「在很長一段時間裏，這都是一場追趕。」
當谷歌首席AI架構師、DeepMind CTO Koray Kavukcuoglu在鏡頭前公開承認「曾被甩在後面」，很難不讓人意識到：這家曾定義深度學習黃金時代的科技巨頭，經歷過一段真正意義上的危機——ChatGPT的爆發將整個行業的注意力拉向OpenAI，而谷歌則被視為「落後者」。
但這段逆風期已經成為過去式。
隨着Gemini 3全面發佈——在多項關鍵基準上重回前沿、在搜索、YouTube、地圖、Android等產品矩陣實現「同日上車」部署——谷歌用行動證明，它不僅追上了，還重塑了自己的組織方法論和技術路徑，找回了屬於谷歌自己的節奏。
在最近長達近一小時的深度對話中，Kavukcuoglu罕見地拆解了這段「技術復興」背後的故事：谷歌究竟是如何在短短兩年之間把落後局面扭轉為行業級的系統性領先？
谷歌首席AI架構師、DeepMind CTO Koray Kavukcuoglu
真正的起點：承認落後
Kavukcuoglu的坦率異常少見。「當我們開始做Gemini時，我們知道自己落後。但你必須足夠誠實，承認現實，然後纔可能創新。」
這實際上標誌着一次內部共識的轉折：僅靠長期研究傳統已經無法跟上時代速度。
過去的DeepMind以科學突破聞名：AlphaGo、AlphaFold、MuZero，一個個里程碑式成果建立了「技術領先者」的光環。然而，當模型要進入大規模用戶場景，這種研究驅動的節奏被事實證明無法直接轉化為產品能力。
承認這一點，是谷歌重新起跑的第一步。
多模態不是錦上添花，而是底層架構的必然
在訪談中，Koray不止一次把「多模態」提到核心位置。他的解釋沒有宣傳色彩，而是純工程邏輯：世界不是線性的，因此理解世界的智能也不能是線性的。
文本只描述一維邏輯，圖像代表空間結構，音頻包含時間線索，而視頻是這些維度的組合。一個能真正作為通用智能系統的模型，不可能只靠文字輸入輸出。
谷歌的選擇是從架構級別開始統一，讓不同模態的理解在同一個模型中共同訓練。這是難度最高的路線，因為不僅要改動模型結構，還要重做token化方式、訓練損失、優化器乃至推理路徑。
但正是這種底層重構，使得Gemini能在圖表解析、文檔理解、跨模態任務等方面迅速拉開差距。外界常用「畫得好不好看」來評判圖像模型，而谷歌的思路則完全不同——多模態的意義在於讓模型更理解世界，而不是生成漂亮圖片。
谷歌加速的祕密：組織方式的徹底重寫
Gemini真正的反轉來自組織層面的變化。
過去的谷歌更像一條串行流水線：研究團隊訓練模型、工程團隊負責部署、產品團隊接手體驗、安全團隊從最後一環把關。這種結構在互聯網產品時代有效，但在大模型時代會被放大出一個致命的後果——迭代緩慢且鏈路割裂。
而現在的谷歌，把所有團隊重新組合成「並行系統」。Koray特別強調，從Gemini 3開始：產品經理從訓練第一天就參與任務設計；工程團隊同步優化推理路徑與落地成本；安全策略嵌入訓練過程，而不是上線前打補丁；真實用戶數據直連訓練管線，不再隔着層層組織結構。
這種變化讓Gemini的迭代節奏第一次追上了競爭對手，也讓模型更「像產品」——穩定、更懂意圖、能執行真實任務，而不是隻展示實驗室能力。
對於一家跨20萬員工的大公司來說，這種組織重構的難度，遠高於一次模型迭代。
Gemini體驗的躍遷：智力提升並不是主因
過去一年，不少用戶都感受到Gemini體驗的明顯改善。但Koray的解釋並不是「模型更聰明瞭」，而是谷歌終於把「可用性」當成核心目標，包括：
第一，指令理解能力大幅提升。這是用戶感受最直觀的地方，也是模型走向執行智能的起點。
第二，國際化適配進入核心能力集。谷歌擁有全球用戶，Gemini的訓練過程首次系統性加入多文化、跨場景語料，而不是隻做翻譯。
第三，工具鏈與代碼執行能力躍升。這奠定了Gemini走向Agent的基礎——從「能回答」變成「能完成任務」。
Gemini的「變好」不是單點突破，而是系統工程成熟後的必然效果。
基礎設施再次成為谷歌的底氣
在談到競爭優勢時，Koray最強調的不是模型能力，而是基礎設施——這是外界常常忽略的部分。
TPU、全球數據中心、跨產品分發能力、成熟的安全體系、構建在Search與Android之上的龐大調用入口……這些能力一旦與統一模型結合，就形成了很難被複制的網絡效應。
Gemini的提升本質上是基礎設施重新被激活。這也是谷歌能在短時間內從落後者重新回到行業中心的一大原因。
從訪談中可以感受到一種變化：Gemini的成功不是某個科學天才的靈感閃現，也不是某個模型參數突然暴漲，而是一個巨型組織重新找回統一節奏之後的必然產物。
谷歌用了兩年時間，從承認問題到重構系統，再到形成新的產品邏輯。這種「系統反轉」往往不如一次驚人Demo那樣吸引眼球，卻比任何一次模型躍遷更具長期價值。
在某個時候，定義新的前沿、新的基準測試是好事，定義基準測試非常重要。技術進步和基準測試之間是有區別的。理想情況下是百分百一致的，但從來不是百分百一致。
下一場AI戰爭：從語言智能走向行動智能
Koray對未來的判斷清晰而直接：下一階段的競爭不是誰模型更會聊天，而是誰能更好地完成多步驟任務。
這場競爭會發生在：工作流自動化、開發者工具鏈、企業任務智能化、搜索與信息組織方式、系統級AI（Android、Chrome、Workspace）
AI正從語言模型轉向「任務操作系統」。Gemini的目標，正是成為這類系統的底層能力。
對於資本市場而言，這是關鍵差別：對話模型是產品，行動模型是平臺。平臺的商業價值遠高於產品。
以下為Koray Kavukcuoglu主要觀點：
我們衡量進步最重要的標準，是模型在真實世界中的落地應用。科學家用它推進研究，學生用它輔助學習，律師用它分析案例，工程師用它編寫代碼——從專業領域到日常生活，從簡單的郵件撰寫到複雜的創意工作，人們正在用這項技術完成形形色色的任務。這種跨越不同領域、覆蓋多元場景的應用廣度，恰恰是最重要的價值標尺。
如果我們要實現通用人工智能，就必須通過產品、通過與用戶和生態的深度連接來完成。我的核心使命是確保谷歌的每款產品都能獲得最先進的技術支持。我們並非要親自打造產品——我們不是產品專家，而是技術開發者。我們專注於技術研發和模型構建。
我們始終與AI模式保持同步迭代，與Gemini應用實現聯動發佈——這絕非易事。正因為這些團隊從研發初期就深度參與，才能確保在模型準備就緒的第一時間，實現所有產品的同步升級。這套協同機制已成為我們的標準流程。
每當被問及Gemini面臨的最大風險，我的答案始終如一：創新的枯竭纔是我們真正的隱憂。我從不認為我們已經掌握了終極配方，更不相信僅靠機械執行就能抵達終點。
（你是否也感受到了那種逆襲的感覺？）確實有這種感覺，甚至在那之前就有了。因為當LLM真正展現出強大實力的時候，我非常坦誠地覺得，我們曾經是前沿AI實驗室，在DeepMind。但與此同時，我也意識到，我們在某些方面的投入還不夠…..這就是一場追趕。在很長一段時間裏，我們都在奮力追趕。
我從不認同有些人說的"谷歌太龐大，太難推動"這種觀點。我認為我們可以把這轉化為優勢，因為我們有獨特的資源和能力。
我們現在明確朝着多模態方向發展——包括輸入和輸出的多模態融合。隨着技術進步，不同領域間的架構理念正在相互滲透。這些原本差異顯著的架構正變得越來越兼容，這不是生硬地拼湊，而是技術發展的自然收斂。當大家意識到效率提升的路徑和理念演進的方向時，技術路線就會自然融合。
以下為對話全文（由AI協助翻譯）
Logan Kilpatrick（主持人）:
大家好，歡迎回到Release Notes。我是Logan Kilpatrick，在DeepMind團隊工作。今天很榮幸邀請到Koray Kavukcuoglu，他是DeepMind的 CTO，也是谷歌 Core新任的首席 AI架構師。謝謝你的到來。我很高興能聊聊。
Koray Kavukcuoglu:
是的，非常興奮。謝謝邀請。
Logan Kilpatrick:
當然，Gemini 3，我們坐在這裏，已經發布了模型。反響似乎非常積極。我想我們發佈時，顯然對模型的表現有多好有一個預感。排行榜看起來很棒，但我認為把模型交到用戶手中並真正發佈出去纔是考驗。
Koray Kavukcuoglu:
這始終是考驗，對吧？我的意思是，基準測試是第一步。然後我們進行了測試。我們在之前的版本中與可信的測試者進行過測試等等。所以你會有感覺，是的，這是個好模型，能力很強。它並不完美，對吧？但我對反響相當滿意。人們似乎確實喜歡這個模型，並且我們認為有趣的地方，他們也覺得有趣。所以，這很好。到目前為止，這很好。
Logan Kilpatrick:
我們昨天在聊天，話題的主線是關於欣賞這個進步沒有放緩的時刻，我覺得這引起了我的共鳴。回想上次我採訪你時，我們是在 I/O 大會上，當時我們發佈了2.5，聽 Devis 和 Sergey 談論AI等等。我覺得進步並沒有放緩，這真的很有趣。當我們發佈 2.5 時，它感覺是一個頂尖的模型，實際上我們在多個維度上推動了前沿。我覺得3.0再次做到了這一點。是的，我很好奇關於規模擴展的討論如何繼續。你現在有什麼看法？
Koray Kavukcuoglu:
是的，我的意思是，我對進展感到非常興奮。我對研究感到興奮。當你真正身處研究中時，在所有這些領域都有很多令人興奮的事情，對吧？我的意思是，從數據、預訓練、後訓練，到所有地方，我們都看到了很多興奮點，看到了很多進展，很多新想法。
歸根結底，這整個事情真正依賴於創新，依賴於想法，對吧？我們做的有影響力、在現實世界中、人們使用的事情越多，你實際得到的想法就越多，因為你的接觸面增加了，你獲得的信號種類也增加了。我認為問題會變得更難，問題會變得更加多樣化。隨之而來的是，我認為我們將面臨挑戰，而這些挑戰是好事。是的，我認為這也是推動我們構建智能的動力，對吧？事情就是這樣發生的。
我覺得有時候如果你只看一兩個基準測試，你可能會看到瓶頸。但我認為這很正常，因為基準測試是在某項任務還是挑戰時定義的。你定義了那個基準測試，然後當然，隨着技術的進步，那個基準測試就不再是前沿了。它不再定義前沿。然後發生的事情就是你定義一個新的基準測試。這在機器學習中非常正常，對吧？基準測試和模型開發總是相輔相成的。你需要基準測試來指導模型開發，但只有當你接近前沿時，你才知道下一個前沿是什麼，這樣你才能定義。有了新的基準測試，是的。
Logan Kilpatrick:
我有同感。有幾個基準測試，所有模型都表現得很差，大概只有1% 或 2%。我想現在最新的DeepThink模型能達到 40% 多了，是的，這很瘋狂。RKGI2 最初所有模型幾乎都做不了任何題目。現在能達到 40% 以上了。所以是的，這很有趣。同樣有趣的是看到，我並不清楚為什麼那些靜態的、確實經受住時間考驗的基準測試，儘管我們可能只能提高 1% 左右，但它仍然存在。
Koray Kavukcuoglu:
那裏有真正困難的問題。我的意思是，那些困難的事情我們仍然無法做到。是的，沒錯。它們仍然在測試某些東西。但如果你想想我們在 gpqa 上的位置，嘿，並不是說，哦，你現在是 20 多分，需要達到 90 多分，對吧？所以，它定義的未解決的問題數量當然在減少。
所以在某個時候，定義新的前沿、新的基準測試是好事，定義基準測試非常重要。因為如果我們把基準測試視為進步的定義，這並不總是完全一致的，對吧？技術進步和基準測試之間是有區別的。理想情況下是百分百一致的，但從來不是百分百一致。
對我來說，最重要的進步衡量標準是我們的模型在現實世界中被使用。科學家使用它們，學生使用它們，律師使用它們，工程師使用它們，然後人們用它們來做各種各樣的事情，寫作、創意、寫郵件，無論是簡單的還是困難的。範圍很重要，不同的主題，不同的領域。如果你能持續在那裏提供更大的價值，我認為那就是進步，而這些基準測試幫助你量化這一點。
Logan Kilpatrick:
你如何看待，也許甚至可以從 2.5 到 3 舉一個具體的例子，或者隨便哪個模型版本變化都可以。我們在哪裏進行局部優化？實際上，在一個現在有無數基準測試的世界裏，你可以選擇你想在哪個方向優化，你是如何為 Gemini 整體，也可能特別是 Pro 模型，思考我們應該在哪些方面進行優化的？我認為。
Koray Kavukcuoglu:
有幾個重要的領域，對吧？其中之一是指令遵循很重要。指令遵循是指模型需要能夠理解用戶的請求並能夠遵循它，對吧？你不希望模型只是回答它認為應該回答的東西，對吧？所以這種指令遵循能力很重要。這是我們一直在做的。然後，對我們來說，國際化很重要。谷歌 是非常國際化的，我們想觸達世界上的每一個人。所以這部分很重要。
Logan Kilpatrick:
我覺得 3.0 Pro 至少……我今天早上和 Toldsee 聊天，她評論說這個模型對於像（歷史上我們並不擅長的語言）來說非常出色，看到這一點真是太棒了。所以。
Koray Kavukcuoglu:
你必須持續地把重點放在其中一些領域，對吧？它們可能看起來不像是，哦，這是知識的前沿，但它們確實很重要，因為你想能夠與那裏的用戶互動，因為正如我所說，這一切都是為了從用戶那裏獲得信號。然後談到更技術性的領域，函數調用、工具調用、智能體行動和代碼，這些都非常重要，對吧？函數調用和工具調用很重要，因為我認為這是智能的一個完全不同的乘數，既來自於模型能夠自然地使用我們自己創建的所有工具和函數，並在其自身推理中使用它們，也來自於模型編寫自己的工具，對吧？你可以認為模型本身在某種程度上也是工具。所以這是一件大事。顯然，代碼很重要，不僅僅因為我們也面向工程師，也因為我們知道通過代碼，你實際上可以構建在你筆記本電腦上發生的任何事情。而在你的筆記本電腦上，發生的不僅僅是軟件工程。將任何想法變為現實，對吧？所以我們現在做的很多事情都發生在數字世界，而代碼是這一切的基礎，能夠與發生在你生活中的任何事情整合，不是所有事情，但是很多事情。這就是為什麼我認為這兩者結合在一起，為用戶構成了很大的覆蓋範圍。
我舉一個網絡編碼的例子，我喜歡它。為什麼？因為很多人有創造力。他們有想法，突然間你讓他們變得高效，對吧？從有創意到高效，以一種你只需寫下來，然後你就能看到應用程序在你面前呈現的方式，這就像，我的意思是，大多數時候它是有效的，當它有效時，那就太棒了，對吧？
我喜歡我們稱之為循環的那個過程，我認為這很棒。所以突然間，讓更多的人能夠成為構建者，構建一些東西，我的意思是，這太棒了。
Logan Kilpatrick:
我喜歡。謝謝你，這是AI Studio 的宣傳。我們會把這段剪出來放到網上。你提到的一個有趣的線索是，關於擁有這種產品腳手架從模型角度來幫助優化質量的重要性，顯然。是的，工具調用和編碼。
Koray Kavukcuoglu:
這對我來說非常重要。我認為。像 Anti Gravity 作為一個產品本身，是的，它令人興奮，但從模型的角度來看，如果你考慮一下，它是雙面的，對吧？我們先從模型的角度來談。從模型的角度來看，能夠與最終用戶（在這種情況下是軟件工程師）進行這種整合，並直接從他們那裏學習，瞭解模型需要在哪些方面改進，這對我們來說確實至關重要。我的意思是，在像 Gemini 應用這樣的領域，出於同樣的原因，這也很重要，對吧？我的意思是，直接瞭解用戶非常重要。Anti Gravity 也是如此。AI Studio 也是如此。
擁有這些我們緊密合作的產品，然後理解並學習，獲得那些用戶信號，我認為是非常巨大的。Anti Gravity 一直是一個非常重要的發佈合作伙伴。他們加入的時間還不長，對吧？但在我們發佈過程最後的 2、3 周裏，他們的反饋確實起到了關鍵作用。搜索AI模式也是一樣，對吧？我的意思是，AIO 評論，即使是從那裏我們也得到了很多反饋。所以對我來說，與產品的這種整合以及獲得信號是我們理解的主要驅動力。當然，我們有基準測試。所以我們知道如何推動科學、技術、數學等方面的智能。但真正重要的是，我們實際上理解現實世界的使用場景，因為我的意思是，這必須在現實世界中有用。
Logan Kilpatrick:
在你新的首席AI架構師角色中，你現在還負責確保我們不僅擁有好的模型，而且產品實際上能採用這些模型，並在谷歌範圍內構建出色的產品體驗。從DeepMind的角度來看，你認為這增加了多少複雜性？顯然，我認為這對用戶來說是正確的事情，在第一天就將 Gemini 3 應用到所有產品和服務中，對谷歌來說是一項了不起的成就。哦，希望未來能有更多的產品和服務。有時候，一年半前的生活更簡單。
Koray Kavukcuoglu:
但就像我們正在構建智能一樣。我身兼這兩個角色，本質上它們的目標是一致的。如果我們要實現通用人工智能，就必須通過產品、通過與用戶和生態的深度連接來完成。我的核心使命是確保谷歌的每款產品都能獲得最先進的技術支持。我們並非要親自打造產品——我們不是產品專家，而是技術開發者。我們專注於技術研發和模型構建。
當然，就像所有創作者都會堅持自己的理念那樣，我們也有自己的技術主張。但對我來說，最重要的是以最優方式提供模型與技術，再與產品團隊協同合作，共同打造這個AI時代最卓越的產品體驗。
因為這確實是個全新的世界。這項新興技術正在重塑用戶預期，定義產品交互邏輯，決定信息呈現方式，並催生前所未有的應用場景。我的職責就是推動這項技術在全谷歌產品矩陣中的落地，與所有產品團隊緊密協作。
這種深度融合讓我倍感振奮——不僅源於產品創新帶來的成就感，更因為它實現了我們最重要的目標：直連用戶。能夠實時感知用戶需求、獲取真實場景反饋，這對我們至關重要。正因如此，我堅信這就是通往通用人工智能的必經之路：通過產品化實現智能進化。是的，這就是我們選擇的道路。
Logan Kilpatrick:
這對你來說是個很好的推文，可以在某個時候發出來，因為我覺得這很有趣。我分享這個人的觀點，即在某種意義上，我們像是在與客戶、與其他 PA 共同構建 AGI。這不像某個實驗室的純粹研究工作。這是與我們和世界共同的努力。
Koray Kavukcuoglu:
我認為這實際上也是一個非常值得信賴的建議系統，我認為我們越來越多地採用的一種非常工程化的思維模式。我認為在這件事上擁有工程思維很重要。因為當某樣東西被很好地工程化時，你知道它是健壯的，使用起來是安全的。所以我們在現實世界中做的事情，我們正在以某種方式適應所有經過信任的、測試過的想法，關於如何構建東西。
我認為這反映在我們如何思考安全，如何思考安全，對吧？我們試圖從工程思維的角度來思考，從基礎開始，從最初就思考，而不是到最後才考慮的事情，對吧？我們不這樣。所以當我們在進行模型後訓練，當我們在進行預訓練，當我們查看數據時，我們總是讓每個人都需要思考這個問題。我們有一個安全團隊嗎？顯然，我們有一個安全團隊。他們帶來了所有相關的技術，我們有一個安全團隊，他們帶來了所有技術，但讓 Gemini 中的每個人也能積極參與那個開發過程，將這一點作為首要原則。而這些團隊本身就是我們後訓練團隊的一部分，對吧？所以當我們在進行這些迭代，發佈候選版本時，就像我們查看 gpqa、HLE 這類基準測試一樣，我們也會查看其安全、安保措施。我認為，這種工程思維很重要。是的，我。
Logan Kilpatrick:
完全同意你的看法。我覺得這對谷歌來說也很自然，這也很有幫助，因為現在這項工作的協作規模和規模有多大。是的，將 Gemini 模型發佈出去。我的意思是。
Koray Kavukcuoglu:
對於 Gemini 3，我想我們啱啱還在反思這一點。對我來說，重要的事情之一是，這個模型是一個非常團隊谷歌的模型。
Logan Kilpatrick:
我們應該查一下數據。我可能像是，我的意思是，也許像阿波羅 NASA 計劃有很多人參與，但我覺得這是龐大的谷歌全球團隊，也包括我們所有團隊的全球努力，才使之成為現實，這很瘋狂。每一個。
Koray Kavukcuoglu:
每一代Gemini的發佈，都凝聚着來自各大洲——歐洲、亞洲乃至全球各地團隊的心血。我們的研發網絡遍佈世界，這不僅包括DeepMind團隊，更是整個谷歌生態系統的通力協作。是的，這堪稱一場全球規模的協同創新。
我們始終與AI模式保持同步迭代，與Gemini應用實現聯動發佈——這絕非易事。正因為這些團隊從研發初期就深度參與，才能確保在模型準備就緒的第一時間，實現所有產品的同步升級。這套協同機制已成為我們的標準流程。
當我們說"全谷歌協同"時，指的不僅是核心研發人員，更是所有產品團隊在各自領域的貢獻——從搜索到辦公套件，從雲服務到移動生態，每個團隊都在這個共同目標中扮演着關鍵角色。
Logan Kilpatrick:
我有一個問題，也許這不是一個有爭議的問題，但你知道，Gemini 3 在許多基準測試上都是最先進的，我們在許多基準測試上都是同步發佈，你知道，跨越谷歌產品界面，我們的合作伙伴生態系統界面。
反響非常積極。模型的氛圍很好。如果你展望未來，我不知道，但願順利，如果我們展望到谷歌下一個主要模型發佈，有沒有什麼事情是你仍然記在你的清單上的，你希望我們正在做 X，Y 的？那麼，它如何能比 Gemini 3 更好？或者我們應該只是享受 Gemini 3 的時刻。
Koray Kavukcuoglu:
我們當然應該追求更多突破——但此刻更需要的是享受這個里程碑。發佈日值得慶祝，看到用戶對模型的認可，這本身就值得團隊為之驕傲。
不過慶賀之餘，我們始終保持清醒：每個領域都還有提升空間。寫作能力尚未臻於完美，編程支持也有改進餘地——特別是在智能體行為和代碼生成領域，那裏蘊藏着最令人興奮的發展潛力。
必須承認，我們已經取得了長足進步。可以說，這個模型已經能滿足90%到95%開發者的需求——無論是專業工程師還是創意創作者，它都堪稱當前最出色的工具。但正因如此，我們更要對那剩餘的5%保持專注，在那些還需要突破的領域持續精進。
Logan Kilpatrick:
關於編碼和工具使用，我還有一個尖銳的問題。你認為什麼？這只是，如果你回顧 Gemini 的歷史，顯然我們在 1.0 時非常關注多模態，我認為在 2.0 時我們開始做一些，是的，智能體基礎設施的工作，請給我們講講為什麼我們。我補充說明一下，我認為進展速度看起來非常強勁，但是，為什麼我們從一開始就沒有像在多模態方面那樣，持續穩定地關注智能體工具使用？例如，多模態方面，我們從 Gemini 1 開始就是最先進的，並且在多模態方面我們保持了很長時間。
Koray Kavukcuoglu:
我喜歡，我不認為這是有意為之。我認為這就像是，老實說，當我回顧時，我把它與使用模型、開發環境緊密聯繫現實世界聯繫起來，我們聯繫得越緊密，我們就越能更好地理解這些真實的需求。
我認為在我們 Gemini 的旅程中，我們從一個起點開始，當然，我的意思是，谷歌的AI研究有着悠久的歷史，對吧？我們擁有的驚人研究人員數量，以及在谷歌進行的AI研究的驚人歷史。我認為這很棒。
但 Gemini 也是一段從那個研究環境轉向這個，就像我們談論的這種工程思維，並進入一個我們真正與產品相連的空間的旅程，對吧？當我審視團隊時，我不得不說我感到非常自豪，因為這個團隊仍然主要由像我這樣的人組成，對吧？就像五年前，我們還在寫論文。我們在研究 AI。而現在我們實際上處於那個技術的前沿。而那個技術，你正在通過產品、與用戶一起開發它，這是一個完全不同的思維模式，我們每六個月構建一次模型，然後每一個半月進行一次更新。這是一個驚人的轉變。我認為我們走過了那個轉變。
Logan Kilpatrick:
我喜歡那個。Gemini 的進展非常棒。另一個進一步考慮的是，我們總體上如何看待生成式媒體模型，我認為歷史上它們並不是一個巨大的重點，我的意思不是它們沒有被關注，它們一直都有趣。但我覺得隨着 VO3、Vo 3.1，以及 Nano 和 Ada 模型，我們從產品外部化的角度來看取得了如此大的成功。我很好奇你如何看待在追求我們想要構建 AGI 的過程中。是的，我認為有時我能說服自己，一個視頻模型不是那個故事的一部分。我不認為這是真的。我認為總的來說，你應該理解世界、物理學等等其他東西。所以我很好奇你如何看待所有這些事情交織在一起，如果你。
Koray Kavukcuoglu:
實際上回溯10到15年前，生成式模型主要集中在圖像領域。因為當時我們能更直觀地檢驗模型效果，而且對世界和物理規律的理解是推動圖像與聲音生成模型發展的主要動力。大約十年前——現在感覺都像二十年前了——我們還在專注於圖像模型。我讀博時就在研究生成式圖像模型，那時候這個領域非常活躍。
我們經歷了完整的發展週期，比如像PixelCNN這類代表性工作，本質上都是圖像生成模型。
後來我們意識到，文本領域其實能帶來更快速的技術突破。但現在圖像模型的迴歸完全符合發展規律。DeepMind長期以來在圖像、視頻、音頻模型方面積累了深厚的技術底蘊。這正是我想說明的：將這些模態融合是自然演進的結果。
我們現在明確朝着多模態方向發展——包括輸入和輸出的多模態融合。隨着技術進步，不同領域間的架構理念正在相互滲透。這些原本差異顯著的架構正變得越來越兼容，這不是生硬地拼湊，而是技術發展的自然收斂。當大家意識到效率提升的路徑和理念演進的方向時，技術路線就會自然融合。
Nano的誕生就是這個融合過程的典型例證：你既能對圖像進行迭代處理，又能與模型直接對話。文本模型通過語言數據構建了對世界的認知，而圖像模型則從視覺維度形成了另一種世界理解。當兩者結合時，就會產生令人驚喜的效果——用戶能明顯感受到模型真正理解了那些難以言傳的細微意圖。
Logan Kilpatrick:
關於 Nano，我還有一個問題。Vanessa，你認為我們應該給我們所有的模型都起些傻傻的名字嗎？你覺得這會有幫助嗎？
Koray Kavukcuoglu:
不完全是。聽着，我的意思是，我認為我們不是故意的。Gemini 3。
Logan Kilpatrick:
如果我們不叫它 Gemini 3，我們會叫它什麼？一些荒謬的名字。
Koray Kavukcuoglu:
我不知道。我不擅長起名，對吧？我想我喜歡，我的意思是，這是一個更新，對吧？就像更新一樣，我們實際上使用 Gemini 模型。那些是代號。我們也使用 Gemini 模型來想出那些代號。而 Nano Banana 不是其中之一。對吧？我們沒有使用 Gemini，有一個關於它的故事。我想已經發表在某個地方了。我的意思是，只要這些事情是自然的、有機的，我認為我就很高興，因為我認為構建模型的團隊，對他們來說有那種聯繫是好事。然後當我們發佈它們時，我想那就像，我的意思是，那發生是因為我們用代號在 Ella Marina 上測試模型，人們很喜歡它。我想，我不知道，我願意認為它是如此有機，以至於就流行起來了。我不確定是否能創建一個流程來生成那種名字。
Logan Kilpatrick:
我同意你的看法。那是我的感覺。
Koray Kavukcuoglu:
所以如果我們有，我們就應該用它。如果你沒有，有標準的東西是好的。
Logan Kilpatrick:
我們應該談談 Nano Banana Pro，這是我們基於 Gemini ro 構建的新一代最先進的圖像生成模型。我認為團隊，我認為實際上甚至在他們完成Nano Banana的時候，就已經有早期信號表明。 以 Pro 的形式來做這件事，就像你可以在更多細微的使用場景上獲得更多性能，比如文本渲染和世界理解等等。有什麼特別值得關注的，我知道有很多事情正在進行，但我覺得像。
Koray Kavukcuoglu:
這可能就是我們看到這些不同技術對齊的地方開始發揮作用，對吧？我的意思是，因為對於 Gemini 模型，我們一直說每個模型版本都是一個模型家族，對吧？我們有 Pro、Flash、flashlight，像這樣的模型家族。因為在不同規模下，你在速度、準確性、成本等方面有不同的權衡。隨着這些東西融合，當然，我們在圖像方面也有同樣的經驗。所以我認為團隊自然想到，好吧，有 3.0 Pro 架構，我們實際上更多地調整這個模型，利用我們在第一個版本中學到的一切，並增大規模，使其成為生成式圖像模型。
我認為我們最終得到的是一個能力更強得多的模型，能理解非常複雜的，像一些最令人興奮的使用場景是，你有一套非常複雜的文檔，你可以把它們輸入進去。我們依靠這些模型來提問。你也可以要求它生成一個關於那些內容的信息圖。然後它就能工作，對吧？所以這就是自然的輸入模態、輸入輸出模態發揮作用的地方。這很棒。
Logan Kilpatrick:
是的，感覺像魔術。我不知道。希望當這個視頻發佈時，大家已經看到了例子。但是，是的，只是看到很多內部例子被分享出來，這太酷了。是的，太瘋狂了。
Koray Kavukcuoglu:
是的，我同意。就像，當你看到突然間，哦，我的天。是的，如此大量的文本、概念和複雜的東西以一張圖片如此美妙的方式解釋出來。當你看到那些東西時，就像，這很好，對吧？你意識到模型是有能力的。
Logan Kilpatrick:
而且，是的，其中還有如此多的細微差別，這真的很有趣。我對此有一個平行的問題，可能是在去年 12 月，2024 年 12 月。Tulsi 承諾我們將如何擁有這些統一的 Gemini 模型檢查點。我認為你所描述的是，實際上我們現在已經非常接近那個目標了，就像歷史上架構是分開完成的。
Koray Kavukcuoglu:
統一是指在圖像生成方面。我明白了。
Logan Kilpatrick:
我很好奇，你認為像那樣。我假設那是一個目標，就像我們希望這些東西實際上能整合到模型中。有些事情會自然阻止這種情況發生。我很好奇，有沒有任何背景或高層次的原因。
Koray Kavukcuoglu:
聽着，我認為正如我所說，技術、架構正在對齊，對吧？所以我們在定期的迭代中看到這種情況發生。人們在嘗試，但這只是一個假設。你可以在這方面基於意識形態，對吧？科學方法就是科學方法。我們嘗試事物，我們有一個假設，然後你看結果。有時有效，有時無效。這就是我們經歷的進程。它越來越接近了。我很確定在不久的將來，我們會看到一些東西融合在一起。我認為逐漸地，它會越來越像一個單一的模型。
但這確實需要大量的創新，對吧？這很難。如果你想一想，輸出空間對模型來說非常關鍵，因為那是你學習信號的來源。現在，我們的學習信號來自代碼和文本。那是輸出空間的大部分驅動力。這就是為什麼你現在在那裏變得擅長。現在能夠生成圖像是……我們對圖像質量的要求是如此之高。這是一件很難做的事情，對吧？生成真正像圖像質量那樣的，像素級的完美是困難的。而且圖像在概念上也必須非常連貫，就像每個像素，質量很重要，但它如何與圖片的總體概念相契合也很重要。這很重要，對吧？訓練一個能做到這些的東西更難。但我看待這個問題的方式是，對我來說，我認為這絕對是可能的。它將會成為可能。這只是關於在模型中找到正確的創新來實現它。
Logan Kilpatrick:
我喜歡。我很興奮。希望這也能讓我們的服務情況更容易一些。如果。
Koray Kavukcuoglu:
我曾經說過我不知道。
Logan Kilpatrick:
一個單一的模型檢查點。
Koray Kavukcuoglu:
這不可能說。
Logan Kilpatrick:
這是不可能的。我同意你的看法。當我們坐在這裏時，一個有趣的線索是，你知道，DeepMind 擁有一堆世界上最好的AI產品，希望是 5 個編碼和AIStudio、Gemini 應用、Anti Gravity，並且現在正在谷歌範圍內發生。我們有一個很棒的最先進的模型，Gemini 3。我們現在有 banana，有 view，所有這些模型都處於前沿。世界在 10 年前甚至 15 年前看起來非常不同。我有點好奇，就你個人的旅程而言，到達這一點，你，我們昨天聊天時，你提到了，我完全不知道，我跟另一個人提到了，他們也不知道，你是DeepMind的第一位深度學習研究員。我認為把這個線索帶到我們現在所處的地方，感覺是一個瘋狂的跳躍，從人們不熱衷於這項技術開始，我不知道你多久前加入DeepMind 的，大概 10 年。
Koray Kavukcuoglu:
12 年。
Logan Kilpatrick:
12,13 年。是的，那太瘋狂了。13 年前，人們不熱衷於這項技術，到現在我們，它實際上正在為所有這些產品提供動力，並且是主要的事情。我很好奇，當你反思這一點時，你想到什麼？是令人驚訝還是，它很明顯？嗯，我。
Koray Kavukcuoglu:
意思是，我認為這是我們案例中充滿希望的積極結果，對吧？我這樣說是因為，當我讀博士時，我想每個讀博士的人都是一樣的。你相信你所做的事情是重要的，或者將會變得重要，對吧？你對那個主題真正感興趣，你認為那將產生巨大影響。我認為我當時也是同樣的心態。這就是為什麼當 Dennis 和 Shane 聯繫我，我們交談時，我對DeepMind感到非常興奮。我真的很興奮地瞭解到，有一個地方真正專注於構建智能，而深度學習是其核心。實際上就像我和我的朋友 Carol Gregor，我們當時都在 NYU 的 Youngslab，我們同時加入了DeepMind。只是說得非常具體。那時候，擁有一家以深度學習為重點、AI 優先的初創公司是非常不尋常的。是的，我認為那非常有遠見，也是一個令人驚歎的地方。那裏真的很令人興奮。然後我開始了深度學習團隊，它成長了。我認為我喜歡的事情之一是，我的意思是，我對深度學習的方法一直是，你如何處理問題的思維模式。首要原則，它總是基於學習。這就是DeepMind的意義所在。一切都通過學習變得更好。從我們當時所處的位置開始，是一段激動人心的旅程。
然後是強化學習、智能體以及我們一路走來所做的一切，就像你進入這些事情，至少這是我認為我進入這些事情的方式，希望有一個積極的結果發生。我反思並說我們很幸運，對吧？我們很幸運生活在這個時代，因為我認為很多人研究AI或他們真正熱衷的主題，但認為這是他們的時代，這是它將取得成功的時候，但它現在正在發生。我們必須意識到AI現在正在發生，不僅僅是因為機器學習和深度學習，也因為硬件演進已經達到某種狀態。互聯網和數據已經達到某種狀態，對吧？所以有很多事情協同一致，我覺得很幸運能真正從事AI並工作到這個時刻。我認為這就像當我反思這一點時，我感覺，是的，它們都是選擇，就像我們研究 AI，我們做出了，我做出了那個特定的選擇來研究 AI，但與此同時，我也覺得非常幸運，在這個時代我們處於這個位置。這非常令人興奮。
Logan Kilpatrick:
是的，我也有同感。我很好奇，有哪些，我在看 thinking game 視頻，我沒有參與 alpha fold。所以我所擁有的唯一背景就是閱讀關於它的資料和聽人們談論它。我很好奇，當你回顧經歷了其中很多事時，今天的情況與以前有何不同。我給你舉一個例子，就是你剛纔在鏡頭外提到的，也就是，這不完全是你的原話，但大意是，我們已經弄明白瞭如何製作這些模型並將它們帶給世界。這基本上就是你想表達的意思，我同意。我很好奇這是否感覺像，是的，這與之前一些迭代的情況有何相似或不同之處，我認為。
Koray Kavukcuoglu:
如何組織或文化特質，關於什麼是重要的，傾向於成功，將困難的科學和技術問題轉化為成功的成果。我認為我們通過所做的許多項目學會了這一點，從 DQN、Alpha GO、Alpha zero、alpha fold 開始，所有這些事情在它們的方式上都相當有影響力，我們學會了很多關於如何圍繞特定目標、特定使命組織起來，組織成一個大型團隊，對吧？
就像我記得在DeepMind的早期，我們一個項目會有 25 個人一起工作，我們會和 25 個人一起寫論文。然後每個人都會對我們說，肯定不是 25 個人一起做的這個。我會說，不，他們確實做了，對吧？我的意思是，我們會組織起來，因為在科學和研究中，那並不常見，對吧？我認為那種知識，那種心態，是關鍵。
我們通過那個過程進化。我認為那非常重要。與此同時，我認為在最近的兩三年裏，正如我們談到的，我們所融合的。但我們與之融合的是這樣一種觀念，即現在這更像是一種工程思維，我們有一條正在開發的主線模型。我們學會了如何在這個主幹上進行探索，如何用這些模型進行探索。
一個好的例子，我每次看到或想到這個，都感到相當高興，就是我們的模型。那些是我們帶去參加 IMO 競賽、ISBC 競賽、ICPC 競賽的模型。我認為這是一個非常酷和好的例子，因為我們在進行探索，你選擇這些大目標，競賽非常重要，對吧？那是非常難的問題，而且，像向所有在那裏競爭的學生致敬。真的很棒。能夠在那裏建模。當然，你有衝動為那個比賽做一些定製的東西。我們嘗試做的是，利用那個機會來進化我們已有的東西，或者提出與我們已有模型兼容的新想法，因為我們相信我們所擁有技術的通用性。然後我們做出一些東西，然後讓每個人都能使用，對吧？所以每個人都可以使用一個實際上是在 IMO 競賽中使用的模型。
Logan Kilpatrick:
是的，只是把你說的 25 個人在論文裏的事情做個類比。我想現在的版本是，你看，我肯定會有，會有一個 Gemini 3 貢獻者列表出來。然後我肯定人們會保守地說，是的，我肯定人們會認為不可能有 25 個人真正做出了貢獻，但他們確實做了，這很瘋狂，而且看到這些問題的規模有多大，真是令人着迷。
Koray Kavukcuoglu:
現在。是的，領域。我認為這對我們很重要。這也是谷歌的偉大之處之一。有那麼多人在他們的領域是驚人的專家。我們從中受益。谷歌 有這種全棧方法，對吧？我們從中受益。所以你擁有從數據中心到芯片，到網絡，到如何大規模運行這些東西的每一層的專家，對吧？所有這些都達到了一種狀態，再次談到這種工程思維，達到了一種狀態，即這些東西是不可分割的，對吧？當我們設計一個模型時，我們設計它時知道它將運行在什麼硬件上。而我們設計下一個硬件時，知道模型可能會去向何方。
但這很美妙，對吧？我的意思是，但協調這個，是的，當然，你有成千上萬的人一起工作和貢獻。我認為我們需要認識到這一點。這是一件美好的事情。太棒了。
Logan Kilpatrick:
這並不容易做到。一個有趣的線索是關於回到這種 DeepMind 的傳承，sort of 做所有這些不同的科學方法，試圖解決這些非常有趣的問題。而在今天，我們實際上知道這項技術在一堆領域是有效的，我們真的只需要繼續擴大規模，，而且顯然，需要創新來繼續這樣做。但我很好奇，你如何看待Deepmind在當今時代，平衡，你知道，純粹進行科學探索與 我們只是試圖擴大 Gemini 的規模，也許我們可以用我最喜歡的例子，Gemini diffusion，作為 那種決策制定在某種程度上的具體體現。
Koray Kavukcuoglu:
這確實是最關鍵的命題——如何在探索與落地之間找到平衡。每當被問及Gemini面臨的最大風險，我的答案始終如一：創新的枯竭纔是我們真正的隱憂。
我從不認為我們已經掌握了終極配方，更不相信僅靠機械執行就能抵達終點。構建通用人工智能的道路上佈滿荊棘，用戶和產品會帶給我們層出不窮的挑戰。那個終極目標依然遙不可及，我堅信不存在所謂的"標準化解決方案"，認為靠簡單擴大規模或優化流程就能實現突破是危險的錯覺。
真正的突破永遠來自創新——它可能誕生於對現有技術的深度挖掘，也可能迸發於完全不同的技術路徑。保持這種多維度的探索能力，纔是我們最核心的競爭力。
當然，我們有 Gemini 模型，在 Gemini 項目內部，我們探索很多。我們探索新的架構，我們探索新的想法，我們探索不同的做事方式。我們必須這樣做。我們繼續這樣做，這就是所有創新的來源。但 同時，我認為 DeepMind 或谷歌DeepMind 作為一個整體在進行更多的探索。我認為這對我們非常關鍵。我們必須做那些事情，因為 ，再次，可能有一些事情 Gemini 項目本身可能限制太多，無法探索一些事情。所以 ，我認為我們能做的最好的事情就是在谷歌DeepMind，也在谷歌Research，對吧？我們會探索各種各樣的想法，然後我們會把這些想法帶進來，因為歸根結底，Gemini 不是那個架構，對吧？Gemini 是你想要實現的目標。是智能，你想通過你的產品來實現它，讓所有谷歌都能真正運行在這個AI引擎上。在某種程度上，具體是什麼架構並不重要。我們目前有某種東西，我們有方法通過它來進化，我們將通過它來進化。而它的引擎將是創新。它將永遠是創新。所以找到那種平衡，或者找到以不同方式做那件事的機會，我認為非常關鍵。
Logan Kilpatrick:
對此有一個平行的問題，就是在 I/O 大會上，我和 Sergei 坐下來聊了聊，我向他評論說，我個人在 I/O 大會上也有這種感覺，就是把所有人聚集在一起發佈這些模型並進行創新。當你這樣做時，你會感受到人性的溫暖，這真的很有趣。我提到這個是因為，你知道，我當時也坐在你旁邊聽他們講話，我感受到了你的溫暖。我這麼說非常個人化，因為我認為這反映了 DeepMind作為一個整體的運作方式，對吧？我覺得 Dems 也有這個特點，就是它有深厚的科學根基，但同時也只是 人們都很友善和友好。有一個有趣的地方是，，我不知道人們有多欣賞 這種文化有多重要，以及它是如何體現的。我很好奇，當你思考 ，幫助塑造和運行這個時，那種，是的，那種情況是如何體現的。
Koray Kavukcuoglu:
首先，我的意思是，非常感謝，你讓我不好意思了，但是 ，我認為重要的是要。我相信我們擁有的團隊，我相信給予人們，信任人們，給予人們機會。團隊合作很重要。我認為 這至少對我來說，我可以說通過在 DeepMind 工作也學到了。因為 我們是一個小團隊，當然 ，這就像你在那裏建立了那種信任，然後 當你成長時，你如何保持那種信任？
我認為擁有這樣的環境很重要：讓人們感覺，好吧，我們真的關心解決那些具有挑戰性的技術科學問題，這些問題能對現實世界產生重要影響。我認為這仍然是我們正在做的事情，對吧？就像 Gemini，正如我所說，是關於構建智能，這是一個高度技術性、具有挑戰性的科學問題。我們必須以那種方式對待它。我們也必須以那種謙遜的態度對待它，對吧？我們必須始終質疑自己。希望團隊也有同樣的感覺。我就像，這就是為什麼我一直說，我為團隊能夠如此出色地一起工作感到非常自豪。
那個鈴聲，就像我們今天在樓上微型廚房聊天時那樣，對吧？我的意思是，我對他們說，是的，這很累。是的，這很難。是的，我們都筋疲力盡了。但事情就是這樣。我們沒有一個完美的結構來做這件事。每個人都在聚在一起，共同努力，互相支持。這很難。但是，讓它變得有趣、愉快，並且讓你能夠解決真正難題的，我認為在很大程度上是讓合適的團隊聚在一起，共同工作。在我看來，負擔更像是要清楚地瞭解我們所擁有技術的潛力。我絕對可以說，20年後絕不會是完全相同的 LLM 架構。我確信不會，對吧？所以我認為推動新的探索是正確的做法。我們談到，像 GDM 作為一個整體，與谷歌研究 一起，我們必須與學術研究界共同推進許多不同的方向。我認為這很完美。定義什麼是對，什麼是錯，就像，我不認為那是重要的對話。我認為能力以及這些能力在現實世界中的展示纔是真正能說明問題的東西。
Logan Kilpatrick:
我最後一個問題是，我也很好奇你對此的反思。就我個人而言，我覺得我在谷歌的頭一年半多的時間裏，感覺（我其實挺喜歡這種感覺的）在某種程度上像是谷歌的逆襲故事，你知道，儘管有所有基礎設施優勢等等，但就我個人而言，展示出像。
Koray Kavukcuoglu:
四月。
Logan Kilpatrick:
2024年4月。所以就像，對於我和AIStudio 的背景來說也是如此。就像我們在構建這個產品，然後，哦對了，現在我記起來了，我們當時沒有用戶。我們有，或者說我們有 3 萬用戶。我們沒有收入。我們，是的，在 Gemini 模型生命週期的早期階段。我想快進到今天，顯然不像前幾天模型開始推出時我收到一大堆提醒。你知道，來自生態系統各處的朋友們，我相信你也收到了很多。人們 非常，我想他們終於真正意識到 這正在發生。但我從你的角度來看很好奇，你當時是否也感受到了那種逆襲的感覺？我再次強調，我有信念，這就是我加入谷歌的原因，我們會達到這個點。但是 ，你是否也感受到了那種逆襲的感覺？我很好奇，你認為團隊在我們轉過這個彎之後，那種感覺會如何體現？
Koray Kavukcuoglu:
確實有這種感覺，甚至在那之前就有了。因為當LLM真正展現出強大實力的時候，我非常坦誠地覺得，我們曾經是前沿AI實驗室，在DeepMind。但與此同時，我也意識到，我們在某些方面的投入還不夠。這對我來說是個重要的教訓，這就是為什麼我總是很謹慎，我們需要廣泛佈局。這真的很重要。探索很重要，不在於執着於某個特定架構。
我一直對團隊保持完全透明。大約兩年半前，當我們開始更認真地對待LLM並啓動Gemini項目時，我就明確告訴團隊：我們距離業界頂尖水平還有很大差距。
我們有很多不知道怎麼做的事情。即使是我們知道怎麼做的事情，也還沒有做到最好。這就是一場追趕。在很長一段時間裏，我們都在奮力追趕。現在我覺得我們已經躋身領先陣營了。是的，我對我們的運營節奏感到滿意和積極。我們形成了良好的工作節奏和團隊動態。
是的，我們一直在追趕。你必須對自己誠實，對吧？在追趕的過程中，你必須關注別人在做什麼，學習你能學到的東西。但最終你必須走自己的創新之路。這就是我們所做的。
這就是為什麼我覺得這本質上是一個很好的逆襲故事，對吧？我們堅持自主創新，找到了自己的解決方案 - 無論是在技術、模型、流程還是運營方式上，對吧？這對我們來說是獨一無二的，對吧？我們與整個谷歌協同運作，看看我們現在在做的事情，這是一個完全不同的規模。
我從不認同有些人說的"谷歌太龐大，太難推動"這種觀點。我認為我們可以把這轉化為優勢，因為我們有獨特的資源和能力。所以，我對我們現在的位置相當滿意，但這是通過不斷學習和創新才實現的。這是達成目前成就的正確方式。而且，我們還有很長的路要走，對吧？我的意思是，我覺得我們才啱啱趕上。我們才啱啱到達這個位置。雖然總會有比較，但我們的目標是構建真正的智能，對吧？我們想要實現這個目標，而且要以正確的方式實現。這就是我們投入全部智慧和創新力的方向。
Logan Kilpatrick:
我覺得未來六個月很可能會和過去六個月一樣精彩。現在回想半年前的那次訪談，感覺已經過去很久了。非常感謝您今天抽空進行這場對話，交流過程非常愉快。
希望明年I/O大會前能再次與您深入交流。雖然現在感覺還有很長時間，但時間總是過得飛快。而且我猜，可能下週就要開始籌備I/O 2026的規劃會議了。
衷心感謝您撥冗參與這次對話。同時，我要向您、DeepMind團隊以及所有模型研究人員表示祝賀，感謝你們讓Gemini 3、Nano Banana Pro等創新成果得以實現。謝謝大家。
Koray Kavukcuoglu:
非常感謝。進行這次談話真是太棒了。非常感謝你邀請我。