谷歌AI起大早赶晚集？智东西
4月7日，金融科技公司Stripe发布了其对谷歌CEO桑达尔·皮查伊（Sundar Pichai）长达一个多小时的采访视频。在这期播客中，Pichai正面回应了业界关于谷歌在AI领域“起大早，赶晚集”的调侃，称谷歌早在多年前就已构想出类似ChatGPT的产品，并推动了基于Transformer架构的产品化落地原型——LaMDA，但因其“有害内容含量高”而最终未发布。
Pichai还认为，OpenAI推出ChatGPT时前景并不明朗，只是OpenAI比较幸运，通过GitHub找到了AI编程这一落地的突破口。
聊到中国时他忍不住感慨：“中国的（基建等）建设速度之快令人惊叹。”他还特别提到，中国现在的开源模型做得非常出色，而谷歌刚发布的Gemma 4，算是除了中国开源模型之外，另一款很能打的优秀开源模型。
在运营层面，Pichai揭示了当前谷歌面临的全新管理挑战，他每周会花1小时时间亲自分配TPU。他称，目前谷歌受晶圆产能、内存和电力的供应限制，还甚至说道：“我们连足够的电工都找不到。”
在这些制约因素中，Pichai认为内存是最关键的组件。由于头部内存厂商很难大幅扩产，短期内内存供应瓶颈仍会存在。但这也会推动技术创新，谷歌计划把内存的使用效率提升30倍。
采访中还谈到了未来搜索形态的变化趋势，Pichai称：“未来的搜索会成为智能体管理器。”
2015年，Pichai正式出任谷歌CEO，至今已十年有余。在这期播客中，Pichai还提到除已披露的太空数据中心与量子计算外，其旗下Wing无人机配送正快速扩围，不久将覆盖4000万美国人。同时，他坦言AI正深刻重构谷歌内部工作流，以Antigravity（Jet Ski）为代表的智能体管理工具已在核心团队全面推广，谷歌第一个完全由智能体完成的内部业务预测会在2027年出现。以下是这期播客的核心内容：
1、智能体的拐点：Pichai预测2027年智能体将迎来拐点。AI将全自动完成谷歌的业务预测，深度改造财务、运营等非技术流程。
2、早已有ChatGPT构想：谷歌的LaMDA模型是ChatGPT早期原型，谷歌因安全与质量标准未达标迟于ChatGPT推出。
3、算力资源的分配：Pichai每周会花1小时时间亲自分配TPU，并统筹内部业务与谷歌云客户的算力供给。
4、传统搜索将进化：传统搜索形态未来或将淡出，因为设备形态本身就会发生改变。而未来搜索将成为智能体管理器，而AI将接替传统搜索功能，在后台异步处理用户复杂需求。
5、否认对AGI态度冷淡：谷歌从创始团队起就深度布局AGI，包括谷歌DeepMind CEO戴密斯・哈萨比斯、谷歌首席科学家杰夫・迪恩，以及前Google Brain核心成员伊利亚・苏茨克韦尔、达里奥・阿莫代伊等人，都深度参与过AGI相关的研究。
6、发展瓶颈：谷歌在晶圆、内存、电力与审批效率面临发展瓶颈，其中电力能源问题相对好解决，真正拖慢项目进度的，往往是审批和监管环节。
7、隐藏王牌：谷歌持续押注太空数据中心、量子计算、Gemini机器人以及Wing无人机，同时同步推进Isomorphic AI制药。
8、转型痛点：年轻公司凭借“AI原生”的组织架构在转型中具备天然优势，而大公司虽然技术架构完整，但需要在组织层面进行大量再培训、流程重构和变革管理，转型相对吃力。
9、看好机器人项目：Pichai称现在Gemini机器人模型在空间推理等方面已经达到业界顶尖水平，谷歌正重新与Boston Dynamics（曾被谷歌收购后又被其出售）以及Agile等公司展开合作，推进相关技术落地。同时在扩大其旗下Wing公司的无人机配送项目规模。
10、谷歌搜索：谷歌搜索能大幅领先同行，其部分关键点突破得益于（谷歌推出的为深度理解语言与上下文，并直接应用于谷歌搜索，大幅提升复杂查询的准确率的模型）BERT和MUM模型。
一、关于Transformer与ChatGPT的“先发后至”
John Collison：人们谈及谷歌与AI时，经常提及的一段往事是：Transformer架构诞生于谷歌，却主要被ChatGPT这类外部产品率先落地使用。你现在如何看待这件事？
Sundar Pichai：我觉得这件事值得好好聊聊，其实外界对于这件事本身存在一些误解。
Transformer架构的研发工作，是在大规模使用TPU的背景下开展的。从某种意义上讲，Transformer从一开始就是为了解决具体的产品实际需求而被设计出来的。当时团队正在思考怎么优化翻译效果。
至于TPU，我们面临的问题是：语音识别功能确实有效，但突然要把它卖给20亿用户，芯片算力根本不够，该如何解决推理算力问题——（被主持人打断）
John Collison：这点我之前确实不知道。Transformer特指？
Sundar Pichai：Transformer出自我们的研发团队，但团队的研发方向始终围绕解决产品问题。Transformer问世后立刻就被投入使用。
很多人低估了BERT和MUM模型的价值，因为我们对搜索质量的把控极为严苛。那段时间，谷歌搜索之所以能大幅领先同行，部分关键突破正是得益于BERT和MUM。
我们研发出Transformer后，立刻将它应用于搜索，提升语言理解能力，让系统更好地解析网页内容、理解用户查询，并持续迭代优化模型。
我们内部也在推进产品化落地，当时有团队在研发一个名为LaMDA的模型。显然，我们并不是第一个推出这类产品的公司。但我认为，这并不是因为我们只停留在研究层面、没有朝着产品方向去落地应用。在我看来，实际情况其实是——（被主持人打断）
John Collison：你做了这项研究，然后你发现按照你的预期使用它能带来巨大的的投资回报率。只是并非所有基于这项技术诞生的产品，都是由你们自己创造出来的，不过这也很正常。
Sundar Pichai：ChatGPT这类产品的构想，我们其实早就有了，原型就是LaMDA。大家如果还记得的话，当时谷歌内部有一名工程师认为LaMDA具备了自我意识。他当时在内部所对话的这个系统，本质上就是ChatGPT的早期版本。我们甚至已经在其他项目组里，做出了它的产品化版本，只是谷歌大概晚了九个月才对外推出。
事实上，在2022年的谷歌I/O开发者大会上，我们发布了AI Test Kitchen，其核心就是LaMDA，但我们对它做了限制，因为当时内部还没有推出经过RLHF（基于人类反馈的强化学习）优化的端到端版本。我看到的未优化版本，有害内容含量很高，当时根本不可能对外发布。
此外，作为一家始终把搜索质量放在核心位置的公司，我们对产品上线的质量标准要求更为严格。但这并不代表我们没有采取行动，当时我们一直在研究如何以稳妥的方式将它推出。
我还想说，即便OpenAI发布ChatGPT时，他们也是在几个月前才与微软达成合作。回头看，当时的发展前景也并非完全明朗。我认为他们很幸运，因为他们还通过GitHub在编程领域找到了技术落地的突破口。我想我们当时或许错过了某个信号。
在编程领域，模型迭代带来的提升可能比纯语言领域更显著。从GPT-2到GPT-3再到后续的GPT-4，如果将它们用于编程任务，进步幅度会显得尤为突出，这些关键都有据可查。
回到你最初的问题，与其说关键在于研发到产品的过程本身，不如说是其它多重因素共同作用的结果。
Elad Gil：我记得和参与过ChatGPT研发的人聊过，他们是在感恩节那周发布（ChatGPT）的，当时只是一次低调发布，并不像是声势浩大地宣布重磅产品，它也没被视作未来地核心业务。它的爆火显然更像个意外。
Sundar Pichai：在我看来，它当时更像是一个很有意思的测试案例，效果确实很惊艳。
我对这类事件的理解是：在消费互联网领域，意外总会发生。我和Elad Gil早年在谷歌时，公司有个产品叫谷歌视频搜索（Google Video）。后来YouTube出现了，我们最终收购了YouTube。再比如如果你在Facebook，后来Instagram出现了，没人会在当时就觉得大惊小怪，毕竟Facebook后面直接收购了Instagram。
但我始终认为，消费互联网的逻辑就是：两三个人的小团队不断做原型、试错，抛出无数创意。我并不是想贬低什么，只是想说，总会遇到这样的时刻。没人能在车库里灵光一闪，就做出一款比iPhone更好的手机，这不现实，但消费互联网本并非如此。所以我们只需意识到这一点，坦然接受即可。
二、谷歌的速度战略与搜索的未来
John Collison：说到2026年的AI竞赛，我有一点让我印象深刻，那就是谷歌长期以来都把速度作为核心差异化优势。初代谷歌搜索速度极快，甚至还会在结果页显示查询耗时，多少带点炫技的意味。后来的Gmail快速搜索、Chrome浏览器，对比同期竞品都具备速度优势。
如今，我会因不同需求使用不同的AI服务，但基于TPU运行的Gemini就是快得出奇。我很好奇，这是明确的产品战略，还是有更复杂的考量？
Sundar Pichai：我一直都很注重速度，为了便于理解我暂且把它称为“延迟”，并且把延迟视作优秀产品的核心特征之一。同时，低延迟也往往意味着产品的底层技术架构足够优秀。还有一种速度同样重要，那就是产品发布、迭代和更新周期的速度。这两者都至关重要。
但单说延迟，嘴上说追求低延迟很容易，可产品功能一直在持续升级，技术边界不断拓展，如何在功能与延迟之间找到平衡，这才是难点。
举个例子，比如搜索功能。我和团队沟通时了解到，他们会为子团队设置毫秒级延迟预算。如果上线一项优化能减少3毫秒延迟，就能获得1.5毫秒的延迟预算奖励，另外的1.5毫秒会直接转化为用户可感知的速度提升。
根据不同团队的业务场景，有的团队延迟预算可能是30毫秒，有的则是10毫秒。团队可以使用这部分预算，但必须接受严格的审核把关。这也足以体现我们对延迟的重视程度。
Elad Gil：人类能感知到的延迟大概是几百毫秒级别，对吗？是这个阈值影响体验吗？
Sundar Pichai：没错。据我最新查看的数据面板，过去五年里，我们把搜索延迟降低了30%，与此同时产品功能还在持续升级。
这也是我们打造Gemini的核心思路，即在前沿性能与速度之间找到平衡。Flash系列模型能达到Pro版本90%的能力，但它的运行速度更快、服务效率更高，垂直整合的技术架构也为此提供了支撑。
Elad Gil：你如何看待搜索的未来？如今很多人都在讨论，对话交互会成为新的信息获取方式。显然，Gemini已经融入了谷歌搜索，AI生成的结果也成为搜索的一部分。但不少人还在进一步谈论智能体工作流（agentic flows）。
例如未来每个人都会拥有专属的个人智能体，无需手动输入查询，它会直接替你完成任务。比如你不用再搜索旅行攻略，它会直接为你规划好一整趟行程。你认为搜索的未来究竟是什么？它只是一种流量分发渠道，还是会进化成一款全新的未来产品？
Sundar Pichai：在我看来，搜索业务每经历一次变革，就能承载更多功能。我们必须吸纳这些新能力，持续拓展产品的边界。
比如移动互联网时代，产品迭代速度就非常快。当人们走出纽约地铁，想要的不是网页信息，而是找到目的地，这时候搜索服务就要跟着该变。用户的期待在不断变化，产品也要随之跟进。
放眼未来，现在很多单纯以获取信息为目的的查询，在之后的搜索中都会变成由智能体主动代劳。系统不再只是给出答案，而是会直接帮用户完成任务，同时处理多项事务。
Elad Gil：十年后搜索还会存在吗？还是会进化成全新形态？
Sundar Pichai：它会持续进化。未来的搜索会成为智能体管理器，帮用户完成各类任务。某种程度上，我现在使用的Antigravity，就是多个智能体协同工作的形态。我能预见搜索会实现类似功能，从而帮用户高效处理事务。
John Collison：（对Elad Gil）我理解的你的问题的核心在于，如果我们把“搜索”定义为：输入不超过一行的提示词，接着它给出一堆网页的查询结果，而不是直接给出正确答案或解决方案。像这种传统（搜索）产品形态未来还会存在吗？
Sundar Pichai：如今谷歌搜索的AI模式下，用户会输入深度研究类查询，这已经超出了你说的传统定义，但用户已经适应了这种变化。我认为未来人们还会发起需要持续一段时间的复杂任务，这些任务完全可以在后台异步完成，不用用户一直盯着等结果。
Elad Gil：这就像生命从单细胞生物演化成复杂生命体，同理，搜索的旧范式是否会彻底消失？说到底，今天的传统搜索终将进化为智能体，未来的交互界面也将以智能体为核心，十年后，搜索框或许将不再是主流形态。
Sundar Pichai：毕竟设备形态本身会发生改变，I/O大会的展示内容也会彻底革新。纠结十年后会发生什么容易让人陷入内耗，但我们很幸运，当下技术迭代速度极快，聚焦未来一年的规划就足够令人兴奋。
如果是在过去，我们可能需要展望五年后的愿景，而如今，模型一年后的形态就会变得截然不同。能紧跟这条技术曲线本身就已经很激动人心了。
搜索会持续进化，当下正是行业扩张期。很多人低估了一点，但在我看来AI领域绝非零和博弈。人类未来能创造的价值正呈指数级增长。想通这一点后，外界的诸多质疑都会不攻自破。TikTok崛起后YouTube依然发展得很好，Instagram出现后Facebook也没有衰落，类似案例比比皆是。
如果把行业视作零和博弈，发展前景会显得艰难。但只要我们坚持创新、推动产品进化，就总能抓住新的增长机会。
我们现在同时做搜索和Gemini，两者在某些方面会重叠，在某些方面又会彻底走向不同方向。我觉得两条线并行、坦然接受这种共存，反而是件好事。
