模型迭代的工程基石：从单纯模型到AI智能体

谷歌DeepMind现任掌门人、高级副总裁兼首席技术官科雷·卡武克丘奥卢（Koray Kavukcuoglu）在近期播客中公开承认当前模型质量略微落后于行业最前沿水平。这一坦诚表态引发了外界对谷歌技术地位的广泛讨论。面对“是否接受不在第一梯队”的质疑，科雷直言这种说法令人惊讶，并强调没有任何事情比保持在技术最前沿更重要。他明确表示，所有决策、研发方向和优先级评估都聚焦于此，并百分之百确信谷歌将重新站上最前沿。支撑这一信心的并非盲目乐观，而是基于对技术演进路径的深刻洞察和团队实力的评估。

关于今年I/O大会上Gemini 3.5、3.6及随后快速推出的3.7版本，外界好奇其背后是否有架构上的重大创新。科雷指出，并没有太多所谓的内幕或颠覆性架构变革。真正的关键在于团队对“编写代码”这一概念的理解发生了根本性的深化。这种理解不再局限于生成代码片段，而是涵盖了软件工程的完整意义，包括如何与工具交互、如何衔接用户日常功能。这一转变标志着系统从单纯的预测模型进化为AI智能体（Agent）。

“真正的关键在于，从3.0版本开始团队对编写代码这件事的理解加深了很多……从根本上说，是把整个系统从一个单纯的模型变成了一个AI智能体。”

科雷强调，软件工程能力是构建成功AI系统的根基。通过积累大量训练模型与人类协作写代码的经验，团队掌握了如何构建真正能解决问题的智能体。这种工程能力的提升加速了发展步伐。3.6和3.7版本中的许多工作其实可以追溯到一年甚至更久以前，这些长期积累的经验与新想法汇聚，产生了协同效应。甚至在研发3.6时，团队已能预见3.7的方向，这种多线并行推进的协同效应使得模型质量得以大幅提升。

Gemini 4的战略雄心与谨慎乐观

随着Gemini 3.7的发布，业界目光自然转向了正在研发的Gemini 4。科雷确认，这是谷歌迄今为止进行的最具雄心的一次预训练项目。他透露目前进展顺利，团队内部充满激动情绪。然而，作为技术领导者，科雷始终保持谨慎乐观的心态。他深知关键在于如何将潜力转化为现实，只有当模型真正交付到用户手中并产生实际价值时，才算真正的成功。

在资源层面，科雷指出DeepMind拥有令人惊叹的全栈技术资源。作为谷歌的一部分，团队能够进行全面优化以实现目标。这种资源优势是保持竞争力的重要基础。更深层次的支撑则来自谷歌的企业基因。科雷回顾道，如果将谷歌视为一家公司，它始终走在投资下一项重大技术的最前沿。早在十五年前，当AI尚未大行其道时，谷歌就开始投资专门的AI芯片。这种长远眼光与量子计算、Waymo等项目一脉相承，已融入谷歌的DNA。

“所有的目标、所有的注意力都聚焦于此……做决策的时候，评估想法的时候，确定研发方向和优先级的时候，一切都是为了保持在技术最前沿。”

科雷认为，谷歌对AI的投资并非过去五到十年的短期行为，而是长达十五年的持续投入。这种长期投资的决心是谷歌区别于其他科技公司的核心特质之一。正是基于团队创造力、全栈资源以及长期主义基因，科雷坚信DeepMind有能力克服当前的暂时落后，重新确立技术领先地位。这种信念不仅源于数据或短期表现，更源于对组织能力和战略定力的深刻理解。

团队整合与AGI构建的执行逻辑

目前，科雷正负责领导整个谷歌DeepMind前沿AI团队及相关产品团队的整合工作。这次合并并非简单的行政调整，而是为了构建一个统一的蓝图。Gemini显然非常专注于构建AGI（通用人工智能）。科雷指出，实现这一宏大目标依赖于两个核心要素：一是出色的执行力，因为构建AGI是一项极其细致和复杂的工程；二是依赖一个庞大且广泛的渠道来吸收来自四面八方的创意。

整合后的兴奋点在于，前沿AI团队和产品团队能够将思路、知识和焦点真正汇聚。科雷强调，创意的本质在于探索，不能将所有东西局限在单一轨道中。成功构建AGI依然依赖于创新与探索，然后通过Gemini以正确的方式加以引导。通往AGI的道路取决于与用户的交互。不同用户群体——从处理邮件的普通人到利用AI进行科研的科学家——的使用场景涵盖了世界正在发生的一切。

“整合之后让他感到兴奋的是，前沿AI团队和产品团队能够真正将思路、知识和焦点汇聚到一起……你不能总是把所有东西都局限在单一的轨道里，因为创意的本质在于探索。”

用户的实际使用情况被视为最好的指南。这些交互数据告诉团队什么是值得解决的问题，以及人们希望我们解决什么问题。通过不断响应用户需求并解决问题，团队逐步引导模型走向AGI。这种以用户为中心、通过高频互动建立信任的路径，是打造通用智能实体的关键。科雷认为，只有构建出人们喜欢互动、依赖并信任的事物，才能真正迈向通用智能。

AGI测试的迷思与历史进步观

针对业界关于“是否存在类似图灵测试的AGI判定标准”的讨论，科雷给出了明确否定。他认为并不存在这样一个简单的测试。没有人能拿出一个特定分数，证明达到该分数即实现了AGI。回顾AI发展史，进步的过程和旅程本身带来了改变。在十五至二十年前，人们认为完成特定任务即代表智能；而在每个历史时期，这些目标都是合理且值得追求的。

科雷指出，正是对这些特定目标的追求促成了现在的进步。如今设定的通用智能目标同样是这一进程的重要组成部分。智能已从早期狭窄领域发展到现在的非常通用状态。DeepMind当前的目标是构建通用智能（General Intelligence），并沿此路继续发展。他提醒道，回顾二十年前的设想与现在的成就，会发现许多目标已实现。

“没有人能拿出一个测试然后说只要你在这个测试中拿到一定分数就意味着你实现了AGI……设定下一个目标，同样是这种进步的重要组成部分。”

科雷强调，最终目标是构建一个可以信任并与之共事的智能实体。这并非瞬间突破的门槛，而是一个不断建立信任、并在各个方面变得越来越好的过程。这种观点打破了“奇点”式的瞬间爆发论，转而强调渐进式的能力积累与信任构建。通过持续解决复杂问题并提升可靠性，智能实体逐渐获得用户的信赖。

从雅达利到LLM：底层原理与复杂性的演变

话题转向科雷的个人经历。他与卡罗尔·格雷戈尔在杨立昆实验室相识，后共同加入DeepMind初创团队。当时团队仅十至十二人，身兼多职。他们选择了一项雄心勃勃的任务：训练AI智能体通过自我学习玩雅达利游戏并取得好成绩。这一内部项目成为DeepMind聚焦特定案例的起点，并催生了著名的DQN网络。这是深度学习与强化学习结合的初步尝试。

“游戏是研究智能并实现规模化扩展的理想环境……深度学习与强化学习的结合，正是构建智能AI Agent的核心秘方。”

DQN的成功证明了这条路切实可行。随后，DeepMind的目标不断跨越：从零掌握围棋、国际象棋，到AlphaFold攻克蛋白质折叠，再到星际争霸。这一过程展示了挑战难度的不断增加。科雷分析道，从雅达利到语言模型，底层算法如强化学习和深度学习原理未变，损失函数也相似。真正变化的是应用领域变得极其困难。现实生活中的模糊性极具深度，语言比受限动作空间丰富得多、复杂得多。

“真正在变的，是应用领域在不断变难……现实生活中充满了模糊性而且这种模糊性极具深度。”

语言的多面性和跨领域特性要求模型具备更高智能以预测人类意图并协作。规模变得庞大，但基础原理依然稳固。这种从简单环境到高度模糊、复杂环境的演进，是AI发展的核心轨迹。

指数级进步与谷歌内部的独特优势

回顾二十年，科雷对技术的指数级起飞感到惊讶。他认为这包含运气成分：知识积累、芯片、互联网和数据技术进步水到渠成。他视进步为叠加的S型曲线：障碍解锁带来巨大进展，随后是渐进式积累和新发现。过去研究AGI是从纯粹想法走向科学；现在则生活在实际构建AGI的世界中，因为人们已在切实使用它。

“进步往往是通过叠加的S型曲线实现的……现在他们生活在一个实际在构建AGI的世界里，因为人们已经在切实使用它了。”

科雷强调研究和创新是推动这一切的关键。这个“创新漏斗”是谷歌最大的差异化优势。在谷歌内部推进AGI具有特殊意义：一方面拥有技术投资基因，另一方面拥有覆盖数十亿用户的产品矩阵。科雷认为，越能将Gemini放入可理解、学习并从互动中获取反馈的环境，模型就能做得更好。用户喜欢使用产品是构建AGI的关键要素。

Flash与Pro版本的并行策略及前沿动态

关于Gemini 3.5 Pro的进展，科雷解释了并行开发轨道的策略。模型家族包含Pro、Flash和Flash-Lite版本，但研发是同步推进的。Flash模型进展非常迅速，从3.5到3.6再到3.7实现了极其快速的迭代。Flash模型变得越来越好、越来越具竞争力，正在不断逼近技术前沿。这对内部研究人员是巨大鼓舞。

与此同时，Gemini 3.5 Pro仍在持续研发中。科雷指出，研究本来就是在多个规模和多个时间点上同步推进的。虽然Flash在迭代速度上表现优异，但Pro版本仍在并行轨道中稳步前进。此外，Gemini 4的研发也在同步推进，同样有许多令人兴奋的进展发生。

“他们在Flash模型上取得了非常好的进展……正在不断逼近技术前沿，这对内部所有的研究人员来说也非常振奋人心。”

针对“前沿领域转移”的疑问，科雷认为两点需牢记：第一，在激烈竞争中前沿注定会不断转移。第二，团队在AI Agent行为、工作流及落地方面学到了很多。他目前对位置充满信心，尤其是对理解用户需求的能力有信心。构建AI Agent能力的完整过程让团队更深刻地理解了用户协作的需求。

结语：智能的终极愿景与信任构建

访谈最后，科雷被问及若有一根魔杖希望模型实现什么。他的回答直接而朴素：只想让它们变得更加智能。他认为，随着模型变得更智能，它们在处理任何事务时都会做得更好、更直观。这不仅是技术的追求，更是为了提升效率与体验。

科雷的坦诚揭示了DeepMind当前的战略定位：承认暂时落后，但凭借长期主义、工程化能力和团队整合信心十足。Gemini系列的快速迭代与并行策略展示了其强大的研发韧性。AGI的实现并非通过单一测试，而是通过持续解决复杂问题、建立用户信任的过程。在谷歌的全栈资源支持下，DeepMind正通过构建可信赖的智能实体，稳步迈向通用人工智能的目标。这一过程既需要底层的算法突破，更需要上层的工程落地与用户反馈闭环。

结论

本访谈核心揭示了谷歌DeepMind在承认当前模型略逊于最前沿的同时，展示了其通过软件工程化转型（AI Agent）、并行研发策略及长期资源投入重夺技术领先地位的战略路径。科雷·卡武克丘奥卢强调，AGI的实现没有捷径或单一测试标准，而是依赖于处理深层模糊性的能力、与用户的持续交互反馈以及构建信任的渐进过程。尽管面临激烈的竞争和前沿的动态转移，DeepMind凭借其在AI芯片、全栈优化及创新漏斗上的积累，坚信能通过Gemini 4等项目的推进重新站上技术前沿。最终目标不仅是提升智能指标，更是打造人们愿意依赖和协作的通用智能实体。