谷歌CEO深度访谈曝光：坚持冲刺AI前沿 谈及与苹果合作 坦言行业算力短缺 探讨AI安全问题
市场上一直有一种声音，认为谷歌满足于轻量化、够用的“Flash”系列模型，不再冲刺前沿大模型。在本周于谷歌山景城总部录制的《Big Technology》播客访谈中，谷歌CEO桑达尔·皮查伊对这一说法予以强硬驳斥。“我们只会走这条路，没有别的选择。”
冲刺前沿研究成本高昂，需要投入大量算力与芯片，而这些资源原本可以通过云业务高价对外售卖。但皮查伊表示，把资源倾斜给前沿AI研发，是谷歌一切工作的根基。
“我们的云业务一直在放弃一部分短期营收，因为我们要在算力分配上做出取舍，优先支撑前沿AI的研发。”皮查伊对我说。
本次对话涵盖Argon模型（皮查伊称该模型上线后72小时内处理的token量达到Gemini 3的三倍）、AI辅助迭代模型、未来AI交互形态、和OpenAI的竞争、谷歌与Anthropic以及苹果的合作、太空数据中心项目，以及他保持乐观的底层逻辑。
全文如下：
谷歌为何坚持冲刺AI前沿
Alex Kantrowitz：凭借Gemini 4 Argon，谷歌重回AI前沿。该模型在代码、数学、科学、知识工作等多项基准测试里，优于OpenAI、Anthropic的公开模型。
此前市场普遍观点认为，谷歌已经放弃前沿赛道，转而专注开发轻量化、够用的模型，适配自家产品。这种理解是错的吗？
桑达尔·皮查伊：大错特错。我们坚定扎根前沿赛道，这刻在谷歌的基因里，我们别无选择。十多年来，我们一直在探索AI前沿方向。
前沿赛道瞬息万变、竞争激烈，同时也充满机遇。Argon最终的成果让我非常满意。我们打磨了很久，严格完成安全测试、谨慎上线部署。受其能力量级影响，研发周期比其他模型更长。
不管是智能体任务、知识处理、代码开发还是创意生成，Argon都是顶尖的前沿模型。上线最初72小时，模型处理token量接近25万亿，约为Gemini 3同期的三倍。目前在对外提供服务时，我们还面临算力容量瓶颈。
虽然成果喜人，但仍有持续优化空间。前沿技术永远在快速迭代，模型也必须持续进化。我们也看到不少有待提升的方向，后续会持续迭代。
具体是哪些短板？
桑达尔·皮查伊：即便对比两个月前，Argon在绝大多数任务上都全面更强，但整个行业迭代速度太快。举个例子，代码任务里，还有部分细分场景我们明确收到反馈、存在差距，我们会持续优化。
有一种观点认为，标准版模型已经足够支撑优质产品，前沿模型只适合少数特定任务。Meta推出Muse，选择成熟够用的模型而非最强模型；谷歌也完全可以把标准版模型嵌入地图、Gmail、搜索。为什么这样还不够？
桑达尔·皮查伊：我完全不认同这套思路。我们的核心目标就是持续推动技术上限，拓展AI的边界，从Transformer诞生之初我们就在这条路上前行，未来也会继续。
站在技术前沿，你能比其他人更早看到涌现出来的全新能力，提前布局未来。我们同时拥有庞大的C端和B端业务机会，不少云客户明确需要前沿顶配模型。
在递归自我迭代的时代，前沿模型本身更适合用来研发下一代模型，这一点至关重要。内部部署Argon之后，我们已经看到明显拐点：它能够解决过往模型处理不了的难题。守住前沿，才能站在创新最前端，带动整体技术突破。
不同规格、不同能力层级的模型都有各自的定位，这也是我们推出Flash、Flash-Lite等系列的原因。我认同：不一定非要用最强前沿模型，也能打造很好的产品体验，毕竟前沿模型速度更慢、成本更高。但我们看重帕累托最优边界，所有路线都会投入。
你提到研发前沿模型，能让我们提前预判未来趋势。你看到了哪些即将到来的变革？
桑达尔·皮查伊：当下最激动人心的地方在于：当你投入数月打造一款模型、正式发布之后，马上就能看到还有巨大的提升空间。
行业都在研究具备长期规划能力的智能体，而未来的前沿方向，会是多个智能体协同配合完成任务，这就是正在成型的全新范式。
在我看来，不管普通用户还是企业客户，未来都会拥有一套多智能体框架，这些智能体持续在后台运转、处理事务。当下充满无限可能性。
自我迭代与AI安全
谢尔盖·布林曾说，Argon的核心创新之一，就是更多依靠AI模型本身辅助开发下一代模型。但OpenAI的模型出现过突破管控、谷歌AI曾访问未授权网站这类事件，说明对齐工作仍不完善。加速推进递归自我迭代，难道不值得警惕吗？
桑达尔·皮查伊：你的问题包含三层，我们分开说。首先是递归自我迭代（RSI）。没错，谢尔盖提到RSI是Argon研发的关键助力。但必须明确：以目前的阶段来看，距离最终理想形态的递归自我迭代还有很远距离。
更准确的描述是：在模型研发的多个环节，我们搭建了RSI循环，搭配AI研究员协同工作，由智能体以自动化方式辅助科研人员共建模型。认清当下所处阶段非常重要，这个方向前景广阔，我预计明年还会持续取得进展。
第二层是安全问题。安全防护依靠纵深防御，你提到的对齐是其中一环。行业都在全力提升模型对齐水平，但这仍是前沿研究课题，还有明显短板。
对齐不是我们唯一的防护手段。除对齐之外，我们投入大量资源做模型运行时的实时监控，采集完善的遥测数据，一旦出现异常行为可以及时干预。
监控的实现架构、沙箱隔离方案，要保证模型在被监测的同时正常运行，这些都是我们持续投入研发的方向。
部署模型时，我们也会把控制权交给企业客户：客户可以开启实时监控、自主选择部署位置、限定模型能够访问的数据范围，这些工作至关重要，我们一直在持续落地。
整个行业都需要持续提升安全标准，投入足够算力，保障模型安全上线。
第三层：现有防护体系足够吗？这也是行业大量讨论的核心，担忧是合理的。面对风险，正确的做法是提前思考还有哪些补强手段。
随着大模型持续落地，行业在对齐、安全测试上的投入不断增加。下一步，我们需要建立跨行业统一标准，包含第三方独立评估机制。
类比金融领域：我们有会计准则、独立审计师。AI行业未来自然也会走向这个方向，监管也会在这个过程中发挥作用。
谷歌同时布局语言模型和世界模型，而OpenAI等同行更多把大语言模型作为通往通用人工智能（AGI）的路线。为什么世界模型研究对你而言如此重要？
桑达尔·皮查伊：人类感知周遭世界、接收海量信息；让模型理解物理规律、高保真模拟现实世界，是智能的核心基础模块。
我们在全场景推进相关研究，机器人就是典型例子。你可以看到，Argon在具身推理基准测试上达到顶尖水平，这正是长期投入世界模型的成果。
长期来看，未来一定会出现融合各类能力的统一架构。而当下，AI智能的前沿赛道依然碎片化。我们希望布局所有可行路线，既能产出更好的研究成果，也能推动AGI研发。
算力、云业务收入与AI基建扩产
有观点认为谷歌应该优先对外售卖算力，而不是留给内部AI研发。云团队希望高价出售算力，而研究员需要巨型算力集群训练顶尖模型。你如何平衡两边诉求？
桑达尔·皮查伊：我们第一优先级，是保障前沿AI研发所需的算力投入。2015年我确立了谷歌AI优先战略，AI是贯穿搜索、云业务、Waymo所有业务的底层核心。保障研发、训练模型的算力供给，是我们的根基。
在此基础上，各个独立业务线拥有各自长期规划，基于预测来分配算力资源。云团队有自身业务目标、需求信号以及已签署的长期合约，我们以此规划云业务长期算力供给。
我们很幸运拥有多元化业务机会。没有任何一家科技公司不需要在资源上做取舍。但我们的底层原则是：优先保障前沿研发算力，这一点没有商量余地，其他资源分配都在此基础上安排。
要记住，算力、数据中心建设周期极长。我们当下可用的算力，取决于2024年做出的决策。哪怕放到一年前，智能体、代码模型爆发的趋势都还没有显现。
现在，几乎所有企业都面临算力短缺，大家都希望手里的算力是原定规划的两倍，这是行业常态。我们现在就要预判两到三年后的算力需求。有些两年前定下的决策，放到新的技术环境下看或许不算最优，但我不会过度纠结这件事。
我的算力分配逻辑：优先保障Google DeepMind的前沿研发算力供给，在此之后，再为各个业务部门规划资源。
对外输出算力也有价值，我们已经在这么做。规模化对外供给算力，能在海量真实场景中完成验证，在真实环境里打磨技术，保障我们在AI技术栈每一层都保持领先。
Ben Horowitz在播客里转述安迪·贾西的说法：亚马逊算力已经排到2028年，全部售罄。你们这边也是同样情况吗？
桑达尔·皮查伊：如果现在有客户来找我们，想要2027年的算力资源，难度非常大。去年我们甚至租赁了一部分短期算力，来满足部分客户的紧急需求。没错，整个行业都面临相近的交付周期压力。
几乎每一次重大技术变革都会出现产能过度建设，从铁路到光纤通信都是如此。你觉得算力行业现在正在重演吗？
桑达尔·皮查伊：要看放在多长的时间维度去判断。拉长周期看，当前规模的算力投入具备充分合理性。我们正处在人类历史影响力最大的技术早期阶段，和光纤时代不一样：算力不是闲置暗资源，我们一直在满负荷使用，日常持续处于容量紧张状态，应用场景、底层技术迭代速度极快。
但作为企业，我判断节奏的方式是观察需求信号、已经锁定的合约收入，结合技术演进趋势，平衡内部模型迭代的算力需求。
基于以上信息，我们用一套审慎、积极但克制的方案规划算力。
放到宏观经济层面，不同参与者承担不同风险。我只聚焦谷歌可控范围内的规划。
如果问会不会出现产能过剩？有可能。算力基建链条涉及海量零部件，存储、电力、电工人力、土地，足足两千多项配套环节。任何一环卡脖子，都可能阶段性出现局部过剩；宏观经济冲击也会带来变数。这些风险客观存在。
但拉长时间看，我对我们规划的算力规模能找到落地用途充满信心。
你曾经说AI的影响力会比肩火和电力。如果真的相信这一点，难道不应该给研究员分配尽可能多的算力，哪怕牺牲当下云业务利润？
桑达尔·皮查伊：我们已经在这么做了。云业务一直在主动放弃短期收入，把算力让渡给前沿AI研发，这就是正在发生的现实。
但资源分配需要理性考量。哪怕AI研究员也会存在算力约束，约束本身未必是坏事——它倒逼创新，推动算法突破、降低算力和显存消耗。我们承诺投入足够资源，守住前沿赛道。
AI交互形态、与OpenAI的竞争
OpenAI总裁Greg Brockman几个月前和我说，理想AI产品甚至可以没有界面，像日常对话一样自然。你认为AI时代的交互会是什么样子？
桑达尔·皮查伊：过往的计算时代，是人去适应设备；AI时代会反过来，技术无缝适配人的生活与日常习惯。
用户可以随时和AI对话，AI带着你的上下文记忆持续运行，交互连贯，没有繁琐操作。当然这不代表完全没有界面。
现在我手机上的Gemini语音模型已经非常出色，点一下麦克风直接口述就行，我们把这个模式叫Rambler。它能结合个人背景智能修正内容，哪怕是冷门的人名，第一次猜错之后也能识别准确。说完不用手动退格修改，体验提升巨大。
但有些场景仍然需要界面：休闲娱乐、看视频、让AI生成内容并预览，都需要可视化界面。
我的想法是：交互尽可能顺滑自然，不再让人费力适应产品；由技术适配人当下的工作和场景。
我问Sam Altman怎么看待谷歌的竞争，他认为OpenAI在做原生AI产品，暗示谷歌只是把AI外挂在原有业务上。你认同这个判断吗？“外挂式AI”有可能打赢原生AI产品吗？
桑达尔·皮查伊：当下行业瞬息万变，大家互相推动、彼此竞争，OpenAI也倒逼谷歌加速迭代，并不是单向的博弈。
没错，谷歌内部也曾启动过红色预警，全力追赶。
AI浪潮之下，各家都会根据局势调整节奏。我们同样在持续打造全新原生产品，Gemini应用本身就是从零搭建的AI原生产品。再说智能体浪潮：如果ChatGPT后续叠加智能体能力，到底是外挂，还是原生设计？这个问题本身就可以反向探讨。
我不喜欢这套二元划分。目标是打造一流、具备竞争力的AI原生体验，一部分来自原有产品改造，一部分是全新体验，两条路线我们都会布局。
你打算怎么靠这类AI交互变现？如果智能体给我推荐商品，我完成购买，平台是否应该抽取佣金，哪怕提前告知用户？
桑达尔·皮查伊：我们先不谈企业端业务。消费者愿意为真正有价值的AI服务付费。
比如开发者群体，愿意付费购买代码模型，因为它实实在在提升效率，没人愿意回到几年前的开发方式。只要持续创造价值，商业回报自然会随之而来。
我还没见过拥有数十亿高活跃用户、持续提供价值的C端产品，找不到商业化路径。
变现形式会不断演变。你设想的场景：智能体帮用户处理事务、对接商业需求，服务供给方看到价值，自然会形成对应的收益机制，这是市场效率的结果。但一切的前提，是打造优秀的用户体验。
跨谷歌全家桶的个人智能体
我提一个产品需求：能不能让Gmail里Gemini搜索，达到ChatGPT检索邮件的水平？目前这块差距是什么原因？
桑达尔·皮查伊：我们最近公布了面向企业的统一Gemini智能体，后续会推向普通消费者。这类持久智能体在云端7×24小时运行，每次请求都会启动独立微型虚拟机，运行时、调度框架、模型全部以无界面后台服务形式运转。
它打通全场景，自带你的上下文，在Workspace、搜索、Gemini里都可以调用。智能体将成为统一用户体验的核心，也是用户期待的方向。
我们产品矩阵庞大、迭代节奏不均，部分模块推进速度会慢一些，你反馈的问题非常真实。我们正在投入大量资源，打通智能体能力，保证在全服务里稳定可用。
很多人问，谷歌有没有对标Muse、Dots的同类产品？会推出全新产品正面竞争吗？
Gemini的目标，就是成为主动、强大、伴随式的个人助手，这是我们的方向。今年谷歌开发者大会上，我们已经展示早期版本Spark。
现在Gemini Pro、Ultra用户打开App，就能看到对话和任务模块，已经能体验基础智能体能力。Argon上线之后，这块能力大幅提速。企业发布会公布的智能体方案，很快面向普通用户开放。
不久之后，在Gemini里提问，系统会自动判断是简单对话还是长期智能任务，无需用户区分；智能体可以在后台安全持久运行、自动完成事务。
从后台数据看，往年Gemini里绝大多数请求都是普通对话；现在智能体任务占比持续稳步提升。
我们一定会面向消费者推出个人智能体，在Gemini App、谷歌搜索、Gmail里都可以唤起。依托Argon驱动，我们希望打磨好体验之后再交付给用户。
Anthropic与苹果
谷歌已经向Anthropic投入数百亿美元深度合作。Dario Amodei身上哪些特质，让你愿意开展这么深度的投资与合作？
桑达尔·皮查伊：很早之前评估Anthropic创始团队时，我们就判断：这支团队参与过最早几代GPT研发，是全球顶尖的科研队伍，大概率能站在AI前沿。
我们一直主动寻找、投资前沿技术团队，之前和SpaceX、Anthropic都是这个逻辑，遇到合适的机会就深度绑定。
谷歌和苹果的合作，也就是向Siri授权Gemini模型，合作范围是扩大、收缩，还是维持现状？
桑达尔·皮查伊：对我们双方而言，合作初衷是把AI能力转化为更好的用户体验。苹果做的非常出色，他们对模型做定制、深度集成进Siri，市场反馈很好。我们愿意继续深化合作。
会和苹果拓展更多合作吗？
桑达尔·皮查伊：暂时没有可以对外披露的细节，但合作运转良好。
太空数据中心、谷歌内部AI落地
太空数据中心的可行性，目前验证到哪一步？
桑达尔·皮查伊：这是一个激动人心的项目。这类项目总让我想起DARPA无人驾驶挑战赛，当年沙漠里参赛的Stanley自动驾驶车，正是Waymo的起点。
很多技术在当下看着像科幻，但10到20年后就能真正落地产生价值，太空算力项目也是如此。
谷歌一直愿意押注长线硬核技术。量子计算我们已经投入近十年，Waymo接近二十年；太空算力项目才启动两到三年。
我相信这个方向未来大有前景。在亚同步轨道上，可以全天候获取充足太阳能，完美匹配算力指数级增长带来的能源需求。
当然项目难度很高，团队设置了严格的阶段性目标。TPU送上太空是一个重要里程碑，我们正等待设备传回第一条“Hello World”信号。我们会持续投入。
你之前说谷歌内部25%代码由AI生成，现在这个比例是多少？
桑达尔·皮查伊：现在这个数字已经没有太大参考意义，谷歌内部几乎所有工作流程，都已经深度被AI改变。
以Argon为例，它带来明显拐点：员工使用Argon承接复杂大型项目，涉及数百万行代码。
Argon上线四周，内部代码变更单（CL）数量上涨30%，更关键的是，回滚出错的代码变更减少约三分之一。大家写代码效率更高、质量更好，我们现在在用新指标持续跟踪。
各地都出现反对新建数据中心的声音。如果在美国拿地建设受阻，谷歌会转向哪些地区？
桑达尔·皮查伊：我们坚持负责任地建设数据中心。我会走访我们运营多年的数据中心所在社区，和当地居民交流。不少居民和我说，依托谷歌的投入，他们的孩子得以上大学，我们和社区共同成长。
我的原则是合规妥善推进：早期就和社区沟通、保持透明。我们承诺新增配套电力，全额承担项目用电配套成本，充分评估对周边社区的影响、积极解决居民顾虑。
做好这些，项目才能持续推进。我们也持续收集反馈。但我也担心行业里不是所有人都遵循同样标准。
居民突然发现家门口建起数据中心，抵触情绪不难理解。
这也是为什么我们会以20年的长线视角布局太空数据中心，把算力放到外部空间，避开地面社区的权衡矛盾。
前沿研发押注、乐观主义背后的思考
谷歌当下投入资源攻坚，还有哪些未被验证的AI方向？是持续学习（模型上线后自主更新），还是别的路线？
桑达尔·皮查伊：多条路线并行。Argon支持百万级输出token，早期Gemini就已经实现百万输入上下文窗口，这些都是持续突破的方向。
合成数据、持续学习、更高效的模型架构，都是我们重点投入的方向。我们拿出相当一部分算力，押注这些前沿课题，世界模型也包含在内。
很多研发想法会慢慢沉淀、融入主版本模型，只是很多细节不会对外宣讲，我们在这些方向有多轮迭代。
科技行业需要乐观，相信技术能改善世界；但押注失败，也会带来实实在在的代价。我之前去过萨尔瓦多一座小镇，当地曾经狂热拥抱比特币，最后留下烂尾工地、近乎鬼城。你在斯坦福毕业典礼上传递乐观，要如何兼顾这类风险？
桑达尔·皮查伊：我发自内心坚信：技术进步、技术普惠，会改善普通人的生活，这是我长期乐观的根源，也是亲身经历带给我的信念。
但我一直认为，人类的课题，是学会驾驭技术，让技术服务社会。乐观不等于无底线放任研发、不计后果。我们努力把控方向，让技术服务人类、改善生存处境，这才是核心目标。
基于这套框架，我非常乐观。AI很多方向还处在极早期阶段，医疗等领域的巨大进步还在前方。
很多长期昂贵的产品有望借助AI大幅降低成本，新材料发现等等，都将深刻改变世界。当下很难预判最终影响，但变革会极其深远。
我保持乐观，但同样理性警惕技术跑偏的各类风险。
海量资讯、精准解读，尽在新浪财经APP
责任编辑：陈钰嘉