谷歌CEO万字访谈揭秘：砸下1800亿美元后，我们撞上了地球的物理极限

出品 | 网易智能

作者 | 辰辰

编辑 | 王凤枝

倒计时开始！谷歌CEO预警：传统搜索框正面临淘汰！2027将是企业智能体爆发的奇点，连财务预测都将被AI接管。

最近，桑德尔·皮查伊（Sundar Pichai）在执掌谷歌十年的关键节点，与Stripe联合创始人兼总裁约翰·科里森（John Collison）、硅谷知名投资人埃拉德·吉尔（Elad Gil）来了一场炉边谈话。

在这场深度对谈中，皮查伊客观地复盘了谷歌的过往决策，并详细阐述了面对AI浪潮时的现实挑战与长期规划。访谈核心内容包括：

复盘Transformer与产品化节奏：回顾了谷歌在Transformer架构上的早期投入，并客观分析了未能第一时间推出类似ChatGPT产品的多重原因。

AI基础设施的物理瓶颈：探讨了未来高达1800亿美元的资本支出规划，指出目前制约AI发展的已不再是资金，而是物理条件的实际限制。

搜索的演进与智能体的普及：预计2027年将是智能体应用深入企业和个人的重要转折点，未来的搜索引擎可能逐步演变为协助用户多线程处理任务的“智能体管理器”。

长期技术项目的探索：分享了谷歌内部正在推进的前沿项目，包括探索建立“太空数据中心”的可行性，以及量子计算在模拟复杂自然规律中的潜在应用。

以下是访谈实录：

科里森：桑德尔，你担任谷歌CEO刚刚满十年。现在的Alphabet不仅是全球最大的科技巨头之一，更是AI竞赛中的领跑者。据称，你们计划在2026年投入1750亿美元的资本支出。祝贺你。

科里森：关于谷歌和AI，坊间经常聊起一段往事：Transformer架构诞生于谷歌，但最终是在谷歌之外实现产品化的，代表作就是ChatGPT这种类型的产品。现在回过头看，你如何反思这件事？

皮查伊：我觉得这确实值得深聊，外界对此其实有些误解。Transformer的诞生可以说是在大量应用TPU的背景下诞生的，某种程度上，它的出现是为了解决特定的产品需求。当时团队在思考如何优化翻译质量；在使用TPU时，大家在想……嘿，语音识别虽然能跑通，但如果要提供给20亿人使用，我们的芯片根本不够用，那该怎么解决推理问题？

科里森：这个我还真不知道。所以Transformer最初是专门为了……

皮查伊：它是出自我们的研究团队，但其导向是解决实际的产品问题。Transformer一问世就投入了应用。大家低估了BERT（谷歌AI团队于2018年提出的一种基于Transformer架构的预训练语言模型）和MUM（谷歌在2021年Google I/O大会上发布的多模态、多语言、多任务统一模型）的影响力，因为我们对搜索质量的把控极其严苛。在那段时期，谷歌搜索之所以能甩开所有人实现质量上的飞跃，正是归功于BERT和MUM。我们发明了Transformer，并立即将其应用于搜索，以提升对语言、网页和用户查询的理解能力，并在此基础上不断迭代更好的模型。 我们当时也在内部推进产品化，比如LaMDA团队。显然，我们不是第一个发布此类产品的。但我认为，这并不是因为“这只是个研究项目，我们没想过把它做成产品”。这种看法完全是……（被打断）

科里森：也就是说，你们做出了这项研究，随后也按照预期使用它并获得了巨大的投资回报（ROI）；虽然后来那些基于它诞生的所有产品并不都是你们发明的，但这也在情理之中。

皮查伊：我想再进一步说明。我们甚至构思过完全相同的产品，也就是后来的ChatGPT。那就是当时的LaMDA。如果你还记得，当时谷歌内部有个工程师甚至觉得它“觉醒”了，有了自主意识。他当时交流的对象，其实就是ChatGPT的早期版本。在某个平行时空里，我们本可以更早发布。实际上，谷歌大概晚了9个月左右。 2022年的Google I/O大会上，我们发布了“AI Test Kitchen”，那就是基于LaMDA的。但我们当时做了很多限制，因为内部还没有一个经过端到端RLHF（基于人类反馈的强化学习）微调的版本。我看到的那个版本在某种程度上有一定的毒性（不当言论风险），当时我们不可能把它公之于众。此外，作为一家对搜索质量有某种“执念”的公司，我们对产品的发布门槛可能定得更高。但并不是说我们没在想办法发布它。

我还想补充一点，即使是OpenAI发布的版本，他们也是在发布前几个月才和微软谈妥了交易。回看过去，你会发现这件事在当时并不是理所当然的。我觉得他们在编程（Coding）端通过GitHub看到的信号非常关键，这可能也是他们运气好的地方。我们当时可能漏掉了这个信号。在编程领域，你会看到比纯语言领域更明显的连续性跳跃。如果你用GPT-2、GPT-3到后来的GPT-4来写代码，那种提升感非常明显。所以，回到你最初的问题，我觉得与其说是“研究到产品”的转化出了问题，不如说是多种因素共同作用的结果。

吉尔：我记得和ChatGPT团队的一些成员聊过，他们是在感恩节那一周发布的，算是一次有些被掩盖或者说是低调的发布，并不像是一个宣称“这就是未来”的重大发布。显然，那次爆火对他们来说也是个惊喜。我认为那是个很酷的测试案例，非常有趣。

皮查伊：我对这些时刻的理解是：如果你深处消费互联网行业，惊喜总会发生。我和埃拉德都在谷歌待过，当年我们有“谷歌视频搜索”，但YouTube横空出世，后来我们收购了它。或者想想Facebook，当年Instagram冒了出来。现在没人会带着戏剧性的眼光去看那些时刻，因为Facebook买了Instagram。

但在我的认知里，在消费互联网领域，永远会有那三个人聚在一起搞原型，抛出成百上千万个点子。我不是在贬低任何人的成就，我只是说，这种时刻永远会出现。没人能在车库里造出一个更好的iPhone，那不可能；但在消费互联网领域，规则就是这样。你必须清醒地认识并接受这一点。

科里森：展望2026年的AI竞赛，我发现一个很有意思的点：长期以来，谷歌一直把“速度”作为差异化竞争的王牌。早期的谷歌搜索极快，甚至会在结果页显眼地标出搜索耗时，有点“炫技”的成分。后来的Gmail、Chrome也是以快著称。现在，我尝试了各种AI服务，发现跑在TPU上的Gemini真的快得惊人。我想知道，这是你们明确的产品策略吗？还是说背后的考量要复杂得多？

皮查伊：我一直把速度（或者说延迟）视为伟大产品的核心特征之一。而且，速度通常反映了底层技术架构的扎实程度。当然，还有另一种速度也很重要，那就是产品发布、迭代和更新周期的速度。两者都不可或缺。

说到延迟，虽然大家口头上都说想要低延迟，但由于你在不断增加新功能，能力边界在不断前移，如何平衡功能与速度就变得非常复杂。

举个例子，我和搜索团队聊过，他们现在的子团队都有以毫秒为单位的“延迟预算”。你会得到50%的“提成”……如果你发布的新功能省下了3毫秒，你会获得1.5毫秒的延迟预算“额度”，剩下的1.5毫秒则让利给用户。根据任务的不同，有的预算是30毫秒，有的是10毫秒。你可以用掉这些预算，但必须经过严格的审查。这就是我们对速度的重视程度。

吉尔：给听众提供一个背景：人类感知延迟的阈值大概在几百毫秒左右，对吗？

皮查伊：没错。根据我看到的最新数据，过去五年里，我们在功能大幅增加的前提下，将搜索延迟又降低了30%。这也是为什么在Gemini中，我们极其关注能力与速度的平衡点。我们的Flash模型拥有Pro模型90%的能力，但速度快得多，部署效率也更高。这种纵向集成（Vertical Integration）确实带来了巨大优势。

吉尔：你怎么看搜索的未来？现在很多人把聊天（Chat）视为新交互。虽然谷歌已经把Gemini整合进了搜索结果，但也有人提到智能体工作流（Agentic Flows），即以后每个人都有私人智能体，不用输入查询，它会直接去替你办事，比如帮你规划并预定旅行。你觉得搜索的未来是什么？是一个分发机制，还是某种产品？

皮查伊：我觉得在搜索领域，每一次技术跨越都能让你做得更多。我们必须吸收这些新能力。过去从PC转移动端时，产品演进得很快，你刚从纽约地铁出来，你不是想找网页，你是想找某个地方。用户预期在变，你也要跟着变。

如果快进到未来，很多信息检索类的查询在搜索中都会转变为智能体驱动。你会直接完成任务，同时运行多个线程。10年后搜索还存在吗？

吉尔：或者说它进化成了别的什么东西？

皮查伊：它会不断进化。搜索会变成一个“智能体管理器”，帮你处理各种事务。某种意义上，我今天就在用Antigravity（内部工具），让一堆智能体去干活。我可以预见搜索也会提供这类功能。

科里森：我觉得问题的核心在于：如果搜索不再是输入一行关键词然后返回一堆排名结果，而是直接给你答案或结果，这种产品形态是否还会存在？

吉尔：是的，它可能是异步的。就像生命从单细胞进化到复杂多细胞生物一样，旧的范式是否会消失？原来的搜索框在10年后是否还会在那里？

皮查伊：设备的形态会变，交互方式（I/O）也会剧变。去想10年后的事可能会让人陷入“思考瘫痪”，但我们很幸运，现在的技术曲线非常陡峭，光是想一年后的事情就足够令人兴奋了。以前你可能需要规划五年，但一年后的模型就会和现在截然不同。顺着这条曲线前进本身就是一种享受。

而且，很多人低估了这并不是一场零和博弈。人们能创造的价值也正处于一条疯狂的增长曲线上。只要你站在创新的最前沿，机会是无穷的。我们同时在做搜索和Gemini，它们在某些方面会重合，在某些方面会分化。两者并存并相互拥抱是件好事。

科里森：提到搜索的去向，我记得就在一年前，也就是2025年的春夏，外界并不看好谷歌。主流观点是谷歌搜索“凉了”，核心商业模式危在旦夕。当时谷歌股价在150美元左右。现在大家意识到那很荒谬。谷歌在全栈领域包括应用、模型、TPU，还有Waymo、YouTube等业务都表现强劲。你觉得去年的投资者误判了什么？

皮查伊：当时大家显然非常聚焦于内部（或极度内视）。但对我来说，那一刻非常清晰：“奥弗顿之窗”（Overton Window，指公众愿意接受的政策或观念范围）已经发生了偏移。我觉得这家公司就是为那一刻而生的。我们的全栈能力不是偶然，而是深谋远虑的结果。我们的TPU已经迭代到了第七代。我记得2016年Google I/O上我们就官宣了TPU，并谈到我们要构建AI数据中心。从2016年起，公司就在以“AI先行”的方式运作。

虽然我们在前沿大模型（LLM）上曾一度落后，但我们拥有所有的内部能力，只需要执行到位就能迎来那个时刻。最兴奋的是，我们有研究团队、基础设施和各种平台。突然间，我们有了一项通用技术（AI），可以同时加速搜索、YouTube、云和Waymo。这是一种极具杠杆效应的进步方式。我当时一点都不觉得那是零和博弈，我觉得一切都会扩大10倍，大家都有空间。就像谷歌出现后，亚马逊和Facebook依然发展得很好。我们低估了整体增长的潜力。当然，公司必须执行得更好，那是我当时关注的重点。

吉尔：当时是有什么标志性事件让外界觉得“噢，谷歌搞定了”吗？是Gemini 3的发布吗？

皮查伊：具体的历史时间点我也记不清了。我觉得真正的转折点可能是Gemini 2.5。大家在那一版看到了我们在多模态方面的领先。这要归功于谷歌DeepMind团队，我们前期投入了巨大的固定成本，从第一天起就把Gemini设计成原生多模态模型。Nano Banana也是一个很好的例子，让大家看到了全栈整合的威力。当然，前沿领域非常动态，两三个顶尖实验室在互相追赶。这个月你觉得领先了，下个月可能就发现还有短板，这种竞争非常激烈。

吉尔：很有趣。我和一些谷歌以外的研究员们聊过，他们觉得谷歌与其他实验室的区别在于，谷歌没那么坚信“AGI”（AGI-pilled）。换句话说，没那么相信AGI近在咫尺并为此疯狂加速。你怎么看这种评价？

皮查伊：听着，我们的资本支出从30亿增加到了近180亿……

科里森：这确实是真金白银。

皮查伊：如果你不相信那条增长曲线，你绝不会投这么多钱。所谓的“区别”可能只是语意上的，因为我们是一家大公司，产品触达各个层面的用户，我们说话的方式自然会有所不同。但我认为公司的创始人们绝对是AGI的坚信者。德米斯·哈萨比斯（Demis Hassabis）、杰夫·迪恩（Jeff Dean），甚至伊尔亚·苏茨克维(Ilya Sutskever)和达里奥·阿莫迪（Dario Amodei）都曾在谷歌共事过。

科里森：这个反驳很给力，“嘿，过去20年你们没在关注吗？”

皮查伊：说我们不懂AGI是没有道理的。当然，如果你是一家初创公司或纯研究实验室，氛围会不同。但在底层逻辑上，我们对技术曲线的认知没有分歧。在公司内部，我们很多人就生活在最前沿，每天看着智能体学习新技能，看着它们三个月前的表现和现在的跨越。我们就在这种指数级增长的环境中生活。

科里森：我同意。埃拉德指的可能是一种“氛围”。我看到一条推文说：“要解释硅谷现在的状况，你得理解每个科技高管现在都患上了严重的‘AI魔怔’（AI Psychosis），每天花大量时间写代码、跟AI聊天。”我想知道，你个人的“AGI时刻”是什么？

皮查伊：我的第一个AGI时刻是2012年。当时迪恩演示了早期版本的Google Brain，神经网络识别出了一只猫。那是2012年。后来2014年我和拉里·佩奇（Larry Page）一起去看DARPA挑战赛，看到无人车在跑。还有哈萨比斯演示早期模型展示出的某种“想象力”。这样的时刻有很多，所以技术在进步是显而易见的。

至于现在的切身体会，我觉得最近最接近的时刻是你给AI一个复杂的编程任务，你甚至不用打开编辑器，就在智能体管理器里看着它完成，那种强大感……你可以称之为“感受到了AGI”。

科里森：我最近搞了个小副业项目，搞定之后我才反应过来：“诶，它用的是什么编程语言？”那种感觉就像魔法。

皮查伊：这条曲线的斜率确实惊人。

科里森：既然聊到切身体会，作为CEO，你如何保持对产品真实体验的感知？很多科技产品太抽象了，光看汇报和PPT是不够的。DoorDash的Tony Xu会亲自去送外卖；我们在Stripe每周会一起“逛店”，在控制台点来点去。你除了每天用Gmail之外，还有什么招数？

皮查伊：我一直在进行“内部试用”（Dogfooding），也就是使用未发布的内部版本。我会专门拨出时间进行高强度使用。比如两周前我在健身房拉伸时，就拿着装有Gemini Live的手机聊了整整30分钟。有些地方很好用，有些地方让人抓狂，但这能让你学到很多。我强迫自己以“重度用户”的模式去触碰产品。

科里森：推特（X）也有帮助，有时候你能在那看到最直接的吐槽。谢谢你修好了谷歌日历（Google Calendar）那个问题，太棒了。

皮查伊：额，还有好几个问题得改呢。

科里森：哈哈，那功能太棒了。

皮查伊：谢谢你的反馈。推特上的评论很直接，我会去看。另外，AI也在帮我：我现在会在内部版的Antigravity里问：“嘿，我们刚发布的这个东西，大家反馈怎么样？告诉我大家吐槽最狠的五点，和最喜欢的五点。”它一秒钟就给我总结好了。AI智能体让我的工作变简单了，我也在适应这种未来。

吉尔：你提到这不仅仅是零和博弈，而且有巨大的生产力提升。回顾以往的技术周期，互联网、移动端、SaaS都要花很久才能反映在GDP数字上。在AI领域，我们目前看到的是数据中心的建设在拉动GDP。你觉得三五年后，美国经济会因为AI变得更大吗？如果会，大多少？

皮查伊：这种规模的投入最终必须有回报。两年前有人写文章说，这种资本支出规模不合理，因为你需要同级别的回报。但自那以后，投资额又翻了十倍。我要说的是，我们现在的需求依然是“溢出”的。我毫不怀疑这是一个海量的市场。

很多人低估了一些点。比如软件工程的市场，现在的瓶颈在于优秀程序员的供给。如果AI能增加这种“供给”，整个市场可能会扩大10倍。软件工程的市场规模比大家想象的要大得多。

吉尔：明白。你对增长其实非常有信心。

皮查伊：看看互联网对GDP的贡献，其实数字很难捕捉到我们的真实感受。如果没有互联网，GDP增长可能是负的。我们要看的是“消费者剩余”。当然，社会也有一些天然的“阻尼器”：算力基建的增长曲线、社会对Waymo这类自动驾驶的接受速度等。我们需要负责任地普及技术，这些都是约束。但如果能让美国经济增长率再提高0.5个百分点，那就是巨大的贡献。

科里森：你提到了供应限制，这是2026年的一个关键词。你刚才说资本支出大概是1800亿？

皮查伊：我们公布的区间是1750亿到1850亿之间。

科里森：哪怕谷歌想投4000亿，恐怕也投不出去，因为内存不够、电力不够。你能拆解一下这些瓶颈问题吗？

皮查伊：你甚至找不到足够数量的电工。

科里森：没错。

皮查伊：归根结底，你要倒推到晶圆产能。这是底层事实。电力和能源问题相对好解决，但审批流程和监管环境可能是个硬约束。虽然得州、内华达州有很多土地支持开发，但可能还是不够。美国真的需要学习如何更快地建造基础设施，我们需要那种“10倍速建造”的思维，否则这会成为致命瓶颈。此外，还有供应链中的关键组件，内存就是目前最紧缺的之一。短期内大家都会面临这些限制。

吉尔：内存是你最担心的部分吗？

皮查伊：内存绝对是目前最关键的环节之一。内存行业的头部公司无法在一夜之间提升产能。这会迫使我们进行更多创新，比如把效率提高30倍，这些都在同步发生。

吉尔：这是否会导致模型层面的“寡头垄断”？因为谁现在手里有算力，谁就能领先，这就像抢椅子游戏。而行业总产能是有天花板的，这是否意味着大家很难真正拉开质的差距？

皮查伊：这是一个合理的框架。但我刚才带了Gemma 4过来，这是一个非常出色的开源模型。虽然它的架构基于Gemini 3，但它能装在一个U盘里。

科里森：这真的很不可思议。你运行一个巨大的数据中心好几个月，最后的产出竟然就是一个文件。

皮查伊：就像一个Word文档，那就是你的模型。这让很多传统的分析框架失效。我觉得大家都在想办法冲破这些限制。

科里森：正如你所说，内存是有限的。2026或2027年，可能就是模型出现分化的时期。

皮查伊：记住，这必须与晶圆产能的增加、以及你获批建设数据中心的能力相平衡。这个瓶颈可能没有看起来那么严重。你必须将所有需要的资源汇总考量，包括资本。

吉尔：再一次，让我觉得有趣的是，按理说人们会在现有的资本支出之外继续追加投资，但我们现在仅仅是撞上了2026年和2027年的现实物理限制。这有点像霍尔木兹海峡的困境。油价定多高都行，但归根结底，如果你每天从系统中抽走2000万桶石油，你就必须摧毁每天2000万桶的需求。内存的情况也是一样，最终，必然有一些人无法获得他们想要的内存。

皮查伊：还有安全性的约束。这些模型可能会攻破现有的几乎所有软件。

吉尔：你真的认为所有软件都会被攻破吗？

皮查伊：我指的是大型平台、各种零日漏洞。这个系统里有很多隐藏的限制，你无法凭空变走它们。

吉尔：有人告诉我，零日漏洞的黑市价格正在下跌，因为AI让供应量变大了。

皮查伊：一点也不意外。这对社会意味着什么？我们需要更多的协调，而这在今天还没有发生。那可能会是一个剧烈的时刻。

但我总体上非常乐观。有些限制反而是好事，它们激发创意，强迫我们进入“优化周期”。至少在安全性方面，它会迫使我们进行原本不会发生的深度对话。除了这些挑战，我坚信前方有巨大的空间。

吉尔：谷歌拥有极其强大的资产组合：你们持有SpaceX约10%的股份，Anthropic约10%的股份，还有Waymo的绝对多数股权。内部还有TPU、量子计算等。还有什么被大家低估的“隐藏宝石”吗？

皮查伊：听着，我们一直在尝试投入这些长期项目。刚宣布的时候，这些项目往往显得有些荒谬，甚至离谱。比如，我们正处于构思“太空数据中心”的最初阶段。你之前提到的“约束激发创意”很有道理。如果你把目光放远到20年后，你会把绝大多数数据中心放在哪里？这是个极难解决的问题。这些就是我们今天思考的项目案例，就像2010年的Waymo一样。量子计算（Quantum）本身也是这类项目。我们正以极度投入的方式推进，我对此感到非常兴奋。

吉尔：你认为量子计算在哪方面的潜力最大？因为大家讨论最多的通常是分子建模和密码学。人们一直在开发抗量子加密技术。但在分子建模方面，深度学习模型在某些情况下似乎已经表现得非常出色了。我是说，你们的AlphaFold就开创了这一先河。你真的觉得量子计算会产生实质性影响吗？如果有，它最亮眼的表现会在哪里？

皮查伊：从抽象层面看，我觉得它是为了更好地模拟自然。既然自然本质上是量子的，你自然需要量子系统来更好地模拟它。我们或许能通过经典的计算技术，以某种令人意外的方式或通过极高的压缩算法达到目的，但从本质上讲，量子计算在这一领域具备天然优势。举个例子，直到今天我们还没能完全理解生产化肥的“哈伯制氨法”（Haber process）。还有很多复杂的难题……这可能更涉及你的专业背景，和你大学时学的东西有关。我的直觉告诉我，在模拟天气、模拟现实这些方面，量子计算将拥有优势。技术发展的规律通常是：你先把它做到某种规模并跑通，然后投入使用，人们的创造力自然会在其之上找到应用场景。我常举这个例子：手机加GPS催生了Uber。当年做手机的人，谁也预料不到这种平台转型的结果会是Uber。我深信，只要能让它真正运转起来，量子计算会有数不胜数的应用。这就是我的看法。

科里森：抱歉打断一下，你刚才正聊到你最喜欢的那些谷歌前瞻性计划。

皮查伊：我觉得我们正在推进……谷歌DeepMind团队正在深入思考机器人技术。作为一家公司，我们在这个领域曾涉足太早。事实证明，对于10到15年前的很多想法来说，AI才是那个缺失的关键拼图。现在的Gemini机器人模型在空间推理等方面已经达到了业内顶尖水平。我们确实拥有最先进的模型。具有讽刺意味的是，我们现在正以一种坚定的方式，重新与波士顿动力（Boston Dynamics）、Agile以及其他几家公司合作推进。市场上也有非常出色的初创公司。我们正在投资的新方向……除了刚才提到的太空量子数据中心，还有Wing的无人机配送。我们正在扩大Wing的规模，在不远的将来，4000万美国人将能使用Wing的配送服务。这指日可待，不是什么遥不可及的幻想。同样，当你开展这些长期项目时，这些都是循序渐进的复利增长。我们非常有决心。此外还有Isomorphic Labs，这非常令人兴奋。我们的思路是利用这些模型，有针对性地改进药物研发的所有环节。虽然三期临床试验等环节依然漫长，但我们可以以极高的成功率到达那一阶段。

吉尔：这绝对是我见过的最聪明的做法。在各种生物模型中，你们真正跳出了分子设计的局限，考虑到了更广泛的维度，而大多数人目前都还困在分子设计那一环。这非常有远见。

科里森：我想请教一下，谷歌内部的“资本配置”（Capital Allocation）到底是怎么运作的？我的意思是，优秀的资本配置核心在于将资本的“机会成本”内化，并将业务产生的现金投向回报最高、最优的用途。在商学院的教科书案例里，比如你是波音公司，手头有一笔现金，你可以竞标下一个国防合同，投入一定研发费用，模拟出合同收入；或者你可以从零开始设计一款全新的商用客机。如果是16%的内部收益率（IRR）对比19%，我肯定选19%。但在谷歌，项目的异质性极强：你可以给YouTube团队更多预算，让他们改进推荐算法，增加用户时长和变现；或者你可以给Waymo团队更多资金，让他们更快推向市场或扩大规模；或者你可以投资这个可能在5年后才会有回报的新AI路径。如果你想把资本投向最优用途，你该如何比较性质和回报曲线都如此不同的计划？

皮查伊：这简直是你会问的最典型的问题了。

科里森：我必须得知道答案。你得抛出一个资本回报率（ROIC）指标给我……

皮查伊：这是个好问题。讽刺的是，由于现在涉及TPU（算力资源）的分配，我比以往任何时候都能深切体会到这一点。某种程度上，连Waymo也需要TPU。算力让这个问题变得更加迫在眉睫。顺便说一句，在我处理的所有事务中，我非常期待AI能作为一个助手，至少能为这项任务提供决策参考。一旦我们能把所有数据连接起来并打通，我觉得模型已经具备了这种能力。更多是数据解锁的问题。

从历史上看，谷歌的一个优势在于我们有时会在周期非常早的时候做出决策。这可以追溯到我们深厚的技术基因。我们会思考你刚才问埃拉德的那些长期问题。在那个阶段做决策比较容易，因为初始资金规模较小。但随后你会长期坚持，并确保在底层技术上取得实质性进展。只要你能看到底层技术得到验证……以量子计算为例，我们如何评判它？我们评判的是底层指标：比如逻辑比特的错误率，何时能达到大规模稳定逻辑比特的阈值。团队能做到吗？通过这种方式进行评估。我想，我们一直以来秉持并严格执行的一种方式，至少对我来说非常重要，就是深层次地进行早期技术押注。这很有帮助。当然，在日常运作中，你必须评估这些东西的长期价值。这在某种程度上更像是一种直觉：你会思考5到10年后的期权价值（Option Value）和潜在市场规模（TAM），假设一个极高的增长率，然后看这些决策是否合理。TPU的投资就是这样成功的，我们一直在稳步投入。Waymo也是个绝佳的案例，两三年前当全世界都对自动驾驶感到悲观、甚至有人开始退缩时，我们反而加大了投入。那是一种非常神奇的体验。现在只要条件允许，我每天都坐Waymo去上班。

科里森：Waymo确实是回答我这个问题的好例子。谷歌确实会砍掉项目，你们尝试过各种东西，然后说“我们不打算继续给这个项目拨款了，或者我们要关掉这个产品，它没起色”。但Waymo经历了从演示原型到商业化落地的漫长道路，你们却始终没有失去信心。你们当时看到了什么？这是一个定性决策还是定量决策？你们是怎么决定砍掉Loon（互联网气球项目）却保留Waymo的？

皮查伊：我觉得这与某种量化指标有关。你看Waymo Driver，即底层技术，也就是软件如何驾驶汽车。看它在安全性、可靠性方面的进展。这是长跑，关于它有多安全、表现如何。你追踪那条曲线，设定目标，看实际表现与曲线的吻合度。团队的表现非常出色。中间可能会有停滞期，但那种时候你需要对团队突破难关的能力有信心。我觉得，你越能从深层技术层面去评估，决策就做得越好，至少我一直是这么尝试的。

吉尔：关于Waymo，我听到过一种说法，说它最近之所以取得巨大进展，是因为之前都是靠人工标注的启发式逻辑（Heuristics）来处理驾驶中的边缘案例，比如发生突发情况该如何应对，有些规避动作甚至像是为车“手绘”出来的路线。这导致它能处理的情况很有限。而真正的突破在于几年前转向了“端到端深度学习”（End-to-End Deep Learning），正好赶上了大模型Transformer的浪潮。你觉得如果Waymo是在5年前而不是15年前启动的，它现在能达到同样的高度吗？毕竟这才是推动它前进的真正突破。

皮查伊：刚才我们聊到了机器人，你可以把Waymo看作是一个机器人。对于过去三年才开始做机器人的团队来说，他们的进展速度定义上确实会更快。但Waymo是一个极其复杂的集成系统。它有些方面不像台积电或SpaceX发射火箭那样直观，但它涉及极其复杂的系统集成。Waymo拥有很多这种隐藏的门槛，这些都需要时间沉淀和工艺积累。不过话说回来，我确实认为端到端的方法是这次突破的必然选择。

吉尔：拥有这样一支团队对Alphabet和谷歌来说是巨大的财富。你们持续投入，直到它迎来了技术爆发的奇点，这非常有前瞻性。我想问的是，这如何应用到其他领域？因为就机器人而言，现在进展速度极快。你们会考虑再次将硬件“内部化”吗？还是主要通过合作伙伴模式将产品推向世界？

皮查伊：我们保持非常开放的心态。我从Waymo以及AI端的TPU学到的经验是，我必须强力推动这条曲线，尤其是在涉及安全、监管的领域。你需要产品反馈循环的第一手经验。我认为拥有“自研硬件”最终会变得非常重要。这是我现阶段的看法。

科里森：抱歉，我还有两个关于资本配置的问题。你是否认为谷歌在历史上一直处于“杠杆率很低”的状态？谷歌一直持有大量的净现金。考虑到谷歌有数不胜数的好点子，且核心业务增长极度稳健，其增长率显然高于谷歌的资本成本。回过头看，谷歌当初是否应该表现得更激进一点？比如接受一个更具杠杆效应的头寸，把钱投向新项目，或者为股东回购更多核心业务的股份，亦或是做更多的少数股权投资（毕竟谷歌在这一块一直是业内顶尖水平）？

皮查伊：这是个极好的问题。例如，如果Waymo能更早达到现在的成熟度，我想我肯定会更早投入那笔资本。在某种程度上，我们需要做资本的优秀管家。如果你看好资本回报率（ROIC），你会想把最后一分钱都投进去。但如果你有盈余，且不认为能全盘消化……这就是为什么我们也投资其他公司。我们投资Stripe、SpaceX、Anthropic等，都是出于优化资本配置的考虑。现在随着AI浪潮的到来，有更多可以有效部署资本的机会，所以我们正在这么做。我们一直持有这种心态。如果Waymo早期就具备条件，我很乐意投更多钱，但当时它还没到那个成熟阶段。在Waymo发展的某个阶段，从安全性出发，我们确实采取了“安全第一”的原则，当时确实还没到大举扩张的时候。你很难指望那些项目如果更早拿到更多钱就能跑得更快，它们有自然的成长周期。但我认为，即便我们的某个决策可能错了，但我们的逻辑是：只要你对某件事感到兴奋并有坚定的信念，我们就愿意投入资本陪它走到底。

科里森：另一个关于资本配置的问题：过去在科技公司，研发费用（R&D）的大头是员工。人头数（Headcount）是受到严格控制的。分配研发力量本质上就是分配高薪人才去解决挑战。除非你在做谷歌图书（Google Books）这种计算成本极高的项目，否则技术成本与人力成本相比几乎可以忽略不计。但现在，正如你所说，有了TPU之后情况变了。在具体的预算层面，谷歌内部是怎么操作的？你们有全公司的TPU总预算吗？以前你给一个项目分配人头预算，现在你是同时给人力预算和TPU预算吗？它们是合在一起的吗？季度或年度评审时怎么操作？

皮查伊：我们一直都有计算预算。

科里森：我是帮朋友问的。

皮查伊：即便在经典的计算时代，我们也有预算。在机器学习（ML）领域，我们大量使用TPU和GPU。我们在人力规划上非常审慎，但ML算力规划也是一直存在的。我们经历过算力充沛的阶段，也经历过受限的阶段。但现在确实是极度紧缺。我每周至少会花一个小时专门研究这个问题，而且颗粒度非常细。我会了解每个项目、每个团队正在使用的计算单元，我会查看并评估这些数据。我觉得在当前阶段，这是一件极其重要的事情。

科里森：算力在很多情况下成了稀缺资源，所以你要确保谷歌宝贵的算力资源都花在最值得的计划上。

皮查伊：没错。

吉尔：在Google Cloud的背景下，你怎么考虑这个问题？因为在那里，你是把算力分配给外部客户，而不是用于内部。面对系统性的约束，你如何权衡这种差异化分配？

皮查伊：我们会提前规划。云团队在做前瞻性规划，制定计划。你为此提供资金，同时也满足内部需求。作为规划的一部分，你还会与客户签署长期协议。任何我们对客户做出的承诺都是神圣不可侵犯的，那是合同义务。通过超前规划可以解决很多问题。当然，云团队可能会抱怨他们没拿到想要的全部算力，但在受限的世界里，规划是唯一的解法。

科里森：提到Google Cloud，我攒了一个产品需求，就等着在这部分提呢，我知道你肯定很期待。

皮查伊：你本来可以发在推特上的。

科里森：没错。但我必须说，有一点做得非常好，就是GCP/MCP（注：可能指某种AI接入层）很棒，你的AI可以通过编程方式直接与Google Cloud交互。我觉得除了核心权限部分，你们几乎开放了一切。某种程度上，Google Cloud此前的“诅咒”在于功能太多、太杂。登录进去要创建组织、项目，寻找正确的服务，导航起来很痛苦。但现在这些都不重要了。你只需要说：“嘿，帮我添加这个Google Cloud功能。”这一点让Google Cloud受益匪浅。它的面太广了，功能太丰富了。我们在Stripe也遇到了类似的问题，功能越多，导航就越难，而最佳的导航方式就是一个读过所有API文档的AI。这效果非常好。正如我之前问的，AI成为一切事务的“编排层”（Orchestration Layer），这对应对企业内部的数据孤岛极其有效。以前这可能意味着需要一个巨大的ERP项目来打通数据，现在AI就能搞定。产品覆盖面越广，这种收益就越明显。我们在Stripe已经看到了这一点，但在GCP上，这种效应规模肯定呈指数级增长。

皮查伊：我觉得我们还可以做得更好，但你说的对，这确实是一个巨大的机遇。我对此非常满意。

科里森：那就说到我的那个产品建议了。

皮查伊：你还带了第二个产品建议？

科里森：像OpenClaw这类产品的“产品市场匹配度”（PMF）让我觉得很有趣，因为它们允许消费者使用“有状态”的AI（Stateful AI）。比如，“每天早上帮我汇总我感兴趣的新闻发给我”，这种涉及“持久性”（Persistence）的任务，目前主流的AI应用都不支持。这功能快上线了吗？

皮查伊：从方向上说，我们当然希望赋予用户这种能力，让他们能以可靠、安全的方式处理持久性的长程任务。这涉及到身份认证、访问权限等复杂问题。但我认为这就是未来，这就是智能体的未来。把这种体验带给普通消费者是我们正在探索的一个令人兴奋的前沿。

吉尔：这也是我想提的。Dreamer（Stripe前CTO创办的公司，后被Meta收购）在这方面做得很好。那是一个非常早期的视角……他们可以定制软件，包括持久性，你甚至可以规范化地构建……

科里森：做你自己的小应用。

吉尔：没错。他们让这一切变得易于使用。我觉得当人们体验到这种功能时，会有一种“惊喜感”。现在全球大概只有0.1%的人在体验这种未来，他们在为自己构建工具，但要将其推向大众化普及……

皮查伊：是的，这是一个非常令人兴奋的前沿领域。

科里森：我的另一个产品建议是……抱歉，你得忍受这部分的访谈。

皮查伊：这也算是必经的流程吧。

科里森：没错。我的另一个点是，不知道你有没有这种体会，在Google Docs里搜索东西比在Gmail里难得多。显然它们用的是同样优秀的搜索引擎。但我认为原因在于，关键词搜索对邮件很有效，因为你通常能记住那封邮件的一些独特关键词。而对于我来说，如果我想找“2026年预算案”，我在Google Slides里一搜，发现在Stripe的所有PowerPoint里，“2026”和“预算”这两个词简直太普遍了，我永远找不到最准确的那一个。桑德尔，你也有这种烦恼吗？

皮查伊：说实话，我还没像你描述得那么痛苦，但你一说，我非常有共鸣。我脑子里已经浮现出我要把这段对话放给谁听了，我知道该找谁。我们可以把它做得更好。随着AI整合进这些服务（包括Google Docs），未来几个月你会看到显著的提升。最初的版本只是简单地把AI放进去，但随着时间的推移，我们能保持多少上下文、能缓存什么、能真正调动什么资源，这些都会有大幅改进。

科里森：太好了。

吉尔：我参与的很多公司，哪怕是最近才成立的，都不得不大幅调整他们的工作流，包括产品开发和工程实践。甚至连谁该在设计团队、需要什么能力，都要重新思考。谷歌也在重新审视这些吗？工作流是否有重大变化？

皮查伊：这么说吧，你可以把它想象成一组同心圆。谷歌内部有些团队的变化非常剧烈。对我来说，一个大任务是如何将这些变化扩散到更多团队，尤其是在2026年。之前我们无法太早大规模推广，因为系统经常崩，就像你看到了一个美好的新世界，但它还是半成品。但今年，我觉得曲线正在发生剧变。我看到一些团队，尤其是DeepMind和一些软件工程（SWE）团队，已经彻底改变了工作方式。他们使用的是内部代号为Jet Ski的系统（出于某种奇怪的原因，我们内部和外部产品的名称不一样），其实就是Antigravity。你整天都在用它，生活在一个智能体管理器的世界里，用这种全新的方式工作。就在上周，我们把这套东西推广到了搜索团队。在大组织里，“变革管理”是技术普及中最难的一环。小公司可能很快就切换过来了。

科里森：我能补充几个关于AI在行业中普及的难题吗？我想知道你认为我们何时、如何能解决它们。因为在我看来，我们现在面临巨大的“智能过剩”（Intelligence Overhang）。AI在抽象能力上已经非常惊人了，但观察一家公司有多“AI原生”，或者利用了多少这种智能，你会发现还有很大差距。我看到的难题包括：第一，工程师要变强，需要很长时间去学习如何写好提示词。针对Stripe内部工具的提示词如何写与编写通用提示词是不一样的。第二，AI生成的代码库很难共享，因为它的改动范围（Blast Radius）太大，代码更新太快，可能你还没发布就重写了好几次，多人协作变得很难。第三，在工程之外，最大的问题是数据访问权限。你希望你的智能体去查：“全世界各地的员工每天问多少次‘这笔交易状态如何’？”这种信息公司是知道的，也应该是智能体能回答的。但在大公司，谁能访问这些数据的权限引擎需要重写。最后是角色定义，就像你说的，工程、产品、设计，这些角色可能需要合并，因为AI在这些方面都变强了。这就是我的观察：到2026年，模型已经很强了，但我们的利用率还不够。你觉得这种智能的普及进程会是怎样的？

皮查伊：听着，我们很多人正是针对这些问题在努力，Gemini企业团队和Antigravity团队就在解决这些痛点。这就是你所说的路线图。我们在内部使用，撞上这些壁垒，然后突破它们。这就是我们要发布的产品。我们仍在普及中，因为当你像谷歌的SRE（站点可靠性工程）团队那样使用它时，你会突然发现某些环节可以创建自动化工作流。但这如何系统化？如何集中化？如何让模型和所有人都能使用？身份访问控制（Identity Access Controls）确实是极难的问题。此外，安全是重中之重，容错成本很高。但我认为，一旦我们解决了这些问题，我们带来的产品会更加稳健。我们现在正在支付这种“固定成本”，随后你会看到飞跃。

科里森：谷歌每年会进行几次正式的业务预测（Re-forecast）吗？在Stripe我们会定年度预算，然后每年做三次正式预测。预测本质上是一个函数：输入当前的业务状态（有些在人脑子里，大部分在文档里，比如产品表现、交易进度等），输出更新后的年度数字。你能想象AI在没有任何人类参与的情况下完成预测吗？你觉得谷歌哪一个季度会迎来第一个完全由智能体完成的预测？

皮查伊：我绝对期待在其中一些领域，2027年会是一个重要的拐点。即便还有人参与，那也会是他们产生预测的标准工作流。可能有一段时间你会用传统方式去校验，但最终会切换过去。2027年会是这些变革深刻发生的年份。

吉尔：我觉得刚才的问题也是这个意思，工程师团队是早期采用者，但在工程团队之外……非工程流程在2027年也会开始这种转变。

皮查伊：是的。我觉得初创公司在这方面有一个优势，就是“AI原生”的团队，这可以通过面试等流程来实现。而对于我们，则需要经历再培训和转型。这是年轻公司的优势，我们必须推动这种转型。

科里森：最后一个问题。我们聊了很多在谷歌从小做起的计划，比如Transformer，它刚启动时绝不是谷歌的主优先级。目前在谷歌内部，有什么让你兴奋的、现在体量还很小的东西吗？

皮查伊：可能会让大家吃惊。当我们决定做“太空数据中心”时，团队非常小，只有几个人和一笔很小的预算去冲击第一个里程碑。我认为从小处着手非常重要，哪怕它是一个宏大的构想。这就是一个例子。另外，我昨天刚花时间听一个人解释他在后训练（Post-training）方面的一些改进。听着他的讲解，我心想：“噢，这真的会带来一次漂亮的跨越。”这就是这个时代不断赋予我们的力量。这类微小的飞跃让我非常兴奋。

科里森：太空数据中心和全新的机器学习技术。

皮查伊：没错。

科里森：完美的回答。桑德尔，谢谢你。

皮查伊：很高兴能交流，谢谢，保重。