近日，谷歌（GOOGL.US）CEO桑達爾·皮查伊在執掌公司十周年之際，接受了支付巨頭Stripe聯創約翰·克里森（John Collison）和科技天使投資人埃拉德·吉爾（Elad Gil）的聯合訪談。

訪談中，皮查伊回顧了谷歌在AI浪潮中從被動到領先的歷程。他正面回應了那段令谷歌人「意難平」的歷史：明明Transformer架構誕生於谷歌，最後卻成了OpenAI推出ChatGPT，並且成為顛覆搜索行業的基石。

他承認，外界對此「有點誤解」，Transformer從一開始就是為了解決翻譯質量而生，並非紙上談兵的研究。之所以沒有及時發布，部分原因是谷歌對搜索質量有「更高門檻」，內部早期版本「毒性太強」不敢發布。

面對當前AI競賽，皮查伊認為市場遠非零和遊戲，「價值增長曲線極其陡峭」。他還透露，自己每周至少花一個小時親自審批算力分配，「這是當下最重要的事」。

在皮查伊看來，谷歌的全棧垂直整合是核心優勢，包括從第七代TPU到模型再到應用，並透露2026年資本支出將達1750億至1850億美元。

關於資源瓶頸，他認為晶圓產能是「根本約束」，警告2026年將是一個「供給緊縮之年」。但美國必須學會「以10倍速度建設物理基礎設施」。

他還證實，谷歌正在探索太空數據中心，「這就是2010年的Waymo」，看似遙遠，但已從小團隊、小預算起步。

皮查伊堅信，搜索功能不會死，而是會進化成「智能體管理器」。你只需下達命令，AI智能體就能幫你完成任務。他甚至大膽預言：到2027年，谷歌內部的業務預測將完全由AI自動完成，不再需要人類插手。

以下為皮查伊訪談精煉版：

01 「我們不是慢，是門檻高」

問：大家總是會提起那段歷史：Transformer是谷歌發明的，最後卻成了ChatGPT的基石。你現在怎麼回頭看這件事？

皮查伊：這件事其實有點被誤解了。Transformer不是憑空冒出來的。當時我們有一個很現實的需求：把翻譯做得更好。TPU也是一樣。語音識別技術已經有了，但問題是，我們要服務二十億用戶，現有的芯片根本跑不動，必須先解決推理效率的問題。

問：所以Transformer一開始就是衝着產品去的？

皮查伊：是的，我們的研究團隊從一開始就是奔着解決實際問題去的。Transformer一出來，我們立刻就把它用到了搜索裏。後面又做了BERT（雙向編碼器表示）和MUM（多任務統一模型），搜索質量在那段時間實現了巨大飛躍。其實我們內部也做出了類似LaMDA（對話式語言模型）的產品，只不過沒有搶在第一個推向市場。

問：換句話說，你們做了研究，也看到了回報，只是沒有用它包打天下。

皮查伊：還不止是這樣。ChatGPT那種產品形態，我們內部其實也研究過，就是LaMDA。你還記得嗎？當時有個工程師覺得LaMDA有了意識（後來因此被停職、辭退 lol），那其實就是早期版ChatGPT的雛形。我們內部的產品版本早就有了，只不過比ChatGPT晚了大概九個月才發布。

實際上，早在2022年I/O大會上，我們就推出了AI Test Kitchen，背後跑的就是LaMDA。但我們做了很多限制，因為那個版本沒有經過RLHF（基於人類反饋的強化學習），說話「毒性」比較大，根本不敢直接放出去。

另外，谷歌對搜索質量的要求一直極高，產品發布的門檻也更高。即便OpenAI發布ChatGPT的時候，他們和微軟的合作也才啱啱敲定不久。所以回過頭看，ChatGPT的成功並不是一件那麼「理所當然」或「板上釘釘」的事。

我覺得OpenAI有一個很幸運的地方：他們通過GitHub，在編程場景裏先看到了機會。這個信號，我們當時可能漏掉了。

在編程這件事上，模型能力的進步比純語言場景要明顯得多。從GPT-2到GPT-3，再到GPT-4，你拿它寫代碼，每一步的躍升都比聊天更突出。這些因素疊加在一起，纔有了後來的局面。所以我覺得，這事跟什麼「研究轉化不成產品」關係不大，而是別的因素湊在了一起。

問：我記得有人說，ChatGPT發布的時候其實很低調，選在感恩節那一周，誰也沒覺得它會變成後來的樣子。就是個有趣的實驗。

皮查伊：這就是消費互聯網的常態，總會有意外。我們在谷歌的時候，做過Google Video Search，後來YouTube出來了。Facebook也是一樣，Instagram突然就冒出來了。沒人會帶着那種「我要被顛覆了」的戲劇感去看這些事，Facebook的做法是直接把Instagram買了。

我的意思是，總有三五個人窩在一起搞原型，每天往外扔幾百萬個想法。我不是在貶低誰，但這種事一定會發生。你不可能在車庫裏隨手就造出下一個iPhone，但消費互聯網就是這樣。關鍵是你得意識到這一點，並且把它真正內化到組織的基因裏。

02 搜索不會死

問：谷歌一直以「快」著稱。最早的搜索把響應時間秀在結果頁上，Gmail、Chrome都比對手快一截。現在Gemini在TPU上跑，速度依然快得驚人。這是刻意的產品策略，還是有更復雜的原因？

皮查伊：速度其實分兩種。一種是響應速度，也就是用戶感知到的快慢；另一種是迭代速度，也就是我們推出新功能、改進產品的快慢。兩者都重要。

你剛纔問的是延遲。難就難在，我們要一邊不斷加新功能，一邊還得保持快速響應。搜索團隊現在是有毫秒級延遲預算的，比如你省下3毫秒，其中1.5毫秒要讓給用戶體驗，另外1.5毫秒纔算你給自己爭取到的額度。

問：人類能感知到的延遲也就幾百毫秒吧？

皮查伊：確實。但過去五年我們在增加一堆功能的同時，還把搜索延遲降了30%。Gemini也一樣，Flash模型擁有Pro模型的九成功力，但速度快得多、價格也便宜得多。垂直整合在這方面發揮了重要作用。

問：那你覺得搜索10年後還在嗎？現在有人說聊天就是新界面，也有人說以後每個人都有自己的智能體，你可以直接命令它執行操作，不用親自搜索了。

皮查伊：每次技術變革，搜索能做的事情都更多。用戶的預期在變，你也得跟着變。以後很多「查一下」都會變成代理式的——你給個任務，智能體幫你完成。搜索會變成一個智能體管理器。我現在用的Antigravity，裏面已經有一堆智能體在幹活了。

問：那種輸入一行關鍵詞、返回一堆鏈接的形態，還會存在嗎？

皮查伊：現在的搜索AI模式裏，已經有人在上面做深度研究了，跟你說的不太一樣，但大家就這麼用起來了。以後會有越來越多長時間運行的任務，而且可以是異步的。

問：你剛纔說搜索會變成智能體管理器。但十年後，那個搜索框會不會還在，只是大家已經不拿它當回事了？

皮查伊：設備形態會變，輸入輸出的方式也會變。不過說實話，現在想十年後容易把自己想癱瘓。我們很幸運，處在一個只看未來一年就足夠興奮的時刻。曲線太陡了，一年後模型已經完全不同。光是跟着曲線跑，本身就足夠激動人心了。

而且很多人沒意識到，這是個擴張性的時刻，不是一場零和遊戲。你看YouTube，TikTok和Instagram都發展起來了，我們不照樣活得好好的？你越覺得別人起來你就得死，它就真的會變成零和遊戲。但只要你自己在創新，就不會。

我們現在同時做搜索和Gemini，兩者有重疊，也會逐漸分化。同時擁有它們，我覺得是有益的。

問：2025年春夏之際，市場對谷歌的未來悲觀到極點，都說搜索完了，你們的股價跌到150美元左右。現在回頭看，那顯然是個誤解。谷歌在整個技術棧上，無論是應用、模型還是TPU，以及Waymo、YouTube和所有那些很酷的押注，都表現優異。你覺得投資者當時看錯了什麼？

皮查伊：當時大家的注意力全在「反轉」上，也就是所謂的 「OpenAI逆襲」。但對我來說，那個時刻反而讓我覺得，谷歌就是為這個時刻而生的。這種垂直整合併非偶然或隨意為之。2016年我們就在I/O大會上發布了TPU，並承諾要建AI數據中心，如今已經更迭到第七代。那一年，公司還確定了「AI First」的方向，這不僅僅是口號。

我們在前沿大模型上確實落後了一步，但內部有所有必需的能力，剩下的就是執行。讓我興奮的是，從全棧看，我們有研究團隊、基礎設施團隊，還有各個業務平台。而AI恰好能同時加速所有這些業務，包括搜索、YouTube、雲、Waymo，它們全都在一條曲線上。這是非常高效的槓桿。

我當時就不覺得這是零和遊戲。一切都會擴大十倍，其他人也會有空間。谷歌崛起之後，亞馬遜和Facebook不也做得很好嗎？我們總低估增長帶來的空間。所以我的重點很簡單：執行得更好。

問：有沒有一個標誌性的時刻，讓外界覺得「谷歌終於回來了」？是Gemini 3嗎？

皮查伊：大家真正開始注意到這個趨勢，應該是Gemini 2.5。尤其是多模態能力，直接站到了前沿。這要歸功於Google DeepMind團隊。我們一開始就為多模態付出了不少固定成本，Gemini從第一天起就是奔着這個方向設計的。到Gemini 2.5的時候，優勢開始顯現了。比如Nano Banana，你能看到所有東西整合在一起的效果。

不過這個領域變化太快了。兩三個頭部實驗室互相推着跑，這個月你覺得「太好了，這塊我們領先了」，下個月就「糟糕，那邊落後了」。幾個月後格局可能又不一樣。前沿競爭就是這麼激烈。

03 一年砸1800億美元探索AGI

問：有些外部研究員覺得，谷歌和其他頭部實驗室有個區別：谷歌沒那麼「迷AGI」。換句話說，谷歌不太相信AGI馬上就能實現，也不太圍着這個想法加速狂奔。你覺得這個觀察對嗎？如果對，會不會影響你們對未來方向的判斷？

皮查伊：你看我們的資本支出，從300億美元漲到了1800億美元。不真心相信這個曲線，誰會這麼砸錢？

我覺得這事很大程度上是語義問題。我們是一家大公司，產品覆蓋太多人、太多層面，說話的方式可能不一樣。但你要說谷歌不懂AGI，那說不通。許多創始人本身就是AGI迷，德米斯·哈薩比斯（Demis Hassabis）、傑夫·迪恩（Jeff Dean）、伊利亞·蘇茨克維（Ilya Sutskever）以及達里奧·阿莫代伊（Dario Amodei），這些人當年都曾在谷歌效力。

我覺得，之所以外界看起來覺得我們有分歧，部分原因可能是地理位置決定的，比如舊金山聚集了更多年輕公司和研究實驗室。但這些只是表象。在根子上，大家對技術曲線的判斷、對如何理解和應用AI，其實沒有本質的不同。

真正的差距在於，你有沒有在一線見證過變化。在我們公司，有一群人天天跑在最前面，親手部署和測試AI智能體，看着它們一步步獲得新技能、搞定複雜任務。你再回頭看看三個月前它們那點本事，就能實實在在地感受到指數級增長帶來的衝擊。

問：我很好奇，你最近感受到AGI時刻即將到來是什麼時候？

皮查伊：我第一次有那種感覺，是在2012年。當時，迪恩演示了最早版本的Google Brain，這個神經網絡識別出了一隻貓。後來我和拉里·佩奇（Larry Page）去了DARPA挑戰賽，看汽車自動駕駛。德米斯演示早期模型，模型展現出我們稱之為「想象力」的東西。

這樣的時刻還有很多。最近的話，最直觀的是編程領域的飛速進步。你給編程智能體一個複雜任務，從頭到尾不用打開IDE（集成開發環境），就看着它在管理器裏完成任務。那種感覺，你可以叫它AGI時刻。

問：我前幾天自己做個小項目，跑起來之後才發現，我連它用的什麼編程語言都不知道，還得專門問它。感覺就像魔法。

皮查伊：沒錯。曲線的斜率（變強的速度）才真正讓人喫驚。你回頭看三個月前，就知道進步有多大。

問：說到這種親身體驗，我很好奇你是怎麼保持跟產品的真實觸感的。科技產品太抽象了，你不能光看報告和PPT。除了每天用Gmail這些常規操作，你怎麼確保自己不脫離用戶？

皮查伊：我會用內部版本，專門安排時間密集使用。兩周前我在健身房鍛鍊，手機開着Gemini Live，接下來30分鐘就一個話題跟它死磕。有的體驗很好，有些令人沮喪，但你學到東西。我會逼自己用「超級用戶」的方式去用。我強迫自己以那種「超級用戶」模式使用它們，以此來保持接觸。X（推特）也有幫助，因為有時你能得到最直接的反饋。

另外，我現在會去Antigravity（我們的內部版本）裏直接問AI：「我們發了這個功能，大家覺得怎麼樣？告訴我最差的五條和最好的五條評論。」它直接給你拉出來。我的生活變容易了嗎？確實。

過去我得花很多時間試圖去了解情況，現在AI智能體幫我做這部分工作。當然我自己該花的體驗時間還是得花，這是個學習過程。我也在努力適應這個未來。

問：你剛纔說這不是零和遊戲，生產力的提升也實實在在。但回顧之前的技術周期，互聯網、移動、SaaS，都是花了很長時間才體現在GDP裏。AI這邊，我們已經看到數據中心建設在拉動GDP增長了。你覺得未來三五年，美國經濟會因為AI變得更大嗎？會增長多少？

皮查伊：為了讓這些回報有意義，總得在某個地方體現出來。我記得紅杉有個人寫過一篇文章，說大家投了這麼多錢，回報要對得上纔行。

當然，這已經是兩年半前的事了。當時有人說這不合邏輯，因為回報率必須達到一定水平纔算合理。但現在，投資規模可能已經增長了10倍，我們需要重新審視這些數字。在某個節點上，賬必須算得過來。非常明確的是，我們現在是供給受限，我們在所有應用領域都看到了強勁的算力需求。

問：我毫不懷疑這是個巨大的市場。問題是，很多人算賬的方式可能不對。比如他們拿Token預算去比工程師工資，我覺得軟件工程的市場比任何人想的都大，供給增加反而會讓市場擴張十倍。我不是質疑資本支出和回報的關係，我就是好奇，你覺得增長到底能有多大？

皮查伊：回顧互聯網的發展，GDP增長的數字其實沒完全反映出我們感受到的那種變化。也許沒有互聯網，GDP增長會是負的。很難做出精準的預測，社會各層面都有自然的抑制機制。

最明顯的一個例子：算力建設曲線和模型改進曲線截然不同，前者更慢。然後你還得考慮，怎麼把技術擴散到社會里？Waymo就是個例子。它比人類司機安全，但你推出的速度還是得謹慎，所有這些層面都存在限制。美國經濟比十年前大得多，哪怕增長率只提高半個百分點，也是巨大貢獻。我覺得會朝這個方向走。

04 供應鏈警報：內存、電工

問：你提到供給限制，這確實是2026年的一個決定性特徵。你說谷歌的資本支出大概在1800億美元？

皮查伊：1750億美元到1850億之間。

問：有意思的是，就算谷歌想花4000億美元，也花不出去，因為內存不夠，電力不夠，各種組件都不夠。你能談談這些瓶頸嗎？

皮查伊：你甚至連需要的電工都找不着。

問：說說都有哪些瓶頸。

皮查伊：說到底要回到晶圓產能上，那是根本限制。電力和能源相對更容易解決，但許可和監管環境是個大問題，拖慢了你做事的速度。

問：得克薩斯、內華達、蒙大拿等州有的是土地，但還是不夠？

皮查伊：我們正取得巨大進步，但美國確實需要學學怎麼建得更快。你看中國的建設速度，讓人驚歎。我們需要轉變心態，想想怎麼把實體世界的建設速度提高十倍。這會是真正的制約因素。而且阻力會越來越大，不是幾個人說「我們要加快建設」就能解決的。

問：還有數據中心暫停令這類問題。

皮查伊：晶圓產能、審批許可、建設速度，這些都是瓶頸。政府已經做了不少事，大家也意識到需要改進。然後是供應鏈裏的關鍵組件，內存就是個典型。短期內所有人都被卡在這裏。

我們這些做公司的，不管你多「迷戀AGI」，都得面對一個現實問題：你的判斷不可能百分之百準確，總有一個誤差範圍。你得想清楚，你到底有多看好未來的發展？你能承受多大的利潤壓縮空間？因為外部因素隨時可能出問題。每個人都在根據這些不確定因素做出調整。

問：所以內存是你覺得最大的組件瓶頸？

皮查伊：絕對是目前最關鍵的之一。

問：你說這是短期的。市場會通過漲價來刺激供應嗎？

皮查伊：領先的內存廠商不可能大幅擴產。短期會受限，但慢慢會緩解。而且這種限制會倒逼創新——我們會把效率提高30倍。這些事是同時發生的。

問：這是不是會強化寡頭格局？模型自我改進、自己寫代碼、自己標註數據，算力就是搶椅子游戲。誰的算力多，誰就能跑得更遠。但如果大家的算力按比例分配，那實際上就給人設定了上限。你覺得這個說法對嗎？

皮查伊：有一定道理。但我們剛發布了Gemma 4，一個非常好的開源模型。中國的模型非常好，但我認為在中國以外，這也是一個非常好的開源模型。Gemma 4的前沿水平，與Gemini 3的架構相比，雖然差距非常大，但從發布時間上看，兩者相隔並不算太久。它不像SpaceX火箭那種龐然大物。

問：我一直覺得很震撼：你跑一個數據中心好幾個月，最後出來的就是一個平面文件，一個Word文檔一樣的東西，那就是你的模型，太神奇了！

皮查伊：這件事的特殊性讓我想挑戰剛纔那個框架。至少從推理角度看，你說的有道理。但每個人都在想辦法用資本的力量去突破這些限制，這個激勵是巨大的。

問：可你剛纔也說了，世界上的內存就那麼多。2026、2027年的供應問題，光靠資本激勵解決不了。這可能正是模型出現更多分化的時候。

皮查伊：對，但要跟晶圓產能、審批許可這些因素放在一起看。整體平衡下來，限制可能沒有想象中那麼嚴重。你得通盤考慮所有東西，包括資本。

問：按理說大家願意投更多錢，但撞上2026、2027的現實瓶頸了。就像霍爾木茲海峽，你油價定多高都行，但每天減少2000萬桶供應，就必須有2000萬桶的需求被消滅。內存也一樣，最後一定有人拿不到。

皮查伊：當然，還有安全等其他限制。但關鍵在於，這些模型很快就會突破幾乎所有現有軟件的承載極限——或許它們已經突破了，只是我們坐在這裏，還渾然不覺。

問：所以供應限制反而逼着你做優化，變得更高效。

皮查伊：對，它逼着你去進行一些必要的對話。就拿安全來說，我們需要更多的協調，但今天這種協調還遠遠不夠。總有一天會有一個時刻——可能來得還很突然。你不能一廂情願地希望這些問題自己消失。

05 三顆「隱藏寶石」

問：說到這，谷歌的投資組合確實讓人印象深刻。你們投了SpaceX，我記得很久以前大概佔了10%？還有Anthropic，也是10%左右。Waymo持有多數股權。內部還有TPU、量子計算，還有其他人們可能不知道、或者低估了的「隱藏寶石」嗎？

皮查伊：我們一直在做各種長期項目，剛宣佈的時候，稍微邊緣一點的看起來都有點荒唐。比如太空數據中心，我們現在就在最早期階段。你剛纔說限制激發創造力，正好就是這個道理。

從20年的長遠視角來看，你打算把這些數據中心建在哪裏？這個問題很難，但這就是我們今天在思考的事情，就像2010年我們開始做Waymo一樣。量子計算也是其中之一，我們正在堅定地推進，我對此感到很興奮。

問：你覺得量子計算最大的影響會在哪些領域？大家主要聊分子建模和密碼學。但也有人在開發抗量子密碼學（指能夠抵禦量子計算攻擊的新型密碼技術），而分子建模這邊，深度學習已經很強了，AlphaFold就是例子。量子真的會很重要嗎？如果會，它將在哪裏產生最大的影響？

皮查伊：從抽象層面來說，我覺得量子計算機更適合用來模擬自然。因為自然本身遵循的就是量子力學的規律，用量子系統去模擬它，會更直接、更高效。當然，經典計算機加上足夠的壓縮算法，理論上也可能做到，但我直覺上覺得量子會更有優勢。

舉個例子：我們到現在都還沒完全搞懂化肥生產中的「哈伯法」（Haber process），還有很多複雜的自然現象。我的直覺是，在模擬天氣、模擬現實這些領域，量子計算最終會勝出。

技術史告訴我們一個道理：你把一個東西做到能用之後，人們會在它上面找到各種你當初完全沒想到的應用。我總喜歡舉這個例子：手機加上GPS，後來成就了Uber。當年做手機的人，誰也想不到這個。所以我相信，只要把量子計算機真正做出來，它的應用會多到超出所有人的想象。

問：抱歉打斷你，請繼續談談你剛纔提到的那些超前項目。

皮查伊：Google DeepMind團隊在深入做機器人。谷歌其實很早就涉足過機器人領域，但當時太早了。現在回頭看，AI就是當年缺的那塊拼圖。Gemini Robotics模型在空間推理上已經是頂尖水平。有意思的是，我們現在反過來跟波士頓動力、Agile這些公司合作，一起往前推。

還有Wing，無人機配送。我們在擴大規模，不久將來會有4000萬美國人能用上Wing的服務，這不是多少年後的事，而是很快就能實現。這些長期項目，都是一點一點積累出來的。

另外還有Isomorphic。

問：Isomorphic確實很讓人興奮。

皮查伊：對，我們專注於用模型去改進藥物發現的每一個環節。雖然後面還有三期臨床試驗等程序，但有了AI的幫助，讓我們更有把握走向成功。

06 後悔沒早投Waymo

問：谷歌的資本到底是怎麼分配的？教科書上說，資本配置就是把錢往回報最高的地方放。波音的例子就很典型：國防合同內部收益率（IRR）為 16%，新客機19%，所有人都會選後者。但谷歌的項目根本沒法這麼算。給YouTube多投錢，算法一優化，用戶停留時間變長，收入就會增加。給Waymo多投錢，加速擴張，但不知道什麼時候才能大規模賺錢。投一個AI研究項目，五年後都未必有結果。這三個項目的回報曲線完全不一樣，你怎麼比較？

皮查伊：這是個好問題。諷刺的是，現在比以往任何時候都更常遇到這個問題，因為TPU的分配。在某種程度上，連Waymo都需要TPU，算力讓資本配置問題變得格外突出。

順便說一句，我特別期待AI能幫我做這件事。一旦我們把所有數據打通，模型其實已經能勝任了，現在卡在數據解鎖上。我覺得這很快會有幫助。

回過頭看，谷歌有一個很大的優勢：我們經常在非常早期的階段就做出決定。這和公司的技術基因有很大關係。

對於長期項目來說，早期階段其實更容易，因為一開始需要的資金並不多。真正難的是長期持續投入，並且不斷評估基礎技術的進展。拿量子計算來舉例，我們怎麼判斷該不該繼續投？我們會看邏輯量子比特的錯誤率，看什麼時候能達到穩定的大規模邏輯量子比特的閾值，看團隊能不能突破這些技術難關。

我學到的一個很重要的經驗是：要在早期就深度押注技術。

從長期來看，你其實是在用直覺判斷一個項目5到10年後的期權價值和潛在市場大小。你先假設一個非常激進的增長曲線，然後反過來推演：這個決策到底合不合理？

TPU的投資就是這樣做的，我們一直在穩步投入。Waymo也是，大約兩三年前，全世界都對自動駕駛悲觀到了極點，我們反而加大了投資。別人在退縮，我們在加註。

問：回到你剛纔說的資本配置。谷歌確實會砍項目，Loon（熱氣球網絡計劃）就停了，但Waymo熬了那麼久你們一直沒放棄。你們當時看到了什麼？這是個定性判斷還是定量判斷？怎麼決定砍這個留那個項目？

皮查伊：我們確實有一些量化指標。比如看Waymo的駕駛系統，看它的安全性和可靠性在如何進步。這是一條長期的曲線，你先設定好目標，然後持續跟蹤執行情況。我們的團隊一直非常出色。有些階段進展確實比較慢，但你要相信團隊能夠突破。你越能在深層技術層面做出評估，決策就越準確。至少我是這麼做的。

問：我聽過一種說法：Waymo早期是靠手繪地圖和啓發式規則，能處理的情況很有限。真正的突破是幾年前轉向端到端深度學習，正好趕上Transformer浪潮。如果Waymo是五年前纔開始做，會不會跟現在差不多？還是說那十幾年的積累其實必不可少？

皮查伊：你可以把Waymo看作一個機器人。按理說，過去三年纔開始做機器人的人，進展應該更快。但Waymo不一樣，它是一個高度集成的系統，不像台積電或SpaceX那樣，只在單一維度上拼技術複雜度。對於這種系統集成來說，時機和工藝的積累非常關鍵。話雖這麼說，但端到端的方法確實會成為一個加速器。

問：所以持續培養一個團隊，本身就是巨大的優勢。你們一直在投資，等到技術起飛的那一刻，就值了。這很聰明。那延伸到其他領域呢？比如機器人，你們會重新自己搞硬件，還是主要靠合作伙伴？

皮查伊：我們保持開放心態。但從Waymo和TPU我學到一點：在涉及安全、監管的領域，你需要第一手的產品反饋循環。擁有第一方硬件最終會變得非常重要。

07 每周親自評估分配算力

問：以前研發主要花在人員工資上，技術成本是次要的。現在TPU算力成了預算的大頭。谷歌內部具體怎麼運作？有一個總的TPU預算嗎？分項目的時候，以前按人頭給預算，現在是「人頭+算力」預算？季度評審怎麼搞？

皮查伊：我們一直都有算力預算，但現在算力真的嚴重受限。我每周至少花一個小時，很細緻地看各項目各團隊用了多少算力，評估怎麼分配。這件事現在是重中之重。

問：所以算力成了稀缺資源，你要確保它花在最值得的地方。

皮查伊：沒錯。

問：那谷歌雲呢？你們一邊自己要用算力，一邊還要賣給客戶。這個矛盾怎麼處理？

皮查伊：靠提前規劃。雲團隊做前瞻性計劃，我們對客戶的承諾是堅決要履行的。大家都在受限的世界裏運作，雲團隊也總說算力不夠，但提前規劃能解決大部分問題。

問：說到谷歌雲，GCP/MCP（AI助手與谷歌雲交互協議）很好用，你們的AI可以直接通過編程方式調用谷歌雲，幾乎什麼都能做，就差核心權限設定了。以前谷歌雲最大的痛點是功能太多太雜，登入之後要建組織、建項目、找服務，非常麻煩。現在這些都不重要了，你直接說「加這個功能」就行。AI讀懂了所有API文檔，成了一個導航層。這個體驗太好了。

皮查伊：AI作為編排層，能處理你想到的任何事。企業內部也一樣，CEO不缺數據，缺的是把數據放一起的方法。以前得搞個大ERP項目，現在AI就是那個編排層。

問：產品越複雜，AI導航的好處越大。Stripe也有這個體會，但GCP的效應應該更明顯。

皮查伊：我們還能做得更好，但你說得對，機會巨大。

問：OpenClaw這類產品讓我感興趣的是，它們允許消費者使用有狀態的AI。比如「每天早上把我感興趣的新聞匯總發給我」，這種需要持久記憶的事情，主流AI應用都做不了。這個功能快來了嗎？

皮查伊：方向上是肯定的。用戶需要以可靠、安全的方式運行持久、長期的任務。身份、權限這些問題要想清楚。但這就是AI智能體的未來，為消費者帶來這種能力，是我們正在探索的、令人興奮的前沿。

問：這也是我想提的。Dreamer，就是前Stripe CTO的公司，剛被Meta收了，他們在有狀態AI（Stateful AI）這方面做得特別好。你可以自己做小應用，體驗很流暢。讓人有驚喜感。‌（注：有狀態AI‌是指在多步驟交互或複雜工作流中，AI能保留並利用歷史上下文、記憶和狀態信息的AI系統。）

皮查伊：消費級界面底層會有完整的編碼模型，加上合適的工具和技能，再加上雲端安全持久運行的能力。這些基礎組件正在匯聚。今天大概只有0.1%的人活在這個未來裏，他們在給自己造東西。但把它推向大衆市場，是一個令人興奮的前沿。

問：我參與的那些公司，哪怕是最近才成立的，都徹底改變了產品開發、工程實踐、甚至設計團隊的定位。谷歌也在重新思考這些嗎？工作流程有大變化嗎？

皮查伊：可以用同心圓來理解。有些團隊已經深刻轉變了，我的任務是把這種變化擴散出去。早期很多東西是半殘廢的，想推也推不動。但今年曲線在急劇轉變。Google DeepMind和有些軟件工程團隊已經活在智能體管理器裏了，他們用的內部工具叫Jet Ski，其實就是Antigravity。上周我們剛把它推給搜索團隊。在大公司裏，變更管理是技術擴散的最大難點，小公司切換起來快得多。

問：我想補充幾個AI實際落地中遇到的問題。第一，工程師需要時間學會怎麼有效提示AI，而且每個公司還有自己特定的知識。第二，AI生成的代碼庫共享起來很難，因為改動範圍大、代碼變動快，多人協作變得複雜。第三，除了工程領域，數據權限是大問題——你想讓智能體回答「這個交易狀態怎麼樣」，公司知道這些信息，但權限引擎需要重寫。第四，角色定義也在變，工程、產品、設計這些角色可能需要合併。總之，模型能力已經達到了相應水平，但我們用得還遠遠不夠。你怎麼看？

皮查伊：你提到的這些問題，Gemini企業團隊和Antigravity團隊正在一個一個解決。這就是我們的路線圖。我們在內部使用、遇到障礙、克服障礙，然後變成產品往外推。身份訪問控制是真實存在的難題，我們對安全的要求又特別高，所以必須謹慎。但也正因為如此，當我們解決問題的時候，推出來的東西會更穩健。我們現在就在經歷這個固定成本階段。

08 AI接棒人類時間表

問：谷歌每年會做幾次正式的業務預測。理論上，你可以讓AI完全自動完成這件事，不需要任何人參與。你覺得谷歌第一次實現完全由AI智能體來做預測，會是在哪個季度？

皮查伊：我預計2027年會是重要的轉折點。一開始還會有人負責覈查，但會慢慢切換過去。2027年，這些轉變會非常明顯地發生。

問：所以除了工程流程之外，那些非工程的流程，你覺得2027年也會真正啓動AI化？

皮查伊：對。這也是初創公司的優勢，他們可以招AI原生的團隊，從頭就是這套玩法。而我們要做再培訓、做轉型。年輕公司在這方面確實有優勢，我們必須自己推動這個轉型。

問：現在谷歌內部有什麼讓你興奮的小項目？

皮查伊：說出來可能讓人意外。太空數據中心，我們就是從幾個人的小團隊開始的，拿着很小的預算去實現第一個里程碑。大想法也要從小處着手。

本文轉載自：騰訊科技；智通財經編輯：陳筱亦。