Google 首席 AI 架构师：Gemini 逆风翻盘的18个关键

如果不是亲耳听到，很难想象一家科技巨头会在镜头前承认：“两年半前，我们远远落后了。”在这次访谈里，DeepMind CTO、Google 首席 AI 架构师 Koray Kavukcuoglu 罕见地拆开了过去两年 Google 的真实处境——不是领先、不是规模，而是被时代加速甩在身后、再一点点追上来的过程。

他没有炫耀参数，也没有谈模型的“神迹”，而是把重点放在更底层、更残酷的问题上：一家全球最强的 AI 实验室，如何在巨大的惯性中重新学会创新、学会工程化、学会组织协作、学会把技术真正变成产品？

Gemini 的故事只是表层。真正发生变化的，是 Google 这家公司的骨架与节奏。

原文访谈链接：

https://www.youtube.com/watch?v=fXtna7UrL44

以下是根据访谈实录整理的关键议题，希望也能帮你更清晰地读懂 Google 的这次“重构”。

1

一、真正的起点不是突破，而是承认自己落后了

访谈中最刺耳也最重要的一句话，出现在结尾：

“当 Gemini 项目开始时，我们离最先进水平还很远，那是一个追赶。”

这句话标志着一个巨大的认知转折：Google 承认自己在 LLM 起跑线上是真正的落后者。不是“状态不好”这种轻描淡写，而是“远远落后”。这意味着 DeepMind 必须抛弃此前十年建立的自信，从最基础的用户使用场景重新学习。

而这种承认，是一切变化的源头。Koray 在访谈里反复强调：真正的转折不是某个新技术，而是 Google 接受自己必须重新建立训练方式、产品方式、工程方式以及组织方式。

1

二、为什么中国用户最先明显感觉到 Gemini 变好了？

访谈一开始，主持人提到一个特别中国的反馈：Gemini 3 在中国用户中被形容为“像 Windows XP 一样稳定好使”。Koray 很有兴致地解释，这不是模型本身突然“智商暴涨”，而是 Google 终于把“模型 × UI × 任务链路”统一到了一起。

以前的大模型“聪明”，但不“好使”。而 Gemini 3 的转折来自：

• 用户界面更直觉

• 任务拆解更稳定

• 模型更能理解人类意图

• 产品团队从训练阶段就介入模型设计

• 真实用户使用数据可以直接反哺训练

换句话说，Google 终于开始像一家做产品的公司在做大模型。这是 Gemini 3 变化最直观的原因，也是中国用户最先体会到的原因。

1

三、Benchmark 正在失效，但真实世界永远不会

外界批评 Google 的 benchmark 成绩起伏不定，但 Koray 的解释很罕见地触及本质：主流 benchmark 正在靠近它们的自然上限。GPQA、ARC-AGI 等“智商题”已经被模型顶住，HLE 这种曾经难得离谱的测评如今也能“持续提升”。

Benchmark 会枯竭，但真实世界不会。学生写作、科学研究、专业翻译、复杂跨语境对话、跨语言表达……这些场景永远无法被一个固定测试集穷尽。Google 把模型的最终价值从“得分”转向“能不能帮人完成任务”。这是 Gemini 的第一性原理转变。

1

四、Gemini 3 的核心不是智力提升，而是让模型“能干活”

从 Gemini 3 开始，Google 清晰确立了三个优先级最高的能力方向。

第一是 指令遵从。模型要能“无二义性地理解和执行用户的真实意图”。这对用户体验影响巨大，比提升推理指标更重要。

第二是 国际化能力。Google 的用户覆盖超过 200 个国家，“理解全球不同文化语境”成为模型能力的底层指标，而不是翻译能力的延伸。

第三是 工具调用与代码执行。这是未来智能体的基础，模型必须不仅能理解问题，还能执行任务、运行工具链、处理工程环境中的真实任务。

三者加在一起，构成了 Google 的 “Gemini 设计哲学”：智能不是来自“更聪明的对话”，而来自“更可靠的执行”。

1

五、为什么多模态强的 Google，起初 Agent 却不好用？

这是主持人问得最尖锐的问题，也是外界最想知道的矛盾。Koray 的答案意外朴素：研究员可以在实验室推动视觉理解，但 Agent 的任务不是研究员能想出来的，是用户逼出来的。

真正的 Agent 场景来自：

• 创作者的任务链路

• 学生的写作流程

• 工程师的工具调用模式

• 商业用户的复杂需求

也就是说，Google 走了一条与 OpenAI 不同的路径：不是“demo 优先”，而是“真实用户需求优先”。Agent 的能力不是靠酷炫演示驱动的，而是靠“让百万用户每天用”驱动的。

1

六、Google 真正的反超武器：模型、产品、工程第一次被统一

Koray 多次强调一个过去被低估的事实：Gemini 3 不是“模型团队”的胜利，而是“工程、产品、模型、安全”第一次从第一天就被捏在一起推进。

以往是：

• 模型训练完了，产品团队接盘

• 安全团队在最后做审核

• 工程团队负责部署

而今天是：

• 产品团队从训练最初就参与

• 安全成为训练目标，而不是后置规则

• 真实用户数据（AI Studio、AI Overviews、Anti-Gravity）直接反哺模型

• 使用成本、延迟、推理路径都在训练阶段就被优化

Google 终于构建出了一个“模型 × 产品 × 工程”的统一体系。这是它在 2024–2025 年真正反超的结构性基础。

1

七、Nano Banana Pro 的突破不是“画图变好看”，而是“理解世界结构”

外界关注图像模型总是看“清晰度”、“风格”，但 Koray 在访谈中反复强调，真正的突破来自：

• 理解 PDF、表格、图表等复杂文档结构

• 具备结构化的视觉推理

• 第一次能生成“概念一致的信息图”

一句值得记下的话是：

“当一个模型能把复杂概念准确地用一张信息图表达出来，你就能感受到真正的理解。”

这是多模态模型的真正价值，也直接指向 Agent 的未来能力。

1

八、多模态不是功能加法，而是真正的“世界模型”入口

Koray 给出了一个简洁但极具说服力的框架：

文本是线性的，视觉是空间的，音频是时序的。真实世界不是只靠线性序列能描述的。因此一个真正智能的模型必须同时具备三种感知维度。

这也是为什么 Google 在推进统一多模态模型上比任何公司都更加坚持——不是因为多模态“更炫酷”，而是因为它是理解世界的基础。

1

九、统一模型并不是“把视觉塞进语言模型”，而是一场架构革命

外界经常把“统一模型”理解成方向正确的趋势，但 Koray 的解释更具技术深度。他指出：文本和图像的输出结构根本不同——文本是一维的，图像是二维的。这意味着训练方式、损失函数、优化器、token 化方式都要重新发明。

统一模型不是“时代潮流”这么简单，而是 必须突破的工程极限。Google 的叙事没有浪漫，也没有玄学，只有工程难题。

1

十、DeepMind 的文化基因：谦逊、科学与大规模协作

这部分是整场访谈里最“人味”的地方。

DeepMind 的文化由三部分组成：

科学心态 —— 所有问题回到实验与学习，而不是路径依赖。
谦逊 —— 那句“我们不知道终极配方”不是客套，而是策略。
协作能力 —— 从 25 个人写论文到 2500 人一起推进单一模型。

在一个公司试图从科研转型为工程、从工程转型为产品的过程中，这种文化结构变得至关重要。

1

十一、规模是 Google 的最大难题，也是最大武器

Koray 承认：规模越大，一致性越难。但规模本身就是推进力。

Google 能够同时推进统一模型、多产品落地、跨部门协作、全球化数据管线、超大规模训练与部署，是因为它拥有世界上最成熟的基础设施链路。

过去两年，这条链路从“沉睡”变回“主力”，重启了 Google 的攻势。

1

十二、安全不是限制能力，而是训练能力

Google 与 OpenAI 在安全策略上最大的差异不是严格程度，而是方式：安全不是“训练后加过滤器”，而是“训练中学会安全”。

这是“让模型可靠”的关键，并且天然适配 Google 的基础设施规模。

1

十三、统一模型与专用模型不是路线争夺，而是成本优化

Koray 说得很实在：这不是意识形态问题，而是效率问题。未来一定会同时存在统一模型与专用模型，Google 的策略是用合适的工具做合适的任务，而不是坚持单一范式。

这种务实，是 Google 过去缺失、现在重新找到的品质。

1

十四、Google 的真正底气：基础设施的重新激活

“我们能成功，不是因为我们更聪明，而是因为基础设施足够强。”Koray 的这句话其实深刻揭示了大模型时代的一个底层事实——智能规模化不是靠天才，而是靠管线。

能训练、能部署、能迭代、能处理全球数据、能保持安全一致性的，是基础设施，而不是算法。

1

十五、Google 不相信有单一路径，也不相信“持续扩参”能走到终点

他说：

“我们不知道最终配方。”

这句话的潜台词是：

• 扩参不是终局

• 统一模型不是最终答案

• 多模态不是最后形态

• 未来模型的路线还远未定型

这种“带着不确定性继续前行”的姿态，反而比某些公司宣称的“xxx 是通往 AGI 的唯一路径”更具有长寿感。

1

十六、下一阶段的重点：推理、执行与真正的自主性

Gemini 3 的故事才刚开始。Google 的下一个目标是：

• 深层推理

• 多步任务执行

• 在复杂场景中的鲁棒性

从“会回答”到“会行动”，这是整个行业的共同方向，但 Google 给出了相对清晰的内部路径。

1

十七、Google 内部的时间结构：研究 × 工程 × 产品的等权分配

Koray 透露，团队的时间分配不是研究优先，而是三者等权。这意味着一个模型从训练到使用的全过程是统一推进的，而不是线性流程。

这是模型“真正可用”的关键原因。

1

十八、Gemini 是一个全公司规模的“科学工程项目”

访谈的最后，Koray 用“全公司的科学工程任务”来形容 Gemini 的诞生。那更像是一种内部视角的注脚：模型的进步来自结构性调整，而结构性调整本身比模型更难。训练、数据、工程、产品、安全、协作……这些环节重新对齐，才构成了今天的 Gemini。

过去两年，Google 不是在寻找捷径，而是在恢复一个体系应有的速度和一致性。

当这些基础再次稳固起来，一个属于 Google 的节奏也重新出现了。

整理：周华香

点个“爱心”，再走 吧