谷歌CEO硬核訪談：錯失“ChatGPT”首發，2027年AI將迎范式轉變

“模型在一年后將會截然不同。”

編譯整理 | 莘歆

來源 | 盒飯財經（ID：daxiongfan）

頭圖及封面來源 | 圖片來源：YouTube@Strip

“我預感，2027年絕對會發生一些根本性的范式轉變。”

在執掌谷歌10周年這個極具節點意義的時刻，谷歌CEO Sundar Pichai（桑達爾·皮查伊）最近在一場播客中公開露面，與支付巨頭Stripe聯創John Collison（約翰·克里森）和科技天使投資人Elad Gil（埃拉德·吉爾）進行了一場極其硬核的深度訪談。

圖片來源：YouTube@Strip

Pichai承認，谷歌內部早就做出了類似ChatGPT的早期版本，但因安全基準線過高，且錯失了關鍵信號而未搶得首發。

Pichai還透露谷歌正在突破一項新的技術，未來將會通過論文公之于眾。

聊到AI帶來的工作流變化時，Pichai認為在一些業務領域，2027年將會發生一個質的轉變。但同時也不得不面對算力極度緊缺的現實難題和安全的限制。

在這場長達萬字的交流中，Pichai直面了過去一年圍繞谷歌的所有爭議，判斷“奧弗頓之窗（Overton window，指公眾認知的可接受范圍。此處意指外界對谷歌AI能力的輿論風向發生了根本性轉變）發生了偏移”，并拋出了大量極具價值的行業判斷——

• 他首次披露谷歌內部極其緊張的TPU算力分配機制，連Waymo都要和其他業務線“搶算力”。

• 強力反駁“谷歌不懂AGI”的論調，宣布谷歌對AGI的資本支出將高達1800億美元。

• 他還認為無論砸多少錢，晶圓產能、內存和電力審批等物理限制，都將逼迫行業進入“搶椅子游戲”。

• 除了搜索和模型，谷歌正在太空數據中心、量子計算、機器人、無人機配送等長周期賽道布下重兵。

以下是翻譯全文（有刪改）：

在某個平行宇宙里，谷歌先發布了“ChatGPT”

John Collison：Transformer是在谷歌發明的，后來卻是ChatGPT及類似的產品在谷歌外部實現了產品化。你如何看待這件事？

Sundar Pichai：我覺得大家對此有點誤解。研發Transformer（AI大模型的核心底層架構）的大背景，是我們有很多TPU（谷歌專為加速人工智能計算而定制的專用芯片），在某種程度上，Transformer完全是為了解決特定的產品需求而誕生的。

當時的團隊在思考如何改進機器翻譯。在TPU方面，我們面臨著一個問題：語音識別雖然有效，但你需要把它推向20億用戶。在沒有足夠芯片的情況下，你該如何解決推理的問題？

Sundar Pichai：它雖然出自我們的研究團隊，但其導向是解決產品問題。Transformer研發出來后，立刻投入了使用，比如BERT和MUM模型。大家其實低估了我們對Transformer的應用程度，因為我們對搜索質量的衡量極其嚴格。

圖片來源：Linkedln

在那個時期，搜索質量出現了幾次大的飛躍，讓搜索遙遙領先于所有人，這正是歸功于BERT和MUM。我們構建了Transformer，并立即在搜索中用它來改善語言理解、理解網頁、理解你的查詢，并不斷構建更好的模型。

我們同時也開始在內部將其產品化，比如有團隊在開發一個叫LaMDA的東西。顯然，我們并不是第一個發布它的。但我認為，這不能簡單歸結為研究，而是我們沒有把它應用到產品方向上。

John Collison：你們做了這項研究，然后按照你們預期的使用方式看到了巨大的投資回報率，雖然你們沒有發明出隨之而來的所有產品，但這也是意料之中的事。

Sundar Pichai：其實，我們當時內部已經摸到了類似ChatGPT產品的門道了，那就是早期的LaMDA。你可能記得，我們內部有個工程師當時極其堅定地認為它已經覺醒了。你完全可以把當時他對話的那個模型，看作是 ChatGPT的早期版本。

毫不夸張地說，在某個平行宇宙里，我們其實連它的產品化版本都已經捏出來了。而谷歌大概在九個月后，也確實發布了類似的產品。

事實上，在2022年的Google I/O大會上，我們就推出了一個叫AITest Kitchen的應用，底座就是LaMDA。但我們當時把它嚴格限制在了沙盒里。因為在內部，我們還沒有跑通一整套基于RLHF微調的端到端版本。我當時看到的那個內部版本，在內容輸出上要Toxic（有害內容生成風險極高）得多。在那種狀態下，我們根本不可能把它公之于眾。

另外，作為一家對搜索質量有著極度執念的公司，我們對產品發布的基準線就設得極高。但這并不是說我們在雪藏它……我們其實一直都在琢磨該用什么姿勢把它推向市場。

哪怕是OpenAI推出ChatGPT的時候，他們可能也才剛剛和微軟達成（算力）協議沒幾個月。我認為他們非常敏銳且幸運的一點是，在GitHub的編程輔助場景中看到了大模型的巨大潛力。

在這個維度上，我們也許確實錯失了一個關鍵信號。因為大模型在代碼生成端帶來的躍升感，其實比在自然語言對話端要直觀和震撼得多。如果你用它來寫代碼，從GPT-2到GPT-3，再到后來GPT-4的那種跨越感是極其劇烈的。

所以回到你最初的問題，與其說這是前沿研究沒有轉化為落地產品，不如說這其實是受到了一堆極其復雜的綜合因素牽絆。

Elad Gil：我后來跟幾個參與研發ChatGPT的人聊過，他們其實是在感恩節那周順手發布的。那次發布極其低調且隨意，內部根本沒把它當成什么這將是改變公司命運、開啟未來新紀元的核彈級發布。我覺得這是一個極其經典的商業測試案例。

Sundar Pichai：但在我個人看來，只要你身處消費互聯網這個修羅場，你就注定要習慣這種被“黑馬”突襲的意外。比如當年Elad和我還在谷歌內部搞Google Video的時候，YouTube突然就橫空出世了。或者你代入一下Facebook當年的視角，Instagram也是這樣平地起驚雷的。

你回看歷史時，往往不會帶著那種極度戲劇化的濾鏡去評判這些時刻，畢竟后來發生的事大家都知道，這些黑馬最終被我們收購了。

我對消費互聯網底層邏輯的認知是：永遠都會有3個絕頂聰明的家伙窩在某個角落里瘋狂敲代碼做原型，然后向市場扔出成千上萬個測試品去瘋狂試錯。我這么說絕沒有任何貶低的意思，我的意思是，這種草根逆襲的時刻在軟件行業是常態。

我絕對不相信有人能在自家的車庫里一覺醒來，然后宣布他造出了一臺比蘋果更好的iPhone，在極其重資產的硬件賽道，這絕不可能發生。但消費互聯網的法則截然不同。你必須時刻保持敬畏，并坦然接受這一點。

深入骨髓的速度基因

John Collison：當我在思考2026年的AI競賽時，讓我印象深刻的一點是，長期以來，谷歌一直將“速度”作為自己努力形成差異化優勢的地方。最初的谷歌搜索非常快，而且以在結果中顯示查詢時間而聞名，有點像在炫耀。然后是Gmail的快速搜索相比于當時的競爭對手，或者Chrome相比于當時的競爭對手。

而現在，我用各種AI服務處理不同的事情，但運行在TPU上的Gemini實在太快了。我很好奇這在多大程度上是明確的產品戰略的一部分，你是怎么看待它的，還是說這其中的考量要微妙得多。

Sundar Pichai：我一直把速度銘記于心。在這里我們姑且稱之為響應時間(latency)，它是優秀產品的顯著特征之一。而且，它能反映出產品的底層技術做得非常扎實。

當然，還有另一種同樣重要的速度，那就是發布、迭代和發布周期的速度。兩者都很重要。但你談到響應時間。想要低延遲說起來容易，但你同時又在不斷添加新能力。能力的前沿在不斷推進。你該如何平衡這兩者？這就變得

更加復雜了。

舉個搜索的例子，我當時在和團隊溝通。他們現在對子團隊的響應時間預算是按毫秒計算的，你會得到50%的額度。

比如，如果你發布的東西能減少3毫秒延遲，你的延遲預算就會增加1.5毫秒，剩下的1.5毫秒則讓渡給用戶。我們會根據你要做的事情，來確定你的延遲預算，可能是30毫秒或10毫秒。你可以用掉它，但必須經過嚴格的審查。從這些就可以看出來響應時間對我們來說有多重要。

Elad Gil：人類大概能感知到幾百毫秒級別的延遲，對嗎？就實際產生影響的層面而言？

Sundar Pichai：沒錯。其實，上次我查看儀表盤和指標時，我們在過去五年里實際上將搜索延遲改善了30%。但想想這期間功能的演進有多大。這也是為什么在Gemini中，我們要仔細思考如何確保能力與速度的平衡，讓Flash模型能達到Pro模型大約90%的能力，但速度快得多，服務效率高得多，同時垂直整合也起到了幫助等等。

搜索不會消失

Elad Gil：你是怎么看待搜索的未來的？現在很多人都在談論把聊天作為一種新界面。顯然，Gemini已經被整合進去了，或者說搜索在谷歌的語境下已經整合了Gemini或AI結果。

但很多人現在談論的是智能體流(agentic flows)，每個人都會有一個私人智能體，你不用自己輸入查詢，它會直接替你完成任務。不用再問旅行的事，它會直接幫你規劃好行程。你認為搜索的未來是什么？它是分發機制嗎？是未來的產品嗎？還是人們與世界互動的N種方式之一？

Sundar Pichai：我覺得在搜索領域，隨著每一次轉變，你都能用它做更多的事。我們必須吸收這些新能力并不斷推進產品前沿。如果是移動端，產品演進得相當快。你走出紐約地鐵，你不是在找網頁，你是想去某個地方，你該怎么找到它？你必須不斷調整。人們的期望在改變，你也在跟著前進。如果快進到未來，很多單純的信息查詢在搜索中會變得智能體化(agentic)。你會去完成各種任務。你會同時運行許多線程。

Elad Gil：10年后搜索還會存在嗎？還是僅僅演變成某種東西？

圖片來源：The Savvy Newcomer

Sundar Pichai：它會不斷演進。搜索可能會變成一個智能體管理器(agent manager)，你可以在里面做很多事情。我覺得在某種程度上，我現在就在用Antigravity（谷歌正在開發和使用的一個AI智能體管理器和智能工作流平臺），你有一堆智能體在做事。我能看到搜索在做類似這些事情的版本，然后你搞定了一大堆任務。

John Collison：我覺得問題的核心是，如果你把搜索看作是一個不超過一行的提示詞(prompt)，它返回一堆不同的排序結果，而不是直接告訴你正確答案之類的。這種產品形態還會存在嗎？

Sundar Pichai：但在今天搜索的AI模式中，人們會進行深度的研究查詢。這并不完全符合你所說的定義，但人們適應了它。我認為人們將會執行長周期的任務。

John Collison：是的。

Sundar Pichai：它可以是異步的（Asynchronous）。

Elad Gil：所以，以前的那種版本或范式最終會消失嗎？曾經的搜索真的變成了一個智能體，你未來的界面就是一個智能體，10年或N年后的搜索框就不再是——

Sundar Pichai：我的意思是，設備的形態將會改變。I/O將發生根本性的改變。如果你總想10年后的事，可能會讓自己陷入停滯。但我們很幸運身處這樣一個時刻，我們只需想一年后，而且曲線非常陡峭。僅僅去做未來一年的事就很令人興奮了。而在過去，你可能需要坐下來設想五年后。

模型在一年后將會截然不同。

駕馭曲線本身就很令人興奮。我認為它（搜索）會演進，但這是一個擴張的時刻。很多人在這些時刻低估的是，這根本不是一個零和博弈。人們將能夠做的事情的價值也處于一條瘋狂的曲線上。有了TikTok之后，YouTube依然做得很好，Instagram也是……我可以舉出很多例子。

我認為你越把它看作零和博弈，它看起來就越困難。如果你不創新或者產品不演進，它確實可能變成零和博弈，但只要你處于做這些事情的最前沿就不會。我們既在做搜索，也在做Gemini。它們在某些方面會有重合。它們在某些方面也會發生深刻的分化。我認為兩者兼備并擁抱它們是件好事。

John Collison：談到搜索及其走向時，我想起了一個事實，大概在一年前，也就是25年春夏季，市場對谷歌的情緒非常負面。當時的主流觀點是搜索完蛋了，我們將面臨非常艱難的時期。核心商業模式受到攻擊，等等。當時谷歌的股價大概是150美元左右。

現在人們意識到那是愚蠢的。谷歌在整個技術棧的上下游都有布局，無論是應用、模型、TPU還是別的什么，以及Waymo（自動駕駛技術公司）和YouTube還有所有那些很酷的押注。你認為，作為知情情緒代表的投資者，在去年這個時候到底誤解了什么？因為顯然，當時存在一些巨大的誤解。

公眾的AGI偏見

Sundar Pichai：在那一刻，市場的目光顯然極其向內。對我來說，當時非常清晰，“嘿，奧弗頓之窗發生了偏移。”我感覺公司簡直就是為了那一刻而建立的。

垂直整合不是偶然的。我們當時已經用上了第七代TPU。我記得好像是在2016年的Google I/O上，我們發布了TPU并宣布我們正在建設AI數據中心。那是2016年。

對我來說，我們在前沿大語言模型(LLM)方面是落后了，但我們在內部擁有所有的能力，我們必須執行以迎接這一刻。

但令人興奮的是，當我從全棧的角度看時，我們有研究團隊，有基礎設施團隊，有所有的平臺。我們已經有意地在許多業務上進行了投資。

對我來說，我突然覺得，“哇，我們有一項通用技術可以加速所有這些業務。”從搜索到YouTube再到云端再到Waymo，全依賴于它的進步。這是一種極具杠桿效應的進步方式。我明白這一點。

回到討論的早先觀點，我完全不認為這是一個零和時刻。我覺得一切都將擴大10倍，并且會有其他人的空間。你回過頭看，自從谷歌入局以來，亞馬遜做得也很好，Facebook也是。我們低估了所有這些事物運作的增長前景。但作為一家公司，我們必須執行得更好。

John Collison：有沒有什么事情向外界證明了，“哦，他們搞定了”？是Gemini 3改變了人們的想法嗎？我沒太跟進所有的時間線。

Sundar Pichai：我認為真正的轉變，可能是人們看到Gemini2.5的時候。并且我們在前沿方面達到了較高水平，尤其是在多模態方面。這要歸功于Google DeepMind團隊。

我們在前期付出了更多的固定成本，但我們從第一天起就將Gemini模型設計為高度多模態的。在一些領域，這個優勢也開始顯現。Nano Banana就是一個例子，你能夠把它們全部看作一個整體。

但這是一個驚人動態的前沿，有兩三個實驗室在非常激烈地互相推動。在任何給定的一個月里，我們都會覺得，“哦，太棒了。我們做得很好。”“哦，該死。還有幾件事落后了。”我認為幾個月后情況將再次變得動態。前沿競爭正如你預期的一樣激烈。這就是我的看法。

Elad Gil：這很有意思，當我和一些局外的研究人員（既不是谷歌的，也不是另外幾家頭部實驗室的）聊天時，他們經常提到一點：他們覺得其他兩三家頂級實驗室跟谷歌團隊的最大區別在于，谷歌似乎沒有那么……用他們的話說，沒有那么“對AGI狂熱（AGI-pilled）”。

換句話說，（外界覺得）谷歌內部似乎不太相信AGI馬上就會降臨，也沒那么狂熱地相信技術會就此極速爆發。

顯然，谷歌的人們在深入思考這個問題。你覺得這種說法對嗎？這種心態會不會導致你們的產品做得不如那些“瘋子”？

Sundar Pichai：我們（對AGI）的資本支出大概從300億增加到了大約1800億（美元）。

Elad Gil：現在這可是真金白銀了。

Sundar Pichai：如果你對未來的技術發展曲線沒有那種篤定的預判，你是絕對不會砸這筆錢的。我認為這很大程度上只是表達方式的不同。也許因為我們是一家體量更大的公司，旗下的海量產品觸及了太多層面和太多的用戶，所以我們在談論這個話題時，使用的措辭會顯得不太一樣。

但我認為，谷歌的創始人們當年大概率也是“對AGI深信不疑”的。

現在外界有一種說法，認為在谷歌我們不懂什么是AGI，或者覺得Demis的團隊、Jeff Dean的團隊不懂AGI，（這簡直太荒謬了）。你要知道，在曾經的某個時刻，Demis、Jeff、Ilya（OpenAI聯創）和Dario（Anthropic聯創）這群人，可全都是在谷歌一起共事的。

對我來說，這種說法根本站不住腳。我想部分原因可能是，如果你是一家更年輕的公司，或者定位更像是一個純粹的研究實驗室，而且總部恰好設在舊金山。這些外在的細微標簽，往往會讓人產生感觀上的差異。但我絕不認為在根本層面上，我們對技術發展曲線的預判，或者我們在內部吸收接納這項技術的方式，跟別人存在什么分歧。

你看，即使在公司內部，我們同樣有一群人每天生活在技術的最前沿。他們不斷運行各種Agent（智能體），探索它們的極限，看著它們學習新技能、

執行任務。然后他們會回看三個月前，再對比一下現在的能力。我們在內部，正真切地感受著這種指數級的爆發。

John Collison：我覺得你們倆說得都沒錯。確實，我們完全可以拿谷歌的歷史來證明這一點。但我認為Elad其實想表達的是一種當下的氛圍。我之前看到過一條推文，有人調侃說：“想要解釋現在的硅谷到底在發生什么，你必須意識到一點：現在所有的科技高管都患有嚴重的AI狂熱癥（AI psychosis），他們每天花大把的時間親自寫代碼、和AI聊天等等。”我覺得這個視角很有趣，而且絕非空穴來風。

所以我很好奇，在最近這段時間里，你在哪些瞬間真切地感受到了AGI的實感？或者說，你最近對AI有多狂熱？

CEO“吃自家狗糧”

Sundar Pichai：我第一次切身感受到AGI的時刻是在2012年，當時Jeff Dean演示了最早版本的Google Brain。也就是神經網絡第一次認出一只貓的時候。那是2012年。后來我和Larry一起去看了DARPA（美國國防高級研究計劃局）的挑戰賽。我想那大概是2014年，具體年份我得再確認一下，我就看著無人車在那里自主行駛。還有Demis演示最早版本的模型時，它甚至展現出了我們稱之為“想象力”的東西。

像這樣的時刻還有很多，你能明顯感覺到技術正在飛速演進。

但如果說回到當下，談談那種最直觀、最強烈的震撼感，我覺得最貼切的體驗是：當你在編程時，你給AI拋出一個復雜的任務，你甚至連IDE（集成開發環境）都不需要打開，你完全置身于某種Agent（智能體）管理器的世界里，看著它自動把任務搞定，那種能力真的太強大了。

你可以把這種體驗稱作“感受到了AGI”。現在確實會經常出現這樣（奇妙）的時刻。

John Collison：我最近自己做了個業余小項目，做著做著我突然反應過來：“咦，它到底是用什么編程語言寫的？”直到整個項目都已經順利跑起來了，我才想起來跑去問它這個細節。

Elad Gil：感覺就像魔法一樣。

Sundar Pichai：絕對會有很多這種（讓人驚嘆的）時刻。但真正讓人感到震撼的，是這條發展曲線的斜率（陡峭程度）。我們正在如此多的技術范式上同時推動著它的進化。很顯然，前方還會有更巨大的飛躍在等著我們。

John Collison：當談到切身感受時，我覺得對科技公司來說，有一點極其重要（而且每個CEO的做法都不一樣），那就是：你如何保持自己與真實產品體驗和日常用戶之間的連接。因為科技產品有時候太抽象了，你很容易就會懸在半空……你總不能完全只靠團隊匯報、PPT和數據表格來管理公司。

比如DoorDash的CEO Tony Xu就說過，他現在依然會親自去跑腿送外賣，就是為了保持對一線體驗的體感。

在Stripe每周的小型全體會上，我們也有一個固定環節叫“線上巡店（walk the store）”。大家會一起在產品后臺里到處點點看，然后就會忍不住吐槽：“為什么這里會突然彈出一個窗口？這設計也太讓人困惑了吧！”諸如此類的。我們這么做，就是為了強制大家一起去真實地當一回用戶。

所以我很好奇，對于你來說你是怎么做的？在谷歌，除了你每天肯定都會用 Gmail等谷歌全家桶之外，你是如何確保自己始終能感知到最真實的產品使用體驗的？

Sundar Pichai：不，我真的是在“吃自家狗糧”，用的全都是內部測試版。我會專門在日程表里劃出大塊時間，沉浸式、高強度地去使用它。這非常有效。

比如就在兩周前，我在健身房拉伸，手里正拿著手機用Gemini Live。我當時就想，我要只盯著一個話題，跟它硬聊30分鐘。你總是會去做這種極端的測試。在這個過程中，有些體驗極其順滑，有些則讓人抓狂，但你絕對能從中發現很多問題。我就是這樣強迫自己切換到“重度用戶（Power User）”的模式去折騰產品，以此來保持對產品一線的體感。

我再分享一個對我特別管用的做法。在內部，我會打開……就是我們前面聊到的，我會在Antigravity（我們內部版的名字）里直接提問：“嘿，我們剛發了這個新功能，大家反響如何？給我總結一下大家吐槽最狠的5個槽點，以及夸得最多的5個亮點。”我敲下這段話，很快它就把匯總結果給我了。

我的工作因此變輕松了嗎？是的。如果放以前，我得花大把的時間在海量信息里撈，才能大致摸清用戶的反饋。現在，AI智能體在這件事上幫了我大忙。

但這也會讓你陷入一種反思：“既然AI都能幫我總結了，那我到底還應該投入多少第一手的精力，去親身體驗那種一線體感？現在這樣做，算是真正用好了這些AI工具嗎？”說實話，連我自己也正在經歷這種認知上的摸索。我也在努力去適應這樣一個未來。

AGI時代，經濟的規模效應

Elad Gil：你剛才提到兩點：一是這并非零和博弈；二是大家都看到了它帶來的實實在在的生產力提升。回顧以往的幾次技術周期，不管是互聯網、移動互聯網還是SaaS，它們其實都花了一段不短的時間，才真正反映在宏觀的GDP數據上。

而在AI這波浪潮里，我們目前主要是通過數據中心的瘋狂擴建直觀地感受到了這一點，它也確實已經拉動了一部分GDP的增長。

那么，如果把目光放到未來3到5年，你是怎么預判的？你認為AI會讓美國經濟的整體基本盤變得更加龐大嗎？如果是的話，能帶來多大體量的增長？

Sundar Pichai：說實話，要想讓這些巨額投資的回報站得住腳，這筆賬遲早得……那是什么時候的事來著？我記得大概是紅杉資本的某個人寫過一篇文章，指出大家現在已經砸了極其夸張的資金進去。

John Collison：是的，他們當時把（AI基礎設施的）資本支出和（實際產生的收入）拿來做了對比……

Sundar Pichai：那已經是兩年半以前的事了。那篇報告的大致意思是說，這在商業上根本說不通，因為你要支撐那個量級的投資，你可能需要創造 10倍的收益才行。從那時起……我可能得再去核對一下最新的數據，但無論如何，在未來的某個節點，收入和投入必須得實現平衡（把這筆賬算平）。

但當下能肯定的是，我們依然嚴重受制于產能（算力供不應求）。我們能真切地看到擺在臺面上的龐大需求。

Elad Gil：我其實并不懷疑這里面蘊含著極其龐大的市場和驚人的商業回報。我想問的是……而且我覺得大家在很多事情上都嚴重低估了它的潛力。

舉個例子，人們經常拿現有的軟件研發預算說事，去算“AI Token的消耗成本”和“程序員薪水”之間的比例。但在我看來，優秀軟件工程師的市場在過去一直處于極度供不應求的狀態，以至于當AI突然釋放出海量的“編碼供給”時，它可能會讓整個市場的規模直接暴漲10倍。

換句話說，我認為軟件開發和寫代碼的潛在市場，比任何人想象的都要龐大得多。死盯著Token的開銷去跟工程師的人頭費做對比，完全是搞錯了衡量維度。我反而認為，AI會強力拉動各個領域的經濟增長。

所以我很好奇你是怎么預判的，你認為這究竟能給經濟帶來多大體量的實際增長？我個人其實一點都不擔心巨額資本支出會換不來相應的回報。

Sundar Pichai：我明白你的意思了。不過你看，如果我們回顧互聯網時代去審視GDP的增長，你會發現冷冰冰的GDP數據，其實并沒有完全體現出互聯網帶給我們的真實價值。要是沒有互聯網，過去這些年的GDP增長沒準都是負的。這就是經濟學里說的“消費者剩余”。所以，要準確預判未來的宏觀數據是很難的。

但我確實認為，社會在各個層面上天然存在著各種“阻尼機制”（制約因素）。最明顯的一點是底層算力硬件擴建的發展曲線，跟我們上層模型進化的速度曲線是兩碼事。在算力基建那邊，你已經碰到了各種物理和現實的瓶頸，這是一條更受限的曲線。

其次，你如何將這項技術真正普及到社會中？我們現在推進Waymo（無人駕駛）就深有體會。即便你已經讓Waymo開得比人類司機更安全了，但你仍必須在擴張速度上保持克制。因為你得考慮，怎么才能負責任地讓新技術融入社會？在所有的這些環節上，都是有阻力和限制的。

所以我覺得……今天的美國經濟體量，比10年前要龐大太多了。在這個巨大的基本盤上，AI哪怕只是額外拉動0.5個百分點的增長，那也是極其驚人的貢獻。我預判未來的實際情況大概率會是如此。

John Collison：聽Sundar的分享，讓我們深刻感受到了在“真正的互聯網規模”下運營一家公司究竟意味著什么。然而，回到現實商業中，大多數企業在做關鍵決策時，往往只能“閉門造車”（in a vacuum）。他們只能通過自己狹隘的視角去觀察互聯網經濟，手里能用的也僅僅是自家公司那一畝三分地里的數據。

而這，正是Stripe能夠大顯身手的地方。因為我們每年處理著高達1.9萬億美元的全球支付，這讓我們擁有了真正的全局視野。當你在Stripe的平臺上構建業務時，你就自動接入了這種龐大的網絡智能：無論是驗證用戶身份、將欺詐防患于未然，還是讓企業間的連接變得更順暢，亦或是洞察當地市場最吃香的支付方式，我們都能幫你搞定。

我們打造的這個系統，匯聚了相當于全球GDP 1.6%的龐大資金動能，只為保護并不斷增加你的收入。

你剛才提到了“算力供應受限”，我認為這基本上就是2026年（整個科技行業）一個極其有趣的、決定性的主線特征。順便確認一下，你剛才說你們的資本支出是1500億？還是1800億來著？

Sundar Pichai：我們說過它會在1750億到1850億之間。

John Collison：好的，也就是大約1800億美元的資本投入。我覺得目前這個局面非常有意思，現在就算谷歌手握4000億美元想全砸進去，你們其實也花不掉。因為市場上根本買不到足夠的內存，也批不到足夠的電力額度，所有這些核心零部件的產能全都跟不上。你能挨個說說——

一場爭奪算力的搶椅子游戲

Sundar Pichai：你找不到我們所需的那么多電工。

John Collison：完全正確。我很想聽聽你對各種瓶頸的總體看法。

Sundar Pichai：從某種程度上講，追根溯源，你最終都會卡在實際的晶圓產能這類問題上。這里面有一個最底層的客觀現實，也就是我們說的“晶圓投片量（wafer starts）”，這是一個極其硬性的物理限制。

相比之下，我認為電力和能源的問題反而更容易解決。在能源這塊，真正的瓶頸可能在于你如何獲取政府的審批配額，以及在現有的監管環境下如何把項目實際落地。說到底，真正決定你擴張速度的，其實是這些流程推進的快

慢。

John Collison：在德克薩斯州、內華達州或蒙大拿州等州支持其經濟增長的地方，即使有很多土地，但也還是不夠的。

Sundar Pichai：我認為我們目前確實取得了巨大的進展。但對美國而言，這其中面臨著一個至關重要的挑戰。我們常常驚嘆于中國的“基建速度”，驚嘆于他們項目落地的效率。我真的認為，我們也必須學會以更快的速度去推進實體建設。

我們甚至必須徹底重塑我們的思維方式，去認真思考，在現實的物理世界中，如果想讓建設速度實現10倍的飛躍，究竟需要克服哪些困難？我非常擔心，實體基建的速度會成為卡住我們脖子的瓶頸。

而且，我預感到這方面面臨的社會和監管阻力可能會越來越大。說到底，這絕不是幾個決策者一拍大腿說“我們要加速基建”就能迎刃而解的。

John Collison：比如地方上突然叫停數據中心的建設之類的。

Sundar Pichai：沒錯。總體來講，目前的限制因素主要就是：最底層的晶圓投片量、獲取審批許可的難度，以及實際把項目落地的執行力。當然，我也確實看到政府層面在做很多積極的推動。大家都已經意識到，我們必須在這些環節上做得更好、更快。

此外就是供應鏈里那些“卡脖子”的關鍵零部件。內存（HBM）就是一個極其典型的例子。至少在短期內，我們都逃不開這些硬件的掣肘。整個行業也都在根據這些限制做出應對。

我覺得，對于我們這些實際經營公司的人來說，無論你內心對AGI的信仰有多么狂熱，接下來都必須去面對一個現實的“容錯區間（error band）”，就是你能在商業預判上保持多大程度的樂觀？你的報表能承受多低的利潤率？因為這個世界隨時可能發生你根本無法控制的外部“黑天鵝”事件。

每個管理者都在做這種（在狂熱與現實之間的）平衡和調整。這些都是我們必須面對的硬性約束。這就是我眼中目前最主要的瓶頸所在。

John Collison：在所有的硬件里，內存是目前最讓你操心的核心組件嗎？

Sundar Pichai：毫無疑問，內存絕對是當下最關鍵的零部件之一。

John Collison：你提到短期內會有瓶頸。那你覺得市場會不會單純地通過增加供應來應對？也就是說，靠高昂的價格利潤去刺激產能，能把這個問題解決掉嗎？

Sundar Pichai：頭部的這幾家內存大廠，是不可能短時間大幅度拉滿產能的。所以在短期內，你絕對會面臨這些硬性約束。但如果把時間線拉長，這些瓶頸會逐漸松動。我確實預估這些因素都會成為當下的限制，但要知道，這種限制也會倒逼出海量的技術創新。比如，我們會通過技術把這些系統的使用效率足足提升30倍。所有這些（產能的受限與技術的突破）其實都在同時發生。

Elad Gil：那這種高門檻，會迫使整個市場走向寡頭壟斷嗎？尤其是當你把目光放到模型層時。因為如果你去關注業界對于“模型未來將如何演進”的各種預測，很大一部分其實都指向了某種“遞歸式的自我進化”。這些AI模型會開始越來越多地自己給自己寫代碼、自己給自己做數據標注，等等。

John Collison：眼下這局面，說白了就是一場爭奪算力的搶椅子游戲。

Elad Gil：沒錯。這就變成了誰手里攥著算力資源，以及相對于全行業的總產能，你到底能擴張到多大體量的問題。如果大家最終能搶到的算力，大概都是按特定比例卡在某個上限位置，那這其實就形成了一個天花板，它直接限制了某一家公司能把同行甩開多遠的距離。你覺得這個邏輯成立嗎？

Sundar Pichai：我覺得用這個框架去思考是很合理的。不過還有一些變量……順便提一句，我這次過來（做訪談），剛好也是因為我們剛發布了 Gemma 4。這是一款極其出色的開源模型。中國的開源模型非常強，但我認為放眼中國以外的地區，Gemma 4絕對是非常頂尖的開源選擇。

圖片來源：Geeky Gadgets

如果你想追趕到Gemma 4這種前沿水平，技術上的跨度看似巨大，但如果換算成追趕的時間，其實并沒有那么長。你要知道，Gemma 4是直接基于我們Gemini 3的架構打造的。仔細想想，這是一件非常不可思議的事情。我們剛才聊了那么多龐大的算力和宏觀基建，但最終我們談論的，本質上不過是一組能直接塞進U盤里的模型權重（Weights）而已。

Elad Gil：是的，這很神奇。

Sundar Pichai：這感覺確實太瘋狂了……它跟造一枚SpaceX的火箭完全不一樣（火箭好歹是個龐然大物）。

Elad Gil：這也是一直讓我感到極其震撼的地方。整個龐大的數據中心運轉了好幾個月，結果最后吐出來的產物，居然只是一個極其普通的數據文件（flat file）。真的，感覺就像是弄出了個Word文檔一樣，而那就是你耗費巨資訓練出來的模型。這簡直不可思議。

Sundar Pichai：正是因為AI擁有這些極其獨特的屬性，所以我才總是想跳出傳統的分析框架去反思，我們到底該如何看待這場競爭？

我覺得你的邏輯框架是有道理的……至少在模型的推理端，你剛才的思考方式非常合理。現在全行業都在絞盡腦汁，試圖把資本市場逐利的杠桿發揮到極致（突破資本激勵的極限），試圖用錢去砸破這些物理限制。這股力量是極其巨大的。

然而，就像你說的，地球上現成的內存產能就那么多。無論市場給出多么瘋狂的溢價和資本驅動力，你都不可能憑空變出2026或2027年的內存產能。

Elad Gil：那或許就是我們能看到各家大模型真正拉開差距的時候了。

Sundar Pichai：但這些因素必須跟晶圓產能的增加，以及你獲批新建數據中心的進度綜合來看。單一維度的瓶頸，可能并沒有表面上看起來那么嚴重。你必須把所有需要的資源要素（包括資本在內）全部加總，放在全局的盤子里去權衡。

John Collison：沒錯。所以我覺得最有趣的點就在于，按常理來說，資本肯定是想砸出遠超眼下水平的投資，但我們現在偏偏一頭撞上了2026和 2027年真實物理世界的“墻”。

這感覺有點像“霍爾木茲海峽危機”。你大可以隨便喊出多高的油價，但歸根結底，如果你每天從市場上硬生生抽走2000萬桶石油的供給，那你就必須（通過高昂的價格）摧毀掉等量的需求（需求毀滅）。內存市場也是這個邏輯，到最后，肯定有一部分人不得不放棄他們原本想要的算力。

Sundar Pichai：不過說實話，除了硬件，還有其他維度的限制，比如安全。現在的這些AI模型，絕對有能力把幾乎所有現存軟件的安全防線徹底擊穿。沒準現在就已經被擊穿了，只是我們還蒙在鼓里，就在我們正坐在這兒閑聊的當下。

John Collison：你真的覺得它能攻破所有的軟件嗎？比如拿SSH協議來說，黑客們試圖破解它已經有年頭了，也沒能輕易得手。你覺得……

Sundar Pichai：我指的是那些常規的軟件和大型平臺，你想想那里面究竟藏著多少個“零日漏洞”（Zero-day，指軟件發布后還未被發現、連開發者都不知道的致命漏洞）。我們現有的系統本身就存在這些安全短板，這不是你閉上眼睛祈禱一下，它們就能憑空消失的。

Elad Gil：有人跟我說，現在“零日漏洞”的黑市價格正在暴跌，因為AI的介入導致漏洞的供給量激增。我覺得這是一個極其有趣的真實市場指標。

Sundar Pichai：我對此一點都不感到驚訝。這種能力究竟會如何在社會中蔓延開來？又會帶來什么樣的連鎖反應？歷史上其實能找到類似的先例。我認為未來可能會浮現出很多隱藏的制約因素，甚至可以說，會對現有的社會系統造成巨大的沖擊。

但話雖如此，我內心依然堅信，前方的利好和上升空間是極其巨大的。可以說，某些限制的出現反而是件好事。因為限制能倒逼出極致的創造力。

John Collison：沒錯，這會逼著行業進入一個“壓縮周期”（強迫大家做減法去優化），讓你的效率變得更高。

Sundar Pichai：是的，這其實就是一種強制倒逼機制。它會逼著我們去展開一些極其重要、但原本絕對不會發生的對話。光就我剛才提到的安全這點來說，我之前就設想過，未來我們（整個行業甚至跨國界）將需要進行大量的協同合作，而這種協同在今天完全是缺位的。未來注定會迎來這樣一個節點，可能是一個危機爆發的時刻。所有這些潛在的麻煩，我不認為你能靠祈禱就讓它們憑空消失。

谷歌的“隱藏寶藏”

Elad Gil：確實。順著這個話題，其實挺讓人感慨的，谷歌實際上擁有一個極其驚人的項目矩陣，無論是內部孵化的還是對外投資的。單從股權的角度來看，你們持有數量可觀的SpaceX股份，我不知道現在的確切比例，但早些年大概是10%左右；你們還持有Anthropic差不多10%的股份；更是控股了Waymo，這真的非常了不起。

而在谷歌內部，顯而易見，你們也研發出了大批令人驚嘆的硬核技術。我們前面聊了AI和Transformer架構，還有TPU芯片，Waymo也是其中之一。另外還有量子計算，你們最近剛發布了一項非常有趣的成果。那么，谷歌內部還有沒有什么大眾應該去了解、或者未來可能會產生顛覆性影響的“隱藏寶藏（hidden gems）”？

John Collison：或者說，有哪些是你覺得目前被外界嚴重低估了的項目？

Elad Gil：那你認為量子計算最終會在哪個領域發揮最大的威力？因為現在大家主要談論的無非是分子建模和密碼學。但在密碼學方面，業界一直在開發“抗量子密碼”（Post-Quantum Cryptography，指能夠抵抗量子計算機破解的新一代密碼算法）來未雨綢繆。而在分子建模方面，深度學習模型現在似乎已經表現得極其出色了，說起來，這正是你們用AlphaFold開創的先河。

所以，你覺得量子計算還具備不可替代的重要性嗎？如果是的話，它的“殺手級應用”到底在哪？

Sundar Pichai：從一個更抽象的層面來看，我個人的直覺是，它將越來越多地被用于“模擬自然”。因為自然界本質上就是以量子態運行的，所以你需要用真正的量子系統去完美地模擬它。

當然，我們現在可能會用經典的計算技術（比如AI），以令人驚訝的方式解決一些問題，或者通過足夠的降維和抽象來得出近似的結果。這種方法確實有效，但我從根本上認為，量子計算在這一領域擁有不可撼動的底層優勢。

比如，直到今天我們其實都還沒有完全弄懂用于合成化肥的哈伯法（Haber process，一項工業制氨技術）背后極其復雜的微觀機制。自然界還有太多如此復雜的化學反應。這大概剛好切中你大學的專業背景了。我的直覺告訴我，像模擬天氣系統、模擬真實的物理現實等等，這些絕對是量子計算大顯

身手的領域。

另外，技術發展史反復印證了一個規律，即當你把某項底層基礎設施做到真正可用的規模時，應用層那些極具創造力的人自然會發掘出它的用武之地。

我經常舉的例子是“智能手機 + GPS”催生了Uber。當初研發手機底層技術的人，誰也不可能預見到這種平臺級別的躍遷最終會孵化出網約車。所以我深信，只要我們能讓量子計算機真正跑起來，它絕對會爆發出成千上萬種不可思議的應用。這就是我的基本判斷。

Google DeepMind團隊目前正在極其深入地探索機器人技術。說實話，機器人在谷歌內部算是一個我們入局太早的領域。但現在回過頭來看，AI恰恰是我們在10到15年前構想那些宏大藍圖時，缺失的那塊最關鍵的拼圖。

目前，基于Gemini打造的機器人模型在空間推理等能力上已經達到了 SOTA（業界最頂尖）水平。在這方面，我們絕對握有最前沿的模型。

頗具戲劇性的是，我們現在又開始以極其堅定的姿態，重新與波士頓動力（Boston Dynamics）、Agility Robotics等幾家公司展開合作，共同推進技術落地。當然，行業里也涌現出了很多非常了不起的初創企業。

除了這些，我們還在投資，比如我前面提到的太空數據中心、量子計算，另外還有Wing的無人機配送業務。目前我們正在迅速擴大Wing的運營規模，在一段時間內，多達4000萬的美國人就能享受到Wing的無人機外賣服務了。而且我說的可不是什么要等上好幾年的大餅，而是很快就能落地的現實。

圖片來源：FOXBusiness

還是那句話，當你著手去做這些長周期的項目時，它們本質上都是一種有條不紊的技術復利，我們是鐵了心要做長期投入的。再比如Isomorphic（Alphabet旗下的AI藥物研發公司）。

Elad Gil：Isomorphic確實極其讓人興奮。

Sundar Pichai：我的想法是，我們要集中力量，極具針對性地去優化藥物研發（靶點發現）流程中的每一個細微環節。這樣一來，即便你還要面對像臨床三期試驗這樣極其漫長的研發周期，AI也能幫你大幅提升最終通關并取得成功的概率。

Elad Gil：我認為，這絕對是我見過的在構建各類生物學模型上最聰明、最具前瞻性的路徑。你們沒有局限在純分子設計這個狹隘的圈子里，而是去思考了更宏大的全局。要知道，目前絕大多數同行都還卡在那個死胡同里出不來。這一招確實極其高明。

資本蛋糕如何分

John Collison：順著這個話題我想請教一下，我其實一直很好奇，在谷歌內部，你們的資本配置（Capital Allocation）到底是怎么運作的？

我的意思是，商學院里關于優秀資本配置的核心理念，無非就是要深刻內化資本的機會成本，然后把企業賺來的現金流，投到回報率最高、最能發揮價值的地方去。

拿教科書里最簡單的例子來說，假設你是波音公司，賬上趴著一筆現金。你面臨的選擇是要么去競標下一個國防大單，你可以算出來研發要砸多少錢、財務模型預測能帶來多少收入；要么你去研發一款全新的商用客機，你同樣能推算出一筆賬。這說白了就是單純比較16%的IRR（內部收益率）和19% 的IRR，那自然是無腦選19%的那個。

但到了谷歌這里，你們內部的項目跨度和差異性實在太大了。比如，你們可以多批一點預算給YouTube團隊，讓他們去優化推薦算法，從而拉長用戶的停留時長，順便把商業化變現的收入做上去。或者，你們也可以把錢砸給 Waymo團隊，讓他們能以更快的速度推向市場、跑馬圈地。又或者，你們可以選擇去投資某種可能要苦等5年才能見效的全新AI路線。

所以我很好奇，當你們試圖把手里的巨額資金配置到所謂“最高效、最有價值”的用途上時，你們最終不可避免地要把這些業務放在同一個盤子里做比較。面對這些業務性質天差地別、投資回報曲線形態也完全不在一個次元的項目，你們到底是怎么去衡量和取舍的？

Sundar Pichai：這是個好問題。說來也巧，恰恰是因為現在內部面臨著 TPU算力的分配，我現在比以往任何時候都更能深切體會到你說的這種左右互搏。在某種程度上，連Waymo現在都在跟其他業務搶TPU資源。算力競爭，讓內部資源配置的問題變得更加尖銳。

在我每天處理的各種事務中，我其實極其期待未來AI能為這種復雜的資源分配提供參考。我認為，一旦我們真正打通了公司內部所有的底層數據并讓它們流轉起來，這絕對會大有幫助。目前的模型其實已經具備了這種分析能力，關鍵在于如何解鎖這些數據。

回顧過去，我認為谷歌的核心優勢之一在于我們往往在一個技術周期的極早期，就做出了戰略布局。這幾乎是回歸了我們作為一家硬核技術驅動公司的本源。這其實也呼應了剛才回答Elad的那個問題，我們是如何思考那些長期項目的。

在技術的萌芽階段做投資決定反而更容易，因為初期需要的資金量相對較小。但如果你要在未來幾年、甚至十幾年里保持長期的資源傾斜，你就必須確保團隊在取得實質性的深度進展。

只要你能看到底層技術在不斷突破，以量子計算為例，我們怎么去評估它值不值得繼續投？我們看的是最底層的技術指標。比如，團隊定下了關于糾錯邏輯量子比特的研發目標，那你們究竟什么時候能跨過技術門檻，實現一個穩定運行的大型邏輯量子比特？團隊到底能不能做到？我覺得我們就是用這種硬核的里程碑來做評估的。

我不會說這是什么碾壓級的優勢，但這確實是我們思考問題、且一直嚴守投資紀律的方式之一。或者說，至少對我個人而言極其重要的一點是要在極早期、極度堅定地押注那些底層核心技術。這點非常關鍵。

你要不斷地去審視這些前沿業務的長期價值。這感覺就像是，你完全憑商業直覺在腦海中去估算它們的期權價值，以及推演它們5到10年后的總潛在市場規模（TAM）。你可以假設一個極其瘋狂的增長曲線，然后再反推今天做出的這些投資決策是否合理。

我們對TPU的長期投資就是一個極好的印證，這么多年來我們一直在穩步砸錢。Waymo也是個絕佳的例子。兩三年前，當全行業都對自動駕駛感到悲觀、甚至有些同行開始撤資退縮的時候，我們反而選擇了逆勢加碼。

Elad Gil：非常神奇。只要可以，我現在每天都坐Waymo上班。

圖片來源：FORTUNE

John Collison：我覺得Waymo就是我剛才那個問題很好的案例。外界都知道，谷歌確實會大刀闊斧地砍掉項目，你們內部嘗試過無數新東西，也會果斷地拍板，“實際上，我們不會再給X實驗室的這個項目批預算了”，或者“我們要把這個產品關停，因為它就是跑不通”。

但在Waymo身上，盡管從一個令人驚艷的Demo走到真正落地市場的商業化服務是一條極其漫長的苦旅，你們卻從未動搖過信心。你們內部到底看到了什么？支撐你們堅持下去的，究竟是基于定性的直覺，還是定量的指標？你們當時到底是怎么權衡，從而決定砍掉Loon（高空氣球項目），卻死保 Waymo的？

Sundar Pichai：我覺得這恰恰印證了你剛才提到的定量分析。如果你去剖析Waymo Driver（Waymo的核心自動駕駛系統），這是最底層的硬核技術，也就是軟件究竟是如何去駕駛一輛汽車的。我們一直死盯的是，它在安全性和可靠性上取得的實質性進展。

這是一場極其漫長的探索，系統到底能做到多安全？你打算用什么路徑去實現？你會去追蹤那條技術進化的曲線，并基于此做出預測，或者設定你們想要攻克的里程碑目標，然后持續盯盤，看我們在這些曲線上的實際表現是否

達標。

在我看來，Waymo團隊的表現一直都極其出色。當然，中間肯定也經歷過技術停滯不前、似乎毫無進展的陣痛期。但在那些時刻，你需要對團隊沖破技術瓶頸的能力抱有絕對的信念。

總結來說，我認為你越是能深入到最底層的硬核技術層面去評估一個項目，你往往就越能做出高瞻遠矚的正確決策。至少，我個人一直都是努力這么去踐行的。

Elad Gil：業內關于Waymo有一種討論，大家覺得你們最近能取得如此大的進展，是因為在過去，自動駕駛主要靠的是人工手寫規則（啟發式算法）來處理各種長尾的邊緣場景，或者去窮舉汽車遇到突發情況該怎么反應。甚至毫不夸張地說，過去有一部分工作簡直就像是在手工給汽車畫行駛路線一樣。這種方式的局限性太大了。

直到兩年前，隨著通用Transformer浪潮的席卷，全面轉向端到端深度學習架構，才真正成為了行業的突破口。

所以我有個假設，既然端到端才是真正推動你們實現跨越的破局點，那你覺得如果Waymo是一家5年前才剛成立的公司（而不是實際上的15年前），它今天還能達到和現在同樣的高度嗎？

Sundar Pichai：我們前面正好聊到了機器人技術。你完全可以把Waymo 視作一臺大型機器人。客觀來說，如果有人在過去三年里才開始切入機器人賽道，從理論上講，他們確實能取得更快的早期進展。

但是，Waymo是一個極其龐大且高度集成的復雜系統。它在某些層面的復雜程度，絕不亞于臺積電造芯片，或者SpaceX發射火箭。你面臨的挑戰，是如何將無數個復雜的子系統以極度精密的方式整合在一起。

我認為Waymo最深的護城河就隱藏在這些看不見的地方。在這些深水區，你所熬過的漫長歲月，以及打磨工程底座的手藝（craft），是至關重要且無可替代的。但話雖如此，我也必須承認，端到端的方法在當下的確為我們帶來了巨大的突破。

Elad Gil：可以說，單單是保留住了這支（Waymo）團隊，對Alphabet和谷歌來說就已經是一筆巨大的財富了。正是因為你們咬牙堅持了長期投資，等到某個時間節點，技術的爆發突然讓這筆投入物超所值，這是一步極其聰明且極具遠見的險棋。

我覺得很有意思的一個推演是，這種經驗如何復用到其他領域？因為就你前面提到的機器人領域而言，現在有了大模型，我們可能會走上一條完全不同的發展軌跡，進化的速度將會變得極其驚人。

所以，你們有沒有考慮過把硬件研發重新拿回內部？還是說，未來依然會主要依賴于生態合作的模式，把這些前沿機器帶給現實世界？

Sundar Pichai：我覺得我們在這一點上會保持極其開放的心態。但我從 Waymo的漫長研發中、以及在AI端親自做TPU芯片等項目里獲得的一個核心經驗是，如果你想真正去突破和引領技術曲線，尤其是在那些同時牽扯到安全性、嚴格監管等極其復雜因素的領域，你就必須親自下場。

你肯定希望能獲得最真實的、第一手的產品反饋閉環。所以我認為，擁有第一方硬件最終會變得至關重要。關于這一點，現階段我就先透露這么多。

John Collison：抱歉，關于資本配置，我還有兩個問題。回過頭看，你覺得谷歌歷史上極低的財務杠桿率，甚至賬上常年趴著巨額的凈現金是完全合理的嗎？

要知道，谷歌內部從來都不缺絕佳的創意，你們的點子多到根本做不過來。而且你們的核心業務極其堅挺，你們對這塊業務了如指掌，它的增長率也遠高于你們的資本成本。

所以，當你現在復盤時，會不會覺得谷歌當年其實應該更具進攻性一點？比如直接向市場宣布：“好吧，相比于保守地攥著一把現金，我們愿意適度加點杠桿，把這些資金砸向新業務。或者干脆直接回購核心業務的股票來回饋股東。又或者，去做更多的少數股權投資。畢竟在這個領域，谷歌的眼光絕對是業界最頂尖的。”

Sundar Pichai：這是個極具深度的問題。舉個例子，如果Waymo當年的技術成熟度能早一點達到現在的水平，那我肯定早就把巨額資金砸進去了。

但在某種程度上，你的決策標準在于，你必須盡力去做一個卓越的資本管理者。順著你剛才極其看重的ROIC（資本回報率）邏輯來說，只要項目好，你當然恨不得把所有的錢全傾注進去。

但是，當你賬上有多余的資金，而你內部的項目又還沒成熟到能消化這些錢時，這就是為什么我們也會去投資外部的公司。我們始終是用資本管理者的視角在做權衡。比如，我們就認為投資你們Stripe是一次極其出色的資本配置，再比如投資SpaceX，以及Anthropic等等。

不過，隨著當下AI浪潮的席卷，我認為我們內部現在有了大量極其優質的資金部署機會，所以我們正在全力加碼。

其實我們一直都秉持著這種心態。如果能早點給Waymo撥付更多的資金，我當然求之不得。但問題是，它當時的技術成熟度根本還沒達到那個階段。出于對安全的考量，在Waymo發展的某個特定節點，我們必須堅守安全第一的準則。在那種情況下，盲目拿巨資去催熟絕對不是一個正確的做法。

John Collison：所以你的意思是，你其實很難指出有哪些項目，是如果當年盡早砸更多錢就能跑得更快的？因為技術的演進天然就需要一個循序漸進的爬坡期？

Sundar Pichai：可以這么說。但總體而言，哪怕我們在這中間可能做過錯誤的決策，但至少我們一直秉持的行事準則是只要你對某個技術方向感到興奮且抱有絕對的信念，你就必須愿意投入真金白銀，陪團隊熬出結果堅持到底。

John Collison：關于資本配置我還想問一個問題。回顧過去，在傳統的科技公司里，絕大部分的研發費用（R&D）說白了就是大樓里來來往往的程序員，也就是人頭費。因此，人員編制總是被一套極其嚴苛的流程管控著。確實，以前當你在分配研發資源時，本質上是在分配高薪的聰明人去應對挑戰。除非你們在做極其消耗計算資源的項目。但在絕大多數情況下，跟昂貴的人力成本比起來，技術硬件開銷只算是個零頭。

但我們現在進入了一個全新的世界。正如你剛才提到的，現在面對TPU算力的分配時，情況已經徹底顛覆了。

所以我想知道，如果落實到具體的預算編制層面，谷歌內部現在到底是怎么運作的？公司層面是不是有一個TPU算力總盤子？以前你給一個項目批資源，批的是人頭預算（HC）。現在你是同時給他們批人頭預算和TPU算力預算嗎？這兩筆預算在內部是一盤賬嗎？當你們在做季度復盤或年度規劃時，這套機制具體是怎么運轉的？

Sundar Pichai：其實，我們一直都有算力預算這筆賬，甚至在傳統的經典計算時代也是如此。

我想說的是，在機器學習領域，順便提一句，我們現在內部是廣泛地同時部署TPU和GPU的，關于ML算力的統籌規劃，我們在做人頭（HC）規劃時確實深思熟慮，但算力規劃也一直是我們必修的功課。在ML算力上，我們內部經歷過資源相對寬裕的階段，也經歷過全公司都被算力卡脖子的階段。但就眼下而言，算力資源真的是極度緊缺的。

你必須在這上面投入極其龐大的精力。我現在每周至少要雷打不動地抽出一個小時，在極其精細的層面上專門去盤算這個問題。我會清楚地掌握具體到哪個項目、哪個團隊占用了多少算力單元，至少這些底層數據我都了如指掌，并且我會親自去審視和做ROI評估。從某種程度上說，我認為這是眼下最緊要的任務之一。

John Collison：在很多場景下，算力成了最核心的稀缺資源，所以你必須親自把關，確保谷歌手里極其寶貴的算力，都砸在了那些最值得投入的核心戰略項目上。

Sundar Pichai：沒錯。

Elad Gil：那如果把這個邏輯放到GCP（谷歌云平臺）的語境下，你怎么看？因為在云端，你實際上是在把緊缺的算力賣給外部客戶，而不是留給自己內部團隊用。

考慮到整個系統的算力天花板就擺在那兒，面對內部自研和對外售賣的博弈，你究竟是怎么做這道算力分配選擇題的？

Sundar Pichai：說白了，我們靠的是極其前置的規劃。當我們在做長遠規劃時，云業務團隊會做他們的遠期預測，并且一步步去落實。你為此撥付資金，同時內部業務的需求也得統籌進來。一切都要提前部署。

在這個過程中，你也會跟外部客戶簽下長期的算力供應承諾。你要知道，我們對客戶做出的任何承諾都是神圣不可侵犯的，那是簽了合同的鐵律。

其實，靠極其嚴密的規劃能解決很大一部分問題。當然，在我們做規劃的當下，整個行業確實都處在一個算力受限的世界里。我敢說，云業務團隊肯定也會抱怨他們分到的算力不夠用等等。但只要你把規劃做得足夠靠前，這些矛盾是可以被妥善消解的。

John Collison：既然聊到了谷歌云，我這兒可是專門為你攢了一個產品需求，我知道你肯定迫不及待想聽了（笑）。

Sundar Pichai：（笑）你大可以去X上發帖直接艾特我嘛。

John Collison：哈哈哈沒錯。但不開玩笑了，我想說的是，目前GCP結合MCP（模型上下文協議）這點做得極其出色，現在你的AI可以完全通過寫代碼的方式，直接跟谷歌云進行交互。我猜除了核心的安全權限控制（IAM）之外，你們幾乎把所有的接口都對AI開放了。

某種程度上說，我覺得谷歌云之前背負的一個槽點就是功能實在太多、太龐雜了，我猜你也經常聽到大家這么抱怨。它的控制臺導航極其折磨人，你一登進去，就得先建個組織，再建個項目之類亂七八糟的東西，然后在一堆服務里像走迷宮一樣找你需要的那個。

但現在，這一切都無所謂了。你只需要（對AI）吩咐一句：“嘿，幫我把那個谷歌云的功能接進來。”從這個維度來看，GCP龐大且繁雜的功能庫反而成了它現在的巨大優勢，谷歌云真的吃到了這波紅利。

其實我們在Stripe也遇到了類似的問題，當我們給平臺加了越來越多的功能后，想要在極其臃腫的產品界面里導航，最完美的解法就是扔一個能幫你讀懂所有API文檔的AI進去。這體驗簡直太神了。

Sundar Pichai：這就印證了大家為何如此看好AI作為萬物編排層（Orchestration layer）的巨大潛力。回到我之前提到的那個痛點，哪怕是作為一家企業的CEO，你面臨的問題往往不是沒有數據，而是怎么把這些散落在各處的數據打通并匯聚起來。

放在過去，你大概率只能眼睜睜地看著公司再去硬推一個極其龐大、類似 ERP的IT實施項目，才能把各種數據源連接起來。但現在，AI可以直接作為一層編排系統，以一種對終端用戶極其友好的方式在后臺調度一切。能親眼見證這種范式上的轉變，真的讓人非常興奮。

John Collison：你們產品的表面積（Surface area，指功能矩陣的廣度）越大，這種AI編排帶來的紅利就越呈指數級放大。我們在Stripe內部其實也或多或少看到了這種現象，但我敢打賭，對于像GCP這種極其龐大且復雜的平臺來說，這絕對會產生巨大的乘數效應。

Sundar Pichai：我認為我們在體驗上還有很大的優化空間。但你說得對，這里面蘊含著極其巨大的機會。

John Collison：反正我對目前的體驗已經相當滿意了。好了，我的產品需求提完了。（轉頭問Elad）你剛才不是也帶了點產品建議過來嗎？

2027年將迎來質變

John Collison：我其實還有一個特別感興趣的點，是關于類似OpenClaw 這類工具的PMF（產品市場契合度）。真正讓我著迷的是，它們開始讓面向消費者的AI具備了有狀態（Stateful）的特征。

比如滿足那個極其經典的訴求：“去幫我總結每天我感興趣的新聞，然后設定在每天早上自動發給我”，或者說任何涉及到持久化運行的任務。

放眼當下，市面上所有那些爆火的、主流的AI對話應用，根本都還做不到這一點。這種（具備持久化記憶和后臺自動執行能力的）AI，究竟什么時候才會真正到來？

Sundar Pichai：從大方向上看，你確實想賦予用戶一種能力，讓他們能以安全、可靠的方式，讓復雜的任務在后臺長期待機。這中間，你肯定得極其嚴謹地去解決身份認證和訪問權限等底層安全問題。

但我深信，這就是未來的絕對方向。這就是真正意義上的智能體的未來。 如何將這種極其硬核的能力平滑地交付給普通消費者，正是我們目前密切關注、也最讓人熱血沸騰的前沿陣地。

Elad Gil：我剛才原本想提的產品需求也是這個。你看看Dreamer，那是 Stripe的前CTO出來做的項目。我印象里好像最近剛被Meta收購，他們就做出了一個體驗極其出色的版本。雖然那還只是個非常早期的視角。

John Collison：對，他們其實是在幫用戶自動生成高度定制化的軟件，這其中就包含了長期待機的能力，而且你還可以用自然語言去詳細定義你的需求。

Elad Gil：沒錯，基本上就是讓你能隨時捏出一個專屬于你自己的小應用（Mini-app）。

John Collison：就是這樣。他們把門檻降得極其低。我覺得，當普通用戶第一次真正體驗到這種魔力時，絕對會產生一種極其震撼的“啊哈時刻（Aha moment/驚喜與愉悅）”。

Sundar Pichai：說實話，我認為未來的消費者級UI界面，其皮囊之下，本質上隱藏的將是一整套極其完備的編程模型。

它會內嵌極其嚴密的控制框架，配置好各種隨時可調用的技能庫，并且擁有能夠長期待機、在云端或本地安全運行的權限。

現如今，所有這些底層的計算原語（Primitives，猶如樂高一樣的基本積木）其實已經匯聚成型了。你看看現在的極客和開發者們都在干嘛。就今天而言，我覺得世界上可能只有1%，甚至不到1%，大概只有0.1%的人，已經提前活在這個未來里了。他們正在用這些原語瘋狂地為自己搭建各種自動化工具。

但是，如何把這種硬核的極客體驗，真正無縫地推向大眾市場。

John Collison：是的（這正是最大的挑戰）。

Sundar Pichai：我認為，這是一個非常令人興奮的前沿。

John Collison：關于產品，我還有一個槽點。不知道為什么，我不確定你本人有沒有同感，但我個人絕對深有體會，在Google Docs里的搜索，明顯比在Gmail里的搜索要困難得多。當然，它們背后顯然都是同樣優秀的底層搜索引擎。

但我感覺問題出在，關鍵詞搜索對查郵件相當管用，因為你往往能記住某封特定郵件里極其獨特的幾個字眼。但拿我自己來說，我經常遇到的情況是，我想翻一下2026年預算。結果如果你在Google Slides里搜2026預算，這兩個詞在Stripe海量的PPT里根本沒有任何辨識度，所以我永遠沒法精準定位到我想要的那一份。我很好奇，Sundar本人平時會有這個痛點嗎？

Sundar Pichai：說實話，我個人之前可能沒有你感受得這么深，但聽你剛才這么一拆解，我確實非常有共鳴。事實上，我腦子里剛才已經在盤算要把這段對話發給內部哪個團隊聽了。我極其清楚該去找誰聊這事兒，也就是具體負責這塊業務的人。

我們在這塊確實還有很大的優化空間。我認為隨著我們將AI深度整合到包括 Google Docs在內的各項服務中，在接下來的幾個月里，你會看到體驗有大幅的飛躍。我想整個行業剛開始做的都只是1.0版本的AI集成，你只不過是把AI作為一個外掛強塞進去而已。

但隨著技術演進，模型能記住多少上下文語境、能在后臺緩存哪些信息、又能真正調用哪些關鍵數據，我認為我們在這些底層能力上還能取得巨大的突破。我們絕對能把這事做得好得多。

John Collison：太棒了。

Elad Gil：我接觸（投資）的很多公司，哪怕是最近剛成立的初創團隊，都已經不得不大刀闊斧地重塑他們關于產品開發和工程實踐的工作流了。這種沖擊甚至大到讓他們開始重新定義，設計團隊里到底需要留什么樣的人、具備怎樣的能力模型。谷歌內部目前也在重新審視這一切嗎？你們的工作流是不是也正在經歷劇變？

Sundar Pichai：可以這么說。你可以把谷歌內部的這場變革想象成一圈圈向外擴散的同心圓。內部確實有一部分團隊正在經歷極其深刻的范式轉變。對我而言，眼下一項極其重大的任務就是，尤其是在今年（2026年）這個節點，我們該如何把這種全新的工作模式層層輻射，推廣到更龐大的群體中去？

在早期階段，我們其實很難大面積鋪開，因為當時的工具還經常掉鏈子。那種感覺就像是，你明明已經瞥見了一個充滿希望的新世界，但它實際上還是個半成品。但到了今年，我明顯感覺到技術進化的曲線迎來了一個拐點。

我已經能看到某些團隊，特別是Google DeepMind和一些核心的軟件工程團隊，正在真正意義上地徹底重塑他們的工作流。說來好笑，我們內部對同一款工具的代號和它對外的名字往往完全不同。比如它（對外）叫 Antigravity，內部代號卻叫JetSki（水上摩托）。

圖片來源：medium

現在的這些核心工程師已經完全“長”在這些系統里了，他們生活在一個由“智能體管理器”主導的世界里，并用這種前所未有的方式在推進工作。

就在上周，我們剛剛把這套系統推給了核心的Search團隊。我們在不斷地向前推進。

說實話，在一個龐大的企業組織里，如何做好變革管理，才是這項技術在內部大范圍普及的過程中最難啃的骨頭。這對小規模的初創公司來說或許輕而易舉，因為船小好掉頭，可以瞬間完成切換，但大廠的推進要復雜得多。

John Collison：關于AI在行業里的實際落地與普及，我能補充幾個我觀察到的真實痛點嗎？我很好奇你認為我們該如何、以及何時才能跨過這些坎。

因為在我看來，我們目前正處于一個極其龐大的智能溢出階段。單從抽象層面來看，現在AI能做到的事情簡直令人震撼。但如果你去審視一家公司到底有多AI原生（AI-native），或者說它對這種智能的實際利用率有多高，你就會發現中間存在著巨大的鴻溝。

我看到的痛點大概有這幾個：

第一，提示詞門檻。即使是對于極其專業的工程師來說，要真正精通如何給 AI寫出優質的Prompt，實際上也需要一段相當長的學習周期。同樣是讓AI 寫代碼，Prompt寫得好壞，產出的結果天差地別。比如在Stripe內部，你不僅要擅長寫通用的提示詞，還得掌握大量專門針對Stripe業務邏輯的復雜提示詞，你得極其清楚該讓AI調用哪些內部工具。

第二，代碼協作的崩潰。這是大家不可避免會撞上的現實。要在AI生成的代碼庫上進行多人協作，變得極其困難。因為AI改代碼的速度太快了，代碼的更新迭代率極高，每一次改動都有一個難以預估的爆炸半徑。在代碼最終發布前，AI可能已經將它重寫了好幾遍。而在過去大家純手工敲代碼、推進速度較慢的時代，協作顯然沒這么痛苦。

第三，數據權限的噩夢。當你走出純工程研發領域，我看到的最大瓶頸就是數據訪問。你當然希望你的智能體能隨時干活。你想想，全球各大公司的員工，每天要問多少次“嘿，這筆交易目前的進展如何？”這完全是公司內部有記錄、且理應能通過智能體直接回答的信息。我確實在Stripe內部看到了一些能完美解答這類問題的酷炫工具。但是，當涉及到員工習慣和數據權限時，尤其當你身處一家規模龐大的大廠時，底層那個決定“誰能看什么數據”的權限引擎，幾乎需要被徹底推翻重寫。

第四，角色邊界的消融。就像你剛才提到的，傳統的工程、產品、設計這種崗位分工，其實是過去幾年的舊產物了。因為有了AI的加持，你不可避免地會想要在某些場景下，去模糊這些角色的邊界，因為借助AI，每個人在各個維度的能力都變強了。

總而言之，這就是我現在，身處2026年的當下所看到的真實割裂感，模型的能力明明已經達到了那個高度，但我們在實際應用中的深度，卻僅僅停留在腳下。

你覺得，要把這種龐大的智能真正普及開來，接下來的演進路徑到底會是什么樣的？

Sundar Pichai：說實話，我們內部有很多人確實在密切關注、甚至親身參與Gemini團隊的動向。具體來說，無論是Gemini企業版團隊還是 Antigravity團隊，他們眼下正在死磕的，就是你剛才提到的這幾大痛點。

毫不夸張地說，你剛才列舉的那些，就是我們目前實打實的產品路線圖。我們的做法就是在內部親自去用它，狠狠地撞上這些障礙，然后想辦法攻克它，最終把這些解決方案變成對外發布的產品。

我們目前仍在內部大力推廣這種模式。因為在實際操作中，打個比方，如果你是谷歌的SRE（網站可靠性工程）團隊，你會突然發現自己已經可以用 AI把一部分工作流徹底自動化了。這種單點突破目前正在各個團隊內部真實地上演。

但是，當你為AI開發這些技能時，你如何才能做得更加系統化？如何對它們進行集中化管理？如何讓模型無縫接入，并且安全地開放給所有人使用？正如你所言，身份與權限控制絕對是一個極其硬核且棘手的難題，這也是我們目前正在集中火力解決的事。

反過來看，這些（安全與權限驗證）問題，恰恰也是限制AI在我們谷歌內部大面積普及的卡脖子因素。因為我們在安全標準上極其嚴苛，所以不得不步步為營。不僅如此，這上面還有另一層極其關鍵的考量，在讓AI自動運行這些服務時，系統的容錯代價極高，我們必須把這個隱患徹底排除。

但我堅信，正因為我們經歷了這種陣痛，一旦我們把這些底層基建徹底打通，我們就能以一種極其穩健、極其安全的方式把這些能力推向外部市場，這將帶來巨大的勢能。

我感覺，我們目前正在熬過那個最艱難的固定成本期。但當我們將這套成熟的系統真正推向世界時，你會看到人類的生產力迎來一次史詩級的飛躍。行業里的其他公司也在朝著這個方向努力。隨著底層模型以一種更穩健的步伐持續進化，這一切都將水到渠成。

John Collison：谷歌每年應該也會正式地做幾次業務重估吧。至少我們在Stripe是這么做的，我們先定好一年的大預算，然后在年內，我們會出具三次正式的重估預測。

如果你仔細去拆解這件事，重估預測本質上就像是特定時間節點上的一個函數。你需要把當下公司的各種業務狀態統統收集起來，這其中有些狀態只存在于高管的腦子里，但絕大多數都散落在各處的文檔中，比如這個產品數據跑得怎么樣？、那個功能數據如何？、這筆大單能敲定嗎？等等。

在那個特定業務狀態的快照節點，我們把所有這些變量全部丟進一個函數里，輸出的結果就是當年最新的財務預測數字。你能想象未來由AI去獨立執行這個過程，中間完全沒有任何人工干預嗎？你覺得谷歌大概會在哪個季度，首次跑通這種完全自動化的財務預測？

Sundar Pichai：我絕對相信，在某些特定業務領域，2027年將會是一個發生重大質變的轉折點。哪怕是對于目前正手工做預測的財務人員來說，AI 也將徹底淪為他們產出結果的核心工作流。也許在一段過渡期內，你還是會用傳統的老辦法去交叉驗證AI的結果，但隨后你們就會徹底切換。但我預感，2027年絕對是個大年，會發生一些根本性的范式轉變。

John Collison：我覺得剛才Elad提到的那個痛點在于，工程研發部門往往是AI極其積極的早期采用者，但在工程部門以外的邊緣地帶。好的，聽你的意思，你覺得到了2027年，很多這類非工程類的企業工作流（比如財務、法務）將真正迎來質變。

Sundar Pichai：沒錯。其實回想你剛才那個關于初創公司速度的問題，我剛才滿腦子想的還是Waymo或者機器人賽道的語境。但我現在確實覺得，這（沒有歷史包袱）將是初創公司與生俱來的一個巨大優勢。

初創公司能從第一天起，就組建一支極其純粹的AI原生團隊，甚至在面試環節就能直接篩選具備這種特質的人。而對于像我們這樣的巨頭來說，我們必須去經歷漫長的全員重新培訓、陣痛和轉型。我認為這絕對是年輕公司獨有的巨大紅利。但無論多難，我們都必須去強力推動這場內部轉型。

John Collison：最后一個問題。我們前面聊了很多谷歌歷史上那些起步規模極其微小的內部孵化項目（Initiatives），比如大名鼎鼎的Transformer架構。在它剛啟動的那會兒，在谷歌內部根本算不上什么核心戰略。那么眼下，在谷歌內部有沒有什么正處于萌芽階段、但讓你感到極其興奮的邊緣小項目？

Sundar Pichai：說出來可能會讓你有些驚訝。其實，就像我們之前拍板決定要做太空數據中心時一樣，它一開始就是從一個極其微型的團隊起步的。當時真的就只有區區幾個人，手里攥著極少的一點預算，去死磕并達成了第一個技術里程碑。

我一直堅信從小處著手的極其重要性，哪怕你腦子里裝的是一個極其宏大的愿景。這就是以小博大的一個絕佳案例。

還有個例子，就在昨天，我專門花時間聽了一位研究員向我解釋他們在后訓練環節取得的一些新突破。聽著他詳細描述那些正在推進的底層優化，我當時腦子里的反應就是：“哇哦，這絕對會帶來一次極其震撼的模型能力躍升。”

這就是我們當下源源不斷的技術生命力。關于這第二個突破，我現階段還不能具體透露它到底是什么，但我確信，我們遲早有一天會發論文把它公之于眾的。正是這些在底層悄然發生的、細微卻極具爆發力的小步躍升，讓我感到無比興奮。

John Collison：（笑）太棒了，所以我們今天收獲了太空數據中心，以及某種神秘的全新機器學習黑科技。

歡迎在評論區留言~如需開白請加微信：YPYP01234567