我们正处在人类有史以来影响最深远的技术的早期阶段，这跟光纤不一样，不是闲置着的，我们正在用。对AI研究人员来说，计算机越大，AI就越好。你把尽可能大的计算机交给研究人员，哪怕这样会损害眼下的利润，比如云业务的利润。我们今天拥有的算力，取决于我在2024年做的决定。今天很明显，不管你看哪方面，大家的算力都不够，不光是我们，其他公司也是。
大家都希望能有原来规划的两倍算力。Google自己的Muse或者Dots这样的产品在哪里？无论是个人用户还是企业用户，都将能用上某种多agent框架，一直替他们做事。感觉这是一个有着无限可能的时刻。Alphabet首席执行官孙达皮柴来到节目，聊聊谷歌打算如何参与AI最前沿的竞争，如何平衡最前沿的AI研究和公司的云业务，以及未来的交互界面会是什么样。
今天孙达来到了我们在山景城的演播室，孙达。很高兴见到你，欢迎来到节目，谢谢你，Alex。很高兴来到这里，Google凭借Gemini 4.0又回到了最前沿。说白了，这就是一个世界领先的模型，在benchmark上刷新了记录，在多项benchmark上，包括编程、数学、科学和知识工作，表现都超过了OpenAI和Anthropic公开发布的模型。
之前大家普遍认为，Google基本已经放弃了最前沿，打算做一些速度快、够用的模型，放进自己的产品里，不再追求最前沿的AI了。但这种看法错了，错的很离谱。我觉得我们始终非常坚定的要站在最前沿，我觉得这是刻在我们DNA里的，我们只会这么做。我们一直在思考AI的最前沿，已经远远不止十年了。最前沿的变化非常快，竞争非常激烈，也非常让人兴奋。
Argen最终做成这样，我再满意不过了。我们没有急着推出，我们确保测试是安全的，部署也很谨慎。考虑到这个模型的能力，我们花的时间比其他模型稍长一些。但我觉得从各方面来看，无论是Agentic工作、知识工作、编程还是创作任务，Argen都是非常出色的前沿模型之一。上线后的头七十二小时，token用量就接近二十五万亿，大约是Gemini 3.0上线头七十二小时的三倍。
而且我们提供服务的容量还不够，我们很兴奋，但总有一些地方还要改进。最前沿的范围很广，变化也很快，模型必须不断进步。我们也看到了需要改进的地方，所以这些我们都会继续下功夫。哪些地方？你看，拿任何一个模型来说，哪怕只回头看两个月前的模型，Argen，在各方面都更好。但这个领域一直在快速发展。比如，就算是编程，也有一些具体的地方，我们知道还需要做得更好，收到的反馈也很明确，所以我们会改进。
至少让我说说为什么对Google来说，普通模型可能就够用了。我来转述一下别人对这件事的看法：不是他们的意思是，如今最前沿的AI已经很强了，AI的基本水平也已经很强了，所以最前沿的能力其实只有在某些特定任务上才有价值。如果你有一个普通模型，其实也能用来做出很棒的产品。就拿Meta的Muse来说。Meta用来打造Muse的模型不错，但并不是最好的。
如果你要做生物学研究之类的事儿，也许确实需要最前沿的模型。但那些觉得Google其实不需要最前沿模型的人会说：“你只要有普通模型就够了，可以把模型用到产品里，比如地图、Gmail，还有搜索。”再拿Meta的例子来说，这样就足够了。你怎么看这种说法？这完全不是我的想法。我觉得我们一直非常坚定地要推动技术达到更高水平，真正去拓展能力的极限。
从 transformer 开始就是如此，这就是我们一直走的路。所以你会看到我们继续这么做。我觉得，站在最前沿，你就能看到那些新出现的能力，比别人更早。这能帮你更好的为未来做准备。我们很幸运，有很多机会，既面向个人用户，也面向企业用户。我们有些云客户确实想要最前沿的模型。我觉得，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。在内部把Argon提供给开发人员使用后，我们确实看到了明显的飞跃。以前的模型解决不了的问题，现在确实能解决了。所以站在技术最前沿，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，所以我们才做了 Flash、Flash Light 等等这些模型。
我也同意你的看法，可以做出很好的产品体验，用的不一定非得是最前沿的模型，因为最前沿的模型往往更慢也更贵。但我们在意的是各种取舍下能达到的最优水平，所以这些方面我们都决心做好。你刚才说开发最前沿的模型，能让你提前看到未来会出现什么。你觉得接下来会有什么发展？现在让人这么兴奋的是，你做出一个东西，觉得这是几个月心血的结晶，然后发布出去，就已经能清楚地看到前面还有很大的提升空间。
我觉得我们一直都在开发 agentic 长期任务能力，但显然接下来的前沿方向会是让多个 agent。一起协作做事，这就是一个例子，一种让人兴奋的新模式正在形成。我也很清楚，不管是个人用户还是企业用户，都会用上某种多 agent 的框架，一直在替他们做事。感觉这个时刻有无限的可能。你提到了递归自我改进，这实际上就是模型自己让自己变得更好，可能不需要人参与其中。
有人把这叫做智能爆炸，或者觉得会听到轰的一声，AI突然就有了超越人类的能力。而且我记得 Sergey 当时和 DeepMind 的研究人员做过一次圆桌讨论。他谈到R杠说，R杠的一个核心创新就是更多的依靠模型来帮助开发模型，对吧？我们都看到了最近AI模型发生的一些事儿。模型的对齐做得不错，但还没有完全对齐，而这些不完善的地方是个大问题。
显然，科技圈现在甚至更广泛的人群都知道 Hugging Face 那件事。OpenAI 的机器人突破了隔离限制，入侵 Hugging Face。做了一些很离谱的事，Google 也出现过类似情况，旗下的机器人获得了访问权限。我记得当时机器人在猜密码，结果进了一个不该进去的网站，后来停下来了。但说到这些模型，已经有足够的证据表明。
模型并没有完全按我们的意愿行事，所以去追求这种递归自我改进，甚至只是让模型进步得快很多，都让人有点发毛。这让我害怕。你不觉得这种担忧是有道理的吗？是不是该做点什么，让科技行业在这件事上冷静一点？你的问题也许可以分成三个部分。先说递归自我改进本身，你说的对，Sergey提到过，递归自我改进在我们开发Argan的过程中起了关键作用。
不过有一点要说清楚，就目前而言，如果把这看作一个连续发展的过程，我们离递归自我改进的最终形态之类的。还相当远。现在准确的说法是有递归自我改进的循环，和AI研究人员一起参与模型开发的各个环节。我会说，差不多就是agent以某种自动化的方式帮助AI研究人员，大家一起构建这些模型。所以我觉得，至少先弄清楚我们现在走到了哪一步，这很有帮助。
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。第二个问题是安全，安全靠的是多层防御。你说的是对齐，显然我们都在做大量工作，让模型尽可能对齐。但这个领域还在不断研究，显然也还有不足。不过我们并不只靠对齐，所以一方面要做对齐，除此之外，我们还投入了很多精力。在模型运行时做实时监控，也就是要确保能充分采集运行数据。
知道正在发生什么，这样发现意外行为时，就能实时干预。具体怎么做，用什么架构，怎么确保一切都在沙箱里做好隔离？同时，模型还能继续完成工作，接受实时监控，这些都是我们正在投入的方向。当然，我们部署这些模型的时候，也要让客户企业有控制权，既能实时监控，也能决定在哪里部署这些模型，能接触什么类型的数据，等等。
这些工作都非常重要。我们在Argon上也做了大量这样的工作。我觉得整个行业都需要不断提高水平，花时间把这些事儿做好，包括专门投入所需的算力，确保能够安全地部署这些模型。第三个部分是这些够不够？我觉得这也是为什么行业里有这么多讨论。我觉得担心是合理的，但我不会面对让你担心的事。正确的做法是尽早想一想，我们还能多做些什么。
我觉得整个行业在部署这些模型的时候，确实在加大对其安全测试等方面的投入。我觉得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。你看，财务管控这些领域有会计准则，有独立审计机构等等，这些都是我们整个行业接下来顺理成章要努力推进的事儿。在这个过程中，监管最终也会发挥作用。
问你一个技术问题，Google有一点比较特别，你们一方面研究语言，也就是大语言模型这条路线，从Transformer开始；另一方面也在研究世界模型。有些做AI研究的机构，比如OpenAI，基本认定大语言模型就是通往通用人工智能的道路，实际上已经停止了部分世界模型研究，也就是那种试图理解物理世界的AI模型研究。
但你们两条路线都在做，能不能谈谈你为什么觉得世界模型这一方向很重要？人当然会感知周围的世界，接收各种信息。我觉得让这些模型能够理解物理定律、高度逼真的模拟世界，这些都是实现智能的关键基础。我觉得。我们在探索这方面所有可能的应用，比如机器人领域，这不是偶然的。说到Argen，你看巨身推理的benchmark。
Argen处于最先进的水平，我觉得在很多这样的benchmark上，Argen确实做到了最好。这也都源于我们构建世界模型的经验。我预计未来会有一些架构把这些都融合起来。不过，我觉得。对我们来说，现在智能的前沿在不同方向上进展参差不齐。我们希望在所有可能的路线上都站在前沿。我觉得这会帮助我们推动更好的研究，获得更好的认识，也开发出好得多的通用人工智能模型。
这就是我们的想法。Argum发布之后，我看了你的Twitter，上面全是实际应用，不是那种文本或者模型生成文本的东西。我想跟你聊聊，你怎么平衡算力的分配？算力是你们最宝贵的资源，要在云业务和AI研究之间分配。这是围绕Google的一个热门话题。有人跟我提过，Google应该退出AI研究。把所有云计算资源和芯片都拿出来，直接卖出去。
你看看现在的商业世界，英伟达基本上就是在做这件事，已经是一家市值五万亿美元的公司了。这两边存在拉扯，云业务想把算力大幅加价卖出去，AI研究则需要非常强大的计算机才能做出最好的AI。你说过，你工作中很大一部分就是决定怎么分配算力。你具体怎么做？怎么平衡这两边？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。
也就是说，二零一五年我就把公司的方向定为AI优先，AI是贯穿我们所有业务的关键要素，从搜索到云业务，再到WeMo，所有业务都是如此。我觉得这是我们最根本的出发点，确保无论是研究还是开发模型都有足够的算力。除此之外，我们还有这些独立的业务，各自都有长期规划，所以各个业务会根据长期规划来预测未来，我们在为所有业务规划算力。
比如云业务团队，他们有自己的业务，也有预测，还有需求信号，也有已经签下的合同。有了这些信息，我们就能规划他们长期需要多少算力。我觉得我们很幸运，有这么多不同的机会。我觉得世界上每一家公司在任何时候都得做取舍。但我们做事的根本原则就是确保有足够的算力投入前沿研发，这一点没有商量的余地。其他所有安排都以此为基础。
我觉得这些讨论反映的是眼下的情况。要记住，我们是在自己建设算力，自己建数据中心，所以前期准备需要很长时间。所以，我们今天拥有的算力，取决于我在2024年做的决定。哪怕只回想一年前，也就是去年，Agentic Coding都还没有迎来爆发。所以今天你看看各方面的情况，显然大家都缺算力，不只是我们，其他公司也一样。
大家都希望能有原计划两倍的算力。我觉得这就是做这件事必然会遇到的情况。而且不管什么时候，我们都在规划未来两到三年需要的算力。我觉得你会发现，有些决定可能看起来不是最优的。到了两年后会怎样？要看那时最前沿的技术发展到哪一步了。所以这方面我不会花太多时间去想。我对算力分配的考虑，就是确保 Google Deep Mind 无论做研究还是开发前沿模型，能用到的算力都处于最前沿。
在这之后，我们再为所有业务做规划。我觉得能把我们的算力也提供给别人是件好事儿，我们也已经这么做了。这样，我们就能扩大算力规模，让这些算力在尽可能广泛的应用中接受实际检验，也确保我们的AI技术栈每一层都处于技术最前沿。简单问一下，Ben Horowitz 在一期播客里转述过 Andy Jesse 的话，大意是，一直到二零二八年的算力都已经卖光了。
你们看到的情况也一样吗？我觉得这个说法合理。如果今天有客户来找我们要二零二七年的算力，那确实非常难满足。部分原因是，就连去年我们也在外面租了一些短期算力，来满足一些客户的需求，帮他们一把。不过，确实我觉得我们面临的交付周期都差不多。问一个关于泡沫的问题：有人说每一次技术变革都出现过建设过剩，铁路、光纤，你觉得这次有建设过剩吗？
这取决于你看的是多长的时间跨度。现在这样的建设规模，如果把时间拉得足够长，我觉得完全合理。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，每天算力容量都不够用。底层技术正在飞速进步，但经营一家公司，我应对当下的办法就是看需求信号，看已经落实的营收机会，也就是已经签下的合同。
再把这些和底层技术能力、我们内部的 eval 内部的使用情况以及模型的发展趋势放在一起权衡，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。但如果说到整个宏观经济，不同的人承担的风险程度不同，所以我很难说我会专注于公司能掌控的事情，据此做好规划。如果你问的是有没有可能建设过剩，有，因为某些部件可能供应受限。
要记住，关键是建设这些算力所需的东西得全部配齐，内存、电力、电工，对，大概有两千种部件甚至更多，所以你可能在某个环节受限，有些东西可能形成瓶颈，然后就可能出现建设过剩。也可能有外部冲击影响经济等等，所以存在宏观风险，这些在任何时候都有可能发生。但对于我们规划的算力，只要时间足够，我有没有信心都能用得上，绝对有。
关于这个，再问一个问题：如果你想两头都做，有一种观点认为，对AI研究人员来说，计算机规模越大，AI就越好。你说AI会像火和电一样影响深远的时候，我就在现场，当时我们都笑了。现在我有点后悔当时笑了。但如果你真的相信这一点，那按这个思路就应该给研究人员规模尽可能大的计算机，哪怕会牺牲当下的利润，比如云业务的利润，你怎么看？
我们都在以某种形式这么做。我觉得我们的云业务，无论在什么时候，都在放弃一部分短期营收，因为我们在算力分配上做取舍，来支持前沿AI研发。所以我觉得你说的已经在发生了，但还是得考虑周全。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，提高效率，比如减少内存用量等等。
所以我们承诺的是投入保持前沿水平所需的资源。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？随着AI逐步落地，我们以后会怎么使用计算机？几个月前，我和OpenAI总裁Greg Brockman聊过这个话题，他有句话很有意思。他说：“你想要什么样的交互界面？你想要什么样的产品？答案是你希望没有界面，你希望没有产品，你希望是这样。
你我之间是靠什么交互的？”他的意思基本上就是。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。你觉得AI时代的交互界面会是什么样的？我的想法是，我确实觉得过去一直是人去适应计算机，有了AI就会反过来，技术会自然而然地适应人们的生活方式和日常生活。所以，其中一点是你希望有这样一个AI，想跟他说话的时候就能说，他了解上下文，可以在某个地方一直运行，让体验延续下去。
你不用应付那么多复杂的东西，用起来很自然。这些我都认同。不过，在我看来，这并不意味着就没有交互界面了。你看，比如说。现在就连在我的手机上，Gemini的语音模型都已经很好了。我只要按一下麦克风按钮就行，我可以想到哪儿说到哪儿，所以我们叫它Rambler。我可以随便说。它会智能的纠错，结合我的个人背景信息，所以连我朋友的名字，哪怕是很少见的名字，它也能识别。
对，就算一开始猜错了，也能改过来，太神奇了。也就是说，我说完以后不用再去按退格键修改，现在能做的这么好，真是了不起。但有些时候，你还是需要一个界面的。你可能想找点娱乐，你可能想看个视频，所以你可能会让 AI 生成点东西，然后你想看一看、欣赏一下。所以我的想法是，你希望用起来尽可能顺畅、尽可能自然，不用费劲去适应某个界面，而是让技术来适应你当下做事的方式。
我再来聊聊 Open AI 那些热门话题，因为去年你们让他们拉响了红色警报。我想你肯定知道 Gemini 表现很好，Open AI 也严阵以待。我跟 Sam Altman 聊过来自 Google 的挑战，他说他觉得 Open AI 能挡住你们的攻势，因为他们做的是 AI 原生产品。我不确定他是不是这么直说的，但他的意思是 Google 是把 AI 加到现有产品上。
你觉得这种后加 AI 的方式，我不知道你是否接受这个说法，能跟 AI 原生产品竞争吗？首先，现在变化非常快，大家都在互相推动。我觉得 OpenAI 也给了我们公司很大的推动，所以并不是只有我们单方面给他们施加压力，远远不是这样。对，你们也拉响过红色警报。我是说，我知道到底算不算红色警报还有争议。不过，这是 AI 浪潮带来的，我们所有人在不同的时间点都得以不同的紧迫程度来应对。
你看。我觉得我们也一直在做新产品。Gemini是从零做起来的。作为一款产品，我说的是Gemini应用。再比如往后，大家都在适应 agent，那是在给 Chat GPT 后加 agent，还是说他们在做原生的 agent？你会怎么看这个问题？所以这些问题总是可以反过来问的。我不会那样看，我的想法是要打造世界一流的产品体验。
要是AI原生的，而且能赢得市场，有些要靠改造现有产品，有些要靠重新构想新的体验，这些都是应对当前这个阶段的办法。聊聊你怎么看未来AI交互界面的商业模式吧？比如说，我让我的agent帮我办件事儿，他推荐了一个产品，就算事先告知了，如果我买了，他会从这笔交易里抽成吗？或者说，你们打算怎么靠这些产品赚钱？
有什么计划？我想，显然我们先不谈企业市场。好，对我问的是消费者这边。如果说消费者这边，你看，我觉得消费者会越来越看重这项技术。我是说，拿现在的软件开发者来说。我觉得开发者愿意为这些编程模型付费，因为确实能提高他们的效率。没人想再回到三年前那种写代码的方式了，甚至连去年同期的方式都不想回去了。所以我觉得，只要你在创造价值，就能从中获得回报。
我觉得消费产品的发展历史说明，如果你做出一款消费产品，我还没见过哪款产品真正做到了几十亿用户，大家都在大量使用，却没能随之实现变现的。只要你在为人们提供价值，这本身就有可以获取的回报。所以具体的形式可能会变。我觉得你问的是 agent，替你办事的场景。说到底，你会有消费需求，agent 需要满足这些消费需求。
另一端的商家会看到这当中的价值，也会有某种机制让这件事具体落实下来。一个高效的系统就会这样运作。但我觉得，重要的是打造那些世界一流的消费体验。我回答到你的问题了吗？我就是想确认一下。对，回答了。我跟自己说好了，只提一个产品功能要求，就一个。那我就说了，能不能让 Gemini 支持的 Gmail 搜索，跟你把 Gmail 接到 Chat GPT 界面里之后用的 Gmail 搜索一样？
好，这到底是怎么回事？我觉得我们最近公布的东西里有一项很让人兴奋，就是面向企业的统一 Gemini Agent。我们已经公布了，也会把这个功能带给普通用户。这些 Agent 会持续运行，每周七天，每天二十四小时都在云端运行，相当于每次查询都会启动一个微型虚拟机，从运行环境 Harness 到模型。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。
你都能找这个 agent，不管是在 workspace，还是在 Google 搜索，还是在 Gemini，都可以。所以我觉得 agent 会推动用户体验的统一，这也是大家想要的。你说的没错，产品种类多又在快速推进，总有一些地方比另一些地方进展更快。这个反馈很有道理，但我们确实投入了很多时间和精力，确保在打造 agentic 体验的过程中，能在所有这些界面上实现统一，相关能力也都能好好发挥。
好，这也很好的回答了刚才关于界面的问题。是的，没错。大家在想 Google 接下来要做什么的时候，就会冒出一个问题：Google 自己的 Muse 或者 Dots 这样的产品在哪儿？这些产品最近好像突然就冒出来了，而且一下就火了。你们也有类似的东西，你们有没有打算做一款新产品，比如说跟 Muse 竞争？
我们是这么设想的。其实我们说过，Gemini 应用的目标就是成为一个贴合个人需求、主动而且强大的助手。我们正在朝这个方向努力。你也看到，今年 Google I/O 大会上，我们介绍了 Spark，展示了这种助手的早期版本。不过，实际上现在就已经有了。如果你是 Pro 或 Ultra 用户，打开 Gemini 应用就能看到聊天和任务。
这些已经开始给你带来 agentic 体验了。现在有了 argen 这方面能力的发展大大加快了。我们最近在企业活动上公布的功能也会带给普通用户。不过随着发展，很快你在 Gemini 里就能直接提出需求，整个过程都是连贯的。你不用去想自己是在聊天还是在交代一个 agentic 任务，Gemini 会自动用合适的方式处理，还能在后台安全的持续运行，帮你把事情办好。
从实际情况来看，我看我们 Gemini 应用收到的请求，大概去年要是给这些请求分类，大部分都会归为聊天。但现在 Gemini 的 Agentic 任务已经占了越来越大的比例，所以是的，我们会把个人 Agent 带给普通用户，在 Gemini 应用里能用，在 Google 搜索里能用，在 Gmail 里也能用。
你可以跟这个 agent 说话，也可以调用这个 agent 等等，但我们想确保把这件事儿做好，背后会由 Argon 提供支持。我们很期待把这个功能带给用户。我订阅了 Pro，我已经在用任务功能了，所以很期待多用用。好，再随便问几个问题。Google已经向Anthropic投资，并且承诺了数百亿美元的投入。
你看中了Dario的什么，让你愿意对他做出这么大的承诺，投入这么多？很早的时候，我们看Anthropic的创始团队，就很清楚这是一支世界一流的团队，参与过一些最早的GPT模型，所以我们很快就判断他们会走在最前沿，所以我们一直在努力寻找那些会站在技术最前沿的公司，跟他们合作。我们跟SpaceX是这样，跟Anthropic也是这样。
当时看中的就是这一点，也有机会展开合作。有些合作后来也扩展到了我们的 TPU。我觉得这就是我们的思路。你们跟苹果有一项合作，把 Gemini 授权给他们使用，帮助改进 Siri。这项合作是在扩大、缩小还是维持原样？你看，对我们和苹果来说，这项合作都是为了把AI的能力转化成更好的用户体验。我觉得苹果在整合这方面做得非常出色，他们把这些模型定制之后融入Siri。
看到大家的反响这么好，我们也很高兴，所以我们会继续投入做更多事情。你们会跟他们开展更多合作，目前没什么具体的可以说，但这项合作进展得很好。说到太空数据中心，你们已经宣布会在这方面做更多工作。关于这个项目的可行性，到目前为止你们有哪些发现？这是一个很让人兴奋的项目。这样的项目让我想起了那一幕：当时在沙漠里看 Stanley 那辆车参加 DLRPA 无人驾驶挑战赛。
后来这成了 Waymo 的基础。所有这些技术都会经历这么一个阶段，看着有点像科幻，但再过十到二十年，就真的能发挥实实在在的作用。对于太空，我也是这种感觉。我们一直相信要在这些技术上大胆投入，量子计算就是一个很好的例子。我们在这条路上大概已经走了十年，微某这边我们已经做了快二十年，太空这边我们已经做了两到三年。
我很清楚这种做法未来会很有价值，因为在太阳同步轨道上，每周七天，每天二十四小时都能获取我们能获得的最丰富的能源。这对于满足我们未来呈指数增长的算力需求，会很有意义。不过话说回来，这是一个很有挑战的项目，团队设定了严格的阶段目标，所以把TPU送上太空是一个特别让人兴奋的里程碑。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。
所以我很期待看到那一刻。我们也会继续在这个方向投入。你前不久说过，可能是去年吧，Google 内部写的代码有百分之二十五是 AI 写的，现在这个比例是多少？这个数字放在我们今天的工作里已经没什么意义了，因为现在我们接触的每一部分代码都深受AI的影响。比如我们在跟踪Argen的使用情况，现在已经能看到，这是一个转折点。
大家在用Argen。去处理复杂的项目，其中包括涉及几百万行代码的项目。所以Argon上线以来的四周里，我们确实看到代码变更提交量增加了百分之三十。更重要的是，回滚次数减少了三分之一，幅度也差不多。所以我觉得大家用Argon写代码效率更高了，代码质量也更好了。我觉得我们现在用的是更新的指标来跟踪。说到反对建数据中心的声音，你怎么看？
如果在美国没法按你们想要的方式建数据中心，你们还会去哪里建？我们坚持以非常负责任的方式建设数据中心。我觉得，看看我们一些规模最大的数据中心所在的社区，也就是我们扎根最久的那些地方，我会去走访，跟当地人聊一聊。有人会来告诉我们，因为我们在这些社区的投资，他们的孩子才上了大学，我们也在这些社区发展壮大了。
所以，我觉得对我来说，关键是把这件事儿做好，尽早跟社区沟通，整个过程都要公开透明。我们承诺一定会带来新增的电力供应，而且这些项目的用电成本，百分之一百由我们承担。还要了解对周边居民的影响，确保尽早着手解决这些问题等等。所以我觉得，只要做得对，就能继续推进。当然，我们也在不断听取反馈，把这些意见考虑进去。
我确实担心。不是所有人都这么做。是啊，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。不过，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，在那里也许需要权衡的问题就不一样了。AI领域有没有哪个还没得到验证的方向是Google眼下最努力想要攻克的？
比如大家谈到持续学习，让这些AI发布以后还能不断更新，而不是每次对话结束就忘了。我们在同时尝试好几个方向。你看，R杠，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。这些都是我们一直在努力取得的突破。合成数据该怎么做？持续学习该怎么做？
更高效的架构该怎么做？我们也确实拿出了相当一部分算力投入这些探索性的研究，所以两边一直是同步推进的，也包括我们的世界模型等等这些方向，我们都在投入。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，所以你可能不会把这些都详细讲出来，但我们确实在这些领域同时尝试好几个方向。最后，我想聊聊这个，像你这样投身科技行业，内心总得有一份乐观，对吧？
相信只要去创造，就能让世界变得更好，这也是科技行业里根深蒂固的一种信念。不过这件事也有不同的方面，对吧？这需要下注，而且往往要下很大的注，希望自己做的事情能按预想的方式开花结果，但事情不总是这样。我举个例子。我刚去了萨尔瓦多，前后相隔五年。之前我看到有个小镇对比特币和区块链热情高涨，有项目在施工，一片欣欣向荣。
后来事情却没像大家预想的那样发展。这次再去那里，基本上成了空城，有很多没完工的项目。我觉得要做你这样的工作，就需要一种乐观，相信就算押注最后没成功，也值得去试。但这也可能带来一些后果，所以我很想听听你的看法。你在斯坦福的毕业典礼演讲中说过，人需要乐观，但这种乐观是有分寸的，对吧？所以我想听听你怎么保持这份乐观，这是纯粹的乐观，还是说在某种程度上是有所保留的乐观？
我内心确实深信，让技术进步，让更多人用上技术，能让人们的生活变得更好。这是我自己生活中的亲身经历，所以我才有这么坚定的信念，这么乐观。但与此同时，我一直觉得人类一路走来，始终都在努力掌握和运用技术，让技术更好地服务社会。所以这份乐观不是说你想什么时候做什么就随便去做，不是的，你得下功夫，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。我们要朝着这个目标去做。在这个前提下，我非常非常乐观。我觉得我们即将看到的那些进步，现在还只是刚刚起步，很多领域都是如此。我们都在谈医疗之类的领域，但我觉得。很多进步还在前面，我们将有能力从根本上降低很多东西的制造成本，而这些东西长期以来一直在变贵，还有发现新材料等等，这些都能真正改变发展趋势。
我觉得站在今天很难看清这一切的影响，但影响会非常深远，所以我很乐观。但我们也必须对这项技术可能出问题的各个方面保持应有的警惕，这样才能确保解决那些让人担忧的问题。所以我觉得。这两者是相辅相成的，苏达，我知道你很少接受这样的访谈，非常感谢你今天抽时间跟我聊聊，能有机会再次见到你。跟你交谈真是太好了，谢谢 Alex，我也很感谢，谢谢。
好了，各位，非常感谢大家收听和收看，我们下期 Big Technology Podcast 再见。