如果不是親耳聽到，很難想象一家科技巨頭會在鏡頭前承認(rèn)：“兩年半前，我們遠(yuǎn)遠(yuǎn)落后了?！痹谶@次訪談里，DeepMind CTO、Google 首席 AI 架構(gòu)師 Koray Kavukcuoglu 罕見地拆開了過去兩年 Google 的真實處境——不是領(lǐng)先、不是規(guī)模，而是被時代加速甩在身后、再一點點追上來的過程。

他沒有炫耀參數(shù)，也沒有談模型的“神跡”，而是把重點放在更底層、更殘酷的問題上：一家全球最強的 AI 實驗室，如何在巨大的慣性中重新學(xué)會創(chuàng)新、學(xué)會工程化、學(xué)會組織協(xié)作、學(xué)會把技術(shù)真正變成產(chǎn)品？

Gemini 的故事只是表層。真正發(fā)生變化的，是 Google 這家公司的骨架與節(jié)奏。

原文訪談鏈接：

https://www.youtube.com/watch?v=fXtna7UrL44

以下是根據(jù)訪談實錄整理的關(guān)鍵議題，希望也能幫你更清晰地讀懂 Google 的這次“重構(gòu)”。

1

一、真正的起點不是突破，而是承認(rèn)自己落后了

訪談中最刺耳也最重要的一句話，出現(xiàn)在結(jié)尾：

“當(dāng) Gemini 項目開始時，我們離最先進(jìn)水平還很遠(yuǎn)，那是一個追趕?！?/blockquote>

這句話標(biāo)志著一個巨大的認(rèn)知轉(zhuǎn)折：Google 承認(rèn)自己在 LLM 起跑線上是真正的落后者。不是“狀態(tài)不好”這種輕描淡寫，而是“遠(yuǎn)遠(yuǎn)落后”。這意味著 DeepMind 必須拋棄此前十年建立的自信，從最基礎(chǔ)的用戶使用場景重新學(xué)習(xí)。

而這種承認(rèn)，是一切變化的源頭。Koray 在訪談里反復(fù)強調(diào)：真正的轉(zhuǎn)折不是某個新技術(shù)，而是 Google 接受自己必須重新建立訓(xùn)練方式、產(chǎn)品方式、工程方式以及組織方式。

1

二、為什么中國用戶最先明顯感覺到 Gemini 變好了？

訪談一開始，主持人提到一個特別中國的反饋：Gemini 3 在中國用戶中被形容為“像 Windows XP 一樣穩(wěn)定好使”。Koray 很有興致地解釋，這不是模型本身突然“智商暴漲”，而是 Google 終于把“模型 × UI × 任務(wù)鏈路”統(tǒng)一到了一起。

以前的大模型“聰明”，但不“好使”。而 Gemini 3 的轉(zhuǎn)折來自：

• 用戶界面更直覺

• 任務(wù)拆解更穩(wěn)定

• 模型更能理解人類意圖

• 產(chǎn)品團(tuán)隊從訓(xùn)練階段就介入模型設(shè)計

• 真實用戶使用數(shù)據(jù)可以直接反哺訓(xùn)練

換句話說，Google 終于開始像一家做產(chǎn)品的公司在做大模型。這是 Gemini 3 變化最直觀的原因，也是中國用戶最先體會到的原因。

1

三、Benchmark 正在失效，但真實世界永遠(yuǎn)不會

外界批評 Google 的 benchmark 成績起伏不定，但 Koray 的解釋很罕見地觸及本質(zhì)：主流 benchmark 正在靠近它們的自然上限。GPQA、ARC-AGI 等“智商題”已經(jīng)被模型頂住，HLE 這種曾經(jīng)難得離譜的測評如今也能“持續(xù)提升”。

Benchmark 會枯竭，但真實世界不會。學(xué)生寫作、科學(xué)研究、專業(yè)翻譯、復(fù)雜跨語境對話、跨語言表達(dá)……這些場景永遠(yuǎn)無法被一個固定測試集窮盡。Google 把模型的最終價值從“得分”轉(zhuǎn)向“能不能幫人完成任務(wù)”。這是 Gemini 的第一性原理轉(zhuǎn)變。

1

四、Gemini 3 的核心不是智力提升，而是讓模型“能干活”

從 Gemini 3 開始，Google 清晰確立了三個優(yōu)先級最高的能力方向。

第一是 指令遵從。模型要能“無二義性地理解和執(zhí)行用戶的真實意圖”。這對用戶體驗影響巨大，比提升推理指標(biāo)更重要。

第二是 國際化能力。Google 的用戶覆蓋超過 200 個國家，“理解全球不同文化語境”成為模型能力的底層指標(biāo)，而不是翻譯能力的延伸。

第三是 工具調(diào)用與代碼執(zhí)行。這是未來智能體的基礎(chǔ)，模型必須不僅能理解問題，還能執(zhí)行任務(wù)、運行工具鏈、處理工程環(huán)境中的真實任務(wù)。

三者加在一起，構(gòu)成了 Google 的 “Gemini 設(shè)計哲學(xué)”：智能不是來自“更聰明的對話”，而來自“更可靠的執(zhí)行”。

1

五、為什么多模態(tài)強的 Google，起初 Agent 卻不好用？

這是主持人問得最尖銳的問題，也是外界最想知道的矛盾。Koray 的答案意外樸素：研究員可以在實驗室推動視覺理解，但 Agent 的任務(wù)不是研究員能想出來的，是用戶逼出來的。

真正的 Agent 場景來自：

• 創(chuàng)作者的任務(wù)鏈路

• 學(xué)生的寫作流程

• 工程師的工具調(diào)用模式

• 商業(yè)用戶的復(fù)雜需求

也就是說，Google 走了一條與 OpenAI 不同的路徑：不是“demo 優(yōu)先”，而是“真實用戶需求優(yōu)先”。Agent 的能力不是靠酷炫演示驅(qū)動的，而是靠“讓百萬用戶每天用”驅(qū)動的。

1

六、Google 真正的反超武器：模型、產(chǎn)品、工程第一次被統(tǒng)一

Koray 多次強調(diào)一個過去被低估的事實：Gemini 3 不是“模型團(tuán)隊”的勝利，而是“工程、產(chǎn)品、模型、安全”第一次從第一天就被捏在一起推進(jìn)。

以往是：

• 模型訓(xùn)練完了，產(chǎn)品團(tuán)隊接盤

• 安全團(tuán)隊在最后做審核

• 工程團(tuán)隊負(fù)責(zé)部署

而今天是：

• 產(chǎn)品團(tuán)隊從訓(xùn)練最初就參與

• 安全成為訓(xùn)練目標(biāo)，而不是后置規(guī)則

• 真實用戶數(shù)據(jù)（AI Studio、AI Overviews、Anti-Gravity）直接反哺模型

• 使用成本、延遲、推理路徑都在訓(xùn)練階段就被優(yōu)化

Google 終于構(gòu)建出了一個“模型 × 產(chǎn)品 × 工程”的統(tǒng)一體系。這是它在 2024–2025 年真正反超的結(jié)構(gòu)性基礎(chǔ)。

1

七、Nano Banana Pro 的突破不是“畫圖變好看”，而是“理解世界結(jié)構(gòu)”

外界關(guān)注圖像模型總是看“清晰度”、“風(fēng)格”，但 Koray 在訪談中反復(fù)強調(diào)，真正的突破來自：

• 理解 PDF、表格、圖表等復(fù)雜文檔結(jié)構(gòu)

• 具備結(jié)構(gòu)化的視覺推理

• 第一次能生成“概念一致的信息圖”

一句值得記下的話是：

“當(dāng)一個模型能把復(fù)雜概念準(zhǔn)確地用一張信息圖表達(dá)出來，你就能感受到真正的理解?！?/blockquote>

這是多模態(tài)模型的真正價值，也直接指向 Agent 的未來能力。

1

八、多模態(tài)不是功能加法，而是真正的“世界模型”入口

Koray 給出了一個簡潔但極具說服力的框架：

文本是線性的，視覺是空間的，音頻是時序的。真實世界不是只靠線性序列能描述的。因此一個真正智能的模型必須同時具備三種感知維度。

這也是為什么 Google 在推進(jìn)統(tǒng)一多模態(tài)模型上比任何公司都更加堅持——不是因為多模態(tài)“更炫酷”，而是因為它是理解世界的基礎(chǔ)。

1

九、統(tǒng)一模型并不是“把視覺塞進(jìn)語言模型”，而是一場架構(gòu)革命

外界經(jīng)常把“統(tǒng)一模型”理解成方向正確的趨勢，但 Koray 的解釋更具技術(shù)深度。他指出：文本和圖像的輸出結(jié)構(gòu)根本不同——文本是一維的，圖像是二維的。這意味著訓(xùn)練方式、損失函數(shù)、優(yōu)化器、token 化方式都要重新發(fā)明。

統(tǒng)一模型不是“時代潮流”這么簡單，而是 必須突破的工程極限。Google 的敘事沒有浪漫，也沒有玄學(xué)，只有工程難題。

1

十、DeepMind 的文化基因：謙遜、科學(xué)與大規(guī)模協(xié)作

這部分是整場訪談里最“人味”的地方。

DeepMind 的文化由三部分組成：

科學(xué)心態(tài) —— 所有問題回到實驗與學(xué)習(xí)，而不是路徑依賴。
謙遜 —— 那句“我們不知道終極配方”不是客套，而是策略。
協(xié)作能力 —— 從 25 個人寫論文到 2500 人一起推進(jìn)單一模型。

在一個公司試圖從科研轉(zhuǎn)型為工程、從工程轉(zhuǎn)型為產(chǎn)品的過程中，這種文化結(jié)構(gòu)變得至關(guān)重要。

1

十一、規(guī)模是 Google 的最大難題，也是最大武器

Koray 承認(rèn)：規(guī)模越大，一致性越難。但規(guī)模本身就是推進(jìn)力。

Google 能夠同時推進(jìn)統(tǒng)一模型、多產(chǎn)品落地、跨部門協(xié)作、全球化數(shù)據(jù)管線、超大規(guī)模訓(xùn)練與部署，是因為它擁有世界上最成熟的基礎(chǔ)設(shè)施鏈路。

過去兩年，這條鏈路從“沉睡”變回“主力”，重啟了 Google 的攻勢。

1

十二、安全不是限制能力，而是訓(xùn)練能力

Google 與 OpenAI 在安全策略上最大的差異不是嚴(yán)格程度，而是方式：安全不是“訓(xùn)練后加過濾器”，而是“訓(xùn)練中學(xué)會安全”。

這是“讓模型可靠”的關(guān)鍵，并且天然適配 Google 的基礎(chǔ)設(shè)施規(guī)模。

1

十三、統(tǒng)一模型與專用模型不是路線爭奪，而是成本優(yōu)化

Koray 說得很實在：這不是意識形態(tài)問題，而是效率問題。未來一定會同時存在統(tǒng)一模型與專用模型，Google 的策略是用合適的工具做合適的任務(wù)，而不是堅持單一范式。

這種務(wù)實，是 Google 過去缺失、現(xiàn)在重新找到的品質(zhì)。

1

十四、Google 的真正底氣：基礎(chǔ)設(shè)施的重新激活

“我們能成功，不是因為我們更聰明，而是因為基礎(chǔ)設(shè)施足夠強。”Koray 的這句話其實深刻揭示了大模型時代的一個底層事實——智能規(guī)模化不是靠天才，而是靠管線。

能訓(xùn)練、能部署、能迭代、能處理全球數(shù)據(jù)、能保持安全一致性的，是基礎(chǔ)設(shè)施，而不是算法。

1

十五、Google 不相信有單一路徑，也不相信“持續(xù)擴參”能走到終點

他說：

“我們不知道最終配方?！?/blockquote>

這句話的潛臺詞是：

• 擴參不是終局

• 統(tǒng)一模型不是最終答案

• 多模態(tài)不是最后形態(tài)

• 未來模型的路線還遠(yuǎn)未定型

這種“帶著不確定性繼續(xù)前行”的姿態(tài)，反而比某些公司宣稱的“xxx 是通往 AGI 的唯一路徑”更具有長壽感。

1

十六、下一階段的重點：推理、執(zhí)行與真正的自主性

Gemini 3 的故事才剛開始。Google 的下一個目標(biāo)是：

• 深層推理

• 多步任務(wù)執(zhí)行

• 在復(fù)雜場景中的魯棒性

從“會回答”到“會行動”，這是整個行業(yè)的共同方向，但 Google 給出了相對清晰的內(nèi)部路徑。

1

十七、Google 內(nèi)部的時間結(jié)構(gòu)：研究 × 工程 × 產(chǎn)品的等權(quán)分配

Koray 透露，團(tuán)隊的時間分配不是研究優(yōu)先，而是三者等權(quán)。這意味著一個模型從訓(xùn)練到使用的全過程是統(tǒng)一推進(jìn)的，而不是線性流程。

這是模型“真正可用”的關(guān)鍵原因。

1

十八、Gemini 是一個全公司規(guī)模的“科學(xué)工程項目”

訪談的最后，Koray 用“全公司的科學(xué)工程任務(wù)”來形容 Gemini 的誕生。那更像是一種內(nèi)部視角的注腳：模型的進(jìn)步來自結(jié)構(gòu)性調(diào)整，而結(jié)構(gòu)性調(diào)整本身比模型更難。訓(xùn)練、數(shù)據(jù)、工程、產(chǎn)品、安全、協(xié)作……這些環(huán)節(jié)重新對齊，才構(gòu)成了今天的 Gemini。

過去兩年，Google 不是在尋找捷徑，而是在恢復(fù)一個體系應(yīng)有的速度和一致性。

當(dāng)這些基礎(chǔ)再次穩(wěn)固起來，一個屬于 Google 的節(jié)奏也重新出現(xiàn)了。

整理：周華香

點個“愛心”，再走 吧