← 返回全部情报
Pichai 上 Alex Heath《Sources》:Argon 首 72 小时近 25 万亿 token、算力仍不够用;他用智能体每天替自己追模型训练进展和算力利用率 的封面

·YouTube·CEO 访谈收录 2026-10-22

Pichai 上 Alex Heath《Sources》:Argon 首 72 小时近 25 万亿 token、算力仍不够用;他用智能体每天替自己追模型训练进展和算力利用率

Sundar PichaiGoogleGemini 4 Argon算力规划实时监控递归自我改进管理

一句话结论

Pichai 在这期访谈里谈了 Argon 的发布节奏、安全上线做法、DeepMind 人事调整和资本开支逻辑,最具体的一条是:模型上线前花时间建好沙箱、实时监控和客户侧遥测,内部则用智能体把每天要花一小时才能看完的预训练、中训练、后训练群聊汇总给他,并监看各产品线的算力使用效率。

打开原文 Sources with Alex Heath:Sundar Pichai on Gemini 4 and the AI compute crunch

背景与理念

这期《Sources》录制于 Gemini 4 Argon 更大范围开放约一周后,10 月 21 日发布。它与前一天发布的 Big Technology 访谈是两次不同的对谈,这里只整理本期内容。

Pichai 的基调是「连 Google 也拿不到足够的算力」,以及 Google 要在十年后依然站在智能前沿。他说自己会看 X 上的舆论,但更依赖内部评测给出的能力曲线。

具体做法

Argon 的发布与扩容

他说 Argon 上线头 72 小时处理了近 25 万亿 token,大约是 Gemini 3.0 同期的 3 倍,目前服务能力受限。扩大覆盖的办法是像 3.0 系列那样做蒸馏,得到几乎同样强但更高效的版本;目前 Argon 先给 Ultra 和 Pro 订阅、Anti-Gravity 应用和 API。

他说编程仍是要继续提升的方向。他的标准是让模型像世界一流团队那样完成端到端任务,代码要有品味、易于评审、足够安全;幻觉则是一个「永远做不完」的前沿问题。

上线前的安全工程

他承认 Argon 比以往模型花了更长时间测试,原因是它的智能体能力和编程能力更强,而且要大规模服务企业客户。除了对齐本身,团队还投入算力和系统做沙箱和实时监控,以便模型在工作时一旦出现异常就能最早发现并介入;对客户则提供它在哪里运行、有哪些访问权限以及完整遥测。

外部测试包括通过与美国政府的项目测试、给网络安全研究人员提前访问,以及大范围的内部试用。

内部生产力与「递归自我改进」

他举了一个内部例子:在 Chromium 这样数百万行的代码库里,让一个标签页拖出来放进 AI 体验、却不重新加载,这类需要穿透所有层的功能,过去团队很难推进,现在可以让 Argon 持续工作直到完成。他说自 Argon 在内部推开后看到了生产力的阶跃,并把 2027 年看作内部生产力的「黄金时代」。

关于递归自我改进,他说研究人员已经在和模型深度协作,模型会建议训练配方、自动评估下一个检查点。由于安全原因,人始终在环,但整条流水线在往更接近递归自我改进的方向移动,他预计未来 12 个月会继续加速。

为什么跳过 3.5 Pro

他解释说,今年年中团队意识到在智能体能力和编程上有差距,最快的爬坡方式是用更小、迭代更快的 Flash 模型。于是在大约三个月里从 3.5 Flash 迭代到 3.8 Flash,等做完时 Argon 的预训练已经结束,就把这些经验都用到了 Argon 的后训练里。

DeepMind 人事调整

他说前沿模型开发已经成了一件「吞噬一切」的工作,涵盖数据、算力、算法以及管理团队和模型智能体。Demis Hassabis 改任首席科学家并继续担任 DeepMind 董事长,把更多时间放在 AI 安全和科学、医疗应用上(包括 Isomorphic Labs),由在 DeepMind 十多年的 Koray Kavukcuoglu 接手;Jeff Dean 在 Google 27 年后离开创办 Discovery Loop。

算力规划与资本开支

他说 Google 自己造算力、交付周期很长,任何时候都是在用两年前的决定,却被人按今天的完整信息评判;他认为没有哪家公司会说自己两年前的决定做对了。规划土地和电力时,Google 已经在看 2028、2029 年。

他把坚持投入的信心来源分成几层:消费者和企业的需求信号、Google 自身作为 AI 前沿企业的内部需求、独立评估的能力曲线和研究突破(他说 Gemini 5.0 会明显好于 Argon),以及已签下的长期承诺收入合同。「这不只是希望」,他说。

他自己怎么用智能体

他说重大决策仍由包括他本人在内的人来做,但他在内部部署了几个帮自己看信息的智能体。一个汇总预训练、中训练、后训练等各个群聊过去 24 小时的进展,这些原本每天要花他一小时;另一个接入算力遥测,按产品线报告使用量、效率和利用率并给出洞察。

节目后半段

按主持人整理的要点,后半段还谈了 Google 对个人智能体竞争的回应:把企业智能体能力带给消费者,做一个能对话、能定时、能在后台持续工作的「一个框」,并让智能体在搜索、Gmail 和 Gemini 之间携带上下文。此外还谈到太空数据中心 Project Suncatcher、Waymo、Wing 和量子计算的商业化时间表。

关键数据/例子

Argon 首 72 小时近 25 万亿 token,约为 Gemini 3.0 同期的 3 倍;Flash 系列在约三个月内从 3.5 迭代到 3.8。

他说自己以前每天要花约一小时追各训练阶段群聊的进展,现在由智能体汇总后再按需深入。

Jeff Dean 在 Google 工作了 27 年;Koray 大约 18 个月前就搬到湾区,与 Google 其他部门的整合早已在进行。

创新点

这期最可借鉴的是 Pichai 讲的「上线安全」不只是对齐,而是一整套运行时设施:沙箱、实时监控、可介入,以及给客户的运行位置、权限和遥测透明度。

另一个是 CEO 本人用智能体做信息汇总和资源监控,但明确把关键决策留给人。这是一个具体、可复制的高管用法。

可否复用

  1. 部署强能力模型前,把沙箱、实时监控和介入机制当作上线条件,而不是事后补。
  2. 管理者可以让智能体每天汇总多个工作群的进展,再挑重点深入。这比让下属层层写周报更及时。
  3. 用「小模型快速迭代、经验迁移到大模型」的方式补能力短板。
  4. 做长周期资源规划时,把需求信号、能力曲线和已签合同分开评估。

笔记会在输入时自动保存。