北京
出品 | 網易智能
作者 | 辰辰
編輯 | 王鳳枝
倒計時開始！谷歌CEO預警：傳統搜索框正面臨淘汰！2027將是企業智能體爆發的奇點，連財務預測都將被AI接管。
最近，桑德爾·皮查伊（Sundar Pichai）在執掌谷歌十年的關鍵節點，與Stripe聯合創始人兼總裁約翰·科里森（John Collison）、硅谷知名投資人埃拉德·吉爾（Elad Gil）來了一場爐邊談話。
在這場深度對談中，皮查伊客觀地復盤了谷歌的過往決策，并詳細闡述了面對AI浪潮時的現實挑戰與長期規劃。訪談核心內容包括：
復盤Transformer與產品化節奏：回顧了谷歌在Transformer架構上的早期投入，并客觀分析了未能第一時間推出類似ChatGPT產品的多重原因。
AI基礎設施的物理瓶頸：探討了未來高達1800億美元的資本支出規劃，指出目前制約AI發展的已不再是資金，而是物理條件的實際限制。
搜索的演進與智能體的普及：預計2027年將是智能體應用深入企業和個人的重要轉折點，未來的搜索引擎可能逐步演變為協助用戶多線程處理任務的“智能體管理器”。
長期技術項目的探索：分享了谷歌內部正在推進的前沿項目，包括探索建立“太空數據中心”的可行性，以及量子計算在模擬復雜自然規律中的潛在應用。
以下是訪談實錄：
科里森：桑德爾，你擔任谷歌CEO剛剛滿十年。現在的Alphabet不僅是全球最大的科技巨頭之一，更是AI競賽中的領跑者。據稱，你們計劃在2026年投入1750億美元的資本支出。祝賀你。
科里森：關于谷歌和AI，坊間經常聊起一段往事：Transformer架構誕生于谷歌，但最終是在谷歌之外實現產品化的，代表作就是ChatGPT這種類型的產品。現在回過頭看，你如何反思這件事？
皮查伊：我覺得這確實值得深聊，外界對此其實有些誤解。Transformer的誕生可以說是在大量應用TPU的背景下誕生的，某種程度上，它的出現是為了解決特定的產品需求。當時團隊在思考如何優化翻譯質量；在使用TPU時，大家在想……嘿，語音識別雖然能跑通，但如果要提供給20億人使用，我們的芯片根本不夠用，那該怎么解決推理問題？
科里森：這個我還真不知道。所以Transformer最初是專門為了……
皮查伊：它是出自我們的研究團隊，但其導向是解決實際的產品問題。Transformer一問世就投入了應用。大家低估了BERT（谷歌AI團隊于2018年提出的一種基于Transformer架構的預訓練語言模型）和MUM（谷歌在2021年Google I/O大會上發布的多模態、多語言、多任務統一模型）的影響力，因為我們對搜索質量的把控極其嚴苛。在那段時期，谷歌搜索之所以能甩開所有人實現質量上的飛躍，正是歸功于BERT和MUM。我們發明了Transformer，并立即將其應用于搜索，以提升對語言、網頁和用戶查詢的理解能力，并在此基礎上不斷迭代更好的模型。 我們當時也在內部推進產品化，比如LaMDA團隊。顯然，我們不是第一個發布此類產品的。但我認為，這并不是因為“這只是個研究項目，我們沒想過把它做成產品”。這種看法完全是……（被打斷）
科里森：也就是說，你們做出了這項研究，隨后也按照預期使用它并獲得了巨大的投資回報（ROI）；雖然后來那些基于它誕生的所有產品并不都是你們發明的，但這也在情理之中。
皮查伊：我想再進一步說明。我們甚至構思過完全相同的產品，也就是后來的ChatGPT。那就是當時的LaMDA。如果你還記得，當時谷歌內部有個工程師甚至覺得它“覺醒”了，有了自主意識。他當時交流的對象，其實就是ChatGPT的早期版本。在某個平行時空里，我們本可以更早發布。實際上，谷歌大概晚了9個月左右。 2022年的Google I/O大會上，我們發布了“AI Test Kitchen”，那就是基于LaMDA的。但我們當時做了很多限制，因為內部還沒有一個經過端到端RLHF（基于人類反饋的強化學習）微調的版本。我看到的那個版本在某種程度上有一定的毒性（不當言論風險），當時我們不可能把它公之于眾。此外，作為一家對搜索質量有某種“執念”的公司，我們對產品的發布門檻可能定得更高。但并不是說我們沒在想辦法發布它。
我還想補充一點，即使是OpenAI發布的版本，他們也是在發布前幾個月才和微軟談妥了交易。回看過去，你會發現這件事在當時并不是理所當然的。我覺得他們在編程（Coding）端通過GitHub看到的信號非常關鍵，這可能也是他們運氣好的地方。我們當時可能漏掉了這個信號。在編程領域，你會看到比純語言領域更明顯的連續性跳躍。如果你用GPT-2、GPT-3到后來的GPT-4來寫代碼，那種提升感非常明顯。所以，回到你最初的問題，我覺得與其說是“研究到產品”的轉化出了問題，不如說是多種因素共同作用的結果。
吉爾：我記得和ChatGPT團隊的一些成員聊過，他們是在感恩節那一周發布的，算是一次有些被掩蓋或者說是低調的發布，并不像是一個宣稱“這就是未來”的重大發布。顯然，那次爆火對他們來說也是個驚喜。我認為那是個很酷的測試案例，非常有趣。
皮查伊：我對這些時刻的理解是：如果你深處消費互聯網行業，驚喜總會發生。我和埃拉德都在谷歌待過，當年我們有“谷歌視頻搜索”，但YouTube橫空出世，后來我們收購了它。或者想想Facebook，當年Instagram冒了出來。現在沒人會帶著戲劇性的眼光去看那些時刻，因為Facebook買了Instagram。
但在我的認知里，在消費互聯網領域，永遠會有那三個人聚在一起搞原型，拋出成百上千萬個點子。我不是在貶低任何人的成就，我只是說，這種時刻永遠會出現。沒人能在車庫里造出一個更好的iPhone，那不可能；但在消費互聯網領域，規則就是這樣。你必須清醒地認識并接受這一點。
科里森：展望2026年的AI競賽，我發現一個很有意思的點：長期以來，谷歌一直把“速度”作為差異化競爭的王牌。早期的谷歌搜索極快，甚至會在結果頁顯眼地標出搜索耗時，有點“炫技”的成分。后來的Gmail、Chrome也是以快著稱。現在，我嘗試了各種AI服務，發現跑在TPU上的Gemini真的快得驚人。我想知道，這是你們明確的產品策略嗎？還是說背后的考量要復雜得多？
皮查伊：我一直把速度（或者說延遲）視為偉大產品的核心特征之一。而且，速度通常反映了底層技術架構的扎實程度。當然，還有另一種速度也很重要，那就是產品發布、迭代和更新周期的速度。兩者都不可或缺。
說到延遲，雖然大家口頭上都說想要低延遲，但由于你在不斷增加新功能，能力邊界在不斷前移，如何平衡功能與速度就變得非常復雜。
舉個例子，我和搜索團隊聊過，他們現在的子團隊都有以毫秒為單位的“延遲預算”。你會得到50%的“提成”……如果你發布的新功能省下了3毫秒，你會獲得1.5毫秒的延遲預算“額度”，剩下的1.5毫秒則讓利給用戶。根據任務的不同，有的預算是30毫秒，有的是10毫秒。你可以用掉這些預算，但必須經過嚴格的審查。這就是我們對速度的重視程度。
吉爾：給聽眾提供一個背景：人類感知延遲的閾值大概在幾百毫秒左右，對嗎？
皮查伊：沒錯。根據我看到的最新數據，過去五年里，我們在功能大幅增加的前提下，將搜索延遲又降低了30%。這也是為什么在Gemini中，我們極其關注能力與速度的平衡點。我們的Flash模型擁有Pro模型90%的能力，但速度快得多，部署效率也更高。這種縱向集成（Vertical Integration）確實帶來了巨大優勢。
吉爾：你怎么看搜索的未來？現在很多人把聊天（Chat）視為新交互。雖然谷歌已經把Gemini整合進了搜索結果，但也有人提到智能體工作流（Agentic Flows），即以后每個人都有私人智能體，不用輸入查詢，它會直接去替你辦事，比如幫你規劃并預定旅行。你覺得搜索的未來是什么？是一個分發機制，還是某種產品？
皮查伊：我覺得在搜索領域，每一次技術跨越都能讓你做得更多。我們必須吸收這些新能力。過去從PC轉移動端時，產品演進得很快，你剛從紐約地鐵出來，你不是想找網頁，你是想找某個地方。用戶預期在變，你也要跟著變。
如果快進到未來，很多信息檢索類的查詢在搜索中都會轉變為智能體驅動。你會直接完成任務，同時運行多個線程。10年后搜索還存在嗎？
吉爾：或者說它進化成了別的什么東西？
皮查伊：它會不斷進化。搜索會變成一個“智能體管理器”，幫你處理各種事務。某種意義上，我今天就在用Antigravity（內部工具），讓一堆智能體去干活。我可以預見搜索也會提供這類功能。
科里森：我覺得問題的核心在于：如果搜索不再是輸入一行關鍵詞然后返回一堆排名結果，而是直接給你答案或結果，這種產品形態是否還會存在？
吉爾：是的，它可能是異步的。就像生命從單細胞進化到復雜多細胞生物一樣，舊的范式是否會消失？原來的搜索框在10年后是否還會在那里？
皮查伊：設備的形態會變，交互方式（I/O）也會劇變。去想10年后的事可能會讓人陷入“思考癱瘓”，但我們很幸運，現在的技術曲線非常陡峭，光是想一年后的事情就足夠令人興奮了。以前你可能需要規劃五年，但一年后的模型就會和現在截然不同。順著這條曲線前進本身就是一種享受。
而且，很多人低估了這并不是一場零和博弈。人們能創造的價值也正處于一條瘋狂的增長曲線上。只要你站在創新的最前沿，機會是無窮的。我們同時在做搜索和Gemini，它們在某些方面會重合，在某些方面會分化。兩者并存并相互擁抱是件好事。
科里森：提到搜索的去向，我記得就在一年前，也就是2025年的春夏，外界并不看好谷歌。主流觀點是谷歌搜索“涼了”，核心商業模式危在旦夕。當時谷歌股價在150美元左右。現在大家意識到那很荒謬。谷歌在全棧領域包括應用、模型、TPU，還有Waymo、YouTube等業務都表現強勁。你覺得去年的投資者誤判了什么？
皮查伊：當時大家顯然非常聚焦于內部（或極度內視）。但對我來說，那一刻非常清晰：“奧弗頓之窗”（Overton Window，指公眾愿意接受的政策或觀念范圍）已經發生了偏移。我覺得這家公司就是為那一刻而生的。我們的全棧能力不是偶然，而是深謀遠慮的結果。我們的TPU已經迭代到了第七代。我記得2016年Google I/O上我們就官宣了TPU，并談到我們要構建AI數據中心。從2016年起，公司就在以“AI先行”的方式運作。
雖然我們在前沿大模型（LLM）上曾一度落后，但我們擁有所有的內部能力，只需要執行到位就能迎來那個時刻。最興奮的是，我們有研究團隊、基礎設施和各種平臺。突然間，我們有了一項通用技術（AI），可以同時加速搜索、YouTube、云和Waymo。這是一種極具杠桿效應的進步方式。我當時一點都不覺得那是零和博弈，我覺得一切都會擴大10倍，大家都有空間。就像谷歌出現后，亞馬遜和Facebook依然發展得很好。我們低估了整體增長的潛力。當然，公司必須執行得更好，那是我當時關注的重點。
吉爾：當時是有什么標志性事件讓外界覺得“噢，谷歌搞定了”嗎？是Gemini 3的發布嗎？
皮查伊：具體的歷史時間點我也記不清了。我覺得真正的轉折點可能是Gemini 2.5。大家在那一版看到了我們在多模態方面的領先。這要歸功于谷歌DeepMind團隊，我們前期投入了巨大的固定成本，從第一天起就把Gemini設計成原生多模態模型。Nano Banana也是一個很好的例子，讓大家看到了全棧整合的威力。當然，前沿領域非常動態，兩三個頂尖實驗室在互相追趕。這個月你覺得領先了，下個月可能就發現還有短板，這種競爭非常激烈。
吉爾：很有趣。我和一些谷歌以外的研究員們聊過，他們覺得谷歌與其他實驗室的區別在于，谷歌沒那么堅信“AGI”（AGI-pilled）。換句話說，沒那么相信AGI近在咫尺并為此瘋狂加速。你怎么看這種評價？
皮查伊：聽著，我們的資本支出從30億增加到了近180億……
科里森：這確實是真金白銀。
皮查伊：如果你不相信那條增長曲線，你絕不會投這么多錢。所謂的“區別”可能只是語意上的，因為我們是一家大公司，產品觸達各個層面的用戶，我們說話的方式自然會有所不同。但我認為公司的創始人們絕對是AGI的堅信者。德米斯·哈薩比斯（Demis Hassabis）、杰夫·迪恩（Jeff Dean），甚至伊爾亞·蘇茨克維(Ilya Sutskever)和達里奧·阿莫迪（Dario Amodei）都曾在谷歌共事過。
科里森：這個反駁很給力，“嘿，過去20年你們沒在關注嗎？”
皮查伊：說我們不懂AGI是沒有道理的。當然，如果你是一家初創公司或純研究實驗室，氛圍會不同。但在底層邏輯上，我們對技術曲線的認知沒有分歧。在公司內部，我們很多人就生活在最前沿，每天看著智能體學習新技能，看著它們三個月前的表現和現在的跨越。我們就在這種指數級增長的環境中生活。
科里森：我同意。埃拉德指的可能是一種“氛圍”。我看到一條推文說：“要解釋硅谷現在的狀況，你得理解每個科技高管現在都患上了嚴重的‘AI魔怔’（AI Psychosis），每天花大量時間寫代碼、跟AI聊天。”我想知道，你個人的“AGI時刻”是什么？
皮查伊：我的第一個AGI時刻是2012年。當時迪恩演示了早期版本的Google Brain，神經網絡識別出了一只貓。那是2012年。后來2014年我和拉里·佩奇（Larry Page）一起去看DARPA挑戰賽，看到無人車在跑。還有哈薩比斯演示早期模型展示出的某種“想象力”。這樣的時刻有很多，所以技術在進步是顯而易見的。
至于現在的切身體會，我覺得最近最接近的時刻是你給AI一個復雜的編程任務，你甚至不用打開編輯器，就在智能體管理器里看著它完成，那種強大感……你可以稱之為“感受到了AGI”。
科里森：我最近搞了個小副業項目，搞定之后我才反應過來：“誒，它用的是什么編程語言？”那種感覺就像魔法。
皮查伊：這條曲線的斜率確實驚人。
科里森：既然聊到切身體會，作為CEO，你如何保持對產品真實體驗的感知？很多科技產品太抽象了，光看匯報和PPT是不夠的。DoorDash的Tony Xu會親自去送外賣；我們在Stripe每周會一起“逛店”，在控制臺點來點去。你除了每天用Gmail之外，還有什么招數？
皮查伊：我一直在進行“內部試用”（Dogfooding），也就是使用未發布的內部版本。我會專門撥出時間進行高強度使用。比如兩周前我在健身房拉伸時，就拿著裝有Gemini Live的手機聊了整整30分鐘。有些地方很好用，有些地方讓人抓狂，但這能讓你學到很多。我強迫自己以“重度用戶”的模式去觸碰產品。
科里森：推特（X）也有幫助，有時候你能在那看到最直接的吐槽。謝謝你修好了谷歌日歷（Google Calendar）那個問題，太棒了。
皮查伊：額，還有好幾個問題得改呢。
科里森：哈哈，那功能太棒了。
皮查伊：謝謝你的反饋。推特上的評論很直接，我會去看。另外，AI也在幫我：我現在會在內部版的Antigravity里問：“嘿，我們剛發布的這個東西，大家反饋怎么樣？告訴我大家吐槽最狠的五點，和最喜歡的五點。”它一秒鐘就給我總結好了。AI智能體讓我的工作變簡單了，我也在適應這種未來。
吉爾：你提到這不僅僅是零和博弈，而且有巨大的生產力提升。回顧以往的技術周期，互聯網、移動端、SaaS都要花很久才能反映在GDP數字上。在AI領域，我們目前看到的是數據中心的建設在拉動GDP。你覺得三五年后，美國經濟會因為AI變得更大嗎？如果會，大多少？
皮查伊：這種規模的投入最終必須有回報。兩年前有人寫文章說，這種資本支出規模不合理，因為你需要同級別的回報。但自那以后，投資額又翻了十倍。我要說的是，我們現在的需求依然是“溢出”的。我毫不懷疑這是一個海量的市場。
很多人低估了一些點。比如軟件工程的市場，現在的瓶頸在于優秀程序員的供給。如果AI能增加這種“供給”，整個市場可能會擴大10倍。軟件工程的市場規模比大家想象的要大得多。
吉爾：明白。你對增長其實非常有信心。
皮查伊：看看互聯網對GDP的貢獻，其實數字很難捕捉到我們的真實感受。如果沒有互聯網，GDP增長可能是負的。我們要看的是“消費者剩余”。當然，社會也有一些天然的“阻尼器”：算力基建的增長曲線、社會對Waymo這類自動駕駛的接受速度等。我們需要負責任地普及技術，這些都是約束。但如果能讓美國經濟增長率再提高0.5個百分點，那就是巨大的貢獻。
科里森：你提到了供應限制，這是2026年的一個關鍵詞。你剛才說資本支出大概是1800億？
皮查伊：我們公布的區間是1750億到1850億之間。
科里森：哪怕谷歌想投4000億，恐怕也投不出去，因為內存不夠、電力不夠。你能拆解一下這些瓶頸問題嗎？
皮查伊：你甚至找不到足夠數量的電工。
科里森：沒錯。
皮查伊：歸根結底，你要倒推到晶圓產能。這是底層事實。電力和能源問題相對好解決，但審批流程和監管環境可能是個硬約束。雖然得州、內華達州有很多土地支持開發，但可能還是不夠。美國真的需要學習如何更快地建造基礎設施，我們需要那種“10倍速建造”的思維，否則這會成為致命瓶頸。此外，還有供應鏈中的關鍵組件，內存就是目前最緊缺的之一。短期內大家都會面臨這些限制。
吉爾：內存是你最擔心的部分嗎？
皮查伊：內存絕對是目前最關鍵的環節之一。內存行業的頭部公司無法在一夜之間提升產能。這會迫使我們進行更多創新，比如把效率提高30倍，這些都在同步發生。
吉爾：這是否會導致模型層面的“寡頭壟斷”？因為誰現在手里有算力，誰就能領先，這就像搶椅子游戲。而行業總產能是有天花板的，這是否意味著大家很難真正拉開質的差距？
皮查伊：這是一個合理的框架。但我剛才帶了Gemma 4過來，這是一個非常出色的開源模型。雖然它的架構基于Gemini 3，但它能裝在一個U盤里。
科里森：這真的很不可思議。你運行一個巨大的數據中心好幾個月，最后的產出竟然就是一個文件。
皮查伊：就像一個Word文檔，那就是你的模型。這讓很多傳統的分析框架失效。我覺得大家都在想辦法沖破這些限制。
科里森：正如你所說，內存是有限的。2026或2027年，可能就是模型出現分化的時期。
皮查伊：記住，這必須與晶圓產能的增加、以及你獲批建設數據中心的能力相平衡。這個瓶頸可能沒有看起來那么嚴重。你必須將所有需要的資源匯總考量，包括資本。
吉爾：再一次，讓我覺得有趣的是，按理說人們會在現有的資本支出之外繼續追加投資，但我們現在僅僅是撞上了2026年和2027年的現實物理限制。這有點像霍爾木茲海峽的困境。油價定多高都行，但歸根結底，如果你每天從系統中抽走2000萬桶石油，你就必須摧毀每天2000萬桶的需求。內存的情況也是一樣，最終，必然有一些人無法獲得他們想要的內存。
皮查伊：還有安全性的約束。這些模型可能會攻破現有的幾乎所有軟件。
吉爾：你真的認為所有軟件都會被攻破嗎？
皮查伊：我指的是大型平臺、各種零日漏洞。這個系統里有很多隱藏的限制，你無法憑空變走它們。
吉爾：有人告訴我，零日漏洞的黑市價格正在下跌，因為AI讓供應量變大了。
皮查伊：一點也不意外。這對社會意味著什么？我們需要更多的協調，而這在今天還沒有發生。那可能會是一個劇烈的時刻。
但我總體上非常樂觀。有些限制反而是好事，它們激發創意，強迫我們進入“優化周期”。至少在安全性方面，它會迫使我們進行原本不會發生的深度對話。除了這些挑戰，我堅信前方有巨大的空間。
吉爾：谷歌擁有極其強大的資產組合：你們持有SpaceX約10%的股份，Anthropic約10%的股份，還有Waymo的絕對多數股權。內部還有TPU、量子計算等。還有什么被大家低估的“隱藏寶石”嗎？
皮查伊：聽著，我們一直在嘗試投入這些長期項目。剛宣布的時候，這些項目往往顯得有些荒謬，甚至離譜。比如，我們正處于構思“太空數據中心”的最初階段。你之前提到的“約束激發創意”很有道理。如果你把目光放遠到20年后，你會把絕大多數數據中心放在哪里？這是個極難解決的問題。這些就是我們今天思考的項目案例，就像2010年的Waymo一樣。量子計算（Quantum）本身也是這類項目。我們正以極度投入的方式推進，我對此感到非常興奮。
吉爾：你認為量子計算在哪方面的潛力最大？因為大家討論最多的通常是分子建模和密碼學。人們一直在開發抗量子加密技術。但在分子建模方面，深度學習模型在某些情況下似乎已經表現得非常出色了。我是說，你們的AlphaFold就開創了這一先河。你真的覺得量子計算會產生實質性影響嗎？如果有，它最亮眼的表現會在哪里？
皮查伊：從抽象層面看，我覺得它是為了更好地模擬自然。既然自然本質上是量子的，你自然需要量子系統來更好地模擬它。我們或許能通過經典的計算技術，以某種令人意外的方式或通過極高的壓縮算法達到目的，但從本質上講，量子計算在這一領域具備天然優勢。舉個例子，直到今天我們還沒能完全理解生產化肥的“哈伯制氨法”（Haber process）。還有很多復雜的難題……這可能更涉及你的專業背景，和你大學時學的東西有關。我的直覺告訴我，在模擬天氣、模擬現實這些方面，量子計算將擁有優勢。技術發展的規律通常是：你先把它做到某種規模并跑通，然后投入使用，人們的創造力自然會在其之上找到應用場景。我常舉這個例子：手機加GPS催生了Uber。當年做手機的人，誰也預料不到這種平臺轉型的結果會是Uber。我深信，只要能讓它真正運轉起來，量子計算會有數不勝數的應用。這就是我的看法。
科里森：抱歉打斷一下，你剛才正聊到你最喜歡的那些谷歌前瞻性計劃。
皮查伊：我覺得我們正在推進……谷歌DeepMind團隊正在深入思考機器人技術。作為一家公司，我們在這個領域曾涉足太早。事實證明，對于10到15年前的很多想法來說，AI才是那個缺失的關鍵拼圖。現在的Gemini機器人模型在空間推理等方面已經達到了業內頂尖水平。我們確實擁有最先進的模型。具有諷刺意味的是，我們現在正以一種堅定的方式，重新與波士頓動力（Boston Dynamics）、Agile以及其他幾家公司合作推進。市場上也有非常出色的初創公司。我們正在投資的新方向……除了剛才提到的太空量子數據中心，還有Wing的無人機配送。我們正在擴大Wing的規模，在不遠的將來，4000萬美國人將能使用Wing的配送服務。這指日可待，不是什么遙不可及的幻想。同樣，當你開展這些長期項目時，這些都是循序漸進的復利增長。我們非常有決心。此外還有Isomorphic Labs，這非常令人興奮。我們的思路是利用這些模型，有針對性地改進藥物研發的所有環節。雖然三期臨床試驗等環節依然漫長，但我們可以以極高的成功率到達那一階段。
吉爾：這絕對是我見過的最聰明的做法。在各種生物模型中，你們真正跳出了分子設計的局限，考慮到了更廣泛的維度，而大多數人目前都還困在分子設計那一環。這非常有遠見。
科里森：我想請教一下，谷歌內部的“資本配置”（Capital Allocation）到底是怎么運作的？我的意思是，優秀的資本配置核心在于將資本的“機會成本”內化，并將業務產生的現金投向回報最高、最優的用途。在商學院的教科書案例里，比如你是波音公司，手頭有一筆現金，你可以競標下一個國防合同，投入一定研發費用，模擬出合同收入；或者你可以從零開始設計一款全新的商用客機。如果是16%的內部收益率（IRR）對比19%，我肯定選19%。但在谷歌，項目的異質性極強：你可以給YouTube團隊更多預算，讓他們改進推薦算法，增加用戶時長和變現；或者你可以給Waymo團隊更多資金，讓他們更快推向市場或擴大規模；或者你可以投資這個可能在5年后才會有回報的新AI路徑。如果你想把資本投向最優用途，你該如何比較性質和回報曲線都如此不同的計劃？
皮查伊：這簡直是你會問的最典型的問題了。
科里森：我必須得知道答案。你得拋出一個資本回報率（ROIC）指標給我……
皮查伊：這是個好問題。諷刺的是，由于現在涉及TPU（算力資源）的分配，我比以往任何時候都能深切體會到這一點。某種程度上，連Waymo也需要TPU。算力讓這個問題變得更加迫在眉睫。順便說一句，在我處理的所有事務中，我非常期待AI能作為一個助手，至少能為這項任務提供決策參考。一旦我們能把所有數據連接起來并打通，我覺得模型已經具備了這種能力。更多是數據解鎖的問題。
從歷史上看，谷歌的一個優勢在于我們有時會在周期非常早的時候做出決策。這可以追溯到我們深厚的技術基因。我們會思考你剛才問埃拉德的那些長期問題。在那個階段做決策比較容易，因為初始資金規模較小。但隨后你會長期堅持，并確保在底層技術上取得實質性進展。只要你能看到底層技術得到驗證……以量子計算為例，我們如何評判它？我們評判的是底層指標：比如邏輯比特的錯誤率，何時能達到大規模穩定邏輯比特的閾值。團隊能做到嗎？通過這種方式進行評估。我想，我們一直以來秉持并嚴格執行的一種方式，至少對我來說非常重要，就是深層次地進行早期技術押注。這很有幫助。當然，在日常運作中，你必須評估這些東西的長期價值。這在某種程度上更像是一種直覺：你會思考5到10年后的期權價值（Option Value）和潛在市場規模（TAM），假設一個極高的增長率，然后看這些決策是否合理。TPU的投資就是這樣成功的，我們一直在穩步投入。Waymo也是個絕佳的案例，兩三年前當全世界都對自動駕駛感到悲觀、甚至有人開始退縮時，我們反而加大了投入。那是一種非常神奇的體驗。現在只要條件允許，我每天都坐Waymo去上班。
科里森：Waymo確實是回答我這個問題的好例子。谷歌確實會砍掉項目，你們嘗試過各種東西，然后說“我們不打算繼續給這個項目撥款了，或者我們要關掉這個產品，它沒起色”。但Waymo經歷了從演示原型到商業化落地的漫長道路，你們卻始終沒有失去信心。你們當時看到了什么？這是一個定性決策還是定量決策？你們是怎么決定砍掉Loon（互聯網氣球項目）卻保留Waymo的？
皮查伊：我覺得這與某種量化指標有關。你看Waymo Driver，即底層技術，也就是軟件如何駕駛汽車。看它在安全性、可靠性方面的進展。這是長跑，關于它有多安全、表現如何。你追蹤那條曲線，設定目標，看實際表現與曲線的吻合度。團隊的表現非常出色。中間可能會有停滯期，但那種時候你需要對團隊突破難關的能力有信心。我覺得，你越能從深層技術層面去評估，決策就做得越好，至少我一直是這么嘗試的。
吉爾：關于Waymo，我聽到過一種說法，說它最近之所以取得巨大進展，是因為之前都是靠人工標注的啟發式邏輯（Heuristics）來處理駕駛中的邊緣案例，比如發生突發情況該如何應對，有些規避動作甚至像是為車“手繪”出來的路線。這導致它能處理的情況很有限。而真正的突破在于幾年前轉向了“端到端深度學習”（End-to-End Deep Learning），正好趕上了大模型Transformer的浪潮。你覺得如果Waymo是在5年前而不是15年前啟動的，它現在能達到同樣的高度嗎？畢竟這才是推動它前進的真正突破。
皮查伊：剛才我們聊到了機器人，你可以把Waymo看作是一個機器人。對于過去三年才開始做機器人的團隊來說，他們的進展速度定義上確實會更快。但Waymo是一個極其復雜的集成系統。它有些方面不像臺積電或SpaceX發射火箭那樣直觀，但它涉及極其復雜的系統集成。Waymo擁有很多這種隱藏的門檻，這些都需要時間沉淀和工藝積累。不過話說回來，我確實認為端到端的方法是這次突破的必然選擇。
吉爾：擁有這樣一支團隊對Alphabet和谷歌來說是巨大的財富。你們持續投入，直到它迎來了技術爆發的奇點，這非常有前瞻性。我想問的是，這如何應用到其他領域？因為就機器人而言，現在進展速度極快。你們會考慮再次將硬件“內部化”嗎？還是主要通過合作伙伴模式將產品推向世界？
皮查伊：我們保持非常開放的心態。我從Waymo以及AI端的TPU學到的經驗是，我必須強力推動這條曲線，尤其是在涉及安全、監管的領域。你需要產品反饋循環的第一手經驗。我認為擁有“自研硬件”最終會變得非常重要。這是我現階段的看法。
科里森：抱歉，我還有兩個關于資本配置的問題。你是否認為谷歌在歷史上一直處于“杠桿率很低”的狀態？谷歌一直持有大量的凈現金。考慮到谷歌有數不勝數的好點子，且核心業務增長極度穩健，其增長率顯然高于谷歌的資本成本。回過頭看，谷歌當初是否應該表現得更激進一點？比如接受一個更具杠桿效應的頭寸，把錢投向新項目，或者為股東回購更多核心業務的股份，亦或是做更多的少數股權投資（畢竟谷歌在這一塊一直是業內頂尖水平）？
皮查伊：這是個極好的問題。例如，如果Waymo能更早達到現在的成熟度，我想我肯定會更早投入那筆資本。在某種程度上，我們需要做資本的優秀管家。如果你看好資本回報率（ROIC），你會想把最后一分錢都投進去。但如果你有盈余，且不認為能全盤消化……這就是為什么我們也投資其他公司。我們投資Stripe、SpaceX、Anthropic等，都是出于優化資本配置的考慮。現在隨著AI浪潮的到來，有更多可以有效部署資本的機會，所以我們正在這么做。我們一直持有這種心態。如果Waymo早期就具備條件，我很樂意投更多錢，但當時它還沒到那個成熟階段。在Waymo發展的某個階段，從安全性出發，我們確實采取了“安全第一”的原則，當時確實還沒到大舉擴張的時候。你很難指望那些項目如果更早拿到更多錢就能跑得更快，它們有自然的成長周期。但我認為，即便我們的某個決策可能錯了，但我們的邏輯是：只要你對某件事感到興奮并有堅定的信念，我們就愿意投入資本陪它走到底。
科里森：另一個關于資本配置的問題：過去在科技公司，研發費用（R&D）的大頭是員工。人頭數（Headcount）是受到嚴格控制的。分配研發力量本質上就是分配高薪人才去解決挑戰。除非你在做谷歌圖書（Google Books）這種計算成本極高的項目，否則技術成本與人力成本相比幾乎可以忽略不計。但現在，正如你所說，有了TPU之后情況變了。在具體的預算層面，谷歌內部是怎么操作的？你們有全公司的TPU總預算嗎？以前你給一個項目分配人頭預算，現在你是同時給人力預算和TPU預算嗎？它們是合在一起的嗎？季度或年度評審時怎么操作？
皮查伊：我們一直都有計算預算。
科里森：我是幫朋友問的。
皮查伊：即便在經典的計算時代，我們也有預算。在機器學習（ML）領域，我們大量使用TPU和GPU。我們在人力規劃上非常審慎，但ML算力規劃也是一直存在的。我們經歷過算力充沛的階段，也經歷過受限的階段。但現在確實是極度緊缺。我每周至少會花一個小時專門研究這個問題，而且顆粒度非常細。我會了解每個項目、每個團隊正在使用的計算單元，我會查看并評估這些數據。我覺得在當前階段，這是一件極其重要的事情。
科里森：算力在很多情況下成了稀缺資源，所以你要確保谷歌寶貴的算力資源都花在最值得的計劃上。
皮查伊：沒錯。
吉爾：在Google Cloud的背景下，你怎么考慮這個問題？因為在那里，你是把算力分配給外部客戶，而不是用于內部。面對系統性的約束，你如何權衡這種差異化分配？
皮查伊：我們會提前規劃。云團隊在做前瞻性規劃，制定計劃。你為此提供資金，同時也滿足內部需求。作為規劃的一部分，你還會與客戶簽署長期協議。任何我們對客戶做出的承諾都是神圣不可侵犯的，那是合同義務。通過超前規劃可以解決很多問題。當然，云團隊可能會抱怨他們沒拿到想要的全部算力，但在受限的世界里，規劃是唯一的解法。
科里森：提到Google Cloud，我攢了一個產品需求，就等著在這部分提呢，我知道你肯定很期待。
皮查伊：你本來可以發在推特上的。
科里森：沒錯。但我必須說，有一點做得非常好，就是GCP/MCP（注：可能指某種AI接入層）很棒，你的AI可以通過編程方式直接與Google Cloud交互。我覺得除了核心權限部分，你們幾乎開放了一切。某種程度上，Google Cloud此前的“詛咒”在于功能太多、太雜。登錄進去要創建組織、項目，尋找正確的服務，導航起來很痛苦。但現在這些都不重要了。你只需要說：“嘿，幫我添加這個Google Cloud功能。”這一點讓Google Cloud受益匪淺。它的面太廣了，功能太豐富了。我們在Stripe也遇到了類似的問題，功能越多，導航就越難，而最佳的導航方式就是一個讀過所有API文檔的AI。這效果非常好。正如我之前問的，AI成為一切事務的“編排層”（Orchestration Layer），這對應對企業內部的數據孤島極其有效。以前這可能意味著需要一個巨大的ERP項目來打通數據，現在AI就能搞定。產品覆蓋面越廣，這種收益就越明顯。我們在Stripe已經看到了這一點，但在GCP上，這種效應規模肯定呈指數級增長。
皮查伊：我覺得我們還可以做得更好，但你說的對，這確實是一個巨大的機遇。我對此非常滿意。
科里森：那就說到我的那個產品建議了。
皮查伊：你還帶了第二個產品建議？
科里森：像OpenClaw這類產品的“產品市場匹配度”（PMF）讓我覺得很有趣，因為它們允許消費者使用“有狀態”的AI（Stateful AI）。比如，“每天早上幫我匯總我感興趣的新聞發給我”，這種涉及“持久性”（Persistence）的任務，目前主流的AI應用都不支持。這功能快上線了嗎？
皮查伊：從方向上說，我們當然希望賦予用戶這種能力，讓他們能以可靠、安全的方式處理持久性的長程任務。這涉及到身份認證、訪問權限等復雜問題。但我認為這就是未來，這就是智能體的未來。把這種體驗帶給普通消費者是我們正在探索的一個令人興奮的前沿。
吉爾：這也是我想提的。Dreamer（Stripe前CTO創辦的公司，后被Meta收購）在這方面做得很好。那是一個非常早期的視角……他們可以定制軟件，包括持久性，你甚至可以規范化地構建……
科里森：做你自己的小應用。
吉爾：沒錯。他們讓這一切變得易于使用。我覺得當人們體驗到這種功能時，會有一種“驚喜感”。現在全球大概只有0.1%的人在體驗這種未來，他們在為自己構建工具，但要將其推向大眾化普及……
皮查伊：是的，這是一個非常令人興奮的前沿領域。
科里森：我的另一個產品建議是……抱歉，你得忍受這部分的訪談。
皮查伊：這也算是必經的流程吧。
科里森：沒錯。我的另一個點是，不知道你有沒有這種體會，在Google Docs里搜索東西比在Gmail里難得多。顯然它們用的是同樣優秀的搜索引擎。但我認為原因在于，關鍵詞搜索對郵件很有效，因為你通常能記住那封郵件的一些獨特關鍵詞。而對于我來說，如果我想找“2026年預算案”，我在Google Slides里一搜，發現在Stripe的所有PowerPoint里，“2026”和“預算”這兩個詞簡直太普遍了，我永遠找不到最準確的那一個。桑德爾，你也有這種煩惱嗎？
皮查伊：說實話，我還沒像你描述得那么痛苦，但你一說，我非常有共鳴。我腦子里已經浮現出我要把這段對話放給誰聽了，我知道該找誰。我們可以把它做得更好。隨著AI整合進這些服務（包括Google Docs），未來幾個月你會看到顯著的提升。最初的版本只是簡單地把AI放進去，但隨著時間的推移，我們能保持多少上下文、能緩存什么、能真正調動什么資源，這些都會有大幅改進。
科里森：太好了。
吉爾：我參與的很多公司，哪怕是最近才成立的，都不得不大幅調整他們的工作流，包括產品開發和工程實踐。甚至連誰該在設計團隊、需要什么能力，都要重新思考。谷歌也在重新審視這些嗎？工作流是否有重大變化？
皮查伊：這么說吧，你可以把它想象成一組同心圓。谷歌內部有些團隊的變化非常劇烈。對我來說，一個大任務是如何將這些變化擴散到更多團隊，尤其是在2026年。之前我們無法太早大規模推廣，因為系統經常崩，就像你看到了一個美好的新世界，但它還是半成品。但今年，我覺得曲線正在發生劇變。我看到一些團隊，尤其是DeepMind和一些軟件工程（SWE）團隊，已經徹底改變了工作方式。他們使用的是內部代號為Jet Ski的系統（出于某種奇怪的原因，我們內部和外部產品的名稱不一樣），其實就是Antigravity。你整天都在用它，生活在一個智能體管理器的世界里，用這種全新的方式工作。就在上周，我們把這套東西推廣到了搜索團隊。在大組織里，“變革管理”是技術普及中最難的一環。小公司可能很快就切換過來了。
科里森：我能補充幾個關于AI在行業中普及的難題嗎？我想知道你認為我們何時、如何能解決它們。因為在我看來，我們現在面臨巨大的“智能過剩”（Intelligence Overhang）。AI在抽象能力上已經非常驚人了，但觀察一家公司有多“AI原生”，或者利用了多少這種智能，你會發現還有很大差距。我看到的難題包括：第一，工程師要變強，需要很長時間去學習如何寫好提示詞。針對Stripe內部工具的提示詞如何寫與編寫通用提示詞是不一樣的。第二，AI生成的代碼庫很難共享，因為它的改動范圍（Blast Radius）太大，代碼更新太快，可能你還沒發布就重寫了好幾次，多人協作變得很難。第三，在工程之外，最大的問題是數據訪問權限。你希望你的智能體去查：“全世界各地的員工每天問多少次‘這筆交易狀態如何’？”這種信息公司是知道的，也應該是智能體能回答的。但在大公司，誰能訪問這些數據的權限引擎需要重寫。最后是角色定義，就像你說的，工程、產品、設計，這些角色可能需要合并，因為AI在這些方面都變強了。這就是我的觀察：到2026年，模型已經很強了，但我們的利用率還不夠。你覺得這種智能的普及進程會是怎樣的？
皮查伊：聽著，我們很多人正是針對這些問題在努力，Gemini企業團隊和Antigravity團隊就在解決這些痛點。這就是你所說的路線圖。我們在內部使用，撞上這些壁壘，然后突破它們。這就是我們要發布的產品。我們仍在普及中，因為當你像谷歌的SRE（站點可靠性工程）團隊那樣使用它時，你會突然發現某些環節可以創建自動化工作流。但這如何系統化？如何集中化？如何讓模型和所有人都能使用？身份訪問控制（Identity Access Controls）確實是極難的問題。此外，安全是重中之重，容錯成本很高。但我認為，一旦我們解決了這些問題，我們帶來的產品會更加穩健。我們現在正在支付這種“固定成本”，隨后你會看到飛躍。
科里森：谷歌每年會進行幾次正式的業務預測（Re-forecast）嗎？在Stripe我們會定年度預算，然后每年做三次正式預測。預測本質上是一個函數：輸入當前的業務狀態（有些在人腦子里，大部分在文檔里，比如產品表現、交易進度等），輸出更新后的年度數字。你能想象AI在沒有任何人類參與的情況下完成預測嗎？你覺得谷歌哪一個季度會迎來第一個完全由智能體完成的預測？
皮查伊：我絕對期待在其中一些領域，2027年會是一個重要的拐點。即便還有人參與，那也會是他們產生預測的標準工作流。可能有一段時間你會用傳統方式去校驗，但最終會切換過去。2027年會是這些變革深刻發生的年份。
吉爾：我覺得剛才的問題也是這個意思，工程師團隊是早期采用者，但在工程團隊之外……非工程流程在2027年也會開始這種轉變。
皮查伊：是的。我覺得初創公司在這方面有一個優勢，就是“AI原生”的團隊，這可以通過面試等流程來實現。而對于我們，則需要經歷再培訓和轉型。這是年輕公司的優勢，我們必須推動這種轉型。
科里森：最后一個問題。我們聊了很多在谷歌從小做起的計劃，比如Transformer，它剛啟動時絕不是谷歌的主優先級。目前在谷歌內部，有什么讓你興奮的、現在體量還很小的東西嗎？
皮查伊：可能會讓大家吃驚。當我們決定做“太空數據中心”時，團隊非常小，只有幾個人和一筆很小的預算去沖擊第一個里程碑。我認為從小處著手非常重要，哪怕它是一個宏大的構想。這就是一個例子。另外，我昨天剛花時間聽一個人解釋他在后訓練（Post-training）方面的一些改進。聽著他的講解，我心想：“噢，這真的會帶來一次漂亮的跨越。”這就是這個時代不斷賦予我們的力量。這類微小的飛躍讓我非常興奮。
科里森：太空數據中心和全新的機器學習技術。
皮查伊：沒錯。
科里森：完美的回答。桑德爾，謝謝你。
皮查伊：很高興能交流，謝謝，保重。
本文來源：網易智能
責任編輯：
王鳳枝_NT2541
