谷歌 CEO 最新访谈：外界都说谷歌放弃了最强模型，他只回了三个字——"非常错"

你有没有想过，一家手里握着全世界最赚钱的搜索业务、又有一个正在高速增长的云业务的公司，在算力永远不够用的时候，会把最好的那台"大计算机"先给谁？是卖给付钱的云客户，还是留给那些只管烧钱的 AI 研究员？这个选择，几乎就是一家公司对未来的表态。

这期 Big Technology Podcast 的嘉宾是 Alphabet 和 Google 的 CEO Sundar Pichai，在 Mountain View 的录音室里，由 Alex Kantrowitz 提问。聊天的背景是 Google 刚发布的新模型 Gemini 4 Argon（下文简称 Argon），他们从 Google 为什么非要站在前沿聊起，一路聊到递归自我改进、算力怎么分、AI 有没有建过头、未来的界面长什么样，最后收在他对技术的乐观上。我挑了其中几条我最有感触的线，每一节先讲 Sundar 是怎么说的，再写我自己的想法，分享给大家。

Google 为什么非要站在 AI 的前沿

Alex 一开场就点出了一个转折：过去有一种常见的看法，认为 Google 已经放弃了前沿，只会做一些够用的快模型，放进自己的产品里。现在 Argon 在编程、数学、科学和知识工作的多项基准测试上，超过了 OpenAI 和 Anthropic 的公开模型。Sundar 的回答是，那种看法"非常错误"。他说站在前沿在 Google 的 DNA 里，公司想 AI 的前沿已经想了十多年，他们为 Argon 花了更长的时间，做了更仔细的安全测试和部署。

他给了一个数字：Argon 发布后的头 72 小时，用掉的 token 接近 25 万亿，大约是 Gemini 3.0 同期的 3 倍，而且他们还在算力受限的状态下提供服务。不过他也坦率地说，前沿变化得很快，即便是编程，也有一些具体的角落，他们知道自己需要做得更好，用户的反馈很明确。

Alex 还替另一方做了一次辩护：如今 AI 的基线已经很高，前沿只对少数任务才是必需的，用一个"好但不是最好"的标准模型，同样能做出很好的产品，比如放进地图、Gmail 和搜索。Sundar 说，他完全不是这样想的。他的理由有三层。第一，站在前沿，你比别人更早看到正在出现的能力，也更早为未来做准备。第二，一部分云客户确实要的就是最前沿的模型。第三，也是他最看重的一点，在递归自我改进的时代，前沿模型更擅长开发下一代模型，所以这一步绕不过去。他还提到，把 Argon 交给内部开发者之后，看到了一个陡峭的拐点，它能解决以前的模型解决不了的问题。

他同时承认，各种尺寸的模型都有存在的空间，这正是他们做 Flash、Flash Lite 的原因，因为前沿模型往往更慢、更贵，做出很好的产品并不一定要用它。我觉得这一节最值得想的，是他把"前沿"当作一种信息优势，而不仅仅是一块排行榜上的名次。站在前沿的价值，不只是你的产品更强，而是你能最先看到下一步会发生什么。对一家要在三年后的世界里做决策的公司来说，这种提前量，比今天的产品体验更值钱。

递归自我改进现在到了哪一步

谈到 Argon 的开发，Alex 提到 Sergey 曾在一次与 DeepMind 研究员的圆桌上说，Argon 的核心创新之一，是更多地依靠模型来帮助开发模型。这就是递归自我改进（recursive self-improvement，简称 RSI），也就是模型在没有人参与的情况下让自己变得更好，有人把它叫作智能爆炸。Alex 把自己的担忧也摆了出来：现在的模型并不是完美对齐的，这些不完美本身就是问题，一旦加速，让人有点害怕，行业是不是应该冷静一点？

Sundar 的回答分成三层。第一层，他先把 RSI 放回现实的尺度上。他说 Sergey 讲得对，RSI 确实是开发 Argon 的重要贡献者，但今天离 RSI 的终局"还很远"。更准确的描述是，现在有 RSI 的回路，和 AI 研究员一起，出现在模型开发的各个环节里，可以说是 agent 以某种自动化的方式在帮助研究员一起造模型。他预期这个连续的过程明年会继续推进。

第二层是安全。他说安全来自 defense in depth（纵深防御）：对齐当然要做，但它还是一个活跃的研究领域，有明显的缺口，所以不能只靠它。除此之外，要做实时监控，让你对模型正在做什么有足够好的遥测数据，一旦看到意外行为就能实时介入；架构上要做好 sandbox（沙箱）和隔离，让模型在被监控的同时还能继续干活；部署给企业客户时，要让客户控制模型能访问什么数据、部署在哪里。他特别说，作为行业，要舍得花时间，也要专门拨出算力，来保证能安全地部署这些模型。

第三层，是"这些够不够"。他说担心是合理的，对于担心的事，正确的做法是尽早想还能做什么。他认为下一步是建立跨行业的标准，包括引入独立的评估者，就像金融领域有会计准则和独立审计一样，监管最终也会起作用。

我觉得他这段话的重点，在于不把 RSI 当成一个开关，而当成一条连续的刻度。"模型会不会自己变强"这个问题，答案不是有或没有，而是人和 agent 各占多少比例，在哪些环节占。这样看，安全工作的方式也就清晰了：不是等到某一天它突然跳变，而是每往前一格，监控、隔离和评测就同步往前一格。同时我也留意到，他没有回避 Alex 的担忧，而是承认对齐有缺口，然后把重心放在多层防护上，这个说法比一句"我们很重视安全"要有分量得多。

为什么 Google 同时做语言模型和世界模型

Alex 注意到 Google 的一个特别之处：除了从 transformer 一路做下来的语言模型，还同时在做 world model（世界模型），也就是试图理解物理世界的模型。而像 OpenAI 这样的团队，认为语言模型就是通往 AGI 的路，甚至已经削减了世界模型的研究。他问 Google 为什么两边都做。

Sundar 说，人是通过感知周围的世界来获得智能的，要让模型理解物理规律、高保真地模拟世界，这些在他看来是智能的关键基石。他举了机器人的例子：在具身推理的基准上，Argon 在很多项目里是最强的，这并不是偶然，它来自 Google 做世界模型的经验。他的判断是，未来会有把这些路线汇合起来的架构，但就今天而言，在"智能这个参差不齐的前沿"上，Google 想站在每一种可能的方法的前沿，这样既能带来更好的研究和洞见，也能做出更好的 AGI 模型。

我觉得"参差不齐的前沿"（jagged frontier）这个说法很有意思。它承认了一件事：智能不是一条平滑的线，AI 在这里很强，在那里很弱，没有人知道哪一条路最终会走通。在这种不确定下，同时下多个注，就是一种对冲。对于 Google 这样既有资源、又不想错过任何一种可能的公司来说，这比押单一路线更合理。

算力到底怎么分：云客户还是 AI 研究

这是整场访谈里分量最重的一段。Alex 问的是，Google 的核心资源是算力，而云业务想把算力高价卖出去，AI 研究却需要一台尽可能大的计算机。有人甚至建议 Google 干脆退出 AI 研究，把芯片和云资源都拿去卖，就像 Nvidia 那样。Sundar 怎么平衡？

Sundar 的回答很干脆，他说零号原则是：保证投入到站在 AI 前沿所需要的算力，这一条"不可协商"，其他一切都建立在它之上。他提到，2015 年他就把公司定位为 AI first，AI 是贯穿搜索、云等一切业务的横向要素。在此之上，各个业务有自己的长期规划，云团队有自己的预测、需求信号和已签的合同，公司据此做长期的算力规划。

他还讲了一个很实在的约束：Google 自己建数据中心、自己造算力，交付周期很长。"今天我们拥有的算力，是我在 2024 年做的决定的结果。"而去年这个时候，agent 的爆发还没有发生。现在放眼看去，所有公司都缺算力，每个人都希望当初规划的是现在的两倍。他们在任何时刻规划的，都是两到三年后需要的算力，所以有些决定在两年后回头看可能是次优的，他说这是这个行业的常态，他不会花太多时间纠结。Alex 提到有人转述说算力已经卖到 2028 年，Sundar 的说法是，如果今天有客户来要 2027 年的算力，那非常难满足，所以去年他们甚至租了一些短期算力来帮客户的忙，但整个行业面对的是类似的时间线。

Alex 接着问了最尖锐的一个：如果你真相信 AI 会像火和电一样重要，那就应该给研究员最大的计算机，哪怕牺牲云业务今天的利润。Sundar 的回答是，这已经在发生了。他说云业务在任何时刻，都为了支持前沿 AI 的开发而放弃了一部分短期收入。同时他也说，该有分寸，即便对 AI 研究员来说，一些约束也是好事，约束会激发创造力，可能逼出一个更省内存的算法突破。他们承诺的是，投入保持前沿所需要的算力。

我觉得这一节说明了一个很容易被忽视的道理：算力不是一个可以按市场价随时调配的商品，它是一个提前几年下的赌注。你今天的分配，是两年前的预测，而你今天的预测，决定两年后你站在哪里。在这种结构下，"不可协商"的东西必须被明确说出来，否则每一次出现短期诱惑，都会有人说服自己"这次先卖掉"。他把 DeepMind 的前沿研究放在第一顺位，其余业务排在后面，这个排序本身就是战略。

AI 是不是建过头了

Alex 问了那个所有人都在问的泡沫问题：每一次技术浪潮都伴随过度建设，铁路、光纤，AI 会不会也一样？Sundar 先把时间框架摆出来：如果拉到足够长，现在的建设规模完全说得通，我们处在有史以来最重要的技术的早期。然后他说了一句我印象很深的话："这不像光纤，它不是暗的，我们在用，我们每天都在受算力限制。"

他讲了自己作为公司管理者的做法：看需求信号，看已承诺的合同收入，结合底层技术能力，再对照内部使用情况和模型发展轨迹，据此"自信、激进、但有纪律"地规划算力。至于整个经济的层面，各家承担风险的程度不同，他说他只关注自己能控制的部分。

他也承认过度建设是可能发生的。算力需要的是一整套东西，Alex 补了一句：内存、电力、电工。Sundar 说，组件有两千多种，任何一个都可能成为瓶颈，也可能出现外部冲击，宏观风险总是存在。但他对自己的规划很有把握：给足时间，他们为之规划的算力，一定会找到用处。

我觉得这段回答的聪明之处，是把"泡沫"这个大问题拆成了两层：一层是整个经济里别人的风险，他明确说管不了；另一层是自己公司的需求和算力是否匹配，他用具体的信号来判断。他没有说"不可能有泡沫"，而是说了"我可以对我自己的这部分负责"。这种回答也许不够激动人心，但对一个要做长期决策的人来说，大概是最诚实的。

未来的界面会是什么样

Alex 引用了 OpenAI 的 Greg Brockman 前不久的一个说法：你想要的界面，其实是没有界面；就像你和我之间的界面，就是说话。如果 AI 足够聪明，就不该有那么多按钮和屏幕。Sundar 怎么看？

他说，计算的历史一直是人在适应计算机，有了 AI，会反过来，是技术无缝地适应人的生活方式。你想对它说话的时候就能说，它有上下文，可以持续地在某处运行，给你连贯性，你不需要面对很多复杂性，这一切对他来说都成立。但这不意味着没有界面。他举了自己手机上的 Gemini 语音：按一下麦克风，他可以随便"碎碎念"（他们内部叫 rambler），模型会结合他的个人背景智能地纠正，甚至连朋友那些奇怪的名字也能写对，他说不用在说完之后再退格修改。他认为有些时刻你还是需要界面，比如你想看一段视频，让 AI 生成一个东西，你想去消费它。所以他的结论是，要尽可能无缝、自然，让人不用去做适应界面的辛苦工作。

Alex 接着问到商业模式：如果我让 agent 去办事，它推荐了一件商品，它该不该分成？Sundar 先把企业放在一边，谈消费者。他说消费者会越来越重视这项技术，就像今天的软件开发者愿意为编程模型付费，因为它真的让自己更高效，没有人愿意再按三年前、甚至一年前的方式写代码。他还说，他没见过哪个真正做到几十亿用户、被高强度使用的消费产品，没有变现机制相伴。agent 替你办事，最终总有商业需求，另一边的提供者会看到价值，总会有某种机制出现。他强调的重点是，先做出世界级的消费体验。

我觉得这一节的价值，在于"技术适应人"这个方向的判断。过去二十年，我们都在学习各种应用的操作逻辑，不同的 App 不同的按钮，而语音输入这个例子说明，当模型能结合上下文纠错，输入就从"反复修改"变成了"说完就好"。界面不会消失，但它出现的时机会变：只在你需要看、需要选择、需要消费内容的时候才出现，其余时间退到背后。

个人 agent 怎么走进 Gemini

Alex 提了他唯一的一个产品需求：能不能让 Gmail 里由 Gemini 驱动的搜索，做得和把 Gmail 接进 ChatGPT 之后的搜索一样好？Sundar 没有直接回答搜索本身，而是讲了他们最近发布的统一的 Gemini agent，先面向企业，接下来带给消费者。他的描述是，这些是 persistent agents（持久化的智能体），在云端 24 小时运行，每次查询就像起一个 microVM（微型虚拟机）；运行时、harness 和模型，整个是一个无头服务，到哪里都能用，并且带着你的上下文。无论你是在 Workspace、搜索还是 Gemini 里，都可以呼叫同一个 agent。他同时承认，产品线很广、推进很快的时候，总有些地方进度不一，这是合理的反馈，他们在花时间让这种统一在所有界面上都运转得好。

接着 Alex 问，Google 有没有对标 Muse 或 Dots 这类突然冒出来的产品。Sundar 说，Gemini 应用的目标，就是做一个"个人的、主动的、强大的"助手，今年的 Google I/O 上已经展示了早期版本。现在如果你是 Ultra 用户，打开 Gemini 应用能看到聊天和任务两种模式，而即将到来的是，你不用想自己在问问题还是在交代任务，系统自动做对的事，并且能在后台安全地持续工作。他还说了一个观察：去年进入 Gemini 的请求，大部分是聊天，现在 agentic 任务的占比在稳步上升。所以他的原话大意是，他们要把 personal agents 带给消费者，在 Gemini 应用、Google 搜索和 Gmail 里都能用，由 Argon 驱动。

Alex 还提到，Sam Altman 曾暗示 OpenAI 是 AI 原生的，而 Google 是把 AI 往现有产品上"补丁"。Sundar 的回应是，现在大家在互相推动，OpenAI 也把 Google 逼得很紧，他还指出 Gemini 应用本身就是从零开始作为产品建的，并且反问：你们是把 agent 补在 ChatGPT 上，还是原生建的？他的看法是，目标是做出 AI 原生的世界级产品体验，有的是改造现有产品，有的是重新想象新体验，都是这个时刻的一部分。

我觉得这一节最值得注意的信号，是"聊天"和"任务"被合并成一个连续体。现在大多数人用 AI 还是一问一答，而他描述的方向是：你交代一句话，系统自己判断需不需要去后台忙一阵，忙完再回来。这个方向和最近很多人在讲的 always-on agent（永远在线的智能体）是一致的，只不过这次是 Google 在把它塞进 Gmail、搜索和 Workspace 这样的超大规模入口。入口足够大的时候，个人 agent 的普及可能会比单独做一个新 App 快得多。

太空数据中心、合作伙伴和其他押注

访谈的后半段，Alex 问了几个"随机的问题"。关于投资 Anthropic，Sundar 说很早看创始团队时就很清楚，那是一支参与过最早期 GPT 模型的世界级团队，他们能很快判断他们会站在前沿。Google 一直努力去识别并与处于技术最前沿的公司合作，他提到和 SpaceX、Anthropic 都是如此，有些合作也落在了 TPU 的架构里。关于和 Apple 的合作，也就是授权 Gemini 来改进 Siri，他说这对双方都是把 AI 的能力转化成更好的用户体验，Apple 把模型定制并融进了 Siri，做得很出色，合作进展良好，他们承诺做更多。

关于太空数据中心，他讲了一段我很喜欢的话。他回忆起当年在沙漠里看 DARPA 挑战赛，Stanley 这辆车参赛，后来成了 Waymo 的基础。这类技术总是在某个时刻看起来像科幻，但十到二十年之后，就实实在在地运转了。他说量子计算他们大约做了十年，Waymo 这条线快二十年，而太空项目才两三年。他认为在太阳同步轨道上，二十四小时获取最丰富的能源，对于未来计算量的指数级增长是说得通的，但这是个有挑战的项目，团队有严格的里程碑，把 TPU 送上太空已经是一个很兴奋的节点，他们正期待收到一个 hello world 的信号。

在谈到 AI 里还没被证明的难题时，Alex 提到持续学习，也就是让 AI 发布之后还能继续更新，而不是每次对话都忘掉。Sundar 说，他们同时下多个注：Argon 做到了一百万的输出 token，早期 Gemini 模型有一百万的输入上下文，合成数据怎么用、持续学习怎么做、更高效的架构，都在探索。他还说，公司会拿出相当比例的算力专门用于这些研究赌注，包括世界模型，有些想法最后会自然地进入主线模型。

我觉得"量子十年、Waymo 二十年、太空两三年"这个对照，把 Google 的做事方式讲透了：它习惯于押注一个看起来离商业很远的东西，并且用耐心去等。结合前面算力那一节，这两件事其实是同一种性格：愿意为长期牺牲一部分短期收入，而且把这件事当成常规动作，而不是例外。

Sundar 为什么说自己依然乐观

访谈的最后，Alex 谈到科技行业里天然的乐观，也谈到乐观的另一面：他举了自己去萨尔瓦多的见闻，一个镇子曾因对比特币的热情而建设繁荣，后来再去却几乎成了空城，留下很多没完工的项目。他问 Sundar，这种乐观是纯粹的，还是有所保留的？

Sundar 说，他对"改进技术、扩大技术的可及性会让人们的生活变得更好"有很深的信念，这来自他个人的经历。但他同时认为，人类的旅程始终是努力去驾驭技术、让它为社会所用，所以这不是"想建什么就建什么"的乐观，而是要为人类服务、改善人类处境，这必须是定义性的目标。在这个框架下，他非常乐观。他觉得很多进展还在前面，不只是医疗，还有在许多长期越来越贵的领域里，以根本上更便宜的方式制造东西，比如发现新材料，会真正改变曲线。同时，他说我们也应该对技术可能出问题的所有方式保持恰当的担忧，这样才能把这些担忧解决掉，两者并行。

我觉得这段话是他整场访谈里一直在做的事情的总结：他不否认风险，不夸大风险，而是把风险放进"工作清单"里。前面谈 RSI 时的纵深防御和独立评估，谈算力时的"不可协商"，谈泡沫时的需求信号和纪律，其实都是这种乐观的具体形态：相信方向是对的，所以才要认真处理每一个可能出错的地方。

我自己的一点思考

听完这期，我最大的感受是，Sundar 整场都在回答一个问题：当一个技术既要大量烧钱，又不确定终点，一家大公司该怎么下注。他的答案很一致，就是先划定一条"不可协商"的底线，其余一切建立在它之上。算力上是站在前沿所需的投入，安全上是纵深防御，产品上是做出世界级的体验。底线定清楚了，其他的取舍反而可以灵活。

第二点是关于节奏。从"今天的算力是 2024 年的决定"，到"太空数据中心才做了两三年"，再到"我们在规划两三年后需要的东西"，Sundar 讲的几乎都是时间差。这种时间差带来的结论是，你永远是在不完整的信息下做决定，一些决定两年后看会显得次优，而他的态度是接受这一点，不花太多时间纠结。我觉得这对任何做长期判断的人都有用：重要的不是每次都对，而是知道自己在为哪个时间尺度下注。

第三点是关于 agent。Sundar 讲的云端持久化 agent，指向一个越来越清晰的方向：AI 不再等你开口，而是在后台持续工作，在合适的时候回来找你。当 Gmail、搜索和 Workspace 都能呼叫同一个 agent 的时候，我们对"用 AI"的理解会发生很大的变化，它不再是一个你打开的应用，而是一个一直在的存在。

最想用算力的人，是最不该被短期收入绑住的人。

结尾

也欢迎大家留言讨论，分享你的观点！

觉得内容不错的朋友能够帮忙右下角点个赞，分享一下。您的每次分享，都是在激励我不断产出更好的内容。

欢迎关注深思圈，一起探索更大的世界。