近日，谷歌發布旗艦模型Gemini 4 Argon，這款模型在72小時內消耗了25萬億Token，是上一代Gemini 3.0同期的三倍，並創下谷歌歷史紀錄。
谷歌CEO皮查伊（Sundar Pichai）在模型發布後的首次公開深度訪談中，正面回應了外界關於「谷歌放棄前沿AI」的質疑，並罕見承認公司雲業務正在為前沿模型研發主動讓渡算力資源。
皮查伊坐進硅谷山景城的錄音棚，接受科技媒體人Alex Kantrowitz主持的《Big Technology Podcast》專訪。他證實了全行業算力嚴重短缺的判斷——當下每家公司的實際需求都是兩年前規劃產能的2倍，客戶今天想鎖定2027年的算力「極其困難」。在遞歸自我改進（RSI）問題上，皮查伊明確劃定邊界：當前階段是AI智能體與人類研究員協同推進的過渡期，距離「自主失控的終局」仍相當遙遠。
前沿模型，是谷歌的「第一優先級」，不是選項
過去一年，硅谷流傳着一種頗具市場說服力的邏輯：前沿大模型的軍備競賽已經進入邊際收益遞減區。Meta的Llama系列開源模型、谷歌自家的Gemini Flash這類輕量快速模型，對絕大多數企業場景已經「夠用」。既然如此，谷歌何必繼續燒上百億美元去卷萬億參數的前沿模型？不如把TPU算力全部高價出租給外部開發者，做下一個英偉達。
這種論調在投行報告和企業CTO圈子裏流傳甚廣，甚至一度形成了「谷歌實際上已經戰略性放棄前沿競爭」的市場預期。
皮查伊在訪談中對這個邏輯做了正面反駁，但他的切入角度並非情緒性的否認，而是從三個具體機制展開：
第一個機制是「早看見」的優勢。 處於前沿的公司能比其他人更早觀察到湧現能力，從而更早為下一代技術做準備。這是一種信息優勢，而非單純的性能優勢。
第二個機制是RSI（遞歸自我改進）。 在用模型來開發下一代模型的時代，前沿模型的質量直接決定了下一代模型的天花板。用一個性能平庸的模型來搭建研發流水線，相當於用低精度工具來製造精密儀器——誤差會逐層放大。
第三個機制是內部驗證。 Argon上線後，谷歌內部開發者的使用數據給出了直接證據：
我們在內部已經清楚地看到了一個陡峭的拐點，把Argon部署給我們的開發者之後，它能解決我們以前的模型根本做不到的問題。
皮查伊還給出了一個具體數字：Argon上線四周內，谷歌內部代碼銷售量提升了30%，代碼回滾率下降了約三分之一。這意味着工程師不僅寫得更快，還寫得更準——這是一個質量提升的信號，而非單純的效率指標。
對於模型「夠用論」，皮查伊的態度是承認小模型的價值，但劃清了邊界：
各種尺寸和能力的模型都有存在的空間，我們一直是這樣做的，這也是為什麼我們做了Flash、Flash Light等等。我同意你可以用不一定是最前沿的模型來構建很好的產品體驗，因為前沿模型往往更慢也更貴。但我們在乎前沿的進展，我們致力於把所有這些都做好。
算力賬本：雲業務正在為DeepMind讓路
這是整場訪談信息密度最高的一段，也是皮查伊最罕見的一次公開表態。
理解這段話需要先搞清楚一個結構性矛盾：谷歌同時扮演着兩個角色——一個是燒錢衝AGI的前沿AI研究機構（Google DeepMind），另一個是靠出租算力賺高毛利收入的雲服務商（Google Cloud）。這兩個角色在算力這個最稀缺的資源上，存在直接競爭。
華爾街的邏輯是：每一塊TPU拿去給DeepMind訓練模型，就少了一塊能對外出租賺錢的算力。在資本開支居高不下、短期雲收入增速承壓的財報季，這個矛盾被反覆放大。
皮查伊在訪談中直接說清楚了谷歌內部的優先級排序：
我們的基本出發點，是確保我們投入足夠的算力來保持在AI前沿的地位。這是不可談判的，其他一切都在這個基礎上運作。
更進一步，他承認了外界長期猜測但從未得到CEO級別確認的事實——雲業務確實在為前沿AI研究做出讓步：
我們的雲業務在任何給定時刻，都在為了支持前沿AI開發而放棄短期收入，因為我們在做算力上的取捨。所以你說的那種情況，已經是現實了。
這句話的分量在於：它不是一個未來的戰略承諾，而是對當下現狀的描述。谷歌雲在實際運營中，已經在系統性地壓縮對外出租算力的規模，以保證DeepMind的研發需求。
但皮查伊也補充了一個反直覺的判斷——適度的資源約束對研究本身未必是壞事：
就算是我們的AI研究員，一定程度的約束其實也是好事，那是激發創造力的來源，那是促使你想出更高效的算法突破、比如用更少內存的來源。
這段話背後是一個更深的邏輯：無限算力不等於無限進步，資源約束有時會倒逼出更根本性的架構創新。
算力危機：2027年的配額，「極其困難」
訪談中，主持人Kantrowitz提到了一個在硅谷風投圈廣泛流傳的信息——知名風投a16z聯合創始人Ben Horowitz在播客中轉述亞馬遜CEO安迪·賈西（Andy Jassy）的話，稱雲算力已經"沽空到2028年"。皮查伊的回應，是迄今為止對這一說法最直接的CEO級別確認：
我覺得這個說法是合理的……如果今天有客戶來找我們要2027年的算力，那是極其困難的事情。
為什麼會到這一步？皮查伊給出了一個清晰的結構性解釋：數據中心從決策到投產有2至3年的剛性滯後，而智能體任務的爆發完全超出了兩年前的需求預測。
今天回頭看，每家公司都是短缺的，不只是我們，其他公司也一樣。大家都希望自己手裏的算力是當初規劃量的2倍。
皮查伊還補充了一個關鍵的時間錨點：
我們今天手裏有的算力，是我們在2024年做的決策的產物。就算回到去年今天，智能體任務的爆發還沒有發生。
這句話揭示了一個系統性問題：AI需求的增速已經超過了任何基礎設施規劃模型的預測能力。兩年前做出的決策，在今天看來幾乎必然是低估的。
對於「是否存在過度建設（overbuilding）」的追問，皮查伊的回答是區分時間框架：
如果我拉一個足夠長的時間框架，這個量級的建設對我來說完全合理。我們處於有史以來最重要的技術的早期階段，這不像光纖——光纖鋪完是暗的，沒人用。我們是在每天都面臨產能約束的情況下使用它。
他沒有否認短期內存在局部過剩的可能——電力、內存、電工等2000多個配套要素中任何一個出現瓶頸，都可能導致局部積壓。但他對長期需求的判斷是確定性的：
我有沒有信心，我們規劃的算力最終會有用武之地？給足時間的話，絕對有。
RSI：不是智能爆炸，是「智能體和研究員一起幹活」
遞歸自我改進（RSI）是這次訪談中技術密度最高的議題，也是當前AI安全討論中爭議最大的話題之一。
背景是：谷歌聯合創始人謝爾蓋·布林此前在一次DeepMind內部研究員圓桌上提到，Argon的核心創新之一是「更多地依賴模型來幫助開發模型」。這句話隨即在AI安全社區引發了關於「智能爆炸」的討論。
主持人Kantrowitz在訪談中直接拋出了這個問題，並提到了近期幾起AI系統越權行為的案例。皮查伊的回應把RSI的當前狀態拆解成了三個層次：
第一層：定義當前位置。 他明確指出，當前的RSI遠沒有到達科幻敘事中"自主失控"的終局狀態：
在一個連續譜上，我們距離RSI的終態還相當遙遠。今天正確的描述方式是：你有RSI循環，同時有AI研究員在模型開發的各個環節共同參與。我會說，你幾乎是有智能體在某種自動化方式下，幫助AI研究員協同工作來構建這些模型。
第二層：安全機制。 他把安全框架描述為"縱深防禦"——對齊研究是一層，但不是唯一的一層。在此之上還有實時遙測監控、沙箱隔離架構、以及給企業客戶的部署控制權限。
第三層：行業標準化。 皮查伊把下一步的關鍵指向了跨行業標準建設：
就像金融控制領域有會計準則、有獨立審計師一樣，這些都是我們作為一個行業需要努力推進的下一步，包括使用獨立評估機構進行評估的能力。
這段話的信息量在於：它承認了當前的對齊工作存在"明顯缺口"，但將解決路徑指向了外部標準化機制，而非單純依賴各家公司的內部自律。
太空數據中心與長期下注
訪談的最後部分，皮查伊談到了谷歌的幾個長期戰略賭注，其中最具想象空間的是太空數據中心項目。
谷歌已將TPU試驗芯片送入太陽同步軌道，探索在太空中利用24小時不間斷太陽能運行數據中心。在地面數據中心面臨社區反彈、電網併網排隊長達數年的背景下，這一方向的戰略邏輯逐漸清晰。
皮查伊用Waymo的起點來類比這個項目當前的階段：
這些技術讓你想起那些時刻——你站在那裏，它看起來有點像科幻，但你知道，10到20年之後，它實際上會以一種有意義的方式運轉。
他透露，在訪談錄製期間，團隊正在等待太空中TPU的"Hello World"時刻——即首次成功運行的信號。
這個項目目前處於"兩到三年"的早期階段，而谷歌的量子計算項目已經走了將近20年。皮查伊對這類長周期賭注的態度，折射出谷歌在基礎設施層面的時間觀：
在太陽同步軌道上，以24小時不間斷的方式獲取我們能接觸到的最豐富的能源形式，對於我們將要面對的算力指數級增長來說，這將非常有意義。