谷歌云AI负责人详解模型能力的三大前沿领域

作为谷歌云的产品副总裁，迈克尔·格斯滕哈伯主要负责Vertex AI平台的开发工作，这是该公司用于部署企业AI的统一平台。这个职位让他能够从高层视角观察企业如何实际使用AI模型，以及释放智能体AI潜力还需要完成哪些工作。

在我与迈克尔的对话中，有一个以前从未听过的观点给我留下了深刻印象。正如他所说，AI模型正同时在三个前沿领域发力：原始智能、响应时间，以及第三个与原始能力关系不大但与成本密切相关的质量标准——即模型是否能以足够低的成本部署，从而在大规模、不可预测的场景下运行。这是思考模型能力的全新方式，对于任何试图推动前沿模型向新方向发展的人来说都极具价值。

本次访谈已进行编辑，以提高长度和清晰度。

请先介绍一下您在AI领域的经历，以及您在谷歌的工作内容？

我在AI领域已经工作了大约两年。我在Anthropic工作了一年半，现在在谷歌工作了将近半年。我负责运营Vertex AI，这是谷歌的开发者平台。我们的大多数客户都是构建自己应用程序的工程师。他们希望访问智能体模式，希望使用智能体平台，希望获得世界上最智能模型的推理能力。我为他们提供这些服务，但不提供应用程序本身。这些应用程序由Shopify、汤森路透以及我们在各个领域的客户自己提供。

是什么吸引您加入谷歌？

我认为谷歌在世界上是独一无二的，因为我们拥有从界面到基础设施层的一切。我们可以建造数据中心，可以购买电力并建造发电厂。我们有自己的芯片，有自己的模型，有我们控制的推理层，有我们控制的智能体层。我们有用于内存、交错代码编写的API。在此基础上，我们还有确保合规性和治理的智能体引擎。然后我们甚至有面向企业的Gemini enterprise聊天界面和面向消费者的Gemini chat。我来这里的部分原因是看到谷歌具有独特的垂直整合能力，这对我们来说是一个优势。

这很有趣，因为即使公司之间存在诸多差异，但感觉三大实验室在能力方面都非常接近。这只是一场追求更多智能的竞赛，还是比这更复杂？

我看到了三个边界。像Gemini Pro这样的模型专注于原始智能。想想编写代码的场景，你只想要能得到的最好代码，即使花费45分钟也没关系，因为我必须维护它，必须将其投入生产。我只想要最好的。

然后还有另一个与延迟相关的边界。如果我在做客户支持工作，需要知道如何应用某项政策，你需要智能来应用该政策。你是否被允许处理退货？我能升级飞机座位吗？但无论你的答案多么正确，如果需要45分钟才能得到答案，那就没有意义了。因此，对于这些情况，你希望在该延迟预算内获得最智能的产品，因为一旦客户感到无聊并挂断电话，更多的智能就不再重要了。

然后还有最后一类情况，像Reddit或Meta这样的公司希望监管整个互联网。他们有大量预算，但如果不知道如何扩展，就不能在企业级项目上承担风险。他们不知道今天或明天会有多少有毒帖子。因此，他们必须将预算限制在他们能负担得起的最高智能模型上，但要能够以可扩展的方式处理无限数量的主题。对于这种情况，成本变得非常重要。

我一直困惑的一个问题是，为什么智能体系统需要这么长时间才能普及。感觉模型已经具备了相关能力，我也看过一些令人惊叹的演示，但我们并没有看到一年前期望的那种重大变化。您认为是什么在阻碍发展？

这项技术基本上只有两年的历史，仍然缺少很多基础设施。我们没有审计智能体行为的模式，没有向智能体授权数据的模式。有些模式需要大量工作才能投入生产。而生产总是技术能力的滞后指标。所以两年时间还不足以看到智能在生产中能支持什么，这正是人们正在努力解决的问题。

我认为它在软件工程中发展得特别快，因为它很好地适应了软件开发生命周期。我们有一个可以安全地破坏事物的开发环境，然后我们从开发环境提升到测试环境。在谷歌编写代码的过程需要两个人审核该代码，并且都确认它足够好，可以代表谷歌的品牌并提供给我们的客户。所以我们有很多人机循环流程，使实施变得异常低风险。但我们需要在其他地方和其他职业中建立这些模式。

Q&A

Q1：什么是AI模型的三个前沿边界？

A：AI模型正同时在三个前沿领域发力：原始智能（追求最佳质量，不考虑时间成本）、响应时间（在延迟预算内获得最智能的结果）、以及成本效率（能够以可承受的成本大规模部署的最高智能水平）。

Q2：为什么智能体系统的普及速度比预期慢？

A：主要原因是这项技术只有两年历史，仍缺少很多必要的基础设施，比如审计智能体行为的模式、数据授权模式等。这些模式需要大量工作才能投入生产，而生产总是技术能力的滞后指标。

Q3：Vertex AI平台为企业客户提供哪些核心服务？

A：Vertex AI为工程师提供智能体模式访问、智能体平台使用权，以及世界顶级模型的推理能力。它还包括内存和交错代码编写的API，以及确保合规性和治理的智能体引擎，但不直接提供应用程序本身。