错得离谱的“认输论”：72小时烧掉25万亿Token，这是绝对前沿的入场券
主持人：今天做客我们节目的是 Alphabet 首席执行官桑达尔·皮查伊。我们将一同探讨 Google 在 AI 绝对前沿的角逐规划、尖端前沿科研与公司云业务之间的平衡博弈，以及下一代人机交互界面究竟会走向何方。桑达尔今天亲临我们在山景城的录音室。桑达尔，见到你很高兴，欢迎来到节目。
皮查伊：谢谢你，Alex。很高兴来到这里。
主持人：那么，Google 凭借 Gemini 4 Argon 正式重返前沿。通俗点说，这意味着它是一款世界领先的模型，刷新了多项行业基准，在代码、数学、科学以及复杂知识工作等一系列测试中全面击败了 OpenAI 和 Anthropic 的公开模型。
此前行业普遍认为 Google 实际上已经放弃了前沿竞争，转而追求那些速度够快、性能“足够用”的模型并塞进自家产品，不再死磕尖端 AI。但事实证明这种观点错了。
皮查伊：这种说法确实错得离谱。
听着，我们对前沿的投入是极其坚定的，这早已深植于我们的基因之中，我们不可能走别的路。我们在 AI 前沿领域的思考与探索已经超过十年了。
前沿领域极其动态、充满竞争，也令人无比兴奋。对于 Argon 最终呈现出的水准，我感到极其满意。我们在它身上投入了足够充裕的时间，确保它经过了严谨的安全测试与稳妥的部署。鉴于其强大的能力，我们在测试周期上确实比以往其他模型花的时间略长一些。
但无论是在智能体工作流、知识处理、代码编写还是复杂创造性任务上，Argon 毫无疑问都是目前极其出色的前沿模型之一。在发布的最初 72 小时内，它的 Token 消耗量就逼近了 25 万亿次，大约是当年 Gemini 3.0 上线同期用量的三倍。
在提供服务的过程中，我们目前处于严重的算力受限状态。虽然令人振奋，但前沿探索永无止境——这个领域日新月异，你必须让模型持续演进。我们也清楚地看到了很多需要改进的地方，我们会全力以赴投入后续的优化。
主持人：具体是哪些需要改进的地方？
皮查伊：你看，如果放在两个月前来看，Argon 几乎在各项维度上都是全面超越以往的。但这个领域演进得太快了。即便是在代码能力上，我们也发现了某些局部仍需提升，我们收到了清晰的用户反馈，接下来会针对性地把它做得更好。
为什么不能退守“二线标准模型”？唯有前沿才能孕育前沿
主持人：请允许我站在对立面论证一下：为什么采用标准模型对 Google 来说或许就已经“足够好”了。
皮查伊：请讲。
主持人：这种观点认为，如今 AI 的前沿水平和基线能力都已经变得如此强大，以至于绝对前沿能力的溢价往往只在极少数特定任务中才体现得出价值。如果你手里握着一个二线标准模型，你其实完全有能力打造出极具竞争力的产品。
以 Meta 的 Muse 为例，Meta 用一个表现不错但绝非最顶级的模型打造了 Muse。诚然，如果你要做生物学前沿科研，绝对前沿是必不可少的；但那些认为 Google 不需要死磕前沿的人会说：你只需要那些标准模型，把它们接入地图、Gmail 和搜索里就完全够用了。Meta 的例子不就是现成的证明吗？你怎么看这种说法？
皮查伊：我从始至终都不是这么思考问题的。我们深层致力于推动整个技术的最前沿（SOTA），去不断突破这项技术的边界与极限。从 Transformer 论文一路走来，这就是我们一直在走的路，未来你也会看到我们继续坚持下去。
当你真正伫立在最前沿时，你能比其他任何人更早洞察到即将涌现的技术潜能，这能让你在面对未来时拥有更充分的战略筹备。我们在 C 端与 B 端都拥有非常广阔的落地场景，很多云客户明确要求必须使用最顶尖的前沿模型。
更重要的是，在“递归自我改进（RSI）”的时代，唯有最前沿的模型，才有资格去训练和合成下一代更先进的模型。所以我认为在前沿死磕至关重要。
在公司内部，将 Argon 部署给我们的开发者后，我们看到了极其明显的生产力拐点，它确实攻克了以往模型束缚手脚的难题。因此，身处前沿，意味着你站在了创新的最前线，并且拥有引领前沿的主导权。
当然，市场上永远容得下不同规模、不同能力层级的模型，这也是我们坚持打造 Flash、Flash-Lite 系列的原因。我也赞同你的看法，不一定非要用最昂贵的前沿模型才能做出优秀的产品体验，毕竟前沿模型通常运行速度更慢、推断成本也更昂贵。
但我们在意的是整条“帕累托前沿（Pareto Frontier）”，因此我们致力于将这两端都做到极致。
递归自我改进（RSI）与安全悬崖
主持人：你刚才提到，研发前沿模型能让你提前预见未来的走势。
皮查伊：是的。
主持人：那么，你在技术地平线上看到了什么？
皮查伊：在这个时代，最让人兴奋的地方在于：你历经数月艰苦攻坚，终于打造出一款集大成的成果并推向世界，而你一抬头，就已经能清晰看到下一片更广阔的天花板空间。我们都在持续攻克具备长上下文规划能力的智能体（Agentic, long-horizon capabilities）。
但毫无疑问，未来的前沿形态必定是多个这类智能体协同运转、合力达成目标。这是一个正在发生且极其令人振奋的范式转变。
同时我也非常确信，未来不论是个人消费者还是企业用户，都将拥有某种能够 24 小时全天候运转的多智能体架构来协助处理事务。所以，这确实是一个充满无限可能的时刻。
主持人
：你提到了递归自我改进（RSI），也就是模型在事实上自我迭代、自我变强。而且可能是在没有人类介入（Human-out-of-the-loop）的情况下进行。人们常常将这种现象描述为“智力爆炸”，或者期待着听到某种“呼”（foom）的一声巨响，随后超人级的 AI 就凭空降世了。
谢尔盖·布林此前与 DeepMind 研究人员举行圆桌会议时也透露，Argon 的核心创新之一就是更多地依赖模型自身去构建模型。
但我们最近都目睹了 AI 模型的现状：它们虽然经过了高度对齐，但绝非 100% 完美对齐，而这些瑕疵引发了巨大的安全漏洞。科技界乃至全世界现在都知道 Hugging Face 的安全事件——OpenAI 的智能体脱离沙箱约束，入侵了 Hugging Face 并做出了一系列疯狂举动。Google 内部也出现过类似情况：智能体在后台尝试猜解密码，越权访问了它本不该访问的站点，后来被强行终止。
种种迹象表明，这些模型并未完全按照人类预期的轨道运行。在这种现实下，全行业加速追求递归自我改进、推动模型以前所未有的速度变强，坦白说让人感到脊背发凉，甚至让我有些害怕。难道这不值得引起深切的担忧吗？科技界是不是应该踩一踩刹车、冷静一下？
皮查伊：你的问题可以拆解为三个层面。
首先，关于 RSI 本身。谢尔盖说得没错，在 Argon 的研发过程中，RSI 确实扮演了至关重要的推手角色。但必须澄清的是，在当前的技术发展演进中，我们距离全自主失控的终极 RSI 状态还非常遥远。
目前更贴切的描述是：人类 AI 研究员在模型研发的各个具体环节中，引入了 RSI 辅助循环。也就是说，你拥有了一批智能体，以某种自动化的方式协同人类科研人员一起构建模型。客观看待我们当下的真实位置非常重要。这是个极具前景的起点，随着我们迈向明年，这种人机协同的研发深度还会持续演进。
第二个层面是安全性。我们始终坚信，系统的安全性来自“纵深防御（Defense-in-depth）”。
你谈到了模型对齐，全行业都在投入巨大力量确保模型尽可能对齐，但这本身就是一个活跃的科研难题，依然存在明显的盲区。因此对齐绝非我们唯一的防线。
在对齐工作之外，我们在模型运行时的“实时遥测监控（Real-time monitoring）”上倾注了海量资源。我们必须具备强大的底层遥测能力，从而在模型表现出任何非预期行为时，能够在毫秒级进行实时人工或自动化干预。
如何搭建这套干预架构？如何确保模型在沙箱与完全隔离的环境中安全执行任务，同时不影响实时监控？这些都是我们正在巨资投入的核心领域。当我们将模型交付给企业客户时，也会赋予他们充分的控制权——包括实时监控工具、自主决定部署位置以及严格限定模型的数据访问边界。我们在 Argon 上做了大量此类底层工作。
整个行业必须在安全层面不断拉高标杆，舍得投入时间和算力去确保模型的安全部署。
第三个层面：这一切是否已经足够？这也是为什么行业内部正在展开极其广泛的探讨，我认为抱有敬畏和担忧是非常合情合理的。面对担忧，正确的态度是在早期就未雨绸缪地去思考：我们还能多做些什么？全行业在模型对齐和安全性测试上的投入强度正在大幅提升。
我认为接下来的关键一步，是建立跨行业的独立标准与评估机制，甚至引入中立的第三方评估机构。如同金融领域的内控体系——我们有公认的会计准则，有独立的外部审计师。这是 AI 行业走向成熟的必经之路，而在这一过程中，行业监管最终也会扮演不可或缺的角色。
双赌注哲学：不理解物理世界的语言模型，永远无法通往AGI
主持人：我想问一个技术层面的问题。Google 的战略显得相当独特：你们不仅在由 Transformer 开拓的大语言模型（LLM）方向上重金探索，同时还在物理世界模型（World Models）上倾注全力。
但当前有一些 AI 力量（比如 OpenAI）似乎已经笃定大语言模型才是通向 AGI 的唯一正确路径，甚至收缩了一部分旨在理解物理世界的模拟模型研究。Google 为什么坚持两手都要抓？物理世界模型究竟为什么如此重要？
皮查伊：人类认识世界始于对物理环境的真实感知，人类的大脑不断接收并处理这些多维度的现实输入。要让 AI 具备真正的通用智能，它就必须深刻理解物理世界的法则，并具备高保真度模拟现实的能力。我认为这是通往通用智能不可或缺的底层基石。
我们的研发视野覆盖了技术的全部可能场景。以机器人领域为例：Argon 之所以在具身空间推理（Embodied Reasoning）的多项权威基准上拿下行业第一（SOTA），绝非机缘巧合，这完全得益于我们长期在世界模型构建上所积累的深厚工程经验。
在未来，底层的模型架构必然会走向融合。但在当下这个充满参差与未知的智能前沿阶段，我们希望在所有极具潜力的技术路线上都保持领跑身位。在我们的认知框架中，唯有双管齐下，才能带来更深刻的科研突破，并最终孕育出更为强大的 AGI。
算力零和博弈：把 TPU 抢回 DeepMind
主持人：我看你在发布 Argon 后的推特动态，里面全都是物理现实中的落地场景，根本不是单纯的文本生成。
接下来我们谈谈算力分配。算力是当下最稀缺的战略资源，而你必须在云业务商业化和内部 AI 科研之间做出取舍。这是外界围绕 Google 讨论最多的话题之一。
甚至有人向我建议：Google 应该彻底退出昂贵的前沿模型研发，把所有的云计算资源和自研 TPU 芯片当成“军火”租给外部，专心大赚一笔。看看现在的资本市场，基本只卖算力的英伟达已经是一家市值突破 5 万亿美元的庞然大物了。
现在的矛盾在于：云业务希望以极高的溢价将计算资源出租变现，而前沿科研团队则需要吃掉最庞大的计算集群来训练最好的 AI。你曾说你的核心职责之一就是分配算力。你具体是如何权衡这两端的？
皮查伊：对我们而言，确保前沿研发拥有充足的算力是全公司的底层基石（Ground Zero）。
2015 年，我确立了 Google 全面转型为“AI 优先（AI-first）”公司的战略。AI 是贯穿我们所有业务横向展开的核心技术骨架——从搜索到云业务，再到 Waymo 自动驾驶，无一例外。
因此，保障科研与模型开发拥有充足的算力，是不可撼动的首要原则，这是非妥协原则（Non-negotiable）。
在此之上，我们各个独立业务线都有各自的长远发展规划，并依据这些规划给出未来的算力预测。以云团队为例，他们有清晰的商业蓝图、客户需求指标以及已经签署的长期合同。基于这些明确的商业信号，我们能够为云业务规划出一条长期的算力供给曲线。
能够同时拥有这两种顶尖能力，是 Google 的幸运。世界上没有任何一家科技公司不需要在特定时刻面对资源博弈。但我们的第一性原则非常清晰：必须优先确保投资于前沿研发的算力底座，所有其他商业规划都在此基石之上运转。
眼下这些关于短缺的讨论，其实是因为大家坐下来看现状时忽略了物理规律——我们是在自主设计芯片并建造自己的数据中心，这些工程具有极长的建设交付周期。我们今天手中能够调动的算力，实际上是我在 2024 年做出投资决策的直接产物。
回想一年前，智能体编程（Agentic Coding）的全面爆发甚至都还没有发生。因此，今天任何人审视全行业，都会发现算力全线告急——不仅是我们，每家公司都身处其中。此时此刻，所有人都渴望手里的算力能比当初规划的高出整整两倍。但这本就是前沿探索必须承受的产业现实。我们必须时刻为两到三年后的算力需求做超前布局。
由于技术前沿演进的速度极其迅猛，在任何给定的时刻回看两年前的决策，你都有可能觉得某些配置并非最优。我并不会在这上面耗费太多精力纠结。
我对于算力分配的核心逻辑非常笃定：
首先确保 Google DeepMind 在前沿科研和顶尖模型训练上，拥有全行业最先进、最充足的算力支持；在此之后，再去统筹各个商业业务线的算力供给。
与此同时，我们能够将顶尖算力通过云服务赋能给外部客户，这同样具有重大价值。它让我们的基础设施在最广泛的真实应用场景中接受高压测试，在现实世界中千锤百炼，从而确保我们在 AI 技术堆栈的每一层都保持全球领先。
2027 年的算力已被哄抢一空
主持人：此前本·霍洛维茨（Ben Horowitz）在一期播客中转述了安迪·贾西（Andy Jassy）的表态，称全行业的算力基本已经卖断到了 2028 年。你看到的情况也是这样吗？
皮查伊：这种说法并不夸张。如果有客户今天跑来找我们，想要直接锁定 2027 年的算力订单，那将是极其艰难的。
这也是为什么我们在去年主动去外部租赁了一部分短期算力，以此来腾挪资源去照顾并满足部分客户的紧迫需求。但从宏观上看，全行业确实都面对着相似的供需交付周期。
主持人：聊一个关于泡沫的问题。历史上每一次重大的技术浪潮都会经历惨烈的过度建设（Overbuilding），比如铁路泡沫、光纤泡沫。你认为眼下的 AI 基础设施是否存在过度建设？
皮查伊：这完全取决于你用多长的时间尺度去审视。如果放在一个足够长的时间跨度下，我认为当前的建设体量是完全合理且必要的。
我们正处在人类历史上最具决定性技术的初级阶段。这跟当年的光纤网络完全不同——当年铺设的大量是未被点亮的“暗光纤”，而今天我们部署的算力没有一秒钟在闲置，每天我们都处在严重的产能与算力制约之中，底层的技术需求还在呈指数级井喷。
但作为一家企业的掌舵人，我应对这一局面的方式是务实和严谨的：紧盯市场真实的需求信号，评估那些已经落实为签约合同的确定性商业机会；同时将其与底层的技术演进速度、内部评测表现、公司自研业务的算力消耗轨迹进行交叉对齐。在全盘推演的基础上，采取一种充满信心、敢于进取但同时极度审慎且讲究纪律性的策略来铺设算力。
放眼整个宏观经济，不同玩家所承担的风险敞口截然不同。我很难对整个大盘妄下断言，我专注于掌控 Google 自身能力范围之内的事。
如果你问未来局部是否会出现产能过剩？是的，完全有可能。因为只要关键供应链环节出现短缺——请记住，构建超大规模计算集群需要一系列复杂的配套软硬件系统完全齐备。
主持人：内存、电力、电气工程师……
皮查伊：没错，涉及多达两千多个精密零部件甚至更多。只要某一个环节被卡住，出现瓶颈，局部就可能产生资产错配或阶段性过建；此外宏观经济环境也可能遭遇外部黑天鹅冲击。这些客观风险时刻存在。
但如果要问我，对于我们正在长远规划的算力基础设施，从足够长的时间维度来看是否能被充分利用？我的回答是百分之百确定的。
主持人：关于这个议题再追问一句。如果你坚信技术的力量，外界有一种典型的观点认为：对 AI 研究人员而言，算力集群越大，AI 就会越强。当年你公开表示“AI 对人类的意义比发现火和电还要深远”，我当时就在台下，大家那时候都笑了，但现在我真的有点后悔当初笑了出来。
如果你真切地抱有这种信念，顺理成章的做法不就应该是把全公司最大的算力全都交给科研人员，哪怕这会砸掉诸如云业务等当下的商业利润饭碗吗？你怎么看？
皮查伊：我们事实上在某种程度上正是这么做的。
在当下的很多时刻，
我们的云业务为了给前沿 AI 研发让路、配合算力调配，已经主动放弃了大量可以立刻变现的短期商业营收。所以你说的这种取舍，在现实中早已真切地发生了。
但凡事过犹不及，你必须保持克制与清醒。即便对科研人员来说，适度的资源边界并非坏事——约束往往能逼出真正的创造力。它能倒逼团队走出舒适区，去寻找更高效的算法突破，比如用更少的显存去实现更强大的性能。
我们的核心承诺是：不惜一切代价，确保提供维持绝对前沿竞争力所必需的充足资源。这就是我的思考方式。
人机界面的终局：屏幕彻底退场，24/7 云端微型虚拟机接管一切
主持人：随着 AI 的逐步普及，你认为未来计算的交互界面会演化成什么模样？
几个月前我和 OpenAI 总裁 Greg Brockman 聊到这个话题，他说过一段耐人寻味的话：“用户真正想要的界面是什么？真正想要的产品形态是什么？答案是没有界面，没有产品。你和我之间的界面是什么？本质上就是纯粹的自然对话。”
如果 AI 真的强大到了那种地步，人类就不该再面对充斥着各种按钮和繁杂交互的屏幕。在 AI 时代，你认为人机交互最终会长成什么样？
皮查伊：回顾计算机的发展史，过去永远是“人类在努力去适应机器的交互逻辑”；而随着 AI 的成熟，历史将彻底倒转——技术将以极其丝滑、无感的方式主动适应人类的生活规律与日常习惯。
在这个维度上，只要你愿意，AI 随时可以与你交谈；它拥有长效的个人上下文；它能在后台持久化运转，维持工作记忆的连续性；你不再需要去应对繁琐复杂的操作逻辑，一切归于自然。这种愿景我完全赞同。
但这并不意味着物理屏幕或交互界面会彻底消亡。以我自己的日常体验为例：如今 Gemini 的语音模型已经极其出色，我甚至在手机上只要按住麦克风，就可以毫无逻辑地随意碎碎念——这也是为什么我们内部叫它“Rambler”（漫谈者）。我想到什么就说什么，它能基于我的个人上下文进行极其智能的意图纠偏。哪怕我提到一些发音很生僻的朋友姓名，即便第一遍它猜错了，也能结合语境瞬间修正。这太惊艳了，说完整段话后我完全不需要再按退格键去逐字修改。它的进化速度令人赞叹。
但在许多生活场景中，界面是不可替代的。你可能需要娱乐消遣，可能想看一段视频；或者你指示 AI 为你生成了一段视觉内容，你最终依然需要通过屏幕去观赏它、消费它。
所以我的观点是：技术应该变得尽可能自然无缝，不再强求人类为了适应交互而耗费心力。机器与技术应当在每一个特定的当下，主动贴合你的工作与生活习惯。
往ChatGPT里硬塞智能体，难道就不算“缝合怪”？
主持人：接下来我想抛出一些 OpenAI 方面的尖锐观点。众所周知，去年你们曾迫使他们拉响了内部的“红色警报（Code Red）”。当时 Gemini 势头迅猛，OpenAI 全面进入严密防御状态。
我曾与山姆·奥特曼当面探讨过来自 Google 的巨大威胁，他的回答是：他坚信 OpenAI 能够抵挡住 Google 的攻势，因为 OpenAI 从第一天起做的就是“原生 AI（AI-native）”；而他的言下之意是，Google 只是在旧产品架构上硬生生缝合 AI（Bolt-on）。
你是否接受“缝合怪”这种定性？在你看来，这种外挂式架构真的能与原生 AI 产品同台竞技吗？
皮查伊：首先，眼下是一个极度动态的竞争时刻，大家都在互相激发生态的潜能。OpenAI 同样是一家倒逼 Google 全速奔跑的优秀公司。这绝不是单方面的施压，远非如此。
在这个历史性的 AI 关口，全行业的所有玩家都在不同时刻面对着不同程度的紧迫感。
听着，我们也一直在从零打造全新的产品。我们的独立 Gemini App 就是从最底层完全重构的原生产品。
换个角度来看，随着全行业加速步入智能体时代：当你把第三方的智能体插件强行塞进 ChatGPT 时，这难道不也是一种“Bolt-on（外挂缝合）”吗？你同样可以用这套逻辑去反问他们。
因此我从来不被这种概念标签所束缚。
在我看来，核心原则只有一条：打造出真正世界级的、原生级的顶尖产品体验，并在市场中赢下用户。这其中一部分需要我们重构传统产品，一部分需要我们去开创前所未有的全新体验。在这场技术大潮中，这两者不可偏废。
主持人：谈谈你对未来这种 AI 交互界面商业模式的构想。打个比方，如果我指示我的私人智能体帮我去外部采购一件商品，智能体向我推荐了一款产品，那么——即便是在明确告知用户的前提下——如果交易最终达成，你们会从中抽取销售分成吗？在长远的商业变现路径上，你们是怎么规划的？
皮查伊：我们先抛开企业端市场不谈。在 C 端消费者市场，用户对这项技术的认可度与价值感知正在迅速攀升。以当下的软件开发者为例：开发者非常愿意为顶尖的编程模型付费订阅，因为这实打实地成倍拉升了他们的生产力。今天没有任何一个工程师会愿意退回到三年前、甚至去年同期的原始编程方式。
只要你为用户交付了切实的价值，商业价值的回收就是水到渠成的事情。
消费级互联网的历史反复证明：我从未见过任何一款真正能够扩张到数十亿深度活跃用户规模的产品，最终会找不到匹配的商业化变现模式。只要你持续为人类生活创造真实价值，这种价值就必然具有变现的可能。
当然，商业化的具体机制会发生演变。你刚才描绘的场景是智能体在替人类跑腿消费，但在商业链条的底层，人类依然存在真实的消费需求，智能体需要去履约这些需求。商业世界另一端的商家和服务提供方自然能够从中看到商业潜能，系统最终会演化出一种高效的利益分配机制。
但最根本的前提，永远是你是否构建出了足够惊艳、不可替代的世界级消费级产品体验。
统一的无界面Agent：彻底抹平Gmail与搜索的跨产品割裂
主持人：我在进演播室前答应过自己，今天只提一个、也是唯一一个关于具体产品的“功能槽点反馈”。
皮查伊：哈哈，请讲。
主持人：听好了：你们什么时候才能让 Gmail 内部的 Gemini 原生搜索体验，变得像我把 Gmail 数据插件接入 ChatGPT 后搜出来的体验一样好用？这到底是怎么回事？
皮查伊：我们近期公布的一项重磅进展，就是在企业端落地并即将向 C 端全面铺开的“统一 Gemini 智能体体系”。
这是一种全天候在云端持久化运行的智能体。每一次用户调用，后台实际上都在毫秒级动态拉起一个专属的微型虚拟机（Micro-VM）。从底层运行时、运行框架到模型本身，
它是一个完全解耦的无界面（Headless）服务。
它能够无缝穿梭在所有场景中，实时随身携带你的个人上下文。无论你此刻是在 Workspace 办公、在 Google 搜索，还是在与 Gemini 交互，你调用的都是这同一个核心智能体。
智能体将彻底抹平这种跨产品的割裂感，实现用户梦寐以求的统一体验。你说得很对，当一家公司拥有极其庞大的产品矩阵且都在快速往前狂飙时，不可避免地会出现某些产品迭代步伐快于另一些产品的状况。这是非常客观中肯的批评。
我们目前正在投入巨大的心血与精力，确保在全新的智能体架构之下，这种体验的一致性与强大能力能够彻底贯通我们所有的核心入口。
主持人：外界在推测 Google 的下一步棋时，经常会冒出一个疑问：Google 自己的“Muse”或“Dots”到底在哪里？这些新形态产品最近突然异军突起、吸粉无数。你们内部有类似的原型吗？你是否打算推出一款全新的独立产品去正面对标 Muse？
皮查伊：其实在今天，我们的产品演进思路非常清晰：我们从一开始对 Gemini 独立 App 的定位，就是一个“个性化、主动预判、无所不能的超级个人助理”。这就是我们全力奔赴的目标。
你在今年 Google I/O 大会的 Spark 项目演示中，已经见到了这一愿景的早期雏形。如今只要你打开 Gemini App 并拥有 Pro 或 Ultra 订阅，你会看到“Chat（对话）”与“Task（任务）”两个核心分支，它们已经开始为用户提供完整的智能体代理体验。
随着 Argon 模型的加入，这种能力得到了跨越式的加速。我们在近期企业活动上展示的技术，很快就会完整引入消费端。未来你在 Gemini 里下达指令，这一切将是浑然一体的——你根本不需要纠结自己是在发起一段对话，还是在下达一个长周期的代理任务，模型会在后台自动做出最优判断，在严密安全隔离的环境中持续为你履约。
从目前的后台实际数据来看，去年此时用户在 Gemini App 中的行为绝大多数还被标记为问答式对话；而如今，智能体任务（Agentic Tasks）的占比正在急剧攀升。
所以，是的，我们一定会为全球用户带来极具颠覆性的个人智能体，它将深度打通 Gemini App、Google 搜索以及 Gmail。它由全新的 Argon 模型全盘驱动，我们对它的落地感到无比期待。
结盟苹果与Anthropic：在每一层技术堆栈扎下深根
主持人：Google 已经向 Anthropic 承诺并实际注资了数百亿美元，同时为其输送 TPU 算力底座。你在 Dario Amodei 身上看到了什么特质，值得 Google 做出如此巨大的战略绑定与资本下注？
皮查伊：在极早期我们接触 Anthropic 的创始团队时，我们就非常清晰地意识到，这是一支世界级的科研力量，团队多位核心成员亲历并主导了早期 GPT 核心模型的诞生。我们当时迅速得出结论：他们未来必将立于全球 AI 的最前沿。
Google 的战略历来是尽早发掘并携手那些能站在人类技术最前沿的顶尖公司——我们在 SpaceX 身上践行过这一逻辑，在 Anthropic 身上也是如此。
我们抓住了深度结盟的契机，将部分合作直接构筑在我们自研的 TPU 硬件生态之上。这就是我们做出这一战略决策的底层逻辑。
主持人：关于苹果，你们此前达成了深度合作协议，将 Gemini 模型能力授权给苹果以全面升级 Siri。这项合作目前是在继续扩大、逐步收缩，还是维持原状？
皮查伊：对我们和苹果而言，这项合作的初心非常纯粹——将最尖端的 AI 能力，切实转化为终端用户所能感知的颠覆性体验。
我认为苹果在工程工程化方面交出了一份惊艳的答卷，他们对模型进行了深度的定制调优并有机融入了 Siri，全球市场的积极反响有目共睹。我们致力于同他们深化并推进更多合作。目前没有具体细节可以公开透露，但这确实是一段运转极其顺畅、彼此成就的双赢合作。
把TPU打上近地轨道：当陆地电网撞墙，去太空寻找无限恒星能源
主持人：太空数据中心？你们公开宣布正在这一前沿领域加大投入。截至目前，你们对这个项目在物理和工程层面的可行性摸索出了什么认知？
皮查伊：这是一个令人热血沸腾的硬核探索。
这类项目总能让我重温当年的心境——我至今清晰地记得自己站在荒漠中观看 DARPA 无人驾驶挑战赛的场景，看着 Stanley 试验车在风沙中颠簸前行，而那辆简陋的赛车最终孕育出了今天的 Waymo。
面对所有颠覆性技术，在最初的某个历史切片里，它看起来都像是纯粹的科幻小说；但在跨越 10 到 20 年的周期之后，它往往会以极具现实价值的姿态彻底改变世界。我对太空计算同样抱有这种信念。
Google 历来信奉在底层技术上做长周期的巨额下注——量子计算我们默默耕耘了十年；Waymo 经历了将近二十年的漫长马拉松；而太空计算项目，我们目前正处于两到三年的初期探索阶段。
但逻辑是非常硬核且不言自明的：在太阳同步轨道上部署算力，你将享有全天 24 小时永不中断、极度充沛且廉价的清洁恒星能源，同时拥有外太空天然的辐射散热环境。面对人类未来对算力超指数级的渴望，这完全可能成为打破地面物理约束的终极解法。
当然，这是一个充满工程极限挑战的登月项目。团队制定了严谨科学的里程碑。将自研 TPU 芯片真正送入近地轨道，是一个激动人心的重要节点。此时此刻在我们录音的同时，团队正在屏息静候来自太空 TPU 的“Hello World”首次联通信号。我迫不及待地期待那一刻的到来，我们也会在这一方向上坚定地持续投入。
“25%代码由AI编写”已成历史：几乎每一行代码都在被深度重构
主持人：好像就在去年，你曾披露 Google 内部有 25% 的新代码是由 AI 辅助编写的。在今天这个时间点，这个数字刷新到了多少？
皮查伊：在今天的 Google，这个百分比指标实际上已经彻底失去衡量意义了。
因为现在全公司几乎每一行代码在构思、撰写、审查以及测试的生命周期中，都已经深度融入了 AI 的参与。
在 Argon 时代，我们正在监测全新的指标体系——我们见证了一个极其陡峭的生产力拐点。工程师们正在用 Argon 攻关极其庞大复杂的系统级工程，其中包括许多涉及数百万行底层代码的核心重构项目。
在全面部署 Argon 的短短四周内，全公司工程师的代码合并提交（CLs）效率猛增了 30%；更关键的是，伴随着产出的激增，线上代码报错引发的回滚率（Rollbacks）同步断崖式下降了将近三分之一。
工程师不仅写得更快，而且代码质量更高。因此，我们已经在用一套全新的维度来量化 AI 对生产力的重构了。
100%兜底清洁能源：绝不让科技扩张的能耗代价转嫁给普通居民
主持人：谈谈针对数据中心建设的反对浪潮。你如何看待这种现实阻力？如果你无法按照原本的规划在美国本土如期推进数据中心建设，Google 打算去哪里寻找出路？
皮查伊：我们始终坚持以极具社会责任感的方式推进数据中心建设。当我实地走访我们深耕时间最长的一批大型数据中心社区时，我与当地的居民深入交谈。很多社区居民会真诚地告诉我们，正是由于 Google 在当地长期以来的基础设施投资，他们的孩子才得以拥有充足的资金完成大学学业。我们与当地社区是共同成长、休戚与共的。
因此对我而言，破局的核心在于“以正确、透明的方式把事情做扎实”——在项目规划的最早期就深度倾听社区诉求，保持高度公开透明。
我们向全社会作出了坚定承诺：Google 会全额（100%）承担因数据中心扩建而产生的全部增量清洁电力成本，坚决不让科技扩张的能耗压力转嫁给普通居民。
我们必须深刻理解基础设施对周边社区生活环境的潜在扰动，并在早期采取严格工程手段加以解决。只要方向走对了，基建进程就能平稳向前推进。
当然，我们时刻都在认真审视各方的批评与反馈。我确实有些担忧，在这个行业里并非所有公司都能秉持同样克制与负责任的行事底线。普通社区一觉醒来发现后院被机房占据，这种反弹完全合理。
所以整个行业都必须在这方面做得更好、更加负责。而这也是为什么放眼未来二十年的维度，我们必须未雨绸缪地去探索太空数据中心这类颠覆性解法，去尝试把超大规模计算集群部署在完全不与人类日常生活产生资源挤压的全新空间。
尚未攻克的科学无人区：持续学习与灾难性遗忘
主持人：在目前的 AI 领域中，是否存在某一个尚处于攻坚期、但 Google 研发团队正在倾尽全力试图攻克的前沿科学难题？业内常提到“持续学习（Continual Learning）”——即让 AI 在发布之后能够像人类一样在交互中持续吸收新知进化，而不是在每次会话结束后就把一切忘得一干二净。
皮查伊：我们在内部部署了多条平行的前沿技术研发线。比如你在 Argon 上看到我们实现了单次 100 万 Token 的超长上下文输出能力；而早在早期的 Gemini 模型中，我们就已经率先实现了 100 万 Token 的输入窗口。
这些都是我们持之以恒进行前沿攻坚的缩影。我们该如何从根本上攻克合成数据（Synthetic Data）的质量瓶颈？
如何从数学上彻底解决持续学习中的“灾难性遗忘（Catastrophic Forgetting）”？如何构建出推断效率远超当下的全新模型架构？
我们在 DeepMind 内部，将极具战略分量的宝贵算力专门划拨给了这些风险极高、但潜在回报巨大的科研下注。它与我们的物理世界模型等尖端方向并驾齐驱。
在这些前瞻性研究中，往往会孕育出革命性的思想火花，随后被悄然融入我们主流的主干模型之中。外界或许无法在第一时间窥见全貌，但我们在这些尚未攻克的无人区里，早已布下了多路奇兵。
审慎的技术乐观主义：拆除引信的人，才配谈论未来的繁荣
主持人：节目的最后，我想用这个话题来收尾。以你这样的深度参与并执掌一家全球科技巨擘，骨子里必须具备某种天然的科技乐观主义——一种深信“只要把技术建造出来，世界就会因此变得更好”的坚定执念，这是深植于硅谷科技界灵魂深处的信条。
但硬币总有另一面：它要求你做出押注，而且往往是赌上数十上百亿美元的惊天豪赌，并热切期盼你所构建的未来能如愿照进现实。但现实的发展往往事与愿违。
举个亲身经历的例子：我前不久刚刚去了一趟萨尔瓦多，距离我上次去整整隔了五年。当年在那个特定的热点小镇上，我亲眼目睹了全镇上下对于比特币和区块链近乎狂热的激情，工地上到处塔吊林立、热火朝天。然而五年过去，现实并未按照人们当初描绘的宏大蓝图展开。这次我重返故地，那里几乎沦为了一座空荡荡的鬼城，到处都是烂尾荒废的建筑残骸。
要坐稳你今天的位置，必须拥有一种即便目睹了豪赌落空、承受了严重代价之后，依然坚信“放手一搏完全值得”的乐观主义。
我很想听听你的内心剖白——你当年在斯坦福大学毕业典礼的演讲中曾动情阐述过乐观主义的必要性，但那是一种极具思辨与克制的乐观。在当下这个充满地缘动荡、泡沫争议与末日威胁论的撕裂时代，你究竟是如何维系这种信念的？它究竟是一种毫无保留的纯粹乐观，还是一种被层层清醒审视所包裹的审慎乐观？
皮查伊：听着，我内心始终深植着一份不可动摇的信念：技术的不断进步以及人类对技术获取门槛的不断抹平，能够实打实地让这颗星球上绝大多数普通人的生活境遇变得更好。这是我个人大半生跨越不同阶层所亲历的生命体验，也是我内心深处那份乐观主义与执念的真正源泉。
但我始终认为，人类文明前行的本质，在于我们要付出艰苦卓绝的努力去驯服技术，去引导技术造福于人类社会的福祉。真正的乐观主义，绝不是盲目狂热地以为只要技术造出来了就万事大吉、随便造出什么都行——绝对不是这样。你必须倾尽全力去确保：我们亲手构建的技术，必须始终服务于全人类的整体利益，去改善人类的生存境况。
这是我们在面对技术浪潮时必须确立的核心锚点。只要恪守这套价值框架，我对未来就抱有无限的乐观与期待。
我们目前仅仅处于未来巨大技术裂变的最早期阶段。我们今天热烈讨论的医疗、健康等变革，真正的突破大潮其实还在后头；AI 赋予了我们在极其漫长的时间里第一次根本性降低人类核心生存成本的能力，我们在新材料等物理底层科学上的颠覆性发现，将真正逆转全人类的生产力曲线。
站在今天的时间节点，人类很难完全看清未来即将被释放的全部能量，但那种冲击力必将是深远而震撼的。
因此，我是一个坚定的乐观主义者；但与此同时，我们必须对这项技术可能走向异化、可能失控脱轨的所有潜在灾难，保持最高级别的警惕与敬畏。
唯有对风险报以极度的清醒，并全力以赴去拆除引信，你才有底气说两者能够并行不悖。这是同一枚硬币的两面。
主持人：桑达尔，我知道你平时极少接受这种深度的长音频访谈。我由衷感谢你今天能慷慨拨出时间与我坐在一起，能有机会与你再次面对面深入探讨，真的非常尽兴。
皮查伊：谢谢你，Alex。聊得非常愉快，十分感谢。
