文婷 发自 凹非寺
量子位 | 公众号 QbitAI
宣了！
谷歌的CEO劈柴（Sundar Pichai）在最新一期Alex Kantrowitz访谈中亲口确认：
RSI是Gemini 4 Argon研发过程中的一项关键助力。
而这还只是个开胃菜。
劈柴预计，从明年开始，Agent将更深地钻进模型研发流程，帮他们造出更强的下一代模型。
好家伙，AI造AI，真让谷歌给干起来了？！
与此同时，劈柴还在访谈中畅谈了谷歌与OpenAI的正面交锋、24小时在线的个人Agent、拿云收入给前沿AI让路，以及把数据中心送上太空等一系列重磅话题。
火花四溅啊火花四溅，重点笔记如下：
- 每家公司都缺算力，我们目前也正受到算力不足的约束
OpenAI的步步紧逼，让我们不得不拉响红色警报。
AI前沿显然会朝着多Agent协同完成任务的方向发展。我认为，未来每个人都将会拥有一套始终在线、持续为自己干活的多Agent系统。
为了开发前沿AI，我们可能会主动放弃一部分谷歌云收入。
很快，个人Agent就将打通Gemini、Google搜索与Gmail。到那时，你只需要把要求告诉 Gemini，它就会直接替你把事儿办完。
随着算力需求的指数级飙升，太空数据中心将会成为一种非常合理的方案，我们正在等待TPU从太空传回“Hello World”。（笑）
enjoy～
Gemini 4研发已经用上RSI
主持人：凭着Gemini 4 Argon，谷歌重新回到了前沿位置，并在编程、数学、科学和知识工作等多项基准测试中都击败了OpenAI与Anthropic的公开模型。
此前，外界普遍认为谷歌已放弃了冲击AI最前沿，转向开发速度快、效果够用且适合接入自家产品的模型。
请问这个判断错了吗？
Sundar Pichai：大错特错！
站在技术前沿一直是刻在谷歌DNA里的信念，我们绝不会改变这一点。
前沿领域确实变化很快，竞争也非常激烈，但我对Gemini 4 Argon最终呈现出的效果非常满意。
发布后的72小时内，它的Token使用量就逼近了25万亿，约为同期Gemini 3.0的3倍。
但即便如此，我们目前仍然受到算力不足的约束。
我认为，模型永远有改进空间，前沿技术也还在不断地向前更迭，我们必须持续推动模型升级。
现在，我们已经发现了Gemini 4一些需要提升的地方，接下来会着手解决这些问题。
主持人：支持标准模型的人认为，现有模型已经足以打造优秀产品，只有少数任务才需要调用前沿模型。
例如，Meta家没有使用顶尖模型，也做出了Muse；
谷歌同样可以把标准模型接入地图、Gmail和搜索。
为什么这样不够？
Sundar Pichai：我从没这么想过。
从Transformer架构开始，我们就意识到，只有站在AI行业的最前沿，你才能比别人更早地看到新能力出现，并为未来做更充分的准备。
我们很幸运，在消费端和企业端都有广泛的实践机会，目前也有一部分云客户向我们明确表态，要求我们必须使用最前沿的模型。
而未来，随着行业逐步进入RSI时代，前沿模型会越来越擅长开发下一代模型。
我们在内部把Argon部署给开发者后，也已经看到了一个明显的拐点，即它确实能解决过去的模型无法处理的问题。
站在前沿就意味着站在创新的第一线，也意味着你能持续推动创新。
当然了，不同规模、不同能力的模型都有自己的位置，这也是我们推出Flash和Flash-Lite等产品的原因。
不使用最前沿的模型也能打造出很好的体验，因为前沿模型通常更慢、成本也更高。
但谷歌关注的是帕累托最优边界（Pareto Frontier），我们希望覆盖能力与效率之间的整个平衡区间。
（帕累托最优边界：在资源或条件有限的情况下，你所能达到的最佳平衡点的集合。 在这个边界上，想要提升某一个指标，就必然要牺牲另一个指标，不存在既要又要的完美解。）
主持人： Sergey Brin曾表示，Argon的一项核心创新是让模型更多参与自身开发。
但OpenAI的机器人曾突破隔离环境，谷歌的机器人也访问过不该访问的网站。这说明系统还没有实现完美对齐。
面对不断加速的RSI，人们是否有充分理由感到担忧？
（Sergey Brin：Google联合创始人、当代AI技术的奠基人之一，曾于斯坦福大学攻读博士期间参与发明PageRank算法，奠定了现代搜索引擎，即早期信息检索AI的基础。）
Sundar Pichai：我们可以从三方面看这个问题。
首先，咱先来谈谈RSI本身。
RSI确实是我们开发Gemini 4 Argon时的一项关键助力。
但如果把RSI看作一条持续演进的路径，那么我们距离它的终极形态其实还很远。
只能说，目前，Agent已经深入我们开发模型的各个环节，并以自动化的方式协助AI研究员们共同构建模型。
我预计明年，这条演进路径还会继续向前延伸，帮我们造出更强的下一代模型。
其次是安全问题。
安全不能只押在一层防线上，还要依靠一整套纵深防御体系。
在对齐方面，各家公司都投入了大量精力，努力让模型与人类目标保持一致。
但这仍然是一个活跃且存在明显缺口的研究领域。
所以，我们不会只依赖对齐工作，还投入了大量资源，在模型运行时进行实时监控。
我们通过遥测技术掌握系统动态，一旦发现意外行为，就能实时介入。
如何监控、采用什么架构，以及怎样通过沙箱和隔离机制，让模型在接受监控的同时继续完成任务，都是我们正在持续加码的重点方向。
部署模型时，我们还必须把控制权交给客户和企业。
因为除了实时监控，他们也应该有权决定模型部署在哪里、不同模型可以接触哪些数据。
这些工作极其重要，我们也正在大力投入。
整个行业也必须不断提高标准，投入必要的时间和算力，确保模型能够安全部署。
最后，现有措施到底够不够？
我认为，如果行业在持续讨论这个问题，那就恰恰说明人们的担忧完全合理。
面对风险，正确的做法就是尽早思考我们还能多做些什么。
目前整个行业都在加强对齐研究和安全测试。
下一步，我们应该建立更完善的标准，形成跨行业统一规范，让独立评估机构有能力开展评估。
金融领域有会计准则，也有独立审计机构。
AI行业也应该建立类似的机制，并让监管力量参与其中。
多个Agent，要开始7×24小时替人干活了
主持人：你提到，开发前沿模型可以让谷歌提前看到即将到来的变化。
那你具体看到了什么？
Sundar Pichai： 最令人兴奋的地方莫过于，当你花几个月做出一项自认为集大成的成果并发布后，会立刻发现，前方还有巨大的提升空间。
大家一直在开发Agent能力和long-horizon capability（长程任务能力），但前沿显然正走向一个新阶段，也就是让多个Agent协同完成任务。
捕捉到这个新范式让我感到非常兴奋。
所以我也越来越相信，未来无论在消费端还是企业端，每个人都将会拥有一套始终在线、持续为自己干活的多Agent系统。
主持人：几个月前，OpenAI的总裁Greg Brockman告诉我，理想的AI产品或许根本没有界面一说，用起来就像自然交谈一样。
你认为AI时代的交互界面会是什么样？
Sundar Pichai：纵观计算机的发展史，一直是人类主动适应计算机。
但到了AI时代，这种关系应该会反过来，技术应当无缝适应人类的生活方式和日常活动。
当你想与AI交谈时，随时都可以开口。
它了解上下文，可以在后台持续运行，也能保持交互连贯。
以后你不必再搞太复杂的操作，AI就能随时帮你做事。
在我看来，这些方向完全合理，但这并不意味着AI会彻底失去界面。
在我的手机上，Gemini语音模型已经非常好用。
我只需要按下麦克风按钮，想到什么就说什么，它会结合我的personal context智能纠正。
哪怕它一开始听错了朋友的名字，最后它也能自行改对，不需要我再回头逐字逐句修改。
但总会有一些时候，你仍然需要界面。
比如当你想看段视频，或者让AI创作某种内容并亲自观看和享受。
所以我觉得，真正的无缝交互，应该是让技术隐于无形，并主动契合用户自身的使用节奏。
主持人：Gmail内置的Gemini搜索体验能否优化至接近ChatGPT检索邮件的水平？当前两者之间的体验差距，核心瓶颈究竟在哪里？
Sundar Pichai：我们近期发布的Gemini Agent具备云端7×24小时持续运行能力。
其底层采用按需启动的微型虚拟机架构，从runtime、harness再到模型，整套系统均采用headless service（无界面服务）设计。
它既能支持跨产品无缝协作，也能维持用户上下文的连贯性。
无论你正在使用Workspace、搜索还是Gemini，都可以直接调用这个Agent。
主持人：你们什么时候会推出对标Muse或Dots的产品？你们打算开发一款新产品与它们竞争吗？
Sundar Pichai： 我们希望Gemini成为一名富有个性、主动且强大的助手，这正是我们目前努力的方向。
在今年的Google I/O大会上，我们已经通过Spark展示了它的早期形态。
现在，Pro或Ultra用户打开Gemini应用，就能看到Chat和Task两个入口。它们已经开始提供Agent式体验。
Argon推出后，这项能力得到大幅加速。
最近在企业活动上公布的功能，我们也会逐步带给消费端用户。
很快，它就将打通Gemini、Google搜索与Gmail；
到那时，你只需要把要求告诉 Gemini，它就能直接替你把事儿办完。
主持人： 你曾透露，谷歌内部有25%的代码均由AI编写。现在这个数字是多少？
Sundar Pichai：这个数字已经没有太大意义了，因为AI已经深入影响我们接触的每一个环节。
以Argon为例，我们一直在追踪它带来的变化，而它已经成为一个明显的拐点。
员工开始用Argon真正处理复杂项目，其中一些项目涉及数百万行代码。
在Argon发布后的4周里，我们看到CL（代码变更单）数量增长了30%。更重要的是，rollback减少了近三分之一。
我们的员工用它写出了更多的代码，质量也更高。
因此，我们现在已经开始用一套新的指标追踪它的效果。
宁可云业务少赚钱，也要把算力留给前沿AI
主持人：我问Sam Altman如何看待谷歌的竞争时，他表示OpenAI正在打造AI-native产品，并暗示谷歌只是在现有产品上bolt on AI（外挂AI功能）。
你接受这种说法吗？所谓外挂式产品能与AI原生产品竞争吗？
Sundar Pichai：首先，行业正处于一个飞速迭代的时期，谁也不敢歇着，大家都在互相内卷。
OpenAI的步步紧逼，确实让我们不得不拉响了红色警报。
但这绝不是单向施压。
进入AI时代，每一家公司都必须带着紧迫感做出回应，这是业内常态。
在未来，当大家都在适应Agent时，你会说ChatGPT只是在外挂Agent功能，还是说OpenAI正在原生构建Agent？这个问题永远可以倒过来问。
因此，我并不倾向于用这种二元框架来思考问题。
我们的核心目标始终是打造世界级的、AI原生的、能够真正赢得用户的产品体验。
这既包括对现有产品的改造升级，也包括对全新体验的重新设计。
两条路径并行推进，才是我们应对AI时代的整体策略。
主持人： 有人认为，谷歌应该把算力卖出去，而不是拿来做AI研究。
云业务希望以高毛利出售算力，研究人员却需要一台规模极其庞大的计算机，才能开发出最好的模型。
你如何平衡这两种需求？
Sundar Pichai： 对谷歌而言，最基础且最优先的战略要务，是确保充足的算力投入，并始终占据AI技术前沿。
自我2015年推动公司转向AI-first以来，AI已成为贯穿搜索、云业务及Waymo等所有业务线的核心底层能力。
所以，我们必须优先保障研究与模型开发的算力需求，这一原则没有任何的妥协余地，其他所有业务均建立在此基础之上。
云团队目前已基于自身的业务目标、市场需求信号及签署合同，规划长期算力路径。
而且，尽管谷歌拥有广泛的业务机会，但任何企业都需做出取舍。
我们会始终坚持第一原则，前沿研究的算力保障是绝对前提。
我们也在建设自己的算力和数据中心，但这些项目的交付周期很漫长，我们目前的算力储备还是取决于自身在数年前的决策。
例如，我们在2024年的规划并未预见到Agent编程的燎原式起飞。
算力短缺是AI时代的共同痛点，每家公司都缺算力。
只能说，我们会尽量以前瞻两到三年的视角规划算力。
但技术前沿毕竟在不断变化，某些决策到了两年后，难免显得不够理想，所以我不准备花太多时间纠结这些事。
在我看来，分配算力的首要目标还是确保Google DeepMind无论开展研究，还是开发前沿模型，都能获得最先进、最充足的算力支持。
完成这一点后，我们再为其他业务制定计划。
与此同时，我们也很高兴能像过去一样，把自己的算力提供给其他人。
这可以帮助我们扩大规模，并在尽可能广泛的应用场景中进行真实测试；
而把技术放进现实世界验证，也能确保谷歌在AI技术栈中保持领先。
主持人：Ben Horowitz曾在一档播客中称，Andy Jassy认为算力已经一路卖光到2028年了。
谷歌也面临同样的情况吗？
（Ben Horowitz：硅谷顶级风投公司a16z的联合创始人；Andy Jassy：亚马逊现任CEO，前AWS的创始人与前掌门人。）
Sundar Pichai： 这么说吧，如果今天有客户来找我们，并表示希望采购2027年的算力，那么我们确实很难满足。
去年，我们甚至还短期对外租赁了一部分算力，用来容纳和帮助一些客户。
但没错，大家面对的交付周期都差不多。
主持人： 从铁路到光纤，几乎每一次重大技术变革，都会伴随基础设施过度建设。你认为AI领域也正在发生同样的事情吗？
Sundar Pichai：这取决于你观察的时间尺度。
只要把时间拉得足够长，今天这样的建设规模，在我看来完全合理。
我们正处于一项可能是有史以来影响最深远的技术的早期阶段。
算力也不同于光纤，但它并没有闲置在那里。
我们每天都在使用算力，且每天都受到容量限制，应用和底层技术还在飞速进步。
但经营一家公司时，我会先观察需求信号，再看通过合同锁定的收入机会，然后把它们与底层技术能力放在一起权衡。
在公司内部，我们也会平衡算力的实际使用方式和模型的发展路径。
综合这些信息后，我们再以一种既有信心、又有进取心，同时足够克制和严谨的方式规划算力。
但如果把视角扩展到整个经济体系，不同参与者承担的风险水平各不相同。
对我来说，重点是把公司能够控制的事情做好，再据此制定规划。
如果你问会不会出现过度建设，答案是会，因为其中某些关键要素可能会突然受限。
要知道，建设算力基础设施需要凑齐一整套资源，包括内存、电力、电工和土地。
这样的组成要素可能有2000种，甚至更多。
任何一个环节受限，都可能形成瓶颈，最终导致某些部分过度建设。
外部经济冲击也可能发生，宏观风险始终存在，这些情况随时都可能出现。
但如果给出足够长的时间，我相信谷歌规划建设的算力最终都能找到实际用途。
主持人： 你曾经说过，AI的影响会像火和电一样深远。
如果你真的相信这一点，难道不应该把尽可能大的计算机交给研究人员，哪怕牺牲眼下的云业务利润吗？
Sundar Pichai： 大家其实都在以某种形式这样做。
为了支持前沿AI开发，我们必须在算力分配上做取舍。
因此，谷歌云随时都可能主动放弃一部分短期收入，你说的情况已经在发生了。
但算力分配仍然需要深思熟虑。
即使是AI研究人员，也会面临一些约束，这些约束有时反而是好事；
因为它们能够激发创造力，促使研究人员找到更高效的算法突破，比如减少内存使用。
我们只能尽量承诺，投入一切必要资源，确保自己留在前沿。
TPU准备上天，谷歌还在押世界模型和AGI
主持人： 谷歌同时研究LLM和world model，但OpenAI等公司更侧重LLM，并将其视为通往AGI的路径。
你为什么觉得，世界模型研究对谷歌如此重要？
Sundar Pichai：如果说人类会感知周围的世界，也会接收来自外界的各种输入，那么模型同样需要理解物理规律，并以高保真的方式模拟世界。
我认为，这些都是构成智能的关键基础模块。
我们正在探索它的各种应用。以机器人为例，Argon便在embodied reasoning benchmark（具身推理基准测试）上达到了业界最佳水平。
这并非偶然，背后正是我们构建世界模型时所积累的经验。
我预计，未来会出现某种架构，把这些方向全部汇聚起来，但目前，我们看到的智能前沿仍然参差不齐。
谷歌希望站在所有可行路径的前沿，因为这既能推动更好的研究、带来更深入的洞见，也能帮助我们开发出更强的AGI模型。
这就是我们的核心思路。
主持人：到目前为止，你对太空数据中心的可行性有了哪些新认识？
Sundar Pichai： 这是一个非常令人兴奋的项目。
这类项目总会让我想起当年在沙漠中举行的DARPA Grand Challenge（美国国防高级研究计划局无人驾驶挑战赛）。
我当时亲眼看着Stanley自动驾驶汽车参赛，后来它成为了Waymo的技术基础。
新兴技术问世之初，往往带有浓厚的科幻色彩；但把时间向后拨10到20年，你就会发现它们大多已经深度融入现实，并产生了切实而深远的应用价值。
我对太空技术也有同样的感觉。
我们一直相信，应该对这些技术下重注。
量子计算这条路，我们大概已经走了10年；Waymo走了将近20年；太空项目则刚刚走了两三年。
我很确定，太空数据中心未来会成为一条非常合理的路径。
把设施部署在sub-synchronous orbit（次同步轨道），就能全天候利用我们能够获得的最丰富的能源形式。
随着未来算力需求呈指数级增长，这种方案会变得越来越有意义。
当然，这是一个极具挑战性的项目，团队已经制定了严谨的里程碑。
把TPU（张量处理单元）送上太空，是一个非常令人兴奋的节点。
就在咱谈话的这会儿，我的团队正等待它们从太空传回“Hello World（你好，世界）”呢（笑）。
所以说，我非常期待那一刻，也会继续投入这个方向。
主持人：谷歌目前最希望攻克、但尚未得到验证的AI方向是什么？
Sundar Pichai：我们正在并行探索多条路径。
Gemini 4 Argon的输出Token上限已达到100万。
更早推出Gemini模型时，我们也率先把输入侧的上下文窗口扩展到100万Token。
这些都是我们不断推动突破的例子。
我们会研究synthetic data（合成数据）应该如何使用、持续学习应该如何推进，以及怎样设计更高效的架构。
我们确实会拿出相当一部分算力，投入这些研究押注。
前沿模型和研究探索应该始终相互配合，其中也包括世界模型，所以这些都是我们正在下注的方向。
在探索过程中，有些想法会逐渐成熟，最终直接进入我们的主线模型。
我们没有完整公开这些过程，但我们确实已经在多个方向上推进了很多步。
主持人：从事科技行业，需要相信自己正在建设的东西会让世界变得更好。
但一旦押注失败，也可能留下真实而沉重的后果。
我最近重返萨尔瓦多的一座小镇，发现当地曾经对比特币充满热情，如今却只剩下未完工的建筑，整座镇子仿佛变成了一座鬼城。
面对这些风险，你如何继续保持自己在斯坦福毕业演讲中谈到的那种乐观？
Sundar Pichai： 我发自内心地相信，推动技术进步、扩大技术普及，会让人们的生活变得更好。
这既是我这一生的切身体会，也是我坚定信念与乐观的源泉。
但与此同时，我也始终认为，人类的发展历程，本就是不断学习驾驭技术，并让技术真正服务社会的过程。
所谓乐观，并不是想造什么就造什么、想什么时候造就什么时候造，而是我们必须努力确保技术服务于人类，改善人类的生活境况。
这必须成为我们发展技术时最根本的目标。
我们才刚刚进入AI这场变革的早期阶段，许多领域还将迎来巨大进步。
比方说大家最近都在谈的医疗健康话题，也有许多突破等待发掘。
AI行业也是这样的。
一方面，AI的出现有机会从根源上把许多昂贵产品和服务的成本打下来；
另一方面，它还能帮我们找到新材料，真正改变原有的发展轨迹。
今天，我们很难完全预见这些变化最终会带来多大的影响，但它们必将极为深远。
我对此非常乐观。
但与此同时，我们也理应时刻警惕这项技术误入歧途。
完整访谈指路：
[1]https://www.bigtechnology.com/p/sundar-pichai-googles-frontier-imperative
[2]https://www.youtube.com/watch?v=F3ItSTZNtT0
