外界都说谷歌放弃了最强模型，SundarPichai只回了三个字：非常错。从Gemini4Argon到递归自我改进、算力怎么分、AI有没有建过头，作者挑了几条最有感触的线，每节先讲他怎么答，再写自己的想法。
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BigTechnologyPodcast的嘉宾是Alphabet和Google的CEOSundarPichai，在MountainView的录音室里，由AlexKantrowitz提问。聊天的背景是Google刚发布的新模型Gemini4Argon（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Gemini3.0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、FlashLite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（recursiveself-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defenseindepth（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worldmodel（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”（jaggedfrontier）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AIfirst，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GregBrockman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Geminiagent，先面向企业，接下来带给消费者。他的描述是，这些是persistentagents（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GoogleI/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personalagents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，SamAltman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-onagent（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helloworld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。