
皮查伊接受 Big Technology 专访:Argon 上线 72 小时近 25 万亿 token,谷歌云「在任何时刻都在放弃短期收入」保前沿,内部 CL 增 30%、回滚减三分之一
一句话结论
皮查伊驳斥「谷歌只做够用的 Flash 模型」的说法,称坚持前沿「刻在 DNA 里」;他把算力优先给 Google DeepMind 的研究和前沿模型,称这是「不可谈判」的;谈到安全,他主张纵深防御、实时监控,并认为行业下一步需要跨公司标准和独立评估者,类比会计准则和独立审计。
背景与理念
这期访谈录制于 Gemini 4 Argon 发布后不久。主持人说 Argon 在编码、数学、科学和知识工作基准上超过 OpenAI 和 Anthropic 的最新公开模型,让谷歌重回第一梯队。
皮查伊的基本立场是:谷歌绝不会放弃前沿。他说「我们不会用别的方式做」,站在前沿能比别人更早看到新出现的能力,而在递归自我改进的时代,前沿模型也更擅长开发下一代模型。
具体做法
为什么一定要做前沿
皮查伊说 Argon 上线后的头 72 小时,用量接近 25 万亿 token,大约是 Gemini 3.0 同期的三倍,而且服务时算力受限。他说这次比其他模型多花了一些时间,确保安全测试和谨慎部署;他也承认在编码等领域还有需要改进的地方,并且已经有明确的反馈。
他认为各种规模的模型都有位置,所以才有 Flash 和 Flash-Lite,但谷歌在乎的是整条帕累托前沿。内部把 Argon 部署给开发者后,看到了明显的拐点,它能解决以前模型解决不了的问题。他还说前沿的下一步是多个智能体协同工作,消费者和企业用户都会拥有一直在后台工作的多智能体框架。
递归自我改进与安全
对谢尔盖·布林说 Argon 的核心创新之一是更多依靠模型来开发模型,皮查伊的解释是:现在离 RSI 的终点还很远。他说更准确的描述是在模型开发的各个环节里,RSI 循环与 AI 研究员并行,智能体以某种自动化方式协助研究员一起构建模型,他预计这一进程明年会继续推进。
他说安全来自纵深防御,对齐是活跃的研究领域,「而且有明显的缺口」,所以不能只靠对齐。谷歌在模型运行时的实时监控上投入很多,确保有好的遥测,出现意外行为时可以实时干预,并研究怎样在沙箱和隔离环境里一边运行一边监控;部署时还给企业客户控制权,决定在哪部署、模型能接触哪些数据。
他认为担心是合理的,行业下一步应建立跨公司的标准,包括由独立评估者来评测。他用金融做类比:那里有会计准则和独立审计师,这是行业自然的下一步,监管最终也会发挥作用。
算力、云收入与扩建
皮查伊说,确保在前沿所需的算力是「零号地基」,而且「不可谈判」。分配顺序是先保证 Google DeepMind 的研究和前沿模型开发拥有最前沿的算力,然后再按各业务的长期规划分配;云团队有自己的业务预测、需求信号和已签合同。
主持人问是否该牺牲云利润给研究员最大的计算机,他说这已经在发生:「我们的云业务在任何时刻都在放弃短期收入,因为我们为支持前沿 AI 开发做了算力取舍。」他也说研究员有约束是好事,约束能激发更高效的算法突破,比如更省内存。
他说今天的算力是他 2024 年决策的结果,而一年前智能体编码的爆发还没发生,现在所有公司都短缺,都希望当初计划的是两倍。如果客户今天来要 2027 年的算力会非常困难,去年谷歌甚至租了一些短期算力帮客户解决问题。对于是否过度建设,他说长期看这种规模完全合理,这不像光纤,没有「暗」的,他们每天都在受算力限制;但也承认,由于建设涉及大约 2000 多种组件,任何一个受限或外部冲击都可能造成局部过剩。
交互界面与和 OpenAI 的竞争
他认为过去是人适应计算机,AI 时代会反过来,技术去适应人的生活。他举了自己用 Gemini 语音输入的例子,可以随口说一大段,它会结合个人上下文纠正,连朋友的怪名字都能写对;但他认为界面不会消失,娱乐、看视频、看 AI 生成的内容时仍然需要界面。
对 Altman 说谷歌是在旧产品上「外挂」AI,他回应说这是个高度动态的时刻,OpenAI 也推动了谷歌,谷歌也有过自己的「红色警报」。他反问:当大家都在加智能体时,你是把智能体外挂到 ChatGPT 上,还是原生构建?他的目标是做出世界级的 AI 原生体验,有些是改造现有产品,有些是重新设计。
个人智能体
他说谷歌最近为企业发布了统一的 Gemini 智能体,也会带给消费者。这是在云端 24 小时运行的持久智能体,每个请求实际上会启动一台微型虚拟机,运行时、harness 和模型都是无界面的服务,可以在 Workspace、搜索和 Gemini 中调用,并带着用户上下文。
被问谷歌对标 Muse 或 Dots 的产品在哪,他说 Gemini 的目标是个人化、主动、强大的助手。他说 Gemini 里聊天和智能体任务会变成一个连续体,用户不必区分,它会在后台安全地持续工作;他观察到进入 Gemini 应用的请求里,智能体任务的占比在稳步上升。
谷歌内部用 AI 写代码
被问 AI 写代码占比的最新数字,他说这个数字在今天已经「没意义」,因为几乎所有环节都深受 AI 影响,他们现在用新指标追踪。他给出的数据是:Argon 发布四周以来,代码提交(CL)增加了 30%,而回滚减少了约三分之一,人们写代码更多、质量也更好。
其他话题
他谈到与 Anthropic 和苹果的合作、太空数据中心和数据中心选址争议。他说太空数据中心项目刚走了两三年,已把 TPU 送上太空,正在等待「hello world」时刻;数据中心方面,谷歌承诺带来新增电力,并承担这些项目 100% 的电力成本。研究方向上,他说 Argon 有一百万输出 token,谷歌把相当比例的算力投入合成数据、持续学习、更高效架构和世界模型等研究押注。
关键数据/例子
Argon 上线头 72 小时用量接近 25 万亿 token,约为 Gemini 3.0 同期的三倍;发布四周内谷歌内部代码提交增加 30%,回滚减少约三分之一;Argon 支持一百万输出 token。
算力方面,皮查伊说今天的算力来自 2024 年的决策,团队总是在为两三年后做规划;数据中心建设涉及大约 2000 多种组件。他还说谷歌在太空数据中心上投入两三年,在量子计算上大约十年,在 Waymo 上接近二十年。
创新点
这期访谈里最有信息量的是谷歌内部衡量 AI 编码效果的新口径:不再看 AI 写了多少比例的代码,而是同时看提交量和回滚率。提交增加 30%、回滚减少三分之一,同时反映了产出和质量。
另一个具体信号是算力分配顺序:先保前沿研究,再分给各业务,云业务承担短期收入损失。这解释了为什么谷歌会一边说算力紧张、一边坚持训练更大的模型。
可否复用
- 评估 AI 编码对团队的影响时,别只统计 AI 生成代码的占比。同时看提交量、回滚率这类结果指标,更能说明质量。
- 部署智能体时采用纵深防御。对齐之外,还要有运行时遥测、实时干预能力和沙箱隔离,并给客户留出数据与部署位置的控制权。
- 借鉴「独立评估者」思路。企业内部也可以让独立团队对上线的 AI 系统做评测,类似财务的内审与外审。
- 算力或预算规划要预留冗余。皮查伊说大家都希望当初计划了两倍,提前两三年规划时应把需求不确定性算进去。