进行全方位的协同。” 这种“全栈”优势在 Gemini 系列中得到了体现。皮查伊特别提到了延迟（Latency）作为产品核心竞争力的重要性。在谷歌，团队甚至拥有毫秒级的“延迟预算”。“Flash 模型的能力达到了 Pro 模型的 90% 左右，但速度快得多，服务效率也更高，这正是垂直整合助益的结果。”搜索的未来：从检索框到“个人代理管理器”关于搜索是否会消失的讨论从未停止，皮查伊给出的答案是“演进”而非“取代”。他设想中的搜索将不再是简单的提示词返回链接，而是向具备主动执行能力的代理式流程转变。“搜索会成为一个代理管理器，你将能够完成各项任务，会有许多线程在同时运行。” 皮查伊认为，即便硬件外形发生剧变，搜索的核心功能——作为人类与世界的交互界面——只会变得更加扩张。他拒绝将这一过程看作零和博弈，“一旦你处于这些领域的最前沿，你会发现搜索和 Gemini 在某些方面产生重叠，在某些方面产生分歧，同时拥有两者并拥抱这种变化是件好事。”2026 瓶颈期：当 AI 撞上物理世界的南墙尽管谷歌拥有巨额的资本支出计划，但皮查伊清醒地认识到，金钱并不能解决所有问题。他预测 2026 年后，AI 的扩张速度将受到物理世界的制约。“我们正受到供应能力的制约。即使你想花掉 4000 亿美元，也可能花不掉，因为内存不够，电力不够。” 皮查伊强调，晶圆产能和能源审批速度是深层次的限制。尤其是内存（Memory），被他视为目前最关键的要素之一。“领先的内存公司不可能大幅提升他们的产能，这些限制在短期内确实存在。” 然而，他也乐观地认为，这种制约将激发创新，推动计算效率实现 30 倍甚至更高的提升。资本配置哲学：为何在悲观中坚守 Waymo在谷歌众多的“Other Bets”中，Waymo 的坚持最具代表性。皮查伊揭示了谷歌资本配置的底层逻辑：并非基于短期情绪，而是基于对技术曲线的定量评估。“你越有能力在更深的技术层面评估事物，就越能做出更好的决策。我们追踪 Waymo Driver 的安全性和可靠性曲线，即使在外界最悲观的时候，我们也增加了投资。” 他将这种逻辑同样应用于量子计算和机器人领域。皮查伊透露，谷歌正在构思“太空数据中心”等前沿项目。对于机器人，他认为 AI 是过去十年缺失的关键要素，而现在，“具备空间推理能力的 Gemini 机器人模型已经展现出最先进的水平。”2027 转折点：智能过剩与工作流的深度重构皮查伊预见到，尽管模型能力在飞速提升，但社会和企业内部的“变革管理”将是巨大的挑战。他将这种现状描述为某种程度的“智能过剩”。“我非常确信，2027 年将成为某些事物的关键转折点。它将成为从业者完成产出的工作流方式。” 谷歌内部正在通过名为“Jetski”的智能体环境，重新定义 SRE（站点可靠性工程）和搜索团队的工作模式。皮查伊承认，身份访问控制、安全性以及再培训成本是普及的障碍，但这种转型是必然的。“年轻公司将具备 AI-native 团队的优势，而我们则必须推动这种全员的转型。”Transformer 的发明与产品化反思John：Sundar Pichai 担任 Google 首席执行官已满十年。如今，Alphabet 不仅是全球最大的科技公司之一，也是人工智能竞赛的领跑者，计划在 2026 年投入 1750 亿美元用于资本支出。干杯。感谢你的到来。在讨论 Google 与人工智能时，人们经常提到的一段历史是：Transformer 架构虽然是在 Google 发明的，但随后却在 Google 之外被产品化，主要是以 ChatGPT 和类似风格的产品呈现。你现在对此有何反思？我认为这确实值得探讨。Sundar Pichai：好的，感谢邀请我参加。这在一定程度上存在误解。Transformer 的研发是在大量使用 TPU 等环境背景下进行的。我们所做的一切在某种程度上都是为了解决特定的产品需求，就像团队当时在思考如何改进翻译功能一样。以 TPUs 为例，嘿，语音识别虽然有效，但你突然需要为 20 亿人提供服务时该怎么办。我们没有足够的芯片供自己使用。就像是，你如何解决它的推理问题？我之前并不知道这一点。Transformers 当初是专门……这是来自我们的研究团队，但他们是受解决实际问题的驱动。而且 Transformers 很快就被投入使用。所以 Bert 和 MUM，人们低估了其影响程度，因为我们如此严谨地衡量搜索质量，那一时期搜索质量的一些最大飞跃——即搜索业务领先于所有竞争对手的时候——正是因为 Bert 和 MUM。我们构建了 Transformers 并立即将其用于搜索，以提升语言理解能力、理解网页内容、理解用户的查询，并不断构建更好的模型。我们当时也已经开始将其产品化，内部有团队在开发名为 LaMDA 的项目。显然我们并不是首个推出此类产品的，但我认为这不仅仅是因为它仅处于研究阶段而未投入产品方向。John：我认为情况就是这样：你进行了这项研究，随后从预期的应用方式中看到了巨大的投资回报率，至于你没有发明所有基于此技术产生的产品，这在预料之中。我想更进一步地说。从 LaMDA 到 ChatGPT：发布门槛与时机Sundar Pichai：我们确实构思过类似 ChatGPT 的产品，那就是 LaMDA。你应该还记得，内部曾有一位工程师认为它具备感知能力，所以，可以把它看作是他在内部交流的 ChatGPT 的早期版本。因此，我们甚至拥有它的产品版本。在平行宇宙中，Google 大概会在九个月后将其发布。或许事实上，在 2022 年的 Google I/O 上，我们发布了一个名为 AI Test Kitchen 的产品，那里面运行的就是 LaMDA，但我们对其做了限制。因为在内部，我们还没有一个经过 RLHF 处理的端到端版本，所以我当时看到的那个版本，毒性要大得多。我们当时根本不可能把它发布出来。而且，我认为作为一家对搜索质量有偏见的公司，我们对什么样的产品质量才是可接受的发布标准，可能设定了更高的门槛。但这并不是说我们不知道该如何把它发布出去。我还要指出，即使在 OpenAI 发布产品时，他们大概在几个月前就已经和 Microsoft 达成了协议。所以，回过头来看，情况并不完全显而易见。我认为他们也很幸运，能在 GitHub 的编码侧看到这一点。我想也许我们漏掉了一个信号。在编码侧看到的连续性跨越可能比单纯在语言侧看到的要大。是的。所以如果你也用它来进行编码， GPT-2 到 GPT-3 以及后来的 GPT-4 之间的跨越可能更加显著。所以，你可以指出这一点。对事物而言，所以，但我认为要回答最初的问题，我认为这与其说是研究到产品的转化，不如说是许多其他因素共同作用的结果。Elad Gil：我还记得曾与一些参与开发 ChatGPT 的人交流过，我想他们是在感恩节那一周发布的。那算是一个相对低调的发布。那并不是那种大张旗鼓、宣称这将成为我们未来重要组成部分的发布。我认为那更像是一个很酷的测试案例。没错。这真的很有趣。Sundar Pichai：但是，我理解这些时刻的方式是，如果你身处消费互联网领域，你就总会遇到意外惊喜。我们当时在 Go on。当时有 Google Video Search 之类的东西，后来 YouTube 出现了，只是我们收购了 YouTube。或者试想一下，如果你在 Facebook 工作，Instagram 出现了。没有人会坐下来讨论，你不会带着那种戏剧化的心态去看待这些时刻，因为 Facebook 刚刚收购了 Instagram。没错。没错。但我所内化理解的领域是消费级互联网。人们现在能够做到，三个人坐在一起进行原型设计，并产出数以百万计的东西。我并非试图贬低任何事物，我只是说你总会遇到这样的时刻。我不认为人们会在车库里醒来就能发布出一款比 iPhone 更好的产品。那是不可能发生的，但消费级互联网并非如此运作。所以你只需要意识到这一点并将其内化。速度的哲学：延迟预算与 Gemini FlashJohn：当我思考 2026 年的 AI 竞赛时，有一件事让我印象深刻，那就是 Google 长期以来一直将速度作为其脱颖而出的首选之地。因此，最初的 Google Search 非常快，而且众所周知，它会在搜索结果中显示搜索查询耗时，以此来展示其优势。还有，比如 Gmail 相比当时竞争对手的快速搜索，或者 Chrome 相比当时竞争对手的快速表现。现在，我会针对不同的用途使用各种 AI 服务，但在 TPU 上运行的 Gemini 速度实在太快了。我很好奇这在多大程度上属于明确的产品策略，您是如何看待这一点的？还是说情况要复杂得多？Sundar Pichai：我一直以来都将速度——在此我们可以将其称为延迟——视为核心要素。它也是一款伟大产品的显著特征之一。而且，它几乎总是反映出该产品背后有着扎实的技术支撑。还有另一种同样重要的速度，即交付、迭代和发布周期的速度。所以这两者都很重要。但是，正如您所提到延迟问题。说想要低延迟很容易，但您需要不断增加各项功能。因此，能力的前沿正在不断推进。所以，在某种意义上，该如何权衡这一点呢？这就是问题变得复杂的地方。但举个例子，比如搜索，我当时正在和团队沟通，比如他们现在为子团队设定了延迟预算，精确到毫秒级。你会获得 50% 的绩效额度。所以，如果你发布了一个功能，减少了 3 毫秒的延迟，你就能为你的延迟预算赢得 1.5 毫秒，而剩下的 1.5 毫秒则会转化为用户的体验提升。没错。根据我们对你所做工作的判断，有些人可能会获得 30 毫秒或 10 毫秒的延迟预算。你可以使用它。所以，针对这一点，我们有严格的审查机制。但这就是我们认为它重要程度的衡量标准。Elad Gil：那么。从背景来看，我想人类能够感知到这一点。是在几百毫秒的范围内，就其实际影响而言？没错。是的。没错。Sundar Pichai：我想我们实际上，上次查看仪表板和指标时，我们在过去五年里将搜索延迟降低了 30%。但请思考一下这期间功能的发展历程。这就是为什么在 Gemini 中，要深入思考前沿技术的迭代，确保，性能与速度的平衡，而且，flash 模型的能力达到了 pro 模型的 90% 左右，但速度快得多，服务效率也高得多，垂直整合也有所助益等等。搜索的未来：从检索到个人代理Elad Gil：你如何看待搜索的未来？因为现在很多人都在谈论聊天界面将成为新的交互方式。显而易见，Gemini 已经整合进去了，或者说 Google 的 Search 已经在搜索结果中集成了 Gemini 或 AI 结果，但很少有人讨论代理式流程，未来每个人都将拥有一个个人代理；它不再需要你输入查询指令，而是会主动为你执行任务。比如，它不会只是回答关于旅行的问题，而是会直接为你规划好整个行程。你如何看待搜索的未来？它是一种分发机制吗？它是一款未来的产品吗？它是人们与世界交互的 N 种方式之一吗？Sundar Pichai：我觉得在搜索领域，随着每一次变革，你都能利用它做更多的事情。而且，我们必须吸收这些新能力，并不断拓展产品的前沿。比如，如果是移动设备，其产品演进非常迅速；当你走出纽约地铁时，你在寻找网页，你想去某个地方，你该如何找到它？所以，人们的期望在不断改变，你也必须随之调整。如果我进行前瞻性推测，许多仅仅是为了获取信息的查询，在搜索中都将演变为代理式交互。你将能够完成各项任务，会有许多线程在同时运行。Elad Gil：那么，10年后搜索还会存在吗？Sundar Pichai：嗯，你可能会……或者仅仅是演进，在这种情况下是演进。它会持续演进。搜索会成为一个代理管理器，对吧，在其中你会处理很多事情。我想在某些方面，我今天就在使用 anti-gravity，你有一堆代理在处理各种事务。而且，我可以看到搜索在执行这些操作的各种版本，而你正在完成许多事情。John：但我认为你问题的核心在于，如果你把搜索看作一个不超过一行的提示词，返回一堆不同排序的结果，而不是直接告诉你正确答案或其他什么东西。我想你的问题是，那种产品形态是否存在？Sundar Pichai：但在如今的 AI 模式和搜索中，人们会进行深度研究查询。没错。所以这并不完全符合你所说定义的范畴，但是，人们在某种程度上已经适应了那种方式。所以我认为人们会处理长期运行的任务。当然。它可以是异步的。Elad Gil：我们最初，或者说，生命最初是以单细胞生物的形式开始的，而现在我们拥有了如此复杂的生命形态。因此，问题几乎变成了：那种形式、版本或范式最终会消失吗？事实上，过去的搜索将转化为 Agent，而你未来的交互界面就是一个 Agent，10 年或 N 年后的搜索框将不复存在。Sundar Pichai：设备的硬件外形将会发生改变。I.O. 将会发生剧烈的改变。所以，这很难，我认为如果只想着 10 年后的事情只会让自己陷入瘫痪，但我们很幸运正处于这样一个时刻，你可以只考虑未来一年，因为技术曲线非常陡峭。只着眼于未来一年就让人感到兴奋，不是吗？而在过去，你可能需要坐下来设想五年之后的情景。我就在想，模型在一年内将会发生巨大的变化。所以，我认为顺应这个曲线本身就是一件令人兴奋的事。所以我认为它会不断演进。但这是一个扩张性的时刻。我认为很多人在这些时刻低估了一点，即这在我看来远非一场零和博弈。没错。就像人们未来能够实现的能力价值也处于某种疯狂的曲线上，所以一旦你以那种方式看待它，人们就会提出所有这些问题，比如，YouTube 自 TikTok 和 Instagram 出现以来表现良好，所以我可以举出很多例子。我认为，你越是把它视为零和博弈，情况看起来就越困难。如果你停止创新或者产品不再演进，它就不可能变成零和博弈，但是只要你处于这些领域的最前沿，而且我们正在同时进行搜索和 Gemini 的开发，那么它们在某些方面就会产生重叠。它们在某些方面也会产生深远的分歧，所以，我认为同时拥有两者并拥抱这种变化是件好事。垂直整合与市场误解John：当我们谈论搜索及其未来走向之类的话题时，我想起大约一年前，也就是 25 年的春夏之际，外界对 Google 的情绪非常负面。当时的普遍观点是，搜索已经完了，并且将会面临非常艰难的处境。核心商业模式正受到攻击，诸如此类。Google 的股价当时在 150 美元左右。而现在人们已经意识到那很荒谬。Google 在整个技术栈上都有布局，无论是应用程序还是模型。或是 TPU 等等，以及 Waymo 和 YouTube，还有所有这些相关业务。你认为作为知情舆论代表的投资者，在去年这个时候误解了什么？因为显然当时存在某种巨大的误解。Sundar Pichai：当时我显然非常专注于内部事务。John：所以，对我来说，那一刻非常明确，嘿，Overton window 已经移动了。Sundar Pichai：我们，我当时觉得公司就是为那一刻而建立的。这种垂直整合并不是偶然或其他什么。那是一件目标非常明确的事情。我们当时正处于 TPU 的第七个版本。是的。我记得那可能是在 2016 年的 Google IO 上，我们发布了 TPU，并且谈到了我们正在构建 AI 数据中心。那是 2016 年。当时我们正在考虑，公司正以 AI 优先的方式运营。所以我们已经深刻地内化了这种转变。因此对我来说，虽然我们在前沿 LLM 模型方面落后了，但我们内部拥有所有的能力，我们必须执行到位以把握住那个时刻。但令人兴奋的部分在于，当我从全栈的角度审视时，我们拥有研究团队，拥有基础设施团队，拥有所有的平台。而且我们一直有目的地在许多业务上进行投资，对我而言，我突然感觉到，哇，我们拥有这项通用的技术，它可以加速所有这些业务的发展。无论是搜索到 YouTube，还是到云服务，再到 Waymo，一切都依赖于这一领域的进展。因此，这是一种获取进步的高杠杆方式。所以我理解这一点，并且正如讨论早些时候提到的，我完全不认为这是一个零和博弈的时刻，我当时感觉一切都将扩大 10 倍，不是吗？而且也会有其他人的容身之处，回顾一下，自 Google 出现以来，Amazon 表现得很好，Facebook 也是如此。所以我们低估了所有这些事物运作时的增长情境，所以，我们需要作为一家公司执行得更好。这就是我的意思。我当时更专注于这一点。John：是否有什么事情向外界证明了，他们已经掌握了这一点？是 Gemini 3 改变了排队的人们吗？比如，我并没有跟进所有的时间线，但还是那句话。Sundar Pichai：我认为人们真正见证该模型能力的或许是 Gemini 2.5。而且，我特别关注前沿领域。尤其是它们的多模态能力。我们做了很多尝试，功劳属于 Google DeepMind 团队，我想我们在初期支付了稍微多一点的固定成本，但我们从第一天起就将 Gemini 模型设计为具备高度的多模态能力。因此，我认为在某些领域，这种优势开始显现，nano-banana 就是一个例子。所以你能够将这一切尽收眼底。但听着，这是一个令人惊叹、极其充满活力的前沿领域。我认为有两到三家实验室正在非常激烈地相互竞争。在任何一个月里，我们都会觉得，太棒了，我们做得很好。糟糕，有几件事我们落后了，但我认为几个月后情况又会发生动态变化。所以我认为前沿领域的竞争正如你预期的那样激烈。这就是我的看法。AGI-pilled 与指数级增长的直观感受Elad Gil：这很有趣，因为当我与非 Google 或其他实验室的研究人员交谈时，他们常提到的一点是，他们觉得那两三家其他实验室与 Google 团队的区别在于，Google 并没有所谓的 AGI-pilled。换句话说，他们对 AGI 即将来临及其带来的加速发展持较少的信仰。显然，Google 的员工们对此进行了深刻的思考。A，你认为这是真的吗？那么 B，你认为这一切是否影响了人们对未来实际样貌的构想，并因此影响了人们构建事物的方向？Sundar Pichai：你看，我认为，我们可能已经将资本支出从 300 亿增加到了 100 亿，大约是 1800 亿。这可是真金白银，如果你不是以某种方式考量未来曲线，你不会这么做。我认为这在很大程度上属于语义问题，或许是因为我们是一家大型公司，拥有许多触及各层级众多用户的产品。或许我们讨论它的语言会有所不同。我认为创始人们是 AGI 的构建者。这可能是我最真诚的一次谈话。我认为关于 Google 未能理解什么是 AGI，或者 Demis 及其团队，又或是 Jeff Dean 及其团队未能理解的说法，在某个时间点，我不知道，Demis、Jeff、Ilya、Daria 等人都在那里。所以他可以，我很喜欢这个反驳。就像是在说，嘿。John：你过去 20 年都在关注这些事吗？Sundar Pichai：没错，所以这对我来说讲不通。John：我觉得其中一些原因在于，如果你是一家较年轻的公司，或者你更像是一个纯粹的研究实验室，你可能就会把总部设在 San Francisco。Sundar Pichai：是的。有很多微小的属性可能会产生差异。但我不认为在基础层面上，对于曲线走势的预判，或者我们如何内化这项技术，存在什么分歧，你看，我觉得即便是公司内部，我们中也有一群人正处于最前沿，不断启动 agent，观察这些东西能做什么，看着 agent 习得技能、完成任务，并回顾它们三个月前能做什么。John：他们在内部实实在在地感受着那种指数级增长，我觉得你们俩都对，我同意这一点，你可以把它看作是 Google 的历史。我觉得很多人得到的是一种感觉，我曾看到一条推文转瞬即逝，那大概就是最核心的东西。要解释当前硅谷正在发生的事情，你必须意识到，每一位科技高管现在都患有严重的 AI 精神错乱，他们投入了大量时间编写代码、与 AI 对话以及处理诸如此类的事情。我觉得这是一个很有趣的观点，而且并非毫无道理。我很好奇，在最近这段时间里，你有哪些感受到了 AGI 的时刻？或者说，你现在在多大程度上患有 AI 精神错乱？Sundar Pichai：我第一次感受到 AGI 的时刻是 2012 年，当时 Jeff Dean 展示了 Google Brain 的最早版本。那时神经网络识别出了一只猫，所以那是 2012 年。我和 Larry 一起去了医生那里。RAPA 挑战赛。那可能是在 2014 年，我想。我需要准确说明我们去那里的时间，也就是看到汽车开过去的时候。Demis 进行演示，那些最早期的模型已经具备了我们所谓的想象力。像这样的时刻有很多，所以显而易见，这项技术正在不断进步。就当下的生活体验以及那种直观的感受而言，我想说的是，如果你在编程时给它一个复杂的任务，而你根本不需要打开 IDE，直接处于某种智能体管理者的环境里看着它完成任务，你就会知道它有多么强大。所以，你可以把它称为现场 AI。确实会有这样的时刻。John：是的。我最近做了一个小型的业余项目，过了一段时间，我心想，噢，我很好奇它用的是什么语言，但这只是在一个一切都运行起来之后我才需要去问它的细节问题。是的。它就像魔法一样工作。Sundar Pichai：是的。所以你确实会有那样的时刻。没错，但真正令人惊讶的是这条曲线的斜率。没错。确实如此。而且你正在多个范式上对其进行改进。显而易见，未来还会有进一步的发展。“吃狗粮”：CEO 如何与产品保持连接John：对。当你谈到这种直观感受时，我觉得有一点对科技公司至关重要，而每位 CEO 对此的思考方式都不同。那就是如何与日常用户的产品体验保持紧密联系，因为科技产品非常抽象，所以很容易出现那种情况——你不能仅仅依靠团队的报告、幻灯片和电子表格来进行管理。所以，Tony Xu 曾谈到他至今仍会亲自去当 DoorDash 配送员，以保持与那种用户体验的深度连接。我们在每周的全员大会上有一个固定环节，我们称之为“走一走（walk this door）”，我们会一起在仪表板上点击浏览，然后我们会纠结于诸如“为什么那个模态框出现在那里？”这类问题。或者是其他令人困惑的地方，总之就是让我们集体使用这款产品。我很好奇你是如何运作的，以及你在 Google 是如何确保自己始终与产品的使用体验保持紧密联系的。除了你每天使用 Gmail 和其他所有产品之外。Sundar Pichai：噢，是的。就像所谓的“吃自己的狗粮”一样，字面意思就是使用内部版本。我会专门预留时间，进行高强度的使用。也就是说，我会留出专注的时间来做这件事。这很有帮助。比如就在两周前，我在健身房拉伸时用着 Gemini Live。我就想，我要和它聊上整整 30 分钟，只聊一个话题。你确实会做这些尝试，有时会有成效，有时也会让人感到挫败。我们从中获益良多，所以我强迫自己以那种超级用户模式来使用它，并以此保持密切联系。X 很有帮助，因为有时你能从上面获得最直接的反馈。感谢你修复了 Google Calendar 的问题。那真是太好了。嗯，还有一些问题需要修复，但感谢你指出来。所以，X 很有帮助，因为你可以直接获取最原始的评论，我也尝试直接关注这些反馈。但我告诉你什么是有帮助的。在内部，比如，我会像之前提到的那样，向 anti-gravity 进行查询，也就是我们内部版本的 anti-gravity，嘿，我们发布了这个东西，人们对此怎么看，告诉我人们讨论的最糟糕的五件事和最好的五件事，我输入这些指令，现在它就能给我反馈了。所以我的生活变得更轻松了吗？是的。在过去，我必须花费更多时间去试图了解这些情况。现在，一个 AI agent 正在帮助我完成这一过程。所以，我可以先了解一下，为了进入那个领域，我最初应该投入多少资金？这实际上是在利用这些工具。是的。所以即使是我也在经历这样一个过程，所以我正在努力适应这个未来。经济增长与供应限制的瓶颈Elad Gil：我想，正如你提到的，A，这不是零和博弈；B，人们正在看到各种生产力的提升。如果你回顾许多之前的技术周期，互联网、移动设备或 SaaS 要在实际的 GDP 数据中显现出来，确实需要一段时间。在 AI 的背景下，我们是从数据中心建设的角度来看待这一点的，那正在推动 GDP 增长的一部分。你如何看待三、四年或五年后的未来？你认为美国......经济是否因为 AI 而变得更加庞大？如果是的话，规模增长了多少？Sundar Pichai：听着，要让这些回报变得合理，总归要在某个地方体现出来，这花了多久时间？我想可能是 Sequoia 的人写了篇文章，说人们正在投入这么多资金。John：他们是在将资本支出与利润进行比较。Sundar Pichai：没错，这可能是在两年半之前。当时有种说法认为这不合理，因为你需要达到那个水平的回报。你可能需要 10 倍的增长空间。没错，没错。从那时起，我需要去核实一下具体数字。首先再次确认，所以在某个节点，它必须实现调和。明确一点，我们正受到供应能力的制约。我们观察到所有应用领域都存在需求。Elad Gil：实际上，我毫不怀疑这是一个巨大的市场和成果。所以我的问题是，我认为人们对很多事情存在误解。例如，人们经常讨论软件工程预算，以及其中 token 成本与薪资的占比。在某种程度上，我认为那个市场一直因缺乏优秀的软件工程师而受到需求制约，因此供给的突然增加可能会使该市场增长 10 倍。换句话说，我认为软件工程编码市场的规模比任何人想象的都要大得多，用 token 预算与工程师薪资对比来衡量是一个错误的指标。所以我实际上认为它应该能促进诸多方面的发展。我只是对你的观点感到好奇，比如，我们认为这实际上会带来多少增长？我其实一点也没有怀疑所谓的潜能与结果之间的关系，或者说，我明白了。Sundar Pichai：是的。听着，回顾互联网并观察 GDP 增长，它并不能完全捕捉到我们对互联网的真实感受，所以，也许如果没有互联网，GDP 增长会是负的。消费者剩余。所以，展望未来是很困难的。我确实认为社会在不同层面上存在着自然的抑制机制。显而易见的例子是，计算能力的构建曲线与我们改进模型的速率所遵循的曲线是不同的，所以你已经在处理一条受限程度更高的曲线了。那么，你如何将其推广扩散到社会中呢，我们正在与 Waymo 合作进行这项工作，你可以让它比人类驾驶员安全得多，但你也知道，我们必须谨慎对待推广的速度等问题。所以有时，你该如何负责任地将其推广到整个社会中呢？在所有这些层面都存在制约因素，但我觉得，美国经济比 10 年前规模大得多了。因此，即使增长率提高 0.5 个百分点，那也是巨大的贡献。所以我预计事情会这样发展。算力竞赛中的物理障碍John：倾听 Sundar 的发言，有力地提醒了我们以真正的互联网规模进行运作意味着什么。然而，谈到商业时，大多数企业被迫在孤立的状态下做出关键决策。他们仅通过自己的视角来看待互联网经济，只使用存在于其内部的数据。这就是 Stripe 发挥作用的地方。因为我们每年处理 1.9 万亿美元的全球支付，所以我们拥有全景式的视野。当你基于 Stripe 进行构建时，你接入的是那套网络智能，从验证用户身份到在欺诈发生前将其拦截，再到简化企业间的连接方式以及了解哪些支付方式在本地效果最佳，均涵盖在内。我们构建了一个系统，利用全球 1.6% 的 GDP 来保护并增加你的收入。因此，如果你想利用价值、Stripe 网络智能的力量，来看看你在这里能构建什么吧。你提到了供应限制，我认为这是 2026 年一个非常有趣的决定性特征，基本上，你说的是 1500 亿美元的资本支出，还是 1800 亿？Sundar Pichai：我们已经说过会在 1750 亿到 1850 亿之间。John：好的，也就是 1800 亿美元左右的资本支出。让我觉得有趣的是，即使 Google 想花 4000 亿美元的资本支出也花不掉，因为内存不够，电力也不够，以及所有这些组件都有限制。所以，你能简单列举一下吗。你可以找到我们需要的一定数量的电工。没错。所以我很想听听你对各种瓶颈问题的概述。Sundar Pichai：你看，从某种层面上讲，你必须追溯到实际的晶圆产能之类的问题，所以，还有更深层次的基础性因素，我认为晶圆启动量是一种根本性的制约因素。我认为电力和能源问题更容易解决。许可审批以及在监管环境下开展工作可能是一种制约，也就是你推进工作的速度。John：尽管在支持增长的地区，比如 Texas、Nevada 或 Montana 有很多土地，但也许还是不够？Sundar Pichai：我认为我们正在取得巨大的进展。我认为对于美国而言，这是一件特别重要的事情。你会对那种节奏感到敬畏。在中国，他们建设的速度有多快。所以我真的认为我们需要学会更快地进行建设。比如，你几乎必须转变思维模式，去思考在物理世界中实现 10 倍速的建设需要做些什么。但我会担心这会成为一种制约因素。我认为，可能会出现越来越多的阻力，所以，这并不像少数人决定要加速建设那么简单。比如针对数据中心的暂停令之类的事情。所以我我会说，如果它确实开始了，审批和执行工作的能力将至关重要。而且我认为政府确实在进行许多有益的工作。我认为人们已经意识到需要把这些事情做得更好。接下来是供应链中的关键能力。内存就是一个很好的例子。我们在短期内受到这些因素的制约。每个人都会对此做出反应。但我认为我们所有经营公司的人，无论你对 AGI 的信念有多坚定，都会面临这种误差范围，比如，你究竟能有多乐观？你所能承受的利润率是多少？因为世界上存在可能出错的无关因素，这些因素超出了控制范围。所以每个人都在做出相应的调整。这些都是限制因素，以及限制因素。所以我认为，那就是我所看到的限制所在。John：你认为内存是其中最大的组成部分吗？Sundar Pichai：内存绝对是目前最关键的要素之一。John：你刚才提到在短期内，你认为仅靠人们增加供应和高昂的价格就能解决问题吗？Sundar Pichai：领先的内存公司不可能大幅提升他们的产能。因此，这些限制在短期内确实存在，但随着时间推移会逐渐缓解。但我确实预期所有这些因素都会构成制约。顺便说一下，我认为这会推动大量的创新，我们将实现。将这些事物的效率提升 30 倍。就像这样，所有这一切都在同时发生。模型自我提升与算力壁垒Elad Gil：这是否会导致寡头垄断市场？如果你观察模型侧的情况，你会发现许多关于模型及其改进方式的观点都指向了自我提升。模型将开始编写越来越多的自身代码，自行完成更多数据标注工作，等等。John：所以你是指，目前掌握算力的人是在玩“抢椅子”游戏吗？Elad Gil：没错。就是谁拥有算力，以及相对于整个行业的能力，你能实现多大规模的扩展？如果每个人的算力都大致相当，你实际上就限制了某人相对于其他人能领先多少的上限。你认为这种说法是正确的还是错误的？Sundar Pichai：我认为这是一个思考此问题的合理框架。但有些事情是，我来到这里时我们刚好发布了 Gemma 4。Elad Gil：而且它确实是一个非常优秀的开源模型。我是说，中国的模型非常出色。但我认为在中国之外，它确实是一个非常优秀的开源模型。Gemma 4 的前沿性在时间维度上既巨大又没那么巨大。比如 Gemma 4 是基于 Gemini 3 架构的。John：没错。这事儿真的很诡异，你在谈论的是一套可以装进 U 盘的权重文件。Sundar Pichai：是啊，是啊，这太不可思议了。所以这真的很疯狂，它不像 SpaceX 的火箭那样庞大。Elad Gil：我总是很震惊，你运行了几个月甚至更久的数据中心，最终产出的竟然只是一个扁平文件。从字面上看，这就像是拥有一个 Word 文档之类的东西，而那就是你的模型。这太神奇了。Sundar Pichai：因此，它具有这些独特的属性，这让我不禁对那些框架提出质疑，并思考：我们该如何看待这个问题？但我认为，至少在推理层面，你的观点是一个非常合理的切入点。试着思考一下。但我确实认为，每个人都在努力寻找如何打破资本激励的限制，以寻求突破。这股动力是非常巨大的。John：但正如你所说，世界上的内存资源终究有限。所以，任何资本激励都无法真正解决 26 或 27 内存供应的问题。Elad Gil：那可能就是你会看到更多分歧出现的时代。Sundar Pichai：没错，所以你要记住，这必须与增加产能的途径相平衡，也就是要能够批准建设那些数据中心。所以这种限制可能并没有看起来那么严重，因此，你必须设想所有必要条件的总体需求集合，并将其彻底考虑清楚，John：包括资本。没错。但再次强调，让我感兴趣的是，人们可能会在当前的 CAP-X 基础上进行更多投资，但我们现在只是受限于 26 年和 27 年的现实世界制约因素。这有点类似。霍尔木兹海峡（Strait of Hormuz），无论你给石油定什么价格。最终，如果你从系统中撤出每天 2000 万桶石油，你就必须消减掉每天 2000 万桶的需求。这和内存的情况很相似，如果需求超过供给，最终必然有人无法获得他们想要的内存。Sundar Pichai：但还存在其他制约因素，对吧，比如将安全性作为一种制约条件。John：而且这些模型绝对会摧毁目前市面上几乎所有的软件。Sundar Pichai：或许已经在发生了，只是我们不知道。我们坐在这里交谈。John：你真的认为所有软件都会被摧毁吗？因为像 SSH 这种东西，人们已经尝试破解很久了。你考虑的只是这些吗？Sundar Pichai：不，我指的不只是采用开源软件或大型平台，有多少零日漏洞？是的。所以系统里确实存在这些制约因素，你不能仅仅通过愿望就让它消失。Elad Gil：有人告诉由于 AI 的发展导致供应增加，零日漏洞（zero days）的黑市价格正在下跌，我认为这是一个非常有意思的市场指标，确实。Sundar Pichai：一点也不惊讶，确实一点也不令人惊讶。John：所以，但是。Sundar Pichai：那么，它实际上是如何在社会中扩散的呢？其影响又是什么？所以，我认为其中存在一些相似之处。所以我认为可能存在一些隐藏的制约因素。是的。如果可以的话，系统可能会受到冲击。尽管如此，我真心认为未来有很大的上升空间。有些制约因素或许是有帮助的。是的。我认为制约能激发创造力。这是一个压缩周期。效率更高。它或许能促成一些重要的对话，否则这些对话可能根本不会发生。我想，仅就我提到的安全性这一点而言，我在思考，我们需要更多的协作。是的。而这在今天并没有发生。会有一个时刻，这可能是一个转折点，所有这些事情，我不认为你可以奢望它们消失。是的。谷歌的隐藏“宝库”：量子计算与机器人Elad Gil：没错。实际上，与此相关的是，Google 确实拥有一个令人惊叹的投资组合。我们所拥有的东西既有自研的，也有收购进来的。从所有权的角度来看，你拥有相当大比例的 SpaceX，我想，我不确定具体金额，但我记得很久以前大约是 10%，还有 Anthropic，大约百分之十。还有 Waymo 的多数股权，这简直是一件了不起的事情。然后在内部，显然还有大量已经开发出来的惊人技术。我们谈到了 AI 和 Transformers。还有 TPUs。显然，Waymo 是这些项目中的另一个。还有量子技术。你们刚刚发布了一个非常有趣的研究成果。还有其他值得人们关注、特别有趣，或者未来可能会产生重大影响的隐藏成果吗？也许是人们低估了的那些。Sundar Pichai：你看，我们一直在努力推进这些长期项目，当你最初宣布它们时，看起来多少有点荒谬。比如，我们正处于构思太空数据中心的早期阶段，但你之前关于“约束激发创造力”的讨论很有启发性。John：如果把眼光放长到 20 年后，你会把这些数据中心主要放在哪里？Sundar Pichai：你打算把这些数据中心大部分放在哪里。确实是很难解决的问题。但这些只是我们今天思考的项目案例，它们远超 2010 年的水平。量子计算本身就是这些项目之一。我们正以深度的投入在该领域取得进展。对此我感到非常兴奋。Elad Gil：你认为量子计算会在哪里产生最大的影响？因为人们主要谈论的是分子模型。他们谈论的是密码学。人们一直在开发某种量子抗性密码学。在分子建模方面，深度学习模型在某些情况下似乎表现得非常出色。你们通过 AlphaFold 开创了这一先河。你认为量子技术真的重要吗？如果是的话，你认为它会在哪里产生最大的影响？Sundar Pichai：从抽象层面来看，我觉得它越来越多地用于模拟自然。正如你所知，鉴于自然界本质上是量子的，你需要量子系统才能更好地对其进行模拟。我们或许能以一种令人惊讶的方式通过经典计算技术实现这一点，或者通过足够的压缩以及，抽象化来达成目标。John：但我从根本上认为量子技术在那方面会有优势，而且我不知道，我们目前仍不理解受精过程的运作机制。Sundar Pichai：就像有很多复杂的情况，这或许是你的背景，回溯到你大学时所做的事情，会更多一些。所以我的直觉告诉模拟天气、模拟现实等等，我认为 Quantum 会有优势。我认为技术发展的规律是：先将其发展到可行的规模，然后加以利用，接着人们的创造力会在此基础上发掘出各种应用场景。所以我总是举这个例子：移动电话加上 GPS 成就了 Uber。在从事手机研发的人中，没人能预见到这会是平台转型后的成果。所以，如果你真的能让量子技术发挥作用，我相信它会有非常、非常、非常、非常多的应用场景。没错。这就是我的看法。John：抱歉，我们打断你了。你刚才在谈论你在 Google 比较偏好的、更前沿的一些领域。Sundar Pichai：我认为我们正在取得进展，Google DeepMind 团队正在深入思考机器人技术，而且，机器人技术是我们公司曾经涉足过早的一个领域。事实证明，对于 15 年前或 10 年前出现的许多想法来说，AI 曾是缺失的关键要素。但是，Gemini 机器人模型在空间推理等方面都有所涉及。所以我们绝对拥有最先进的水平。相关的模型都在那里。我们正在以一种讽刺的方式与 Boston Dynamics 和 agile 以及其他几家公司重新建立合作，并以坚定的态度取得进展。市场上也涌现出了许多非凡的初创公司。我们正在进行投资，比如我之前提到的量子计算、太空数据中心，以及与 Wing 合作的无人机配送。我认为我们正在扩大 Wing 的规模，在一段合理的时间内，大约 4000 万美国人将能够享受到 Wing 的配送服务，我指的并不是好几年以后，或者类似遥远的未来。但重申一下，当你开展这些长期项目时，这一切都是有条不紊、日积月累的过程。所以，我们是全心投入的。Elad Gil：Isomorphic，非常令人兴奋。我是这么觉得的。Sundar Pichai：考虑一下，专注于以有针对性的方式改进这些模型。药物发现过程中所有可能的步骤。尽管你仍需进行诸如三期临床试验等漫长的程序，但以这种方式推进能够获得更高的成功概率。Elad Gil：没错，我认为这是我见过的最明智的方法，因为它考虑了不同的生物模型，并且真正思考了超越单纯分子设计的更广阔领域，而我认为这正是大多数同类项目所停滞的地方。资本配置：为什么保留 Waymo？John：确实，这看起来非常精明。我可以问一下吗？我很好奇 Google 内部的资本配置究竟是如何运作的。优秀的资本配置在于内部化资本的机会成本，并将业务产生的现金投入到回报率最高的用途上。在商学院教材的简单案例中，假设你是 Boeing，你拥有业务产生的现金，你可以选择竞标下一个国防合同并投入相应的研发资金，同时预测合同带来的营收；或者你可以选择研发一款全新的商用客机，投入相应的资金并建模预测其收益。这就像是在比较 16% 的内部收益率和 19% 的内部收益率，显而易见，我会倾向于选择 19% 的那个。而在 Google 的案例中，各项项目极其多样化，例如，我们可以为 YouTube 团队提供更多资金，让他们去改进推荐算法，从而实现 10 个月的增长，并以此提升变现能力。或者我们可以为 Waymo 团队提供更多资金，让他们能够真正更快地进入市场或更快地扩大规模。或者我们可以投资于这种可能在五年内见效的新型 AI 方法。所以我很好奇，如果你试图将资本投向最高效和最优化的用途，并且在进行最终比较时，你该如何权衡那些在本质上差异巨大且收益曲线形态迥异的项目？这简直是太 John 的问题了。我必须知道答案。Sundar Pichai：你还得加上 R.R.C.，那样才算是个好问题。听着，我今天比以往任何时候都深有感触。具有讽刺意味的是，这正是因为 T.P.U 的分配问题。所以在某种程度上，我觉得甚至需要更多的 HDPU，所以，具有讽刺意味的是，计算机让这个问题变得更加紧迫了。顺便说一句，在我所做的所有事情中，我非常期待 AI 作为伙伴，至少能为这项任务提供输入。我认为一旦我们真正能够实现所有数据的连接和流通，模型就已经具备了相应的能力。这更多的是关于如何解锁所有数据。我认为我们会成功的。能够有所助益。所以我对此深有感触。从历史上看，我认为在 Google，我们拥有的优势之一是，有时我们在周期的早期就做出了这些决策。所以这几乎就像是回归到那条路线。这是一种深度的技术导向。而且，我们实际上思考了很多关于你不久前问的问题，比如，那些长期目标是什么？所以我认为在那个阶段进行思考会更容易，因为你最初的资金投入规模可以小一些。但随后，正如你所知，你需要保持长期投入，同时确保自己在深入层面取得进展。因此，只要你能看到潜在的技术（以量子技术为例），我们该如何评判它呢？我们评判的是其底层逻辑，比如你会设定关于逻辑量子比特、纠错、大规模稳定逻辑量子比特阈值的目标，设定在何时实现，并考察团队是否有能力做到这一点。所以我认为你是以这种方式进行评估的。所以，我不想说是优势，但我认为这是我们思考问题的方式之一。我们一直保持严谨，或者至少对我而言很重要的一点是，以一种深度方式进行早期技术押注。这确实有所帮助。但从长远来看，看吧，我一直认为你必须评估这些事物的长期价值，所以，在某种直观的层面上，你几乎是在思考五年到十年后的期权价值和时间价值。而你预设了一种疯狂的增长，并仔细思考这些决策是否合理。所以 TPU 的投资在这方面一直很棒，而且，我们一直在稳步投资。Waymo 就是一个很好的例子，我认为我们在两三年前，当世界其他地方对它感到悲观时，我们反而增加了投资。当时其他人，甚至是一些业内人士都在退缩。Elad Gil：那真的很神奇。那是一种非常神奇的体验。我现在每天都坐 Waymo 去上班。John：当你能够做到的时候，这就是一个很好的例子，就像我提出的这个问题：Google 确实会砍掉一些项目，而且你尝试过各种事情，最后你说，我们实际上不会完全资助 X 的这部分业务，或者，我们不会再继续了，我们要让这个产品退役。这行不通。但 Waymo 尽管从极具说服力的演示到实现商业化服务经历了漫长的道路，你们却始终没有失去信心。那么你们当时看到了什么？是一个定性的判断？还是一个定量的决定？你们是如何决定砍掉 Loon 但保留 Waymo 的？Sundar Pichai：我认为这与某种量化指标有关，你们观察 Waymo Driver，也就是底层技术，即软件是如何驱动汽车的？以及在安全性和可靠性方面的进展，这是一项长期任务，它有多安全，你们将如何实现它？你们会追踪那条曲线。你们会预测或设定目标，明确想要达到的位置以及根据预期表现如何进行评估。那些曲线。我认为团队表现得非常出色。也许曾有过停滞不前的阶段，但正是在那些时候，你需要对团队突破瓶颈的能力抱有信心。John：但我认为，你越有能力在更深的技术层面评估事物，你就越能做出更好的决策。Sundar Pichai：或者至少，我一直是这样尝试的。Elad Gil：我听到过一个关于 Waymo 的观点或讨论，即最近观察到的巨大进步，很大程度上是因为过去依赖于手工绘制的启发式规则，比如如何处理驾驶中的极端情况，或者发生突发状况时该怎么办？你该如何应对？其中一部分几乎是人工绘制出来供车辆遵循的。因此，它能处理的事情范围非常有限。而真正的突破在于几年前随着 Transformer 浪潮的兴起，转向了端到端深度学习。你认为如果 Waymo 在五年前起步，它今天所处的位置会和从 15 年多前开始时一样吗？考虑到那是推动其前进的突破性进展。Sundar Pichai：你看，我认为，我们之前讨论过机器人技术。你可以把 Waymo 看作一个机器人。我认为那些在过去三年里开始从事机器人技术的人，从定义上讲，进步速度也许会更快。但我认为 Waymo 是一个高度集成的系统。它包含多个维度。这并不完全就像你处理像 TSM 或 SpaceX 发射任务那样复杂的事情，你所讨论的是这些事物中极其复杂的系统集成。我认为 Waymo 隐藏了其中一些方面，即你如何执行它的时机以及工艺本身至关重要。话虽如此，我确实认为端到端方法将会在这些系列中成为一个意外。Elad Gil：因为仅仅拥有一支团队可以说对 Alphabet 和 Google 而言就是一个巨大的优势，仅仅是你持续对其进行投资，随后在某个隐秘的时间节点上，这项技术的腾飞带来了超值的回报，这非常明智且具有前瞻性。我只是觉得探讨一下这如何应用于其他领域会很有趣。因为正如你提到的机器人领域，机器人技术的发展历史似乎可能会有所不同，因为现在你可以快速推进。你们是否考虑过重新内部化硬件，还是说将主要通过合作伙伴驱动的模式将这些产品推向世界？Sundar Pichai：我认为我们会保持非常开放的态度。这是我从 Waymo 以及在 AI 领域利用 TPU 等经验中获得的教训。我认为要真正地推动技术前沿，特别是在涉及安全、监管等各个方面时，你需要一手的产品反馈周期经验。因此我认为，拥有第一方硬件最终将变得非常重要。这就是我在现阶段的看法。杠杆、净现金与资源受限下的管理John：听起来不错。所以我还有两个关于资本配置的问题。您能否论证一下 Google 在历史上是否杠杆率偏低，因为 Google 过去一直保持着雄厚的净现金状况。考虑到 Google 拥有的想法多到难以应付，它不仅点子层出不穷，而且核心业务也保持着极其持久的增长。我认为 Google 显然对这些核心业务有着非常深刻的理解，而且正如您所知，其增长率一直高于 Google 的资本成本。回顾过去，Google 是否应该更积极主动地采取杠杆化的财务立场。即比现有的强劲净现金状况稍微激进一点，并将这些资金投入到新项目中，或者为 Google 的股东回购更多核心业务股份，亦或是进行更多的少数股权投资，毕竟 Google 在这方面的表现一直处于行业领先水平。Sundar Pichai：这是一个很好的问题。例如，如果 Waymo 能更早达到目前的阶段，我想我会更早地投入资本。John：所以在某种程度上，我认为您的判断标准在于，您希望成为资本的忠实管家。Sundar Pichai：因此，如果你看好投入资本回报率（ROIC），那么你会希望将每一分钱都投入到那里。John：但如果说，你持有的过剩资金在其他方面没有更好的去处。Sundar Pichai：这就是我们也投资其他公司的原因，对吧，即使当时并非如此。但我们始终是以负责任的管理者这一视角来思考问题的。是的。我们认为对 Stripe 的投资体现了我们作为资本管理者尽职尽责的一面。SpaceX 也是如此。对吧。还有 SpaceX 和 Anthropic 等等。所以我认为，随着 AI 浪潮的到来，我们有了更多可以妥善配置资本的机会，因此我们正在这样做。是的。但我认为我们一直以来都秉持着这种思维方式。但我本乐意更早向 Waymo 投入更多资本，但当时我们尚未达到实现这一目标所需的成熟度。从安全角度来看，在 Waymo 发展的某个阶段，我们确实采取了安全第一的策略。John：而当时那样做并非正确的做法。你是否认为，如果某些项目能更早获得更多资本，它们本可以发展得更快？它们只是需要一个自然发展的过程。Sundar Pichai：我不会这么说。但我认为总的来说，即便我们可能在决策上出了错，但我们至少秉持着这样的原则：如果我们对某件事感到兴奋并确信其价值，我们愿意投入资本将其贯彻到底。John： 那么关于资本分配的另一个问题是，从历史上看，科技公司绝大部分的研发支出都用于人力成本。而且，人员编制是通过非常严格受控的流程来管理的。确实，当你考虑如何分配研发工作时，本质上是在分配高薪人才去攻克相应的挑战。除非你在进行某些计算成本极高的事情，比如 Google 显而易见会投入的 Google Books 项目之类，否则技术成本其实并不高。但从广义上讲，与人力成本相比，技术成本只是次要考虑因素。正如你所说，我们现在正进入一个情况有所不同的世界，这涉及 TPU 以及如何分配这些资源。仅从非常具体的预算层面来看，这在 Google 内部是如何运作的？比如，公司是否有整体的 TPU 预算，当你为项目分配资源时，以前是给一定的编制预算，现在是既给编制预算，又要同时给编制和 TPU 预算吗？它们属于同一项预算吗？在进行季度评估或年度评估时，这具体是如何运作的？桑达尔·皮查伊： 我们一直都有计算预算。替朋友问的。替朋友问的。我们一直都有计算预算，即使是在传统计算领域，就机器学习而言，我们广泛使用了 TPU 和 GPU。关于机器学习计算的规划，我们对人力规划也非常审慎，但这一直是我们必须考量的内容。是的。在机器学习计算方面，我们经历过资源充裕的阶段，也经历过作为一家公司受到限制的阶段。但现在确实处于非常紧缺的状态，所以你得投入更多时间。至少我每周会专门花一小时，在非常细致的层面思考这个问题。因此，我会按项目和团队了解他们所使用的计算单元，而且，至少我掌握了这些信息，我正在审视并评估它。从某些方面来看，我认为这是目前一件非常重要的事情。John： 在很多情况下，计算是稀缺资源，因此你要确保 Google 宝贵的计算资源被投入到最有价值的计划中。Elad： 没错。在 GCP 的背景下，你是如何看待这一点的？以及 Google Cloud，因为在那里你实际上是将计算资源分配给他人，而不是用于自身目的，且考虑到系统内的各种限制。你是如何思考这种差异化分配的？桑达尔·皮查伊： 听着，Elad，要提前规划，所以当我们进行前瞻性规划时，云团队正在进行前瞻性规划，他们制定了计划，并且，你在为此提供资金，你这样做是为了满足我们的内部需求。你要进行前瞻性规划。作为其中的一部分，你还要与客户签署长期承诺。我们向客户做出的任何承诺都是神圣不可侵犯的，所以这些都是合同义务。所以，通过规划来解决大部分问题。确实如此，当你进行规划时，我们都处在一个资源受限的世界中。所以我认为 Cloud 团队会说他们不知道自己所需的算力，诸如此类。但你会通过提前规划来解决这个问题。产品改进建议：从 GCP 到 Google DocsJohn： 说到 Google Cloud，我有一个一直留到这一部分才提的产品请求，我知道你很期待。你打算把它发布在那上面。没错，是这样。不过说真的，我要说一件事，GCP MCP 的效果非常好，它可以让你的 AI 以编程方式直接与 Google Cloud 进行交互。我想你们几乎开放了所有功能，除了核心的权限管理之类的内容。我觉得在某种程度上，Google Cloud 的痛点之一在于其功能过于繁杂，我确信你们偶尔会听到人们抱怨它有点难以导航，比如你必须先创建一个组织、一个项目等等，然后再找到合适的服务，诸如此类。而现在，这一切都不重要了。你只需要说，嘿，去添加这个 Google Cloud 功能即可。因此，这确实让 Google Cloud 受益匪浅，因为它涵盖的范围非常广泛，功能极其丰富。我们在 Stripe 也遇到过类似的问题，随着我们不断增加功能，能够读取所有 API 文档并指导用户驾驭这一庞大产品界面的 AI 显得尤为重要。所以，这方面的应用效果非常好。桑达尔·皮查伊： AI 作为各种事物编排层的愿景，结合我之前的问题，即使是在企业内部，作为首席执行官，你并非缺乏数据，但如何将这些数据整合到一起呢？在过去，这意味着又一个大型的类似 ERP 的项目，需要去连接所有数据源等等。再说一次，AI 以一种对最终用户有意义的方式成为这种编排层，我认为看到这一点非常令人欣喜。John： 而且产品界面覆盖的范围越广，这种收益就越显著。同样，我们在 Stripe 也一定程度上看到了这一点，但我感觉对于 GCP 而言，这必然会产生巨大的效应。桑达尔·皮查伊： 我认为我们还可以做得更好。所以，你说得对，我认为这是一个巨大的机遇。John： 是的。我对此真的非常满意。好的，接下来谈谈我的产品。你带来了什么产品建议吗？你先来吧，可以的。我本想让你先说的。让我感兴趣的是像 OpenAI 及其类似产品的市场契合度，它们是否正在为消费者提供有状态的 AI？如果你想说，那种经典的用法，比如汇总我感兴趣的每日新闻，并每天早上发送，或者任何涉及持久性的功能，目前没有任何流行的，或者说主流的 AI 应用允许这种持久性。这很常见吗？桑达尔·皮查伊： 实际上，听着，我认为你想要赋予用户执行持久、长期运行任务的能力。是的。以一种可靠、安全的方式，你必须深入思考身份、访问权限等问题。但我认为这就是，这就是未来，这就是智能体驱动的未来。将此带给消费者，这就像是我们正在探索的一个令人兴奋的前沿领域。Elad： 这也是我关注的领域之一。这是 Dreamer，它是 Stripe 公司前任首席技术官的项目，该公司刚被 Meta 收购。我认为他们做出了一个非常好的版本。这是一种非常早期的愿景。John： 没错，他们当时在制作定制软件，包含持久化功能，而且你还可以进行某种程度的规格定义。Elad： 你可以自己制作专属的小型应用程序。John： 完全正确，没错，确实如此。而且他们让这个过程变得非常简单。使用起来，但我感觉当人们有这种体验时，会有一种惊喜和愉悦的时刻，这对我来说很有趣，因为……桑达尔·皮查伊： 我认为实际上消费者界面底层都将配备完整的编码模型，以及合适的工具框架和相应的技能。还有在云端或本地安全地持久运行的能力，所以所有这些基础原语正在汇聚在一起。那么，开发人员现在的情况是，我觉得世界上有 1%，也许不到 1%，大概 0.1% 的人正生活在这种未来中，他们是在为自己构建东西，但要将其推向大众市场。是的。我认为这是一个非常令人兴奋的前沿领域。John： 好的，我的另一个产品建议是，抱歉，你必须忍受采访的这一部分。这是必经之路，那是一个线索。完全正确。我的另一个产品创意是因为某种原因，我不知道这是否是你的亲身经历。以我的亲身经历来看，Google Docs 的搜索确实比 Gmail 难用得多。显然，这两个搜索引擎本身同样出色，但我认为问题在于关键词搜索对电子邮件很有效，因为你通常能记住某封邮件中独特的关键词组合。而我遇到的情况往往是，我想回头查找 2026 年的预算。结果发现，如果我在 Google Slides 里搜索 2026 年预算，这两个词在相关语境下都不是特别独特。因为在 Stripe 的 PowerPoint 文档中也充斥着这些词。所以我总也找不到最准确的那一个。我很好奇，Sundar Pichai 是否也会遇到这个问题？桑达尔·皮查伊： 虽然我个人的感受没有你描述得那么强烈，但当你描述出来时，我确实产生了共鸣。我正打算去联系负责这一块的人，把这段对话转达给他们。John： 我很清楚该去找谁，他们就是负责这项工作的人。桑达尔·皮查伊： 我认为我们可以做得更好。我觉得，AI，集成到这些服务中，包括 Google Docs。我认为在接下来的几个月里，你们会看到显著的改进。我想我们都做过它的最初版本，即只是把它放在某个地方。但我认为，随着时间的推移，你能保持什么在上下文中，你能缓存什么，以及你真正能发挥什么作用？我认为我们可以取得很大进展。所以我认为我们可以做得更好。工作流转型与 2027 年的转折点John： 好的。太棒了。我们有很好的额外内容需要应对。Elad： 很多我参与的公司，甚至是那些因某种理由而创立的公司。最近不得不根据产品开发和工程实践，大幅调整它们的工作流程。他们认为谁应该在设计团队中，以及该团队的能力如何。你们在 Google 是否正在重新审视这一切？你们是否在进行重新思考？在工作流程或其他方面是否有重大的转变？桑达尔·皮查伊： 我会这样说，你可以把它想象成同心圆。Google 内部有一些团队正在进行更深层次的转变。所以对我来说，一项艰巨的任务是如何将其推广到越来越多的团队，特别是在 2026 年。其中一些工作我们早期无法开展，因为它太容易出故障了，就像你看到了一个充满希望的新世界，但它又处于半瘫痪状态。但今年，我感觉曲线正在发生巨大的变化。所以我可以看到一些团队，特别是 GDM 和一些 Suite 团队，确实改变了他们的工作流程，而且，他们正在使用——出于某种奇怪的原因，我们对同一款产品在内部和外部有不同的名称——它在内部被称为 Jetski，即反重力。你正身处其中，生活在一个智能体管理的世界里，运用着各种工作流，以这种全新的方式工作，就在上周，我们将其推向了搜索团队。没错吧？所以我们一直在持续推进。在大型组织中，我认为变革管理是这项技术普及过程中非常困难的一环，而这对于小公司来说或许更容易，毕竟小公司可以快速完成转型。John： 我能否提出几个在人工智能真正普及到工业界时所面临的问题？我也很好奇，你认为我们将在何时以及如何解决这些问题。因为在我看来，我们正面临着巨大的智能过剩（intelligence overhang）。比如，AI 现在在抽象能力方面表现得极其出色。但如果你观察一家 AI-native 公司，或者仅仅观察它们对这些智能的使用程度，你会发现这其中很可能存在缺口。我所看到的问题大致是这样：首先，工程师要擅长编写 AI 提示词实际上需要一段时间。而且你编写 AI 提示词的水平高低，直接影响到 AI 生成代码的质量。其次，以我们的情况为例，会有很多针对 Stripe 的特定提示词，需要了解应该使用哪些工具。所以，这里既有通用的提示词编写技巧，也有针对 Stripe 业务的特定提示词技巧。再者，显而易见的事实是，共享 AI 生成的代码库非常困难，因为这会带来巨大的影响范围（blast radius），且代码变动极大，代码的周转率很高；在你最终交付产品之前，可能已经重写了多次代码，相比过去代码编写速度较慢的情况，现在多人协作维护同一个代码库变得相当困难。此外，当你跳出工程领域来看，我所观察到的最大障碍是数据访问权限问题；你希望你的 Agent 能随时获取信息——在世界各地的公司里，人们每天会问多少次“嘿，这笔交易的状态如何？”这属于公司已知的信息，理应由 Agent 自动回答。在 Stripe，我们确实有一些很棒的功能，我观察到它们已经能相当出色地处理这类查询。但无论是使用习惯还是数据访问权限，随着公司规模的扩大，诸如谁有权访问这些数据这类权限管理引擎，所有这些都需要进行配套开发。接着你会进入角色定义阶段，就像你刚才说的，Eng/PM 设计在某种程度上延续了前一年的思路。在某些情况下，你可能希望将这些角色进行一定程度的合并。随着 AI 在这些方面表现得越来越好，毕竟你已经拥有了产品入口。总之，这就是我对 2026 年情况的描述，模型具备了处理这些事务的能力，但我们的使用程度依然有限。你认为这种智能的普及应用会呈现什么样的面貌？桑达尔·皮查伊： 我们很多人正在致力于此，比如 Gemini 团队、Gemini 企业团队以及 anti-gravity 团队，他们就在精准地研究这些问题。这就是你所说的路线图，没错，我们实际上正在内部使用它，在遇到这些障碍时，会设法寻找解决路径。所以，这就是正在发布的产品。我们仍在对其进行推广，因为当你作为 Google 的 SRE 团队成员使用它时，你会突然发现某些部分可以创建自动化工作流。所以这种情况正发生在这些领域，但如果在培养技能时进行更系统化的处理，这些技能将如何实现中心化，又该如何供模型及所有人使用？身份访问控制确实是非常棘手的问题。我们正在努力解决这些问题，但这些也是限制我们实现普及的关键因素。没错。我们对安全性非常重视，因此我们必须这样做。没错。所以这是额外增加的一层。在所有这些之上，还有运行这些服务时犯错所带来的成本。所以我们必须克服这些困难。但我认为正因如此，当我们解决这些问题时，我们将以更稳健的方式将其实现，这会有所助益。所以我感觉我们现在正处于承担这一固定成本的阶段。但当你看到我们将这些能力应用到外部环境时，你会发现人们所能做的事情发生了巨大的飞跃。其他人也在这样做。而且以一种更稳健的方式，这些模型正在不断进步。John： Google 每年会进行几次正式的业务重预测。我想至少在 Stripe 我们是这样做的：我们会设定年度预算，然后每年进行三次正式的重预测。当你思考这个问题时，重预测是一个基于特定时间点的函数，你获取业务的状态——其中一些存在于人们的脑海中，但大部分都记录在案——比如这个产品表现如何，那个产品表现如何？这笔交易会达成吗？那件事会发生吗？诸如此类。所以，存在一个业务的时间点状态，我们将其输入到一个函数中，输出的就是该年度更新后的财务数字。你可以想象 AI 能够完全无需人工干预地进行预测。你认为 Google 在哪个季度会实现首次完全由智能体完成的预测？桑达尔·皮查伊： 我非常确信在其中一些领域，27 年将成为某些事物的关键转折点，即便是对于从业者而言，这也将是他们完成产出的工作流方式。而且，也许在一段时间内你还会沿用传统方式进行核查，但你会经历一种转变，一种交叉切换。但我预计 27 年将是重大的一年，其中一些转变会发生得非常深远。John： 我认为这正是 Eng 作为早期采用者提出的问题，尽管这有点超出 Eng 的范畴。听起来你认为到了 27 年，许多非工程类流程将真正开始提速。桑达尔·皮查伊： 我确实认为你之前的问题，比如，你是在探讨更多机器人技术相关公司的背景下提出的。我确实认为那些公司，这就是初创公司将具备的优势之一，即拥有更多 AI-native 团队。而且，你或许可以通过面试流程等方式来了解这一点。John： 而对于我们来说，我们则需要进行再培训、转型等等。桑达尔·皮查伊： 我认为这或许是年轻公司将具备的优势。而我们必须，去推动这种转型。John： 最后一个问题。我们聊了很多在 Google 内部起步较小的项目，比如 Transformer，当这些项目刚启动时，它们并非 Google 的核心优先级。目前在 Google 内部，有哪些让你感到兴奋的小型项目？桑达尔·皮查伊： 这可能会让人感到惊讶，比如，当我们决定建设太空数据中心时，我们也是从一个非常小的团队开始的，所以，那真的是只有几个人，带着很少的预算去实现第一个里程碑。因此我认为，即便是一个宏大的想法，也要从起步开始。这就是一个小型项目的例子。昨天我确实花时间听了一个关于训练后阶段改进的说明，这就像是一个人在讲述他们正在做的改进，听过之后，我心想，噢，那真的会让我们看到一个相当不错的跨越。这就是这个时代持续不断的动力所在。关于第二点，我不想透露具体细节，但我相信未来某一天我们会将其公布出来的。虽然如此，但这些是我感到兴奋的一些小跨越。John： 比如太空中的数据中心以及新的 ML 技术。桑达尔·皮查伊： 是的。是的。John： 很棒的回答。谢谢你。","news_type":1,"symbols_score_info":{"GOOG":2,"GOOGL":2}},"isVote":1,"likeStatus":false,"favoriteStatus":false,"reportStatus":false,"tweetType":1,"langContent":"CN"}],"hasMoreComments":false,"newsSizeData":{"likeSize":8,"commentSize":1,"repostSize":1,"favoriteSize":23,"likeStatus":false,"favoriteStatus":false},"isCrawlerRequest":true}