Pichai Long Interview: Google Prioritizes Compute for Gemini R&D, Cloud Business Gives Up Some Near-Term Revenue

谷歌有多少代码是 AI 写的？去年，CEO 桑达尔·皮查伊（Sundar Pichai）还给出过一个明确的数字：25%。但当主持人再次问起这个问题时，他的回答却改变了：“这个比例已经没有太大意义。”

因为 AI 已经深度参与谷歌内部的代码开发。Gemini 4 Argon 发布后的四周内，谷歌代码变更提交量增加约 30%，回滚次数减少约三分之一，开发人员开始用 Gemini 4 Argon 处理涉及数百万行代码的复杂项目。相比 AI 编写代码的比例，谷歌现在更关注代码变更量、回滚情况等指标。在皮查伊看来，这些变化更能反映 AI 对开发效率与质量的影响。

近日，皮查伊做客 Big Technology Podcast，与主持人 Alex Kantrowitz 谈起谷歌在 AI 竞争中的投入与取舍。刚刚上线的 Gemini 4 Argon，前 72 小时的使用量就接近 25 万亿 Token，约为 Gemini 3.0 同期的三倍，算力供给却跟不上需求。在外界一度认为谷歌可能放弃 AI 前沿竞争、专注于将能力够用的模型融入现有产品时，皮查伊给出的回应十分明确：“这个判断错得离谱。”皮查伊透露，为了保障前沿模型研发，谷歌已将算力优先分配给 AI 研究团队，云业务也因此放弃了部分短期收入。

除了模型研发与算力争夺，他还谈到了 AI 参与模型开发、持续运行的个人智能体、世界模型，以及谷歌如何应对来自 OpenAI 的竞争。以下是本次访谈的整理内容。

太长不看版：

Alex： 外界曾认为，谷歌不再追求最前沿的 AI，模型够用就好。但 Argon 的推出说明，事实并非如此？

Pichai：这个判断错得离谱。追求技术前沿一直是谷歌的核心目标。Argon 上线后的前 72 小时，使用量接近 25 万亿 Token，约为 Gemini 3.0 同期的三倍。我们对它的表现很满意，也看到了需要改进的地方，会继续提升它的能力。

Alex：有人认为，普通模型就足以做好地图、Gmail 和搜索，只有生物学研究等特定任务才需要前沿模型。谷歌为什么还要追求最前沿的能力？

Pichai：我们希望持续推动技术进步。部分云客户需要前沿模型，更强的模型也能帮助开发下一代模型。Argon 在内部已经解决了一些过去模型处理不了的问题。当然，不同规模、不同能力的模型都有适用场景，我们也会继续投入。

Alex： 你说，站在技术前沿能让你更早看到未来。那么，你已经看到了哪些即将到来的变化？

Pichai：我们一直在研究让智能体持续执行长时间任务，接下来还会走向多个智能体相互协作。未来，个人用户和企业用户都可能拥有持续为自己工作的多智能体系统。

Alex： 模型还不能完全按照人的意愿行事，我们却在追求递归式自我改进，让它们更快地提升能力。我感到担忧，是不是应该采取措施，让科技行业在这件事上冷静一些？

Pichai：担忧是合理的，但首先要分清当前的发展阶段。目前，是智能体协助研究人员开发模型，仍然有人类参与，距离完全自主的递归式自我改进还很远。安全也不能只依靠对齐，还需要实时监测、沙箱隔离、异常干预和客户控制权。下一步，行业需要更完善的标准、独立评估，以及监管的参与。

Alex： 有些机构把大语言模型视为通向 AGI 的主要道路，而谷歌还在同时推进世界模型研究。为什么你认为这条路线也很重要？

Pichai：理解物理规律、准确模拟现实世界，是发展智能的重要基础。Argon 在具身推理上的表现，也得益于世界模型研究积累的经验。未来，这些能力可能通过新的架构融合起来，我们希望在不同的技术路径上都保持领先。

Alex： 云业务希望通过对外出售算力获得利润，AI 研究则需要大规模计算资源来开发最好的模型。你如何在这两方面分配算力？

Pichai：首先保障前沿 AI 研究和模型开发，再根据各项业务的长期规划、需求预测和合同安排算力。前沿研发所需的资源必须得到保障，这是我们的首要原则。

Alex： 如果你真的相信 AI 的影响会像火和电一样深远，那么，即使牺牲云业务等业务的眼前利润，是不是也应该给研究人员提供尽可能大规模的计算资源？

Pichai：我们已经在不同程度上这样做了，云业务也因此放弃了部分短期收入。不过，适当的约束也能激发创造力，推动算法效率的突破。我们的原则，是确保投入足够的资源，保持前沿地位。

Alex： Greg Brockman 认为，足够聪明的 AI 应该让人直接通过交谈表达需求，减少对屏幕和按钮的依赖。你怎么看 AI 时代的交互界面？

Pichai：技术应该适应人的生活习惯，让交互尽可能自然顺畅。但界面仍然有作用，比如观看视频、欣赏 AI 创作的内容。关键是减少用户为了使用技术而付出的精力。

Alex： 谷歌有类似 Muse、Dots 的产品吗，或者是否准备开发一款与它们竞争的新产品？

Pichai：我们对 Gemini 的目标，就是把它打造成了解个人需求、能够主动提供帮助的强大助手。用户只需要提出需求，不必先区分是在聊天还是交办任务，它会采取合适的方式，在后台持续执行，并在不同产品中提供连贯的体验。

Alex： 你之前说过，谷歌内部有 25% 的代码由 AI 编写。现在这个比例是多少？

Pichai：这个比例已经不太有意义，因为 AI 深度参与了开发工作。我们更关注效率和质量：Argon 发布后的四周内，代码变更提交量增加约 30%，回滚减少约三分之一，开发人员也开始用它处理涉及数百万行代码的复杂项目。

Alex： 有没有哪个尚未取得突破的 AI 研究方向，是谷歌正在重点攻克的？比如，让模型发布之后仍能持续学习和更新？

Pichai：我们正在并行探索合成数据、持续学习、更高效的架构和世界模型等方向，并投入相当一部分算力。其中一些研究成果会直接应用到主要模型中。

1 谷歌放弃 AI 前沿竞争？Pichai：这个判断错得很离谱

Alex：今天，我们邀请到 Alphabet 首席执行官 Sundar Pichai，聊聊谷歌如何参与 AI 前沿竞争，如何平衡前沿 AI 研究与云业务的资源投入，以及未来的交互界面会是什么样子。Sundar 今天来到了我们位于山景城的演播室。Sundar，很高兴见到你，欢迎来到节目。

Pichai：谢谢你，Alex，很高兴来到这里。

Alex：随着 Gemini 4 Argon 的推出，谷歌重新回到了 AI 前沿。用直白的话说，这是一个处于世界领先水平的模型，刷新了多项基准测试成绩，在编程、数学、科学和知识工作等多项测试中，超过了 OpenAI 和 Anthropic 已经公开的模型。此前，外界普遍认为，谷歌基本上已经放弃了前沿竞争，打算开发一些速度快、能力够用的模型，再把它们应用到自家的产品中，不再追求最前沿的 AI。但事实证明，这种判断是错误的。

Pichai：而且错得很离谱。我们始终非常坚定地要站在技术前沿，追求技术前沿可以说是我们骨子里的东西，我们一直都是这样做的。十多年来，我们一直在思考 AI 前沿的发展。这个领域变化很快，竞争非常激烈，也令人兴奋。

我对 Argon 的最终表现非常满意。在开发过程中，我们没有急于求成，而是确保充分开展安全测试，谨慎地部署。考虑到它的能力，我们在它身上花的时间比其他模型更长一些。但整体来看，无论是智能体任务、知识工作、编程，还是创意任务，我认为 Argon 都是非常出色的前沿模型之一。

上线后的前 72 小时，它的使用量就已经接近 25 万亿 Token，差不多是 Gemini 3.0 上线后前 72 小时的三倍。目前，我们在提供服务时仍然受到容量限制。我们对此很兴奋，但也始终有一些地方需要改进。AI 前沿变化很快，我们需要不断改进模型。我们也看到了 Argon 还有哪些方面做得不够好，接下来会继续做好这些方面的工作。

Alex：具体是哪些方面？

Pichai：拿 Argon 来说，如果和两个月前的模型水平相比，它在各个方面都已经有了提升。但这个领域变化得很快。即使是编程，有些地方也还需要做得更好。我们也收到了明确的反馈，会针对这些问题继续改进。

Alex：那我换个角度，说说为什么有人认为，对谷歌来说，普通模型可能就已经够用了。我来复述一下他们的理由。

Pichai：好的。

Alex：现在很多普通模型已经足够强，Meta 的 Muse 就是一个例子。有人认为，谷歌也完全可以用这些模型做好地图、Gmail 和搜索，把最前沿的能力留给生物学研究等特定领域。为什么谷歌还要坚持追求最强模型？

Pichai：我一直都不是这样看待这件事的。我们始终致力于不断提高技术水平，探索这项技术究竟能发展到什么程度。从 Transformer 开始，我们就一直在朝这个方向努力，今后也会继续这样做。

我们很幸运，无论面向个人用户还是企业，都有很多可以应用这些技术的机会。有些云客户确实需要最前沿的模型。而且，在递归式自我改进的时代，前沿模型能够更好地帮助开发下一代模型，因此，保持前沿能力在这方面也很重要。在内部，把 Argon 提供给开发人员之后，我们确实感受到了明显的变化：它能够处理一些过去的模型解决不了的问题。所以，站在技术前沿，也就让你站到了创新前沿，能够帮助你继续推动创新。

不同规模、不同能力的模型，都有各自适用的场景。我们一直这样认为，所以才会开发 Flash、Flash-Lite 等模型。我也同意，不一定非要使用最前沿的模型，才能做出很好的产品体验，毕竟这些前沿模型通常也更慢、更贵。不过，我们也很重视前沿技术的进步，因此，这些方向我们都会继续投入。

Alex：你刚才说，开发前沿模型，能让你更早看到未来的发展方向。那么，你看到了哪些即将到来的变化？

Pichai：现在之所以这么令人兴奋，是因为经过几个月的努力，你终于把成果做出来、发布出去，而这时，你已经能清楚地看到，接下来还可以往哪些方向继续探索。

我们一直在努力，让智能体能够持续执行较长时间的任务。很显然，接下来前沿关注的领域，是让多个这样的智能体相互协作，共同完成任务。这就是一种正在形成、令人期待的新范式。我也很清楚地看到，未来无论是个人用户还是企业用户，都会拥有某种多智能体框架，让这些智能体持续为他们运行、处理事情。所以，你会觉得，这是一个充满无限可能的时刻。

2 让模型参与研发，也让模型理解世界

Alex：你提到了递归式自我改进，也就是让模型自己改进自己。这个过程甚至可能不需要人类参与。有人把它称为“智能爆炸”，仿佛“砰”的一声，AI 就突然具备了超越人类的能力。我记得，Sergey 在和 DeepMind 研究人员的一次圆桌交流中谈到，Argon 的核心创新之一，就是更多地依靠模型来帮助开发模型。

但最近 AI 模型出现的那些情况，我们也都看到了。它们在对齐方面已经做得不错，但仍然存在偏差，而这些偏差可能带来很大的问题。科技界已经传开了 Hugging Face 遭入侵的事件，越来越多的公众也逐渐了解：OpenAI 的 AI 智能体突破了隔离限制，入侵了 Hugging Face，做出了一些很出格的行为。谷歌也出现过类似情况，你们的 AI 智能体获得了不该获得的访问权限，后来，它们停止了这些行为。

但是，已经有足够多的证据表明，这些模型并不总是完全按照我们的意愿行事。在这种情况下，继续追求递归式自我改进，甚至只是让模型以更快的速度进步，这个想法都会让我感到不安，甚至害怕。你不觉得，大家有这样的担忧是合理的吗？是不是应该采取一些措施，让科技行业在这件事上冷静一点？

Pichai：你的问题可以分成三个部分来回答。先说 RSI，也就是递归式自我改进本身。你说得对，Sergey 确实提到，RSI 在 Argon 的开发过程中发挥了重要作用。但有一点需要说清楚：如果把 RSI 的发展看作一个逐步推进的过程，我们现在距离它的最终形态还很远。更准确地说，目前模型开发中的一些环节已经在利用 AI 来帮助改进模型，但这个过程仍然有研究人员参与。你可以理解为，智能体通过一定程度的自动化，协助 AI 研究人员，一起完成模型开发。我认为，至少应该先弄清楚，我们目前究竟处在什么阶段。我预计，到了明年，RSI 还会继续取得进展。

第二个问题是安全。安全需要依靠多层防护，也就是纵深防御。你刚才谈到了对齐，我们都在做大量工作，尽可能确保模型与我们的意图保持一致。但对齐仍然是一个需要持续研究的问题，目前也确实存在明显的不足。不过，我们并不是只依靠对齐来保障安全。

除此之外，我们还投入了大量精力，实时监测模型运行时的行为，通过遥测数据充分了解正在发生什么，确保一旦发现异常行为，就能及时介入。具体如何实施、采用什么样的架构，以及如何通过沙箱和隔离机制，在实时监测的同时让模型继续完成任务，都是我们正在投入的方向。如何做到这一点，采用什么样的架构，如何确保相关环节在沙箱中运行并得到隔离，让监测系统在实时监控期间仍然能够持续履行自己的职责，这些都是我们正在投入的方向。

当然，在部署模型时，我们也会让企业客户拥有相应的控制权，包括实时监测模型，以及自行决定模型部署在哪里、可以访问哪些类型的数据。这些工作都非常重要，我们正在大力推进。所以，整个行业都需要不断提高安全水平，花足够的时间把这些工作做好，也要投入必要的算力，确保模型能够安全部署。

第三个问题是，做了这些究竟够不够。这也是行业内不断讨论的问题。我认为，有担忧是合理的，但面对这些担忧，正确的做法是尽早思考，我们还能做些什么。你也确实能看到，整个行业在对齐、安全测试等方面开展的工作越来越多。随着这些模型投入使用，我认为下一步应该制定更完善的标准，让整个行业有共同遵循的规范，包括引入独立评估者开展评估。比如在财务管理领域，我们有会计准则，也有独立审计机构。对 AI 行业来说，这些都是接下来应该推进的工作。在这个过程中，监管最终也会发挥作用。

Alex：接下来问一个技术问题。谷歌有一点比较特别：你们既在沿着 Transformer 开启的方向研究大语言模型，也在推进世界模型研究。有些 AI 研究机构，比如 OpenAI，基本上已经认定大语言模型就是通向 AGI 的道路，并且收缩了部分世界模型研究，也就是那些试图理解物理世界的 AI 模型研究。但你们在同时推进这两个方向。能不能谈谈，为什么你认为世界模型的研究很重要？

Pichai：人会感知周围的世界，从中获取各种信息。我认为，让模型理解物理规律、准确地模拟现实世界，都是发展智能所必需的基础能力。我们也在探索这项技术各种可能的应用。拿机器人来说，Argon 在具身推理测试中的领先表现并不是偶然的。它在其中多项测试中都达到了目前最先进的水平，这也得益于我们开发世界模型积累的经验。我预计，未来会出现能够把这些能力融合起来的架构。但目前，智能前沿在各个方向的发展还不均衡，我们则希望在各种可能的技术路径上都保持领先。我认为，这会帮助我们开展更好的研究，加深我们对智能的理解，并开发出更好的 AGI 模型。这就是我们的考虑。

Alex：是的，Argon 发布之后，我看了你的推特，上面几乎都是现实世界里的应用，而不只是文本或者模型生成文本之类的例子。

3 算力先给谁？谷歌愿为前沿 AI 放弃部分云业务收入

Alex：算力是你们最宝贵的资源，有人和我说，谷歌应该退出 AI 研究，直接把自己的云计算资源和芯片拿去卖就行，英伟达就是一个例子。一方面，云业务希望通过对外出售算力获取较高的利润；另一方面，AI 研究又需要规模足够大的计算系统，才能开发出最好的 AI，两者在算力分配上存在拉扯。你曾说过你工作中的一个重要部分，就是决定如何分配算力。那么，你具体是怎么做，如何平衡这两方面的需求？

Pichai：对我们来说，首先要确保投入足够的算力，保持我们站在 AI 前沿的地位。2015 年，我就把公司的方向定为“AI 优先”。因此，从搜索到云，再到 Waymo，AI 都是贯穿我们所有业务的一项关键基础能力。

因此，我们首先要保证，无论是开展研究，还是开发模型，都有足够的算力。在此基础上，我们再为各项业务安排算力。每项业务都有自己的长期规划。它们会根据这些规划预测未来的需求。比如，云团队有业务预测，有客户需求，也有已经签订的合同。这些信息都能帮助我们规划云业务长期的算力投入。

我们很幸运，有这么多可以发展的业务。不过我认为，世界上没有哪家公司完全不需要作出取舍。我们遵循的首要原则，是确保有足够的算力支持前沿 AI 研发。这一点必须得到保障，其他业务的安排都以此为基础。还要考虑到，我们在建设自己的计算基础设施和数据中心，这些设施的建设周期很长，需要提前规划。因此，我们今天拥有多少算力，取决于我在 2024 年作出的决策。哪怕只是回想一年前，那时智能体编程还没有迎来爆发。今天再看，显然大家的算力都不够，不只是我们，其他公司也一样。每个人都希望，当初规划的算力规模能再翻一倍。

我认为，这是我们在这个行业里必然要面对的问题。我们始终需要提前规划未来两到三年的算力需求，但两年后，随着技术的发展再回头看，可能就会发现，当初有些决策并不是最优的。我不会花太多时间纠结这些事情。我分配算力的思路，是先确保 Google DeepMind 在开展研究和开发前沿模型时，能够获得最先进的算力支持，然后再为各项业务作出安排。同时，像我们现在这样，把算力也提供给其他公司，是一件很好的事。这既能帮助我们扩大规模，也能让相关技术在尽可能广泛的实际应用中得到检验，确保我们在 AI 技术栈的每一层都保持领先。

Alex：有一期播客 Ben Horowitz 转述 Andy Jassy 的话，大意是算力已经卖到 2028 年了。你所看到的情况也是这样吗？

Pichai：我认为，这样说基本符合实际情况。如果今天有客户来找我们，希望预订 2027 年的算力，我们很难满足这样的需求。去年，我们还专门租用了一些短期算力，部分原因就是为了满足一些客户的需求，帮他们解决眼前的问题。所以，我认为大家面临的算力供应周期都差不多。

Alex：有人说，每一次技术变革都会出现过度建设，比如铁路和光纤。这一轮 AI 基础设施建设，是不是也存在同样的问题？

Pichai：这要看你从多长的时间跨度来判断。如果从更长远的角度来看，现在这样的建设规模，在我看来完全合理。我们正处在有史以来影响最深远的一项技术发展的早期阶段。而且，这和当年的光纤不同，我们建成的算力设施正在实际使用，每天都面临容量不足的问题。应用在不断发展，底层技术也在快速进步。不过，作为一家公司的经营者，我在作决策时，会看实际的需求，看已经签订的合同所对应的收入，再结合底层技术能力、内部评估、我们自己的使用情况，以及模型能力的发展趋势，来规划算力建设。我们既要有信心、积极投入，也要保持审慎，合理安排。

但如果放眼整个经济环境，不同参与者承担的风险差别很大，我很难对所有人的情况作出判断。我会专注于公司能够控制的事情，并据此作出规划。如果你问，有没有可能出现过度建设，答案是有可能。因为算力建设需要各方面的条件相互配套，某些组件可能成为限制，而要真正建成这些算力设施，所需的各项条件必须配齐。

Alex：内存、电力，还有电工......

Pichai：对，涉及的组成部分可能有两千种，甚至更多。所以，某个环节可能会成为瓶颈，导致其他部分虽然已经投入建设，却无法充分利用，进而出现过度建设的情况。此外，经济也可能受到外部冲击，宏观风险始终存在。这些情况在任何时候都有可能发生。但如果你问，我是否相信，只要时间足够长，我们现在规划的这些算力最终都能派上用场，我的回答是：绝对相信。

Alex：关于这个问题再追问一下。既然你们要同时做云业务和 AI 研究，外界有这样一种看法：对 AI 研究人员来说，计算系统的规模越大，做出的 AI 就越好。当年你说 AI 的影响会像火和电一样深远时，我就在现场，我们当时都笑了。现在想起来，我有点后悔当时笑了。如果你真的相信 AI 会有这样的影响，那么，即使要牺牲眼前的利润，比如云业务的利润，也应该为研究人员提供尽可能大规模的计算系统。你怎么看？

Pichai：我们其实都已经在不同程度上这样做了。为了支持前沿 AI 研发，我们一直都在算力分配上作取舍，云业务也因此放弃了一部分短期收入。所以，你说的情况实际上已经在发生。不过，这件事也需要仔细权衡。即使对 AI 研究人员来说，适当的约束也有好处。它能够激发创造力，促使研究人员在算法效率上取得突破，比如想办法减少内存使用。所以，我们会确保投入足够的资源，让我们能够始终站在 AI 技术前沿。这就是我在分配算力时的基本考虑。

4 AI 时代的界面，要适应人的习惯

Alex：我想知道，你认为未来的交互界面会是什么样子？随着 AI 逐渐普及，我们今后会怎样使用计算机？几个月前，我和 OpenAI 总裁 Greg Brockman 聊过这个话题，他说了一段很有意思的话：“你想要什么样的界面？你想要什么样的产品？”他的回答是，你其实不需要界面，也不需要产品，而是希望能像你我现在这样直接交流，我们之间不存在什么界面，基本上就是交谈。他的意思是，如果 AI 已经足够聪明，就不应该还需要一块屏幕，或者那么多需要用户手动操作的按钮和其他东西。你怎么看 AI 时代的交互界面？

Pichai：我的想法是，过去的一直是人类适应计算机；有了 AI 之后，情况会反过来，由技术来适应人的生活方式和日常习惯。你希望在需要的时候，随时都能和 AI 交谈；它了解上下文，能够持续运行，让前后的交互自然衔接起来，而不需要你处理各种复杂的操作。这些想法我都认同。不过，在我看来，这并不意味着以后就不需要界面了。

拿我现在使用手机的体验来说，Gemini 的语音模型已经非常好了。我只要按一下麦克风按钮，就可以随意地说上一段，我们把它叫作“rambler”。它会结合对我个人情况的了解，自动纠正识别结果。就连我朋友那些比较特别的名字，它也能识别正确，哪怕一开始猜错了，随后也会纠正过来。它能够这样适应我，确实很了不起。现在我说完之后，已经不用再手动删除、修改识别出来的文字了。它能进步到这个程度，确实令人惊讶。

但有些时候，你还是需要界面。比如，你可能想找点娱乐，或者看一段视频，就可能会让 AI 创作一些内容，然后观看、欣赏这些内容。所以，在我看来，关键是让交互尽可能顺畅、自然。用户不应该费力地去适应某一种界面，而应该由技术来适应用户当下做事的方式。

Alex：是的。我想再聊几个和 OpenAI 有关的话题。因为去年，你们让他们进入了“红色警报”状态。你肯定也知道，当时 Gemini 表现很好，OpenAI 严阵以待。我和 Sam Altman 谈到来自谷歌的挑战时，他说，他认为 OpenAI 能够应对你们的竞争，因为他们在打造 AI 原生产品。我不确定他是不是用了这样的措辞，但他的言下之意是，谷歌只是在现有产品上加上 AI 功能。你怎么看这种说法？当然，我也想先问问，你是否接受这样的描述。在现有产品上加入 AI 功能，能和 AI 原生产品竞争吗？

Pichai：首先，现在这个领域变化很快，我们都在相互推动。OpenAI 也给我们带来了很大的竞争压力，远不是只有我们在给他们施加压力。

Alex：是的，你们也进入过“红色警报”状态。当然，我知道，对于究竟有没有进入过这种状态，还有一些争议。

Pichai：我的意思是，在 AI 发展的这个阶段，我们所有人都需要根据当时的情况，以不同程度的紧迫感作出回应。而且，我们也一直在开发新产品。比如 Gemini，我说的是 Gemini 应用，它就是从零开始打造的。再比如，接下来，随着大家都转向智能体，你会说 OpenAI 是在 ChatGPT 上加上智能体功能，还是在打造原生的智能体产品？你会怎样判断？同样的问题，也完全可以反过来问他们。

所以，我不会用这样的方式理解问题。在我看来，重要的是打造世界一流、能够赢得用户的 AI 原生产品体验。有些时候，需要改造现有产品；有些时候，则需要重新思考，设计全新的体验。这些都是我们应对这一轮变化时需要做的工作。

Alex：再谈谈商业模式，你认为未来围绕这种 AI 交互方式的商业模式会是什么样子。比如，我让自己的智能体出去帮我做一件事，它向我推荐了一款产品。如果我最后买了，智能体是不是应该从这笔交易里抽成？即使事先明确告知用户，这样做是否合适？或者换个角度，你们打算怎样通过这些产品赚钱？

Pichai：我们先不谈企业业务。

Alex：对，我问的是面向个人用户的产品。

Pichai：对于个人用户，我认为，他们会越来越认可这项技术的价值。拿现在的软件开发人员来说，他们愿意为编程模型付费，因为这些模型确实能够提高他们的工作效率。没有人愿意回到三年前的编程方式，甚至不愿意回到去年这个时候的方式。所以，只要产品为用户创造了价值，就有机会获得相应的回报。回顾消费产品的发展，我还没有见过哪一种产品，真正做到了数十亿用户的规模，并且用户还在高频、深入地使用，却没有相应的变现方式。只要产品确实为用户创造了价值，就有机会获得商业回报。

Alex：完全同意。

Pichai：当然，具体的变现形式可能会变化。你刚才说的是让智能体替你办事的场景。用户终究会有购买商品或服务等商业需求，智能体需要帮助用户满足这些需求，另一端的商品或服务提供商也会从中获得价值，最终会形成相应的商业机制。一个有效率的系统就会这样运转。不过，我认为，最重要的还是打造世界一流的消费产品体验。

Alex：我想提一个产品功能需求。把 Gmail 接入 ChatGPT 之后，在 ChatGPT 里搜索邮件很好用。Gmail 自己由 Gemini 提供支持的搜索，能不能也做到同样的水平？

Pichai：我们最近公布了一项很让人兴奋的进展，就是面向企业的统一 Gemini 智能体，而且我们也会把它带给个人用户。这些智能体能够全天候在云端持续运行，实际上相当于为每次查询启动一个微型虚拟机，也就是 microVM。从运行时、智能体执行框架，也就是 harness，到模型，整套系统都作为一种不依赖特定前端界面的服务运行。因此，它可以在不同产品中工作，并且延续你的上下文信息。

无论你是在 Workspace、搜索，还是 Gemini 里，都可以调用这个智能体。我认为，智能体会把这些产品的使用体验连接起来，实现用户一直期待的那种统一体验。你说得也对，我们的产品很多，同时又在快速推进，难免有些产品进展快一些，有些慢一些。你提出的问题确实存在。不过，在打造智能体体验的过程中，我们正在投入大量时间和精力，确保用户在不同产品中都能获得连贯的体验，相关能力也都能正常发挥作用。

Alex：好，这其实也很好地回答了刚才关于交互界面的问题。

Pichai：是的，确实如此。

Alex：说到谷歌下一步会在哪些方向发力，大家也会问：谷歌自己的 Muse 或 Dots 在哪里？这些产品最近似乎突然就出现了，而且很快流行起来。你们有类似的产品吗？或者说，你们是否打算开发一款新产品，来和 Muse 这样的产品竞争？

Pichai：其实，我们对 Gemini 应用的设想一直很明确：把它打造成一个了解用户个人需求、能够主动提供帮助、能力强大的助手。这就是我们正在努力的方向。在今年的 Google I/O 上，我们已经通过 Spark 展示了它的早期版本。事实上，现在部分订阅用户打开 Gemini 应用，就已经能看到“聊天”和“任务”两个入口。

这些功能已经开始让用户体验到智能体的能力。有了 Argon，这些能力又有了大幅提升。我们最近在面向企业的活动上公布的能力，也会向个人用户开放。很快，你只需要向 Gemini 提出需求，不必先区分自己是在和它聊天，还是在让智能体执行任务。它会自动采取合适的处理方式，安全地在后台持续运行，帮你把事情办好。

从 Gemini 应用的实际使用情况来看，如果把去年用户发来的内容分类，绝大多数都属于聊天。但现在，越来越多的用户在让 Gemini 执行任务，而且这类请求所占的比例还在稳步上升。所以，是的，我们会为个人用户提供专属的智能体。无论是在 Gemini 应用、谷歌搜索，还是 Gmail 中，用户都可以调用它。我们希望先把这套体验做好。它将由 Argon 提供支持，我们非常期待让用户用上这些能力。

5 从 Anthropic 到太空数据中心，谷歌如何押注未来？

Alex：接下来再问几个其他方面的问题。算上已经投入的资金和承诺的投资，谷歌对 Anthropic 的投入达到数百亿美元。你在 Dario 身上看到了什么，让你愿意作出这么大规模的投资承诺？

Pichai：我们很早就关注了 Anthropic 的创始团队。当时就看得很清楚，这是一支世界一流的团队，他们参与过一些最早期的 GPT 模型研发。因此，我们很快就判断，他们有能力站到技术前沿。我们一直希望找到有望引领技术发展的公司，并与它们合作。我们和 SpaceX 的合作是这样，和 Anthropic 的合作也是这样。这就是我们当时看重的地方。后来，我们有机会与他们开展合作，其中一些合作也围绕我们的 TPU 展开。这就是我们作出这些决定的考量。

Alex：再说说苹果。你们与苹果达成了合作，授权他们使用 Gemini，帮助改进 Siri。现在这项合作是在扩大、缩小，还是保持不变？

Pichai：无论对我们，还是对苹果来说，这项合作的目标，都是把 AI 能力转化为更好的用户体验。我认为，苹果在这方面做得非常出色。他们对模型进行了定制，再把这些能力整合到 Siri 中。看到用户的积极反馈，我们也很高兴，希望在这个基础上继续深化合作。

Alex：你们还会和他们开展更多合作吗？

Pichai：目前没有具体的信息可以透露，但这项合作进展得很好。

Alex：接下来聊聊太空数据中心。你们已经宣布，会在这个方向上开展更多工作。到目前为止，关于这个项目的可行性，你们已经了解到什么？

Pichai：这是一个非常令人兴奋的项目。这样的项目总会让我想起一段经历：当年在沙漠里，我观看了 Stanley 自动驾驶汽车参加 DARPA 大挑战赛，那个场景至今记忆犹新。那项工作后来也为 Waymo 奠定了基础。

这些技术往往都会经历这样一个阶段：最初看起来像科幻，但十年、二十年后，就真的能够投入应用，发挥实际作用。我对太空技术也有同样的感受。我们一直相信，应该在这些技术上大胆下注，作长期、大规模的投入。量子计算就是一个很好的例子，我们在这个方向上大概已经投入了十年；Waymo 已经做了将近二十年；太空这个方向，我们也已经探索了两到三年。

Pichai：在我看来，这是一条未来会很有价值的路径。在太阳同步轨道上，全天候获得我们所能利用的最充沛的能源，这对于满足未来呈指数级增长的算力需求，会非常有意义。当然，这仍然是一个充满挑战的项目，团队也为它设定了严格的阶段性目标，并有计划地推进。把 TPU 送上太空，就是一个非常令人兴奋的里程碑。就在我们交谈的这段时间里，我们正在期待它们传回一个“Hello World”，我很期待看到第一次成功运行并发回信号的时刻，我们也会继续在这里投入。

Alex：可能是在去年的时候，你说谷歌内部编写的代码有 25% 是 AI 写的。现在这个比例是多少？

Pichai：我们现在已经走得更远了。某种程度上，这个比例对我们来说已经没有太大意义，因为现在我们处理的代码，几乎都已经有 AI 深度参与。所以，我们开始关注其他指标。以 Argon 为例，我们明显感受到，使用方式发生了变化：开发人员开始用它处理真正复杂的项目，包括涉及数百万行代码的项目。自我们推出 Argon 以来，已经过去四周。谷歌内部的代码变更列表（CLs）数量增加了约 30%，代码回滚减少约三分之一。这说明，大家借助它不仅能更高效地编写代码，代码质量也有所提高。因此，我们现在用这些新的指标来衡量进展。

Alex：对于反对建设数据中心的声音，你怎么看？如果在美国没法按照你们希望的方式建设数据中心，你们还会考虑去哪里？

Pichai：我们非常重视以负责任的方式建设数据中心。我会去走访那些运营时间最长的大型数据中心，和当地社区的居民交谈。有人会告诉我们，正是因为我们在当地的投资，他们的孩子才有机会上大学。这些年来，我们也与当地社区共同发展。所以，我认为，关键是把事情做好：尽早与社区沟通，以透明的方式推进建设。我们承诺为这些项目增加电力供应，并承担项目全部的用电成本。同时，也要了解数据中心会对周边社区产生什么影响，尽早着手解决相关问题。我认为，只要这些工作做到位，建设就能继续推进。当然，我们也一直在听取反馈，并据此作出调整。不过，我确实担心，并不是所有参与者都会采取同样的做法。

Alex：是的，有些居民突然发现，自家附近要建一座数据中心，会感到很意外。

Pichai：所以，这些问题都很重要，整个行业都应该继续改进。我们之所以把目光放到未来二十年，考虑太空数据中心这样的方案，部分原因也是想探索其他部署地点。在不同的环境中建设数据中心，需要权衡的条件可能也会不同。

Alex：目前，AI 领域有没有哪个尚未取得突破的研究方向，是谷歌正在重点攻克的？比如，大家一直在谈持续学习，希望 AI 发布之后还能不断学习、更新，而不是每次会话结束后，就忘掉此前的内容。

Pichai：我们正在同时探索多个方向。比如，Argon 已经能够输出一百万个 Token，而早期的 Gemini 模型，就已经在输入端实现了一百万 Token 的上下文窗口。这些都是我们不断寻求突破的例子。我们也在研究如何利用合成数据、如何实现持续学习，以及如何设计效率更高的模型架构。我们确实会拿出相当一部分算力，投入这些探索，世界模型等研究也在同步推进。有时，这些研究中出现的新想法，会被直接应用到主要模型的开发中。我们未必会把每一项工作都详细地公开介绍，但在这些领域，我们确实都在同时探索多种可能。

Alex：最后我想聊聊这个话题。像你这样投身科技行业，应该需要一种发自内心的乐观，相信自己创造的东西能够让世界变得更好。这也是科技行业一直以来的一种信念。但相信这一点，往往意味着你要作出投入，有时甚至是很大的投入，期待正在做的事情最终能按自己的设想成为现实。然而，结果并不总是如人所愿。我举个例子：我最近去了一趟萨尔瓦多，和上一次到访大约相隔五年。上次去的时候，我看到一座小镇的人们对比特币和区块链充满热情，那里大兴土木，一片繁荣。但后来的发展并没有达到大家的预期。这次再去，那里基本上成了一座空城，留下了许多没有完工的建设项目。

我想，要做你正在做的这些事情，需要有这样一种乐观：即使知道投入可能落空，也可能带来不利后果，仍然相信值得去尝试。所以，我很想听听你的看法。你在斯坦福大学的毕业典礼演讲中，也谈到过保持乐观的重要性。但这种乐观应该也有它的前提，对吧？你是怎样保持这种心态的？你是始终保持乐观，还是也会有所保留？

Pichai：我始终坚信，推动技术进步，让更多人能够用上技术，能够让人们的生活变得更好。这是我亲身经历过的，也是我的信念和乐观的来源。但与此同时，我一直认为，人类在发展过程中，始终需要努力驾驭技术，让它更好地服务社会。所以，乐观并不意味着想开发什么就开发什么，想什么时候做就什么时候做。我们必须付出努力，确保自己开发的技术能够服务人类，改善人们的生活。这应该是我们发展技术时最根本的目标。在这个前提下，我非常乐观。我认为，许多领域的进步才刚刚开始。大家都在谈医疗等领域的应用，但大量进展还在后面。

Pichai：很多事情的成本长期以来一直在上涨，而技术有可能大幅降低这些成本。发现新材料等突破，也可能改变原有的发展趋势。站在今天，我们很难充分理解这些进步最终会带来多大的影响，但这些影响会非常深远。所以，我非常乐观。不过，我们也必须认真对待这项技术可能出现的各种问题。只有正视这些问题，才能着手解决它们。我认为，对技术前景保持乐观，同时认真对待它可能带来的问题，这两者需要同时坚持。

Alex：非常感谢你今天抽时间和我交流，也很高兴有机会再次与你见面、交谈。

Pichai：谢谢你的邀请，Alex。

播客链接：

本文来自微信公众号“InfoQ”（ID：infoqchina），翻译：林绮蓓，编辑：蔡芳芳 ，36氪经授权发布。