兵臨OpenAI！谷歌集結(jié)2500人「復(fù)仇」，Gemini 3奪回AI王座

新智元報道

編輯：KingHZ

【新智元導(dǎo)讀】谷歌AI的集體勝利：Gemini 3發(fā)布，參與人數(shù)媲美NASA登月！從芯片到算法的全棧專家合力，Koray與Logan剖析工程協(xié)作的魅力。

伴隨Gemini?3的發(fā)布，谷歌一舉問鼎AI王座！

曾經(jīng)被認(rèn)為處于「落后」?fàn)顟B(tài)的谷歌，如今正憑借一系列技術(shù)、戰(zhàn)略與資源優(yōu)勢，試圖奪回在生成式AI時代的主導(dǎo)地位。

近期，谷歌DeepMind的CTO Koray Kavukcuoglu與谷歌AI Studio產(chǎn)品Logan Kilpatrick負(fù)責(zé)人深度剖析Gemini 3發(fā)布盛況、AI前沿創(chuàng)新及AGI征途。

全程45分鐘，聚焦模型優(yōu)化、工程協(xié)作與生成媒體崛起，揭示了谷歌AI戰(zhàn)略藍(lán)圖。

這一輪升級，不只是「又多了一個大模型」，而是谷歌在公開宣告——

我們要和全球用戶一起，共建下一代智能系統(tǒng)。

與用戶共創(chuàng)，一切才剛剛開始

Gemini 3發(fā)布，AI界進(jìn)入「共建AGI」新階段。

「我對現(xiàn)在的進(jìn)展非常激動。」在現(xiàn)場，Koray Kavukcuoglu難掩興奮，

我們確實在多個維度上推進(jìn)了技術(shù)邊界。這就是我們構(gòu)建AGI的方式：腳踏實地、全情投入。

這并不是一次閉門造車的科研成果，而是一次面向全球用戶的「共建實驗」。

「我們正和用戶一起，協(xié)同打造AGI。世界已經(jīng)變了，新技術(shù)正在重塑人們的期待。」

他微笑著補(bǔ)充：「突然之間，更多人都能成為創(chuàng)造者。讓任何事物成真。」我們正處在一個激動人心的時代。

Koray表示，很多人對AGI的想象，還是停留在實驗室里的「象牙塔」模式。但現(xiàn)實恰恰相反——

「我們并不是關(guān)起門來搞研究，而是在與整個世界共同構(gòu)建AGI。」

他指出，AGI是可靠的系統(tǒng)工程。要構(gòu)建一套穩(wěn)定、安全、可靠的系統(tǒng)，就必須從最底層開始打基礎(chǔ)。

谷歌采用工程師的思維方式，事先就要考慮這些因素。

他介紹道，在Gemini的訓(xùn)練過程中，安全團(tuán)隊、安全技術(shù)、乃至每一位模型研發(fā)成員，都直接參與了模型訓(xùn)練的后期過程。「我們不會等到模型做完才來檢測安全性，而是把安全性當(dāng)作核心目標(biāo)，與模型能力的迭代同步進(jìn)行。」

Gemini 3的發(fā)布不僅是一次模型迭代，更是一場涵蓋谷歌各大團(tuán)隊的集體行動。Logan說：「這可能是Google歷史上參與人數(shù)最多的一次技術(shù)發(fā)布，僅次于NASA登月。」對此，Koray點頭稱是。

從2.5到3.0：Gemini不斷加速

主持人Logan Kilpatrick是DeepMind團(tuán)隊成員。上次兩人坐在一起，還是Gemini 2.5發(fā)布時，他們在I/O大會上聽Dennis和Sergey談AI。

當(dāng)時，Logan就覺得進(jìn)展非常快——現(xiàn)在看來，根本沒慢下來。

Koray對研究的進(jìn)展非常興奮。他表示，不管是數(shù)據(jù)處理、預(yù)訓(xùn)練還是后訓(xùn)練，一切都離不開創(chuàng)新:

越是貼近真實世界，模型的接觸面越廣，反饋信號越豐富，從中誕生的想法就越多。

我們面臨的問題會越來越復(fù)雜，而正是這些挑戰(zhàn)推動我們一步步走向智能的本質(zhì)。

在某些基準(zhǔn)測試上，AI已經(jīng)接近飽和。

很多人擔(dān)心，這是不是意味著進(jìn)展停滯？

Koray并不認(rèn)同這種看法——

測試集本來就是當(dāng)初技術(shù)尚未突破時設(shè)定的，所以過一段時間自然會「被攻克」。

要提升模型能力，就需要不斷設(shè)立新的基準(zhǔn)。這是機(jī)器學(xué)習(xí)的常態(tài)：基準(zhǔn)推動模型發(fā)展，而新模型又促使我們重新定義基準(zhǔn)。

技術(shù)進(jìn)步不靠「擠壓分?jǐn)?shù)」，而靠重新定義邊界。

以GPQA、人類最后的考試等高難度測試為例，最初模型幾乎拿不到分，但現(xiàn)在能達(dá)到40%以上，這說明模型確實在進(jìn)步。雖然「每次只提高1%」，但這些1%往往意味著突破了極其復(fù)雜的問題。

在Koray看來，最重要的進(jìn)步衡量標(biāo)準(zhǔn)是——

用戶真的在用：

科學(xué)家、學(xué)生、律師、工程師都在用Gemini模型來寫作、編程、創(chuàng)作內(nèi)容……

在真實世界中，AI模型能持續(xù)創(chuàng)造價值，這才是真正的進(jìn)步。

落地才是AGI的關(guān)鍵

如今，AI基準(zhǔn)測試種類繁多。到底要怎么決定要在哪些方面持續(xù)發(fā)力？

谷歌一直重點關(guān)注以下這兩大領(lǐng)域。

• 指令遵循（instruction following）——模型必須能理解用戶請求，并按要求回應(yīng)。

• 國際化。「谷歌是全球化公司，我們必須確保模型適用于全球用戶。」

談到更技術(shù)性的領(lǐng)域，Koray特別提到幾個關(guān)鍵詞：

函數(shù)調(diào)用、工具調(diào)用、智能體行為、編程能力……

他解釋說：「AI模型不僅能自然調(diào)用各種工具和函數(shù)，更能自己寫出這些工具。某種意義上，模型本身就是一種工具。」

這不僅為模型提供了推理能力，也拓展了其實際應(yīng)用場景。

而代碼能力的重要性，不僅因為「大家都是程序員」，更因為代碼是數(shù)字世界的底層語言——只要你會寫代碼，就可以創(chuàng)造任何東西。

這意味著，谷歌讓更多人擁有了「構(gòu)建的能力」。

Logan提到這次Gemini 3的發(fā)布，還同時上線了谷歌新平臺Anti-gravity，一個AI驅(qū)動的編程智能體平臺。他好奇這種產(chǎn)品層面的「共建」對模型訓(xùn)練是否真的有幫助。

Koray毫不猶豫地回答：「非常重要。」

在他看來，Anti-gravity不僅是一款產(chǎn)品，它讓模型直接面對用戶，尤其是開發(fā)者。谷歌可以從中獲取第一手的使用反饋，了解模型在哪些地方需要改進(jìn)。他舉例說：

不僅是Anti-gravity，AI Studio、Gemini App、搜索的AI摘要功能——我們通過這些產(chǎn)品獲得了大量反饋。

正是這種與產(chǎn)品的深度整合，幫助我們了解用戶真正的需求。

他強(qiáng)調(diào)道：「AI模型要真正有用，必須在真實場景中落地。這才是關(guān)鍵。」

Gemini 3很強(qiáng)，但還遠(yuǎn)未「滿分」

Gemini 3刷新了多項基準(zhǔn)測試，但谷歌清楚知道他們還有很長的路要走。

他們很清楚——

• 寫作、編程不夠完美。

• 特別是「智能體行為」和「工具使用」這塊，Gemini還有很多提升空間。

Koray坦言：「并不是有意忽視智能體與工具調(diào)用，我覺得主要原因是——我們當(dāng)時離真實世界的應(yīng)用場景還不夠近。」

他說，Gemini項目一開始更多是在研究環(huán)境中展開，但隨著項目逐步轉(zhuǎn)向產(chǎn)品化，它的「開發(fā)環(huán)境」也越來越貼近實際需求。越貼近用戶，越能理解真實的技術(shù)難題。

五年前， Gemini研究人員還在寫論文、做研究。而現(xiàn)在，每六個月Gemini迭代一次，每月或每六周更新一次。

過去是25人署名論文，現(xiàn)在是2500人參與Gemini 3項目。

回首往事，真是令人感慨！

他認(rèn)為，這是谷歌的巨大優(yōu)勢之一——從芯片、數(shù)據(jù)中心、網(wǎng)絡(luò)、工程到模型算法，每一層都有世界級專家，而Gemini正是在這種「全棧協(xié)作」的基礎(chǔ)上誕生的。

「這就是為什么需要幾千人合作。這不是障礙，這是力量。」

統(tǒng)一架構(gòu)：我們正在靠近「萬能模型」

談到多模態(tài)發(fā)展時，Logan提到Gemini V3、Nano Banana模型等圖像與視頻生成模型的進(jìn)展，并好奇：「視頻模型真的是構(gòu)建AGI的一部分嗎？」

Koray回顧了過去十幾年的發(fā)展：

• 最早的生成模型集中在圖像，是因為圖像更容易觀察和理解世界中的物理規(guī)律。

• 過去，大家以為文本進(jìn)展會慢，但事實證明文本是最容易突破的領(lǐng)域。

• 現(xiàn)在，圖像、視頻、音頻等多模態(tài)模型的能力正在回歸，它們和文本模型的架構(gòu)也正在趨同。

他舉例說，Nano Banana模型是首次讓用戶能與圖像生成模型進(jìn)行對話式交互，「文本模型帶來的世界理解能力，和圖像模型帶來的感知能力，一旦結(jié)合，就會產(chǎn)生極大的協(xié)同效應(yīng)。」

他還解釋道：

現(xiàn)在模型架構(gòu)確實越來越統(tǒng)一了，過去圖像模型和文本模型的架構(gòu)差異很大，但現(xiàn)在它們正在自然融合，因為大家都在追求更高的效率與表現(xiàn)力。

盡管趨勢在向統(tǒng)一架構(gòu)邁進(jìn)，但Koray指出：圖像生成仍然是一個難度極大的方向。

因為AI模型的學(xué)習(xí)信號主要來自輸出空間，而現(xiàn)在的學(xué)習(xí)信號以代碼和文本為主，圖像則更難。

「圖像不僅要像素級完美，還要概念上連貫。它每一個像素的存在都要契合整張圖的主題。這種雙重要求，訓(xùn)練起來特別難。」

不過Koray也很樂觀：「我們會繼續(xù)尋找適合的模型創(chuàng)新，讓統(tǒng)一模型真正成為現(xiàn)實。」

當(dāng)Gemini模型能把大段復(fù)雜文本的核心概念，用一張圖表達(dá)出來，那感覺就是魔法時刻。

他認(rèn)為，這正是多模態(tài)模型的價值所在——AI模型不僅能理解抽象，還能用最直觀的方式表達(dá)出來。

誠實面對落后，是唯一的出路

加入谷歌的初期，Logan有種「谷歌是AI界的挑戰(zhàn)者」的感覺。雖然有技術(shù)底子，但外界并不看好。

Koray點頭回應(yīng)：「我當(dāng)時也有一樣的感覺。說實話，在大語言模型（LLM）剛崛起的階段，我們并不在最前線。」

這也是一次深刻的教訓(xùn)——永遠(yuǎn)不要忽視新方向的重要性。

啟動Gemini項目時，谷歌非常明確形勢：「我們落后了，我們需要迎頭趕上，我們還沒有掌握關(guān)鍵能力。」

初期，Gemini團(tuán)隊必須快速學(xué)習(xí)別人的做法，同時找到自己的創(chuàng)新路徑——無論是模型結(jié)構(gòu)、訓(xùn)練流程、數(shù)據(jù)使用還是協(xié)作方式，都做了非常深度的調(diào)整。

如今，他們找到了獨屬于谷歌、屬于Gemini的系統(tǒng)打法。

外界常說，谷歌太大、太慢、不夠靈活。但Koray有不同看法——

規(guī)模不是阻礙，是獨特的力量源泉。

谷歌下一階段怎么超越自己？

Koray的回答一如既往地冷靜清晰：

我們一定會繼續(xù)進(jìn)步，每一個方向都有改進(jìn)空間。

我們的目標(biāo)一直很清晰——構(gòu)建真正的智能。我們會把全部的心思、創(chuàng)新力和資源投入到這條路上，行穩(wěn)致遠(yuǎn)。

Gemini下一階段永遠(yuǎn)在前線，也永遠(yuǎn)準(zhǔn)備好革新。

參考資料：

https://www.youtube.com/watch?v=iFqDyWFuw1c&t=1s

https://fortune.com/2025/11/25/google-sleeping-giant-dark-horse-ai-race-gemini/

秒追ASI

?點贊、轉(zhuǎn)發(fā)、在看一鍵三連?

點亮星標(biāo)，鎖定新智元極速推送！