重返前沿：Gemini 4.0的发布与递归自我改进

Alphabet首席执行官孙达皮柴（Sundar Pichai）指出，Google凭借Gemini 4.0重新回到了AI竞争的最前沿。此前外界普遍误以为Google放弃了最前沿的研究，转而追求速度快、成本低的模型以服务于内部产品。然而，Pichai强调站在技术前沿是刻在Google DNA里的核心战略。Gemini 4.0在编程、数学和科学等基准测试中刷新了记录，表现超越了OpenAI和Anthropic的公开模型。尽管部署过程谨慎且耗时较长以确保安全，但该模型上线后头72小时的Token用量接近二十五万亿，是Gemini 3.0同期的三倍。这种巨大的需求表明，前沿模型在Agentic工作、知识工作和编程任务中展现出卓越能力。

关于“普通模型是否足够”的争论，Pichai坚决反驳了这种观点。他认为前沿能力能让人更早看到新出现的可能性，从而更好地为未来做准备。特别是在“递归自我改进”的时代，前沿模型更擅长开发下一批模型。内部数据显示，当开发人员使用Gemini 4.0后，解决复杂问题的能力出现了明显飞跃。虽然承认前沿模型通常更慢且贵，但Google致力于在各种取舍下达到最优水平，同时通过Flash等轻量级模型满足不同场景需求。

“在递归自我改进的时代，前沿模型会更擅长开发下一批模型。所以，我认为在这方面，最前沿的能力很重要。”

“站在技术最前沿，你也就站在了创新最前沿，还能推动创新各种规模、各种能力的模型都有用武之地。”

安全防线：多层防御与行业标准化

针对“递归自我改进”可能引发的智能爆炸及安全担忧，Pichai将问题拆解为三个层面。首先澄清现状：目前我们处于递归自我改进的早期循环阶段，即Agent以自动化方式辅助AI研究人员构建模型，而非完全脱离人类控制的终极形态。其次在安全机制上，Google采取多层防御策略。除了持续优化模型对齐（Alignment）外，重点投入于运行时的实时监控、沙箱隔离架构以及确保企业客户拥有对模型部署和数据访问的控制权。这种设计旨在发现意外行为时能实时干预，同时保证任务继续执行。

最后关于“现有措施是否足够”，Pichai认为担忧是合理的，但解决之道在于建立行业通用的安全测试标准。他类比财务领域的会计准则和独立审计机构，主张引入独立的第三方评估方。虽然监管最终会发挥作用，但行业内部应率先制定标准并投入算力进行安全测试。

“目前的进展也非常让人兴奋。我预计这个过程还会继续推进，进入明年也会如此。”

“下一步是制定更好的标准，让我们做这些事的时候，有整个行业通用的标准，也包括能够请独立评估方来做评估。”

算力博弈：AI优先战略与长期规划

在资源分配上，Pichai重申了自2015年确立的“AI优先”战略。尽管云业务希望将算力高价出售以获取利润，但Google的根本原则是确保投入足够的算力让DeepMind站在AI研发的最前沿。这一决策没有商量余地，其他业务安排均以此为基础。由于自建数据中心周期长，今天的算力供给取决于2024年的决策。目前全行业面临算力短缺，大家都希望拥有原计划两倍的算力。Google通过为所有业务（包括云、搜索等）做长期规划，并在前沿研发之后分配剩余算力给外部客户，既扩大了规模又确保了技术栈的前沿性。

关于建设过剩的泡沫质疑，Pichai认为从长期看完全合理。与光纤不同，当前的算力正在被高强度使用而非闲置。他通过权衡需求信号、已签合同营收以及内部模型评估趋势，采取积极进取但有节制的规划策略。此外，Pichai强调了世界模型（World Models）的重要性。尽管OpenAI等机构侧重语言路线，Google坚持双线并行，因为理解物理定律和高度逼真的模拟是实现通用智能（AGI）的关键基础。Gemini 4.0在具身推理基准上的领先表现，正是源于世界模型研究的积累。

“我们最根本的出发点就是确保投入足够的算力，让我们站在AI前沿。……其他所有安排都以此为基础。”

“我们正处在有史以来影响最深远的技术发展的早期，而且这跟光纤不一样，没有闲置。我们正在用。”

算力规划与宏观风险：在激进扩张中保持节制

苏达什姆·帕纳布鲁（Sundar Pichai）首先回应了关于算力建设是否过剩的质疑。他指出，当前正处于有史以来影响最深远的技术发展的早期阶段。与光纤不同，算力没有闲置空间，每天的算力容量都不够用。尽管底层技术飞速进步，但经营公司的核心在于权衡：一方面要关注已落实的营收机会（即签下的合同），另一方面要结合内部评估、模型发展趋势以及底层技术能力。因此，他的策略是积极进取地规划算力，同时保持节制。虽然宏观层面存在风险（如部件供应受限、外部经济冲击），可能导致局部建设过剩，但他坚信只要时间足够，规划的算力都能被消化。

针对“是否应牺牲短期利润以提供最大规模计算机给AI研究人员”的问题，帕纳布鲁表示谷歌云业务一直在放弃部分短期营收以支持前沿AI研发。但他强调，对研究人员施加一定的资源限制反而能激发创造力，推动算法突破和效率提升（如减少内存用量）。谷歌承诺投入保持前沿水平所需的资源，但并非无限制地追求规模最大化。

“我们正在用，每天算力容量都不够用……根据所有这些情况，有信心积极进取，同时又有节制的规划算力。”

“即便对我们的AI研究人员来说有一些限制也是好事儿，这能激发创造力，帮助你在算法上取得突破。”

交互界面演进：从“人适应机器”到“技术适应生活”

关于未来AI的交互界面，帕纳布鲁引用了OpenAI总裁Greg Brockman的观点：理想的交互是“没有界面”，即通过自然语言对话完成所有操作。帕纳布鲁认同这一方向，认为AI时代的核心转变是技术自然而然地适应人们的生活方式。他举例说明，Gemini的语音模型（Rambler）已经能智能纠错并结合个人背景信息识别生僻名字，让用户无需手动修改即可流畅表达。

然而，帕纳布鲁指出这并不意味着完全取消界面。在需要视觉欣赏（如看视频）或复杂操作时，屏幕和按钮仍有其价值。未来的理想状态是尽可能顺畅、自然的使用体验，让技术适应用户当下做事的方式。他进一步提到谷歌正在推动的统一Gemini Agent体验：这些Agent在云端7x24小时持续运行，每次查询启动微型虚拟机，且不带用户界面的后台服务。无论是在Workspace、Google搜索还是Gemini应用中，Agent都能携带上下文并统一提供服务。这种Agentic体验的统一性正是解决多界面碎片化问题的关键，也是谷歌正在投入大量精力确保的方向。

“只要说话就行。如果AI那么聪明，也许就不该还需要一块屏幕或者那么多要你动手去点的按钮之类的东西。”

“这些 Agent 会持续运行……整套都是不带用户界面的后台服务，不管在哪儿都能用，而且都会带着你的上下文。”

竞争格局、商业模式与前沿布局

在讨论与OpenAI的竞争时，帕纳布鲁反驳了“谷歌只是给现有产品后加AI”的观点。他强调竞争是双向的，OpenAI也给了谷歌巨大推动力。他指出Gemini应用是从零构建的，而非简单改造现有产品。面对“AI原生”与“后加AI”之争，帕纳布鲁认为核心在于打造世界一流的产品体验：有些功能需改造现有产品，有些则需重新构想新体验。关于商业模式，他预测随着Agent替用户办事（如推荐并购买产品），商家与平台之间会形成高效的佣金或价值分配机制。只要持续创造价值，消费级产品必然能实现变现。

在前沿布局方面，帕纳布鲁透露谷歌已投资Anthropic并承诺数百亿美元投入，看重其世界一流的创始团队。此外，谷歌与苹果的合作（Gemini授权给Siri）进展顺利，双方致力于将AI能力转化为更好的用户体验。最具科幻色彩的是太空数据中心计划。帕纳布鲁将其比作早期的Waymo，认为在太阳同步轨道上获取最丰富的能源（太阳能）对于满足未来指数增长的算力需求意义重大。目前，团队正期待太空中的TPU第一次传回信号。在内部代码生成方面，谷歌已不再单纯统计“AI写的代码比例”，因为每一部分代码都深受AI影响。随着Argon（内部Agent工具）的上线，四周内代码变更提交量增加了30%，且回滚次数减少了三分之一，标志着开发效率与质量的双重提升。最后，他强调了负责任建设数据中心的重要性，承诺100%承担新增电力成本并透明沟通社区影响。

“我是这么想的。我想知道你觉得未来的交互界面会是什么样？……我的想法是，过去一直是人去适应计算机，有了AI就会反过来。”

“就在我们说话的这段时间，我们正期待太空中的 TPU 第一次传回信号，跟我们打个招呼。”

数据中心的社区责任与太空愿景

在推进基础设施建设时，我们承诺一定会带来新增的电力供应，且这些项目的用电成本百分之百由我们承担。同时，我们必须深入了解对周边居民的影响，确保尽早着手解决相关问题。只要方法得当，项目就能继续推进；我们也在不断听取反馈并将意见纳入考量。

然而，并非所有从业者都遵循这一准则。有些人突然发现自家附近冒出了数据中心，却完全未收到任何预警或沟通。我认为整个行业都应在此方面持续改进。

为了长远考虑，我们着眼未来二十年，探索将数据中心建到太空里等方案。部分原因在于希望为这些设施寻找替代选址，因为在太空中需要权衡的因素与地面截然不同。

有些人突然发现自家附近冒出了数据中心，完全没料到。所以我觉得这些都很重要，整个行业都应该继续改进。

我们着眼未来二十年，考虑把数据中心建到太空里这样的方案，部分原因就是希望能给这些数据中心找到别的地方。

前沿探索：从百万Token到世界模型

关于AI领域尚未得到验证的方向，Google正同时尝试多个前沿课题。例如持续学习（Continual Learning），即让AI在发布后仍能不断更新知识，而非每次对话结束就遗忘。目前我们在R杠（可能指代特定模型或架构）的输出上已能达到一百万token，且Gemini模型很早就实现了一百万token的输入上下文窗口（Context Window）。

除了上述突破，我们还在探索合成数据的生成方式、更高效的架构设计以及世界模型（World Models）等方向。我们确实投入了相当一部分算力用于这些探索性研究，因此主力模型的迭代与前沿实验是同步推进的。有时在探索过程中冒出的想法会直接应用到主力模型中，虽然我们不会公开所有细节，但确实在这些领域并行推进多项尝试。

我们的输出已经能达到一百万token，我们的Gemini模型很早就有了一百万token的输入context window。

有时候在这些探索当中会冒出一些想法，直接用到主力模型里。

有分寸的乐观：技术向善的核心

投身科技行业需要一份坚定的乐观主义，相信创造能让世界变得更好。但这种乐观并非盲目押注。以萨尔瓦多为例，五年前那里对比特币和区块链热情高涨，项目施工一片欣欣向荣；但五年后重访，许多未完工的项目使小镇近乎成为空城。这说明事情并不总按预想发展。

我在斯坦福毕业演讲中提到，人需要乐观，但这份乐观是有分寸的。我内心深信技术进步和普及能改善生活，这是基于亲身经历的信念。但与此同时，人类始终在努力掌握技术以更好地服务社会。这份乐观的前提是：我们必须下功夫确保开发的技术是为人类服务的，让人类的处境变得更好，这必须是最核心的目标。

在此前提下，我极度乐观。我们即将看到的进步才刚刚起步：除了医疗领域，我们将有能力从根本上降低制造成本（针对那些长期变贵的物品），并发现新材料。这些进步将深远地改变发展趋势，尽管站在今天难以看清全貌。

当然，我们也必须对技术可能出问题的各个方面保持应有的警惕。乐观与警惕是相辅相成的：只有确保解决那些令人担忧的问题，才能确保持续的进步。

我得下功夫，确保自己开发的技术是为人类服务。让人类的处境变得更好，这必须是我们最核心的目标。

这两者是相辅相成的。