谷歌AI起大早趕晚集？皮查伊正面回應：我們早就做過“ChatGPT”，只是OpenAI運氣更好

智東西
編譯 劉煜
編輯 陳駿達

智東西4月13日報道，4月7日，金融科技公司Stripe發布了其對谷歌CEO桑達爾·皮查伊（Sundar Pichai）長達一個多小時的采訪視頻。在這期播客中，Pichai正面回應了業界關于谷歌在AI領域“起大早，趕晚集”的調侃，稱谷歌早在多年前就已構想出類似ChatGPT的產品，并推動了基于Transformer架構的產品化落地原型——LaMDA，但因其“有害內容含量高”而最終未發布。

Pichai還認為，OpenAI推出ChatGPT時前景并不明朗，只是OpenAI比較幸運，通過GitHub找到了AI編程這一落地的突破口。

聊到中國時他忍不住感慨：“中國的（基建等）建設速度之快令人驚嘆。”他還特別提到，中國現在的開源模型做得非常出色，而谷歌剛發布的Gemma 4，算是除了中國開源模型之外，另一款很能打的優秀開源模型。

在運營層面，Pichai揭示了當前谷歌面臨的全新管理挑戰，他每周會花1小時時間親自分配TPU。他稱，目前谷歌受晶圓產能、內存和電力的供應限制，還甚至說道：“我們連足夠的電工都找不到。”

在這些制約因素中，Pichai認為內存是最關鍵的組件。由于頭部內存廠商很難大幅擴產，短期內內存供應瓶頸仍會存在。但這也會推動技術創新，谷歌計劃把內存的使用效率提升30倍。

采訪中還談到了未來搜索形態的變化趨勢，Pichai稱：“未來的搜索會成為智能體管理器。”

2015年，Pichai正式出任谷歌CEO，至今已十年有余。在這期播客中，Pichai還提到除已披露的太空數據中心與量子計算外，其旗下Wing無人機配送正快速擴圍，不久將覆蓋4000萬美國人。同時，他坦言AI正深刻重構谷歌內部工作流，以Antigravity（Jet Ski）為代表的智能體管理工具已在核心團隊全面推廣，谷歌第一個完全由智能體完成的內部業務預測會在2027年出現。以下是這期播客的核心內容：

1、智能體的拐點：Pichai預測2027年智能體將迎來拐點。AI將全自動完成谷歌的業務預測，深度改造財務、運營等非技術流程。

2、早已有ChatGPT構想：谷歌的LaMDA模型是ChatGPT早期原型，谷歌因安全與質量標準未達標遲于ChatGPT推出。

3、算力資源的分配：Pichai每周會花1小時時間親自分配TPU，并統籌內部業務與谷歌云客戶的算力供給。

4、傳統搜索將進化：傳統搜索形態未來或將淡出，因為設備形態本身就會發生改變。而未來搜索將成為智能體管理器，而AI將接替傳統搜索功能，在后臺異步處理用戶復雜需求。

5、否認對AGI態度冷淡：谷歌從創始團隊起就深度布局AGI，包括谷歌DeepMind CEO戴密斯?哈薩比斯、谷歌首席科學家杰夫?迪恩，以及前Google Brain核心成員伊利亞?蘇茨克韋爾、達里奧?阿莫代伊等人，都深度參與過AGI相關的研究。

6、發展瓶頸：谷歌在晶圓、內存、電力與審批效率面臨發展瓶頸，其中電力能源問題相對好解決，真正拖慢項目進度的，往往是審批和監管環節。

7、隱藏王牌：谷歌持續押注太空數據中心、量子計算、Gemini機器人以及Wing無人機，同時同步推進Isomorphic AI制藥。

8、轉型痛點：年輕公司憑借“AI原生”的組織架構在轉型中具備天然優勢，而大公司雖然技術架構完整，但需要在組織層面進行大量再培訓、流程重構和變革管理，轉型相對吃力。

9、看好機器人項目：Pichai稱現在Gemini機器人模型在空間推理等方面已經達到業界頂尖水平，谷歌正重新與Boston Dynamics（曾被谷歌收購后又被其出售）以及Agile等公司展開合作，推進相關技術落地。同時在擴大其旗下Wing公司的無人機配送項目規模。

10、谷歌搜索：谷歌搜索能大幅領先同行，其部分關鍵點突破得益于（谷歌推出的為深度理解語言與上下文，并直接應用于谷歌搜索，大幅提升復雜查詢的準確率的模型）BERT和MUM模型。

一、關于Transformer與ChatGPT的“先發后至”

John Collison：人們談及谷歌與AI時，經常提及的一段往事是：Transformer架構誕生于谷歌，卻主要被ChatGPT這類外部產品率先落地使用。你現在如何看待這件事？

Sundar Pichai：我覺得這件事值得好好聊聊，其實外界對于這件事本身存在一些誤解。

Transformer架構的研發工作，是在大規模使用TPU的背景下開展的。從某種意義上講，Transformer從一開始就是為了解決具體的產品實際需求而被設計出來的。當時團隊正在思考怎么優化翻譯效果。

至于TPU，我們面臨的問題是：語音識別功能確實有效，但突然要把它賣給20億用戶，芯片算力根本不夠，該如何解決推理算力問題——（被主持人打斷）

John Collison：這點我之前確實不知道。Transformer特指？

Sundar Pichai：Transformer出自我們的研發團隊，但團隊的研發方向始終圍繞解決產品問題。Transformer問世后立刻就被投入使用。

很多人低估了BERT和MUM模型的價值，因為我們對搜索質量的把控極為嚴苛。那段時間，谷歌搜索之所以能大幅領先同行，部分關鍵突破正是得益于BERT和MUM。

我們研發出Transformer后，立刻將它應用于搜索，提升語言理解能力，讓系統更好地解析網頁內容、理解用戶查詢，并持續迭代優化模型。

我們內部也在推進產品化落地，當時有團隊在研發一個名為LaMDA的模型。顯然，我們并不是第一個推出這類產品的公司。但我認為，這并不是因為我們只停留在研究層面、沒有朝著產品方向去落地應用。在我看來，實際情況其實是——（被主持人打斷）

John Collison：你做了這項研究，然后你發現按照你的預期使用它能帶來巨大的的投資回報率。只是并非所有基于這項技術誕生的產品，都是由你們自己創造出來的，不過這也很正常。

Sundar Pichai：ChatGPT這類產品的構想，我們其實早就有了，原型就是LaMDA。大家如果還記得的話，當時谷歌內部有一名工程師認為LaMDA具備了自我意識。他當時在內部所對話的這個系統，本質上就是ChatGPT的早期版本。我們甚至已經在其他項目組里，做出了它的產品化版本，只是谷歌大概晚了九個月才對外推出。

事實上，在2022年的谷歌I/O開發者大會上，我們發布了AI Test Kitchen，其核心就是LaMDA，但我們對它做了限制，因為當時內部還沒有推出經過RLHF（基于人類反饋的強化學習）優化的端到端版本。我看到的未優化版本，有害內容含量很高，當時根本不可能對外發布。

此外，作為一家始終把搜索質量放在核心位置的公司，我們對產品上線的質量標準要求更為嚴格。但這并不代表我們沒有采取行動，當時我們一直在研究如何以穩妥的方式將它推出。

我還想說，即便OpenAI發布ChatGPT時，他們也是在幾個月前才與微軟達成合作。回頭看，當時的發展前景也并非完全明朗。我認為他們很幸運，因為他們還通過GitHub在編程領域找到了技術落地的突破口。我想我們當時或許錯過了某個信號。

在編程領域，模型迭代帶來的提升可能比純語言領域更顯著。從GPT-2到GPT-3再到后續的GPT-4，如果將它們用于編程任務，進步幅度會顯得尤為突出，這些關鍵都有據可查。

回到你最初的問題，與其說關鍵在于研發到產品的過程本身，不如說是其它多重因素共同作用的結果。

Elad Gil：我記得和參與過ChatGPT研發的人聊過，他們是在感恩節那周發布（ChatGPT）的，當時只是一次低調發布，并不像是聲勢浩大地宣布重磅產品，它也沒被視作未來地核心業務。它的爆火顯然更像個意外。

Sundar Pichai：在我看來，它當時更像是一個很有意思的測試案例，效果確實很驚艷。

我對這類事件的理解是：在消費互聯網領域，意外總會發生。我和Elad Gil早年在谷歌時，公司有個產品叫谷歌視頻搜索（Google Video）。后來YouTube出現了，我們最終收購了YouTube。再比如如果你在Facebook，后來Instagram出現了，沒人會在當時就覺得大驚小怪，畢竟Facebook后面直接收購了Instagram。

但我始終認為，消費互聯網的邏輯就是：兩三個人的小團隊不斷做原型、試錯，拋出無數創意。我并不是想貶低什么，只是想說，總會遇到這樣的時刻。沒人能在車庫里靈光一閃，就做出一款比iPhone更好的手機，這不現實，但消費互聯網本并非如此。所以我們只需意識到這一點，坦然接受即可。

二、谷歌的速度戰略與搜索的未來

John Collison：說到2026年的AI競賽，我有一點讓我印象深刻，那就是谷歌長期以來都把速度作為核心差異化優勢。初代谷歌搜索速度極快，甚至還會在結果頁顯示查詢耗時，多少帶點炫技的意味。后來的Gmail快速搜索、Chrome瀏覽器，對比同期競品都具備速度優勢。

如今，我會因不同需求使用不同的AI服務，但基于TPU運行的Gemini就是快得出奇。我很好奇，這是明確的產品戰略，還是有更復雜的考量？

Sundar Pichai：我一直都很注重速度，為了便于理解我暫且把它稱為“延遲”，并且把延遲視作優秀產品的核心特征之一。同時，低延遲也往往意味著產品的底層技術架構足夠優秀。還有一種速度同樣重要，那就是產品發布、迭代和更新周期的速度。這兩者都至關重要。

但單說延遲，嘴上說追求低延遲很容易，可產品功能一直在持續升級，技術邊界不斷拓展，如何在功能與延遲之間找到平衡，這才是難點。

舉個例子，比如搜索功能。我和團隊溝通時了解到，他們會為子團隊設置毫秒級延遲預算。如果上線一項優化能減少3毫秒延遲，就能獲得1.5毫秒的延遲預算獎勵，另外的1.5毫秒會直接轉化為用戶可感知的速度提升。

根據不同團隊的業務場景，有的團隊延遲預算可能是30毫秒，有的則是10毫秒。團隊可以使用這部分預算，但必須接受嚴格的審核把關。這也足以體現我們對延遲的重視程度。

Elad Gil：人類能感知到的延遲大概是幾百毫秒級別，對嗎？是這個閾值影響體驗嗎？

Sundar Pichai：沒錯。據我最新查看的數據面板，過去五年里，我們把搜索延遲降低了30%，與此同時產品功能還在持續升級。

這也是我們打造Gemini的核心思路，即在前沿性能與速度之間找到平衡。Flash系列模型能達到Pro版本90%的能力，但它的運行速度更快、服務效率更高，垂直整合的技術架構也為此提供了支撐。

Elad Gil：你如何看待搜索的未來？如今很多人都在討論，對話交互會成為新的信息獲取方式。顯然，Gemini已經融入了谷歌搜索，AI生成的結果也成為搜索的一部分。但不少人還在進一步談論智能體工作流（agentic flows）。

例如未來每個人都會擁有專屬的個人智能體，無需手動輸入查詢，它會直接替你完成任務。比如你不用再搜索旅行攻略，它會直接為你規劃好一整趟行程。你認為搜索的未來究竟是什么？它只是一種流量分發渠道，還是會進化成一款全新的未來產品？

Sundar Pichai：在我看來，搜索業務每經歷一次變革，就能承載更多功能。我們必須吸納這些新能力，持續拓展產品的邊界。

比如移動互聯網時代，產品迭代速度就非常快。當人們走出紐約地鐵，想要的不是網頁信息，而是找到目的地，這時候搜索服務就要跟著該變。用戶的期待在不斷變化，產品也要隨之跟進。

放眼未來，現在很多單純以獲取信息為目的的查詢，在之后的搜索中都會變成由智能體主動代勞。系統不再只是給出答案，而是會直接幫用戶完成任務，同時處理多項事務。

Elad Gil：十年后搜索還會存在嗎？還是會進化成全新形態？

Sundar Pichai：它會持續進化。未來的搜索會成為智能體管理器，幫用戶完成各類任務。某種程度上，我現在使用的Antigravity，就是多個智能體協同工作的形態。我能預見搜索會實現類似功能，從而幫用戶高效處理事務。

John Collison：（對Elad Gil）我理解的你的問題的核心在于，如果我們把“搜索”定義為：輸入不超過一行的提示詞，接著它給出一堆網頁的查詢結果，而不是直接給出正確答案或解決方案。像這種傳統（搜索）產品形態未來還會存在嗎？

Sundar Pichai：如今谷歌搜索的AI模式下，用戶會輸入深度研究類查詢，這已經超出了你說的傳統定義，但用戶已經適應了這種變化。我認為未來人們還會發起需要持續一段時間的復雜任務，這些任務完全可以在后臺異步完成，不用用戶一直盯著等結果。

Elad Gil：這就像生命從單細胞生物演化成復雜生命體，同理，搜索的舊范式是否會徹底消失？說到底，今天的傳統搜索終將進化為智能體，未來的交互界面也將以智能體為核心，十年后，搜索框或許將不再是主流形態。

Sundar Pichai：畢竟設備形態本身會發生改變，I/O大會的展示內容也會徹底革新。糾結十年后會發生什么容易讓人陷入內耗，但我們很幸運，當下技術迭代速度極快，聚焦未來一年的規劃就足夠令人興奮。

如果是在過去，我們可能需要展望五年后的愿景，而如今，模型一年后的形態就會變得截然不同。能緊跟這條技術曲線本身就已經很激動人心了。

搜索會持續進化，當下正是行業擴張期。很多人低估了一點，但在我看來AI領域絕非零和博弈。人類未來能創造的價值正呈指數級增長。想通這一點后，外界的諸多質疑都會不攻自破。TikTok崛起后YouTube依然發展得很好，Instagram出現后Facebook也沒有衰落，類似案例比比皆是。

如果把行業視作零和博弈，發展前景會顯得艱難。但只要我們堅持創新、推動產品進化，就總能抓住新的增長機會。

我們現在同時做搜索和Gemini，兩者在某些方面會重疊，在某些方面又會徹底走向不同方向。我覺得兩條線并行、坦然接受這種共存，反而是件好事。

John Collison：我們談到搜索的未來的時候，我想起一件事。大約一年前，也就是2025年的春夏，谷歌的用戶情緒非常負面。主流觀點認為，搜索業務已窮途末路，谷歌將陷入困境，并且該公司得核心商業模式會遭受重創，諸如此類。當時谷歌股價約為150美元。

現在大家才意識到，這種看法有多么荒謬。谷歌擁有全棧技術布局，無論是應用、大模型、TPU，還是Waymo、YouTube等前沿業務。投資者某種程度上代表了市場的專業判斷，你認為他們去年到底在哪些問題判斷錯了？

Sundar Pichai：顯然當時存在非常大的的誤會。

那時大家的關注點非常偏向于“垂直整合”。對我來說，當時非常清楚的一點是：“嘿，奧弗頓之窗（可接受議題范圍）已經移動了。”我覺得這家公司就是為了那個時刻而生的。那種垂直整合的模式并非偶然，而是有意為之的。

我們的TPU已經發展到了第七代。我記得可能是在2016年的Google I/O大會上，我們宣布了TPU，并談到了我們正在構建AI數據中心。在當時我們已經意識到，谷歌正以“AI優先”的方式運作，并且我們已經從骨子里接受了這一轉變。對我來說，我們在前沿的LLM方面雖然落后了，但必須調動谷歌擁有的全部能力來迎接這個關鍵時刻。而令人興奮的是，從全棧角度看，我們同時擁有強大的研究團隊、基礎設施團隊和完整的平臺體系。

對于我來說，我突然覺得我們掌握了一項能夠加速所有業務的通用技術。從搜索到YouTube，再到云服務與Waymo，其發展均依托于這一技術進步。這是一種效能極高的、杠桿化的推進方式，我對此有清晰的認識。

回到之前討論的觀點，我完全不認為這是一個零和博弈的時刻。我覺得AI市場的一切都會擴展十倍，同時也會給其他人留出空間。回顧過去，亞馬遜在谷歌出現之后依然做得很好，Facebook也是如此。我們低估了這種發展模式所帶來的增長空間。

但作為一家公司，我們必須執行得更好。這就是我之前提到的我更關注的事情。

John Collison：有沒有什么事情能向外界證明“哦，他們做到了”？是Gemini 3改變了人們的看法嗎？

Sundar Pichai：我不太關注具體的時間線。我認為，真正讓外界看到我們實力的模型，可能是Gemini 2.5，它尤其是在多模態領域達到了前沿水平。這要歸功于Google DeepMind團隊。

我們前期確實投入了更高的固定成本，但從一開始，我們就把Gemini模型設計成真正的多模態架構。我認為它的優勢已經在一些領域開始顯現，Nano Banana就是一個典型例子，你能看到各項能力完整地融合在一起。

但說實話，AI這個前沿領域的發展節奏極快、變化極大。目前大概有兩三支頂尖團隊在激烈地互相追趕。幾乎每個月你都會覺得“哇，這部分我們做得很棒”，轉頭又會想“糟了，有幾項又被追上了”。

我相信再過幾個月，整個格局又會煥然一新。正如你所想，當前的前沿競爭非常激烈。我就是這么看待這件事的。

三、談全棧優勢，反駁“不看好”AGI

Elad Gil：有意思的是，我和谷歌以外、其他實驗室的研究員交流時，他們普遍提到一個觀點：谷歌與其他兩三家頭部團隊的區別，在于谷歌沒那么“AGI狂熱”。也就是說，谷歌內部并不認為AGI近在眼前，也不相信會出現那種激進的跨越式爆發。

顯然，谷歌團隊其實也在深度思考AGI相關問題。所以我想問兩點：第一，你覺得這種說法屬實嗎？第二，你認為這種心態差異，會不會影響大家對未來的判斷，進而影響大家現在選擇研發的方向？

Sundar Pichai：說實話，我們的資本支出（CapEx）已經從300億美元大幅提升到了大約1800億美元，這已經是實打實的巨額投入。如果不是對技術發展趨勢有明確判斷，我們不可能這么做。

在我看來，這（對于AGI的談論）更多只是表述方式上的差異。或許是因為我們體量更大，旗下有太多產品、觸達億萬用戶，涉及層面極廣，所以我們在談論這件事時，用詞風格會不太一樣。

谷歌的創始人們，其實本就屬于深信AGI前景的那類人。我早年和他們交流時就深有體會。

外界有種說法是，谷歌內部并不真正理解AGI，就連戴密斯?哈薩比斯(Demis Hassabis)（谷歌DeepMind聯合創始人、首席執行官）團隊、杰夫?迪恩（Jeff Dean）（谷歌首席科學家、DeepMind核心領導者）團隊也不例外。

但事實并非如此。除戴密斯、杰夫外，還有伊利亞?蘇茨克韋爾(Ilya Sutskever)（前Google Brain研究員）以及達里奧?阿莫代伊(Dario Amodei)（前Google Brain高級研究科學家、現Anthropic聯合創始人兼CEO、Claude開發者）這些人，都曾在谷歌共事過，深度參與過AGI相關的研究。

John Collison：我很喜歡這種反駁，簡直就像在說：“拜托，過去二十年業界發生了什么，你們難道都沒看在眼里嗎？”

Sundar Pichai：在我看來，這種說法完全站不住腳。大家之所以會有這種觀感，很大程度上是因為一些機構本身比較年輕、更偏向純研究實驗室，或是總部位于舊金山，這類外在差異容易給人造成錯覺。

但從底層認知來說，大家對技術發展曲線、對如何理解這項技術的看法，并沒有本質區別。

其實就算在谷歌內部，我們當中也有一批人始終站在最前沿，不斷測試智能體、觀察它們的能力邊界，看著它們一步步掌握新技能、完成各種任務，再對比三個月前的水平，感受尤為明顯。我們在內部真切體會著指數級增長的速度。

John Collison：我覺得你們兩位（Elad Gil和Sundar Pichai）的觀點其實都有道理。一方面，谷歌的歷史擺在那兒，大家有目共睹；另一方面，Elad想表達的其實是一種普遍感覺。

我之前看到一條推文說得很有意思：“想理解當下硅谷正在發生的事，你必須明白一點：幾乎每位科技高管現在都陷入了重度AI狂熱，每天花大量時間編程、跟AI對話、做各種相關嘗試。”這個說法很有趣，也并非毫無道理。

所以我很好奇，在最近你對AGI有什么感受？或者說你現在又在多大程度上陷入了這種“AGI狂熱”？

Sundar Pichai：我第一次真切感受到AGI時刻，是在2012年。當時杰夫展示了谷歌大腦的最早版本，正是在那一次，神經網絡成功識別出了貓。

大概是2014年吧，我還和拉里?佩奇（Larry Page）（谷歌的聯合創始人）一起去看過DARPA機器人挑戰賽，當時我們看著那些車輛自主行駛。德米斯演示了模型的早期版本，它們已經展現出我們現在所說的想象力。這些年來類似的時刻還有很多，技術在明顯不斷進步。

而說到當下最直觀、最真切的感受，我覺得最接近AGI時刻的體驗是，我在編程時，交給它一個復雜任務，完全不用打開IDE，只在某個智能體管理界面里看著它自己完成，而且能力極強。這種時候我會真切感受到AGI的存在。

John Collison：我最近做了個小興趣項目，過了一會兒我甚至在想：“它到底用的是什么編程語言？”這還是等整個項目跑起來之后，我才想起來要問它的細節。

Sundar Pichai：對，確實有這樣的時刻。不過真正令人驚訝的，是技術發展曲線的陡峭程度。我們在多個技術方向上同步推進、持續優化，未來顯然還會不斷進步。

John Collison：說到這種切身感受，我認為科技公司的CEO都面臨一個問題：如何保持對產品體驗和普通用戶的感知？科技產品過于抽象，僅靠團隊報告、PPT和數據表格，根本無法真正理解產品。

托尼?徐（DoorDash的CEO）至今仍會仍會親自跑外賣，來保持對一線真實體驗的感知。我們每周全員大會都會有固定環節：集體演示產品，逐一排查界面問題，比如彈窗位置不合理等，確保團隊全員真實使用產品。

我很好奇你是怎么做的？在谷歌，你除了日常使用Gmail等產品之外，是如何確保自己始終貼近真實用戶體驗的？

Sundar Pichai：我一直試用我們產品的內部版本。我會專門留出整塊時間，高強度去使用它，給自己安排專注體驗的時間。這很有用。

就在兩周前，我在健身房拉伸，手機開著Gemini Live。我當時就想，干脆花30分鐘只圍繞一個話題跟它對話。我會刻意做這類測試。它有些地方表現不錯，有些也很讓人抓狂，但我都能從中發現問題、學到很多東西。我會強迫自己以資深用戶的方式去使用產品，以此貼近用戶真實使用體驗。

X（平臺）對我也很有幫助，因為我經常能看到最直接的用戶反饋。

John Collison：太感謝你們修復了谷歌日歷的問題。

Sundar Pichai：當然還有不少問題需要繼續修復。X上的用戶評論很直白，我會盡量直接按照評論的的建議去做。

我也會在Antigravity內部版中查詢：“我們剛上線某項功能，用戶評價如何？列出最受好評和最受詬病的五點。”這讓我的工作輕松了很多。放在過去，我需要花費大量時間收集反饋，如今AI智能體能幫我完成這件事。當然，仍需平衡“AI匯總”與“親自體驗”的比例，我也在適應這種全新的工作方式。

四、中國有優秀的開源模型，當今AI市場算力面臨瓶頸

Elad Gil：你提到，第一，AI行業并非零和博弈；第二，AI帶來了巨大的生產力提升。回顧過往的技術周期，包括互聯網、移動互聯網以及SaaS模式，都需要很長時間才能在GDP中體現。而當下，AI的影響首先體現在數據中心建設，拉動了部分GDP增長。

展望未來三到五年，你認為AI會擴大美國經濟規模嗎？如果會，增幅有多少？

Sundar Pichai：說實話，要讓這些投入獲得合理回報，就必須在某個階段實現收支平衡。我記得大概是紅杉資本曾經指出，人們現在的投資規模非常大，需要十倍以上的收益才能回本。從那時起，我需要再核對一下（投資和回報的）數字。無論如何，投入和回報最終必須能夠匹配。

明確地說，我們目前處于算力供給受限狀態，而各個業務場景對算力的需求都在暴漲。

Elad Gil：我絲毫不懷疑這會是一個規模巨大的市場，也將帶來可觀的回報。我的問題是，我認為有很多事情都被外界低估了，比如軟件工程預算中token成本與工程師薪資的占比。

過去優秀軟件工程師極度稀缺，如今AI補充了這方面的供給，市場規模可能會擴容十倍。也就是說，軟件工程與編程開發的市場規模，遠比大眾認知的更龐大，用“token成本vs工程師薪資”衡量市場本身就是錯誤，這個市場會持續高速增長。

我只是好奇，你認為AI最終能帶來多大的經濟增長？我并非質疑投入與產出的合理性。

Sundar Pichai：我明白。回顧互聯網對GDP的影響，數據無法完全體現其真實價值。如果沒有互聯網，GDP甚至可能出現負增長，這就是消費者剩余。未來很難被預判。

我認為社會各個層面都存在天然的抑制機制。比如算力基礎設施建設的速度，跟不上模型優化的速度，這本身就是一種約束；技術向社會普及的節奏也受限制，比如Waymo的自動駕駛技術比人類駕駛更安全，但落地推廣必須謹慎把控節奏。如何才能負責任地推動技術普及，這些層面都存在約束。

美國經濟規模比十年前大得多，哪怕GDP增速僅提升0.5個百分點也是一份巨大的增量。我預計最終會呈現這樣的結果。

John Collison：你提到了供應受限的問題，我認為這會是2026年的核心特征之一。你之前說資本開支是1500億？還是1800億？

Sundar Pichai：我們公布的區間是1750億至1850億美元。

John Collison：也就是約1800億美元資本開支。我覺得有意思的一點是，哪怕谷歌想花4000億美元在資本支出上，它也做不到。因為顯存、內存不夠，電力供應不足，還有各類零部件都跟不上。

Sundar Pichai：我們甚至連足夠的電工都找不到。

John Collison：你能否梳理一下當前遇到的各類瓶頸？

Sundar Pichai：說到底，我們還是受制于晶圓產能。電力能源問題相對好解決，真正拖慢項目進度的，往往是審批和監管環節。

John Collison：即便得克薩斯州、內華達州、蒙大拿州有大量土地支持你們的發展，但可能仍然不夠。

Sundar Pichai：我認為我們在改善基建等方面已經取得巨大進展，這對美國而言尤為重要。中國的建設速度之快令人驚嘆，我們真的需要學會大幅增加建設速度，甚至要轉變思維，思考如何讓我們的建設速度提升十倍。我認為建設的阻力可能會越來越大，所以這不是少數人一拍板說“我們要加快建設”就能辦到的。

John Collison：比如各地的數據中心建設暫停之類。

Sundar Pichai：核心瓶頸在于晶圓產能，以及項目審批與落地推進的效率。我注意到政府已經在這方面采取了不少積極舉措，各界也認識到必須提升相關流程的效率。除此之外，供應鏈中的關鍵元器件同樣是重要制約。

內存就是典型案例，短期內我們仍會受其限制，不過行業廠商都會針對性地做出調整。

在我看來，所有企業經營者，無論對AGI抱有多大期待、投入多少資源，都必須理性面對不確定性區間：我們的樂觀預期該控制在什么范圍？能夠承受的利潤空間又有多大？畢竟現實中存在諸多不可控的外部因素，隨時可能引發意外狀況。

五、頭部內存產商產能不足，短期內存供應緊缺仍將持續

John Collison：內存是你最關注的核心部件嗎？

Sundar Pichai：內存無疑是當前最關鍵的組件之一。

John Collison：你剛才提到這只是短期問題，那你是不是認為，只要廠商們加大供應，（內存）高價問題自然就會得到解決？

Sundar Pichai：頭部內存廠商很難大幅擴產，所以短期內內存供應瓶頸仍會存在，不過隨著時間推移會慢慢緩解。即使這些制約會持續存在，但它們也會反過來推動大量技術創新。我們會把（內存以及算力硬件的）使用效率提升30倍，而且這一系列升級（例如谷歌近推出的Turboquant）正在同步推進中。

Elad Gil：這會不會加劇市場形成巨頭壟斷的格局？

如果從模型層面來看就會發現，很多關于模型進化路徑的判斷都指向一點：模型的優化很大程度上會依靠自我進化。模型會開始越來越多地自主編程、自主完成數據標注等等。說白了，現在就是一場搶座位游戲，誰能握有算力，誰的擴張速度就能領先行業整體產能。

如果所有玩家的算力按比例增長，就會形成天花板，沒有企業能大幅甩開競爭對手。你認為這個判斷是否正確？

Sundar Pichai：這個分析框架有一定合理性，但存在特殊變量。比如我們剛發布的Gemma 4，中國的開源模型非常好，而Gemma 4是除中國的模型以外的一個非常優秀的開源模型。Gemma 4基于Gemini 3架構，從技術迭代時間來看，它的前景既廣闊又渺小。

更神奇的是，模型權重文件小到可以裝在U盤里。這太不可思議了。它完全不像造一枚SpaceX火箭那樣。

Elad Gil：我總是覺得很震驚，你們運行數據中心幾個月、燒巨量算力，最后輸出的東西就只是一個普通文件。就跟一個Word文檔差不多，而這就是你們的AI模型。太不可思議了。

Sundar Pichai：這項技術具備的一些獨有的特性讓我開始反思現有的分析框架，并提出疑問：“我們到底該如何看待這個問題？”我覺得這是一個合理的視角。至少從推論的角度來看，你提出的思路是非常合理的。

我認為，每個人都在試圖找到辦法，以突破現有資本驅動模式的束縛，以此打破這些瓶頸。這股力量極其巨大。

John Collison：但正如你所說，全球內存總量有限，人和資本主義激勵措施都無法真正解決解決2026或2027年的內存供應問題。

Elad Gil：在這個階段，我們可能會看到各類模型開始出現更明顯的差異化發展。

Sundar Pichai：要知道，這一切還要和晶圓產能提升、數據中心審批落地進度等因素綜合權衡。這類約束或許并沒有表面看上去那么嚴峻，但必須把所有需要的條件放在一起整體考量，包括資金、全盤統籌。

John Collison：沒錯。我覺得有意思的一點是，理論上，企業完全可以在現有資本開支基礎上追加投資，但我們現在真正面臨的，是2026、2027年現實層面的硬約束。這就像霍爾木茲海峽，無論油價如何，一旦每日減少2000萬桶石油供應，需求就必須同步縮減。內存市場同理，最終必然有部分企業無法獲得所需內存。

Sundar Pichai：除此之外，安全也是一大限制條件。這些大模型可能攻破現在市面上幾乎所有軟件，或許已經有了現在我們不得而知。

John Collison：你指的是所有軟件？要知道SSH（一種加密的網絡協議）這種協議，這么多年來一直有人在想方設法攻破它。

Sundar Pichai：我指的是普通軟件、大型平臺的大量“零日漏洞（官方不知道的隱藏漏洞）”。這是行業內無法忽視的硬傷。

Elad Gil：有人告訴我，由于AI提升了發現漏洞效率，黑市上零日漏洞的價格正在下跌，這是一個很有意思的市場指標。

Sundar Pichai：我對此并不感到意外。AI這類技術究竟會以何種方式在全社會范圍內落地普及，又會對經濟、社會與行業生態產生何種深遠影響，這類問題在歷史上已有類似的技術變革可供參照。

在我看來，其發展過程中或許存在尚未顯現的制約因素，也可能給現有運行體系帶來突發性的震蕩與沖擊。即便存在上述潛在風險，我仍堅定認為，該項技術未來具備極為廣闊的正向發展空間與巨大價值潛力。

單從安全層面來看，我意識到，未來我們必須加強各方協作，但目前這種協同還遠遠不夠。行業很可能會迎來一個關鍵轉折點，甚至是劇烈的突變節點。這些現實問題都客觀存在，絕不是視而不見、心存僥幸就能回避的。

六、被低估的王牌：太空數據中心、量子計算、機器人

Elad Gil：谷歌擁有一系列令人驚嘆的自研技術與投資組合，你持有相當規模的SpaceX股份，我記得早年間應該是10%左右。同時你也持股Anthropic約10%，控股Waymo，公司內部還存在海量自主研發的頂尖技術。

我們已經聊過AI、Transformer架構，還有TPU芯片和Waymo。此外還有量子計算領域，你們剛剛還發布了一項重磅的量子計算研究成果。那么谷歌還有哪些被外界低估的隱藏王牌？或者你認為哪些是被市場普遍低估的領域？

Sundar Pichai：我們一直在布局長期項目，這些項目剛公布時往往顯得不切實際。比如我們正處于太空數據中心的早期研發階段。正如之前所說，限制能激發創造力。放眼未來20年，我們應該把海量數據中心部署在哪里？這是非常棘手的問題。

這類項目就像2010年的Waymo，它是典型的長期布局。量子計算也是這類項目的其中之一，我們持續投入并取得扎實進展，我對此充滿期待。

Elad Gil：你認為量子計算將在哪些方面產生影響？目前大家討論量子計算的應用時，基本都集中在分子模擬和密碼學這兩個方向。在密碼學領域，業內一直在推進抗量子密碼算法的研發。但在分子模擬領域，深度學習模型已經表現出色，谷歌的AlphaFold更是開創了先河。

你認為量子計算真的具備實用價值嗎？如果有，核心應用場景是什么？

Sundar Pichai：從抽象層面來說，在我看來，（量子計算的）趨勢似乎是越來越多地去模擬自然界。

鑒于自然界本質上是量子的，我們就需要量子系統才能更好地對其進行模擬。我們或許能以一種出人意料的方式，通過經典計算技術實現這一點，或是借助足夠的信息壓縮、抽象建模來做到，但我從根本上認為，量子計算在這方面會更具優勢。

說實話，我們仍未完全理解哈伯法（現代工業合成氨的核心技術）制肥工藝，有很多復雜因素，這可能更多和你大學時期的研究背景有關。我的直覺告訴我，在模擬天氣、模擬現實等方面，量子計算都會占據優勢。

技術發展的歷史就是這樣，當某項技術發展到一定規模并能發揮作用時，人們會使用它，同時頂尖的人才會基于它發揮創造力，找到各種能應用的場景。

我常以手機與GPS結合催生Uber（網約車平臺）舉例。當年研發手機的人，根本無法預見這種平臺變革會帶來如此顛覆性的成果。我相信，只要量子計算真正實現落地應用，未來必將涌現出數不勝數的全新場景。這便是我的觀點。

John Collison：抱歉我們剛才打斷你了。你之前正在聊谷歌那些更前沿的項目里你最看好的部分。

Sundar Pichai：GDM團隊正在深入鉆研機器人技術。對于機器人領域我們公司以前入局得太早了。事實證明，當時很多構想沒有落地，主要是因為大約10到15年前缺失了AI這個關鍵要素的支撐。

但現在Gemini機器人模型在空間推理等方面已經達到業界頂尖水平，我們無疑擁有最先進的模型。

有點諷刺的是，我們正重新與Boston Dynamics（曾被谷歌收購后又被其出售）以及Agile等公司展開合作，推進相關技術落地。

行業里也出現了許多非常出色的初創企業，我們正在投資布局。比如我之前提到的太空量子數據中心，還有旗下Wing公司的無人機配送項目。

我們正在擴大Wing的規模，在未來某段時間之內，將有4000萬美國人能夠使用Wing的配送服務，我說的不是幾年以后的事情。這些項目我們會堅定投入下去。當然還有Isomorphic（Alphabet旗下、由DeepMind分拆出來的AI制藥公司）。

Elad Gil：Isomorphic真的令人非常期待。

Sundar Pichai：我認為應當使用這些AI模型，有針對性地去優化藥物研發中所有可能出現的環節。盡管像三期臨床試驗這類流程的周期依然很長，但通過這種方式，能夠大幅提高項目最終成功的概率。

Elad Gil：我認為在這么多生物模型方案里，你們的這套方法真的是我見過最高明的，你們真正考慮到了分子設計之外的更廣泛的領域。

John Collison：我很好奇，谷歌內部的資本配置（資金分配）是如何運作的？我想說的是，優質的資本配置，核心在于內化資本的機會成本，把業務產生的現金投向最高效、最有價值的用途。

商學院教科書里有提到簡單的例子。假如你是波音公司，公司業務產生了一筆現金，你可以選擇兩個方向：要么去競標下一份國防合同，投入相應的研發資金，并測算出這份合同能帶來多少收入；要么去研發一款全新設計的民航客機，投入相應資金，再測算預期收益。

比如一個項目內部收益率是16%，另一個是19%，那我自然會選19%的。但谷歌的情況是，各個項目極度多元化：你們可以給YouTube團隊更多資金，讓他們優化推薦算法，從而提升用戶使用時長，進而提高變現能力；也可以給Waymo團隊更多資金，讓他們更快進入市場或更快擴大規模；還可以投資某種新的AI技術路線，可能五年后才會有回報。

我很好奇的是，如果你要把資金投向最優用途，最終需要做比較的話，面對這些性質截然不同、回報曲線形態完全不一樣的項目，你們是如何進行對比和決策的？

Sundar Pichai：這個問題問得很好。頗具諷刺意味的是，因為TPU分配的問題，我對資金怎么投這件事的感受比以往任何時候都更深切。在某種程度上，就連Waymo都需要TPU。算力緊張反而把資本配置讓這個問題變得更加突出、更受關注。

其實我一直很期待未來AI能作為決策助手，至少給我們的資源分配提供參考建議。一旦我們能把所有數據打通并讓信息順暢流轉，模型其實就已經具備相應的能力。現在我們更多是要把所有數據的壁壘打通，我相信這會（對做決策）很有幫助。

回顧歷史，谷歌的一大優勢在于，我們往往會在技術周期的極早期就做出布局決策。這也近乎回歸了我們深耕核心技術的初心。我們確實會思考你不久前問Elad的那個問題，哪些是我們真正值得長期投入的方向。

在（項目啟動的）早期階段做決策會相對容易，因為初期所需的資金規模不用太多。但一旦確定方向，我們就會長期堅定投入，同時確保技術能持續取得進展。

以量子計算為例。我們如何評估它值不值得投？我們依據的是底層指標：比如設定關于邏輯量子比特糾錯、實現大規模穩定邏輯量子比特閾值的時間節點目標，然后看團隊能否達成。我們就是通過這種方式來評估的。

我不會說這是一種優勢。但在我看來極為重要的一條原則是，我們一直以來的思路，也是我們始終恪守的紀律，就是對早期前沿技術進行深度布局和押注。這一點對我們一直很有幫助。

日常做決策時，我一直認為必須評估這些項目的長期價值。在某種程度上近乎靠直覺去判斷：估算5到10年后的期權價值與潛在市場空間（TAM），假設它能高速增長，再判斷做的這些決策是否合理。

對TPU的投資就是很好的例子，我們持續、穩步加碼，效果非常好。Waymo也是一個典型案例。大約兩三年前，當整個行業對自動駕駛都持悲觀態度、不少玩家紛紛撤退時，我們反而加大了對它的投資。

Elad Gil：我每天上班都會盡量乘坐Waymo，體驗堪稱神奇。

John Collison：Waymo恰好能說明一個問題：谷歌會砍掉部分項目，比如終止Loon氣球互聯網項目，但即便Waymo從demo到商業化耗時極長，你們依舊沒有放棄。支撐你們堅持的動力是什么？是定性判斷還是定量數據？你們如何決定砍掉Loon、保留Waymo的？

Sundar Pichai：核心是要靠量化指標來判斷。以Waymo的自動駕駛系統為例，它的核心是底層技術，也就是軟件如何操控車輛。我們需要看它在安全性和可靠性方面的進展。這是一個長期項目，我們的目標就是把安全和體驗做到極致。

我們會跟蹤技術進步曲線，設定階段性目標，再對照目標看實際進展。我認為這支團隊做得非常出色。盡管中間雖然也有過停滯不前的階段，但這種時候我們更要相信團隊能突破瓶頸。

在我看來，越能從這種底層技術層面去評估項目，做出的決策就越靠譜，至少我一直是這么判斷的。

Elad Gil：我聽到過一種觀點，是關于Waymo的：因為過去處理駕駛極端情況或突發狀況時，它靠的都是大量手動編寫的規則與啟發式邏輯，幾乎是為車輛制定了一套手動設定的行為準則，能應對的場景非常有限。

它近期取得的諸多重大突破，是在幾年前隨著Transformer模型浪潮興起，轉向了端到端深度學習。那么你認為，如果Waymo不是在15多年前啟動，而是五年前才開始，如今能達到同樣的水平嗎？畢竟正是那次技術突破推動了它快速發展。

Sundar Pichai：這個嘛，我們之前聊過機器人，你可以把Waymo看作一臺機器人。我覺得，過去三年才開始做機器人的團隊，進展大概率會更快。但Waymo是一個高度集成的系統，它的復雜程度，有點像臺積電的芯片制造，或是SpaceX的火箭發射。我們面對的是極其復雜的系統集成問題。

我認為Waymo在這方面有很多不為人知的積累，如何把握研發周期、打磨相關工藝，這些都至關重要。

Elad Gil：但話雖如此，我確實認為端到端方案在這個領域會成為必然。而擁有這樣一支團隊，對Alphabet和谷歌來說無疑是巨大優勢。正是因為持續投入，它才趕上了技術爆發的節點，這一布局顯得非常明智且具有前瞻性。

我覺得一個很有意思的問題是，這種經驗如何應用到其他領域？就像你提到的機器人領域，如今技術迭代速度極快，發展歷程可能會完全不同。你們團隊是否考慮過重新自研硬件？還是將主要通過合作模式將這些技術推向市場？

Sundar Pichai：我認為我們會保持非常開放的態度。我從Waymo以及AI方面的TPU等項目吸取的教訓是，我認為必須全力推動技術曲線發展，尤其是在涉及安全、監管等諸多因素的領域。我需要親身參與產品反饋的完整流程。所以在現階段，我認為自研硬件最終會變得非常重要。

七、算力比資金更稀缺：親自操盤資源分配大戰

John Collison：抱歉，我還有兩個關于資本配置的問題想請教。

外界有一種看法：谷歌長期現金儲備過高、財務杠桿用得太保守，一直保持著高額凈現金頭寸（即持有量、余額）。要知道，谷歌內部從來不缺好項目，創意多到做不過來；核心業務增長又極其穩健，公司對主業理解極深，而且主業增速一直顯著高于公司的資本成本。

那么回頭看，谷歌是不是本應該更激進一點？比如：“我們可以不再死守保守的凈現金姿態，適度提高杠桿，把更多資金投向新業務，或者加大股票回購回報股東，又或者做更多少數股權投資，畢竟谷歌在對外投資這塊本來就是頂級水平。”

Sundar Pichai：這個問題很有價值。比如，如果Waymo能更早實現現階段的進展，我會愿意提前投入更多資本。從某種程度上說，我們的決策依據是項目的成熟度。

我們始終堅持做負責任的資本管理者：如果看好投資回報率，就會全力投入；若存在閑置資金，就會對外投資，比如我們對Stripe、SpaceX和Anthropic的投資，都是我們對資金的負責人應用。

如今隨著AI技術變革，給我們帶來了更多優質投資機會，我們也在加大投入。我們一直秉持這樣的理念。

我其實很愿意更早給Waymo增資，但當時它的技術成熟度尚未達標。從安全角度來看，Waymo始終堅持安全優先，過早增資并不合理。

John Collison：有沒有哪些項目，只要你們增加資本投入就能加快它們進展的速度？

Sundar Pichai：大部分項目都有其自然的增長節奏。但總體而言，即便部分決策可能存在偏差，我們的核心原則始終是：只要看好項目、擁有堅定信念，就會投入足夠資本去推動落地。

John Collison：另一個關于資本配置的問題是，在以往的科技公司中，研發投入絕大部分是關于人力成本，人員編制管控十分嚴格。研發資源的分配，本質上就是調配高薪人才。除谷歌圖書這類算力密集型項目外，技術成本相對于人力成本幾乎可以忽略不計。

而如今，TPU算力分配已成為核心，那么谷歌內部具體的預算機制是怎樣的？公司是否設有整體TPU預算？過去你們僅為項目分配人員編制，現在是否會同時分配人員與TPU額度？這兩者是否納入谷歌的統一預算管理？季度及年度評審又如何執行？

Sundar Pichai：我們一直都有算力預算。如今我們同時大規模使用TPU與GPU，對機器學習（ML）算力規劃極為嚴謹。我們同樣重視人員編制規劃，但算力規劃一直是獨立環節。機器學習算力有過充裕的階段，也經歷過公司內部算力緊缺的時候，而當前的算力已經到了極度緊缺的程度。

我每周都會專門抽出一小時，精細化梳理算力分配問題。我會細化到各項目、各團隊的算力使用量，基于數據評估分配合理性。

John Collison：現階段，算力是核心稀缺資源，確保谷歌的算力投向最有價值的項目至關重要。

Elad Gil：這一套算力分配邏輯如何適配谷歌云（GCP）？畢竟谷歌云需要將算力分配給外部客戶，而非內部使用，在整體供給約束下，如何平衡內外部分配？

Sundar Pichai：我們會提前規劃。在制定遠期規劃時，云團隊會同步推進預案，并落實相應計劃。公司會為此提供資金支持，同時也會兼顧內部需求進行統籌。所有環節我們都會提前規劃。

公司會同步為內部需求規劃算力，同時與客戶簽訂長期合約。我們對客戶的合約承諾是神圣不可侵犯的。大部分問題通過提前規劃解決，即便在供給約束下，谷歌云團隊也會面臨算力不足的問題，但遠期規劃能有效平衡需求。

John Collison：說到谷歌云，我有一個積攢已久的產品建議。

Sundar Pichai：你其實可以直接在X上發。

John Collison：哈哈沒錯。GCP、MCP的功能非常出色，AI能程序化對接谷歌云幾乎所有功能，除核心權限模塊外全部開放。某種程度上說，谷歌云的痛點在于功能過于豐富，我相信你也經常聽到用戶反饋平臺太難用了。用戶登后需要創建組織、項目，查找對應服務，整個流程非常繁瑣。

但如今這些都不再重要了，大家只需指令AI調用對應谷歌云功能就行。谷歌云的全面性反而成為了它的巨大優勢。我們在Stripe身上也面臨類似問題：功能越多，用戶越難找到合適的入口和用法，而AI能通讀所有API文檔，然后直接幫用戶操作。這一模式效果非常好。

Sundar Pichai：AI有望成為一切的協調層。回到我之前的問題。即使是在企業內部，作為CEO并非沒有掌握所有數據，但如何將這些數據集中到一個地方呢？過去需要搭建大型ERP系統打通數據源，而現在AI成為適配終端用戶的智能協調層，體驗極佳。

John Collison：產品功能越豐富，AI帶來的益處就越明顯，這在Stripe已有所體現，而谷歌云的受益程度會更大。

Sundar Pichai：我們還有很大優化空間，但你說得對，我認為這是一個巨大的機會。

John Collison：我對此也十分滿意。這就涉及到我的產品建議了。讓我感興趣的是OpenClaw這類產品的市場適配性，它們為C端用戶提供有狀態AI服務（Stateful AI Service）。比如“匯總我感興趣的每日新聞，每天早上推送給我”這類需要持久化狀態的功能，目前主流AI應用都不支持。這項功能未來會推出嗎？

Sundar Pichai：從發展方向上來說，我們應當為用戶提供可靠、安全的持久化長效任務功能，同時完善身份、權限等配套機制。這就是智能體時代的未來方向，為C端用戶落地這類功能，也是我們正在探索的前沿方向。

Elad Gil：這也是我想提的點。前Stripe CTO創立的Dreamer被Meta收購，其產品就實現了很好的狀態持久化。

John Collison：用戶還能自定義輕應用，操作極為簡便。用戶體驗到這類功能時，會有明顯的驚喜感。

Sundar Pichai：在我看來，未來C端AI產品底層都會搭載完整編碼模型，配套完善的執行框架、技能體系，支持在云端、本地安全持久化運行。這些基礎技術能力正在整合成型。

至于開發者，我感覺如今全球只有0.1%的人已經身處這種未來之中，他們在為自己構建這類應用。但如何把這套體驗推向大眾，實現普及，我認為是一個非常令人興奮的全新前沿領域。

John Collison：我還有一個產品建議，抱歉你得忍受一下這個環節，這是采訪的必經流程。我的另一點感受是：谷歌文檔的搜索體驗，遠比Gmail差。明明兩者搭載同樣優秀的搜索引擎，卻出現這種差異。

我認為原因在于郵件的關鍵詞搜索往往很有效，用戶能記住獨特關鍵詞；但我想查找2026年預算的文檔時，在谷歌幻燈片中搜索“2026預算”，這個詞在Stripe所有PPT里根本不算什么獨特關鍵詞，我永遠找不到真正想要的那一份。我很好奇你也會遇到這種問題嗎？

Sundar Pichai：我沒有像你描述的那樣強烈的感受，但你這么一說，我完全有共鳴。我已經想好要和哪個團隊負責人溝通這個問題了。我認為我們能大幅優化體驗。

未來幾個月，谷歌文檔等辦公服務的AI集成會迎來顯著升級。早期我們只是簡單嵌入AI功能，但未來我們會優化上下文記憶和緩存機制，全面提升搜索能力，我們有很大的優化空間。

Elad Gil：我參與的很多公司，即便成立時間不長，也不得不徹底重構產品開發、工程實踐流程，重新定義設計團隊的職責與能力要求。谷歌是否也在重新審視這些流程？在其他方面是否發生了重大轉變？

Sundar Pichai：我是這么理解的，你可以把它想象成一層層同心圓。谷歌內部有些團隊正在發生力度非常大的轉型，而對我來說一個很大的挑戰是如何將這種變革擴散到更多團隊，尤其是在2026年。

早期有些事情我們沒法推進，是因為技術還很不穩定，經常出問題。

就像你看到了一個充滿希望的新世界，但它還處在“半殘廢”狀態。但今年，技術曲線迎來的拐點非常明顯。尤其是GDM和部分軟件工程團隊已經徹底重構工作流，使用內部代號Jet Ski（即外部稱作Antigravity）的工具，以智能體管理器為核心開展工作。

John Collison：我能否補充幾個當前AI產業化落地的痛點，我很好奇你認為何時能夠解決它們。在我看來，我們當前存在巨大的智能過剩問題。AI的能力已經極強，但如果你考察一家企業的對AI的掌握程度或運用程度，可能會發現他們存在不足之處。

我看到的問題大概是這樣：第一，工程師要真正熟練地引導AI需要時間；第二，AI生成的代碼不利于團隊協作，代碼迭代速度過快、修改頻繁，多人協作難度遠高于傳統開發；第三，非技術部門面臨數據權限問題：智能體需要查詢“全球企業每日交易狀態”，這類企業內部數據需要智能體自動應答，但當前的數據權限和使用習慣尚未跟上；第四，對崗位定義仍停留在舊有模式。工程師、產品經理、設計師此前的分工源自傳統開發流程，在AI能力大幅提升后，部分崗位需要進一步融合。

總之，到2026年模型本身的能力已經達標，但我們對它們的實際應用率極低。你認為未來AI的普及節奏會是怎樣的？

Sundar Pichai：事實上，Gemini團隊、Gemini企業團隊以及Antigravity團隊正在精準攻克你說的這些問題，這正是我們的產品路線圖。我們確實在內部率先使用這些工具，不斷遇到障礙后再逐一突破。最終推出的產品就是這么打磨出來的。

我們仍在逐步推廣（這套AI工具），因為在實際使用過程中，比如谷歌的SRE團隊，他們會突然發現可以用AI搭建某一段自動化工作流。

但要更體系化地推進它落地，就需要解決一系列問題：當大家逐步掌握相關技能后，這些能力如何集中沉淀？如何讓模型和全體員工都能便捷使用？同時，身份認證與權限管控是非常棘手的難題，我們也正在逐一解決。

這些也正是目前制約技術普及的關鍵所在。我們對安全問題高度重視，也必須非常謹慎。這類服務一旦出現失誤，代價極高，因此我們必須嚴謹穩妥地推進。也正因如此，我們最終推出的產品會更加可靠，發揮的價值也會更大。

目前我們正投入大量前期固定成本，等未來將這些能力對外開放后，人們能用AI實現的事情將會迎來跨越式提升。其他企業也在朝著同一方向發力。

八、2027年拐點：智能體將接管非技術流程

John Collison：我推測谷歌每年會正式重新預測幾次業務走勢。至少在Stripe是這樣：我們先制定年度預算，之后每年會做三次正式的業務重預測。

仔細想想，所謂重預測，本質上就是一個時點函數：你把當前的業務狀態輸入進去，一部分在人的腦子里，但大部分散落在各處文檔里，比如“這個業務表現如何？那個項目進展怎樣？這筆交易能否達成？”等等。把某一時刻的全部業務狀態輸入這個“函數”，輸出的就是更新后的全年業績數字。

你能想象未來由AI完全全自動、無人介入地完成預測嗎？你認為谷歌第一個完全由智能體完成的業務預測會出現在哪個季度？

Sundar Pichai：我確實預計在部分領域2027年會成為一些關鍵場景的重要拐點。即便人工仍在參與，但他們也會基于AI工作流完成業務預測。可能在前期將采用人工復核方式保障預測準確性，待模型穩定后逐步實現完全自動化替代。到2027年，大量非技術流程會迎來深刻變革。

John Collison：我認為Elad之前的問題是，工程團隊是AI的早期使用者，但在工程領域之外呢？所以你的看法是，到2027年很多非工程類流程會真正開始（更深層次的使用AI）？

Sundar Pichai：沒錯，你之前提問時，其實是在問Waymo或機器人公司這類場景。我認為初創公司會在這方面具備優勢，他們的團隊更加原生AI化（一開始就完全圍繞AI構建工作方式和組織架構，），這一點從招聘面試流程就能看出來。而對我們這樣的大公司，則需要開展大量再培訓、組織轉型等工作。

我覺得這是年輕公司的優勢，但我們也必須推動這類變革。

John Collison：我們聊了很多谷歌從小規模起步的項目，比如Transformer，但它誕生時并非公司核心優先級。如今谷歌內部有哪些小規模項目是讓你格外興奮的嗎？

Sundar Pichai：這可能出乎很多人意料。我們決定在太空建設數據中心時，只是一個極小的團隊。實際上，只有少數人以及有限的預算，才能達到第一個里程碑。

所以我認為即便想法宏大，也應該從小處著手。這就是一個很小的例子。

就在昨天，我還專門花時間聽一位工程師講解后訓練環節的某項改進，整場分享只有他一個人介紹自己的研究成果。聽完我就覺得：“這會帶來非常明顯的效果提升。”這正是當下這個時代可貴的力量。

第二個項目我就不具體透露了，但相信未來某天我們會公開。這些小幅的進步都讓我感到興奮。