智東西
編譯｜萬貴霞
編輯｜云鵬

智東西1月8日消息，昨日，谷歌首席AI架構(gòu)師兼DeepMind CTO科雷·卡武克喬格魯（Koray Kavukcuoglu）接受英國《金融時報》專訪，深入解讀了谷歌最新大語言模型Gemini 3的核心突破與戰(zhàn)略意義。

他認(rèn)為，Gemini 3在多模態(tài)理解和智能體能力上邁出了一大步，并將其成功歸因于谷歌獨(dú)特的“全棧”優(yōu)勢。

卡武克喬格魯還說，谷歌的目標(biāo)始終是開發(fā)通用人工智能（AGI）。但實(shí)現(xiàn)這一宏偉目標(biāo)的務(wù)實(shí)路徑，在于緊密圍繞用戶反饋進(jìn)行產(chǎn)品化，而非空談理論。他將Gemini 3視為將抽象AI思維轉(zhuǎn)化為友好產(chǎn)品的關(guān)鍵一步。

此次發(fā)布的Gemini 3能夠根據(jù)用戶查詢，動態(tài)生成交互式應(yīng)用和小部件，這一能力甚至觸動了競爭對手的神經(jīng)。

外媒提到，OpenAI的聯(lián)合創(chuàng)始人兼CEO薩姆·阿爾特曼（Sam Altman）因此拉響“紅色警報”，加速改進(jìn)ChatGPT，以趕上谷歌。

而谷歌正憑借其從芯片、數(shù)據(jù)中心到產(chǎn)品的完整技術(shù)棧，將前沿AI研究快速轉(zhuǎn)化為數(shù)十億用戶可觸達(dá)的產(chǎn)品體驗(yàn)。

整個訪談在3200字左右，以下是核心信息提煉：

1、谷歌正將基礎(chǔ)AI研究與產(chǎn)品深度捆綁：其戰(zhàn)略核心是確保前沿AI能力能無縫對接至全系產(chǎn)品，這需要構(gòu)建全新的基礎(chǔ)設(shè)施體系。

2、多模態(tài)理解是AI實(shí)用化的關(guān)鍵一躍：Gemini 3的核心突破在于能深入理解視頻、圖像、PDF等多元內(nèi)容，改善信息獲取質(zhì)量，同時將編程轉(zhuǎn)化為交互式學(xué)習(xí)工具。

3、AI需產(chǎn)品化且具備全棧能力：將抽象技術(shù)進(jìn)展轉(zhuǎn)化為直觀的用戶界面和交互，并依托從芯片到云端的全棧技術(shù)，實(shí)現(xiàn)模型、產(chǎn)品設(shè)計(jì)與基礎(chǔ)設(shè)施的同步發(fā)布。

4、預(yù)訓(xùn)練賦予模型潛力：模型能理解數(shù)據(jù)、挖掘潛在價值。

5、谷歌每一項(xiàng)技術(shù)研發(fā)都以用戶反饋為導(dǎo)向：堅(jiān)持全棧方法與產(chǎn)品結(jié)合，圍繞數(shù)十億用戶的產(chǎn)品生態(tài)展開，這種從真實(shí)場景需求反推技術(shù)發(fā)展的模式。

6、通用人工智能（AGI）尚無定式：目前還沒有構(gòu)建AGI的秘訣，當(dāng)下重點(diǎn)是開發(fā)正確產(chǎn)品、理解用戶信號，以安全為核心并獲取用戶反饋。

7、模型應(yīng)提供用戶所需信息，避免冗余和過度吹捧：谷歌做了大量研究來量化模型形象，“避免阿諛奉承”是考察維度之一。

8、智能體演進(jìn)將重塑人機(jī)互動模式：AI下一階段在于利用模型構(gòu)建更強(qiáng)大的智能體，實(shí)現(xiàn)用戶與內(nèi)容更豐富、更普遍的深度連接與創(chuàng)造性互動。

9、Gemini 3基于Gemini 2.5開發(fā)：耗時六個月且整合了用戶反饋，接下來會收集消費(fèi)者、開發(fā)者、企業(yè)等不同群體的反饋，彌合模型缺陷。

以下是谷歌首席AI架構(gòu)師科雷·卡武克喬格魯與《金融時報》主持人梅麗莎·海基拉（Melissa Heikkil?）的訪談實(shí)錄，為方便閱讀，智東西在不改變原意的情況下對部分提問進(jìn)行了精簡：

一、谷歌的首席AI架構(gòu)師在做什么？如何打通研究與產(chǎn)品

主持人：您自2024年初起擔(dān)任DeepMind CTO，去年夏天又兼任谷歌首席AI架構(gòu)師這一新職務(wù)。這個角色的主要職責(zé)是什么？

卡武克喬格魯：我們正在構(gòu)建的是一項(xiàng)真正基礎(chǔ)性的技術(shù)，而我最核心的工作，是確保AI研發(fā)能夠與產(chǎn)品緊密銜接。

我們的目標(biāo)是，讓谷歌旗下所有產(chǎn)品和業(yè)務(wù)領(lǐng)域，都能使用我們正在開發(fā)的頂尖AI技術(shù)。

在DeepMind，我們專注于前沿研究，目標(biāo)是推動通用人工智能（AGI）的實(shí)現(xiàn)。但要做到這一點(diǎn)，必須與真實(shí)用戶保持緊密連接，而實(shí)現(xiàn)這一點(diǎn)的唯一途徑，就是通過產(chǎn)品。

▲谷歌的DeepMind（圖源：金融時報）

這是一項(xiàng)全新的技術(shù)形態(tài)，要實(shí)現(xiàn)大規(guī)模應(yīng)用，需要配套建設(shè)全新的基礎(chǔ)設(shè)施。

我目前的重點(diǎn)工作，就是推動這種轉(zhuǎn)型：一方面構(gòu)建基礎(chǔ)設(shè)施，另一方面與產(chǎn)品團(tuán)隊(duì)深度協(xié)作，確保他們能夠使用最先進(jìn)的技術(shù)，并以最合適的方式與用戶建立連接。

二、Gemini 3：發(fā)布的不只是模型本身，而是與產(chǎn)品同步推出、經(jīng)過深度設(shè)計(jì)的交互體驗(yàn)

主持人：對普通用戶來說，市面上已經(jīng)出現(xiàn)了大量AI模型，看起來多是漸進(jìn)式改進(jìn)。甚至有人覺得OpenAI的GPT-5并未帶來太多驚喜。那么，Gemini 3的意義究竟在哪里？它如何幫助谷歌在AI競爭中取得優(yōu)勢？

卡武克喬格魯：從我們的角度看，Gemini 3非常重要，因?yàn)樗?strong>多模態(tài)理解能力上實(shí)現(xiàn)了明顯躍升，而這一點(diǎn)對用戶至關(guān)重要。

現(xiàn)實(shí)世界中的信息并不只以文本形式存在，這也是為什么谷歌的AI研究和筆記助手NotebookLM這樣的產(chǎn)品會受到歡迎。因?yàn)橛脩粝矚g上傳各種類型的文檔，并圍繞這些內(nèi)容提問。

隨著模型處理能力的提升，Gemini 3能夠更深入地理解視頻、圖片、PDF等多種內(nèi)容形式，這本身就是一項(xiàng)重要進(jìn)展。

▲谷歌的Gemini 3（圖源：金融時報）

我希望用戶能夠切實(shí)感受到這種變化，他們得到的不只是更準(zhǔn)確的答案，而是信息形式和質(zhì)量的整體提升。

AI的另一個關(guān)鍵點(diǎn)在于編程。如今，編程已經(jīng)不再只是軟件工程師的專屬技能，而正逐漸演變?yōu)橐环N學(xué)習(xí)和表達(dá)方式。

借助Gemini的生成式界面，當(dāng)用戶提出問題時，模型不僅會給出解釋性回答，還可能直接生成可視化結(jié)果、模擬過程或小工具，幫助用戶在實(shí)踐中理解和探索問題。

很多時候，人們提出問題后，獲得的是更直觀的答案，這些答案能夠在當(dāng)場學(xué)到東西。

在我看來，真正關(guān)鍵的，是如何將這些概念性、抽象性的技術(shù)進(jìn)展，轉(zhuǎn)化為切實(shí)可用、且具備長期影響力的用戶界面和交互方式。而將這一能力直接與產(chǎn)品結(jié)合，正是谷歌的獨(dú)特優(yōu)勢。

我們發(fā)布的不只是模型本身，而是與產(chǎn)品同步推出、經(jīng)過深度設(shè)計(jì)的交互體驗(yàn)，并且這些體驗(yàn)構(gòu)建在我們已有的全棧技術(shù)體系之上。

在工程層面，我們還推出了名為Antigravity的AI驅(qū)動集成開發(fā)環(huán)境。

這是一種以智能體為核心的全新代碼構(gòu)建方式，軟件可以在更高抽象層級上自主運(yùn)行，減少人工干預(yù)。這之所以成為可能，是因?yàn)槟Ｐ鸵呀?jīng)具備在抽象層面執(zhí)行任務(wù)、并以智能體方式運(yùn)作的能力。

三、模型訓(xùn)練賦能，谷歌正全棧式將產(chǎn)品與技術(shù)結(jié)合

主持人：促成Gemini 3的關(guān)鍵研究和技術(shù)突破有哪些？

卡武克喬格魯：模型的開發(fā)涉及多個技術(shù)方向。首先是預(yù)訓(xùn)練階段，我們通過架構(gòu)改進(jìn)，構(gòu)建了更高效的模型結(jié)構(gòu)，同時也更好地理解了訓(xùn)練數(shù)據(jù)本身，這些改進(jìn)顯著提升了模型性能。

預(yù)訓(xùn)練賦予模型的是潛力，它讓模型能夠理解數(shù)據(jù)，不只是捕捉表層信息，而是挖掘其內(nèi)在價值。而這種潛力，最終要通過后訓(xùn)練階段，才能在產(chǎn)品中真正體現(xiàn)出來。在這個階段，模型會學(xué)習(xí)如何與用戶圍繞具體產(chǎn)品進(jìn)行交互。

在訓(xùn)練完成后，我們進(jìn)一步推動模型展現(xiàn)出更高級的智能行為，使其具備更強(qiáng)的理解與編碼能力。比如，模型可以判斷某個問題適合用圖文表格呈現(xiàn)，而這些圖片可能來自實(shí)時搜索；在其他情況下，它則會選擇編寫一個小程序，用模擬或組件的方式來展示結(jié)果。

這些決策，都是模型基于其編碼能力和智能體能力自主完成的。正是訓(xùn)練前、訓(xùn)練后以及公司整體技術(shù)體系的協(xié)同作用，才使這些能力成為現(xiàn)實(shí)。

主持人：如此龐大的計(jì)算投入，怎么從中盈利？

卡武克喬格魯：最關(guān)鍵的有兩點(diǎn)。第一，我們采用的是全棧式方法，我認(rèn)為我們在這方面在業(yè)內(nèi)獨(dú)樹一幟。第二，我們始終將前沿技術(shù)與產(chǎn)品緊密結(jié)合。

我們開展的所有研究和技術(shù)開發(fā)，最終都會通過產(chǎn)品觸達(dá)用戶。谷歌的產(chǎn)品每天服務(wù)著數(shù)十億用戶，這讓我們能夠持續(xù)獲取真實(shí)需求，理解用戶希望如何使用這些技術(shù)。

對我們來說，每一項(xiàng)前沿研發(fā)都以用戶反饋為導(dǎo)向。這種務(wù)實(shí)的研發(fā)路徑，是我們非常重視、也區(qū)別于其他公司的地方。

四、谷歌的AI路徑選擇：以產(chǎn)品落地和用戶反饋驅(qū)動演進(jìn)

主持人：谷歌曾表示，Gemini 3是邁向通用智能的重要一步。這是否已經(jīng)接近人們所期待的通用人工智能形態(tài)？

卡武克喬格魯：坦率地說，我并不會這樣描述。我們確實(shí)以實(shí)現(xiàn)通用人工智能為目標(biāo)，也在為此持續(xù)努力，但目前仍然沒有實(shí)現(xiàn)AGI的“秘訣”，這依然是一個研究問題。

正因?yàn)槿绱耍?strong>開發(fā)正確的產(chǎn)品、做出正確的產(chǎn)品選擇、理解真實(shí)的用戶信號，才成為我們技術(shù)發(fā)展的核心指引。AGI最終必須造福用戶，而通向這一目標(biāo)的唯一方式，就是以負(fù)責(zé)任的方式持續(xù)獲取用戶反饋。

當(dāng)我們說從一開始就將安全作為模型設(shè)計(jì)的核心，這并不是一句口號，而是貫穿在產(chǎn)品和技術(shù)決策中的原則。

谷歌擁有長期積累的龐大用戶基礎(chǔ)，覆蓋數(shù)十億人。正是通過這些真實(shí)使用場景，我們才能判斷技術(shù)究竟應(yīng)該解決哪些問題，這也是我們探索通用人工智能的重要路徑。

主持人：您提到，Gemini 3刻意避免了奉承和套話，這是生成式AI中常見的問題。你們是如何做到的？

卡武克喬格魯：模型的“形象”確實(shí)很重要。我們既與外部合作伙伴合作，也服務(wù)于谷歌內(nèi)部的不同產(chǎn)品，而每個產(chǎn)品對模型表現(xiàn)都有不同要求。

我們做了大量研究，嘗試將模型的行為特征量化，“是否過度奉承”就是其中一個重要維度。坦率地說，沒有人能宣稱已經(jīng)找到了完美答案。

但我們認(rèn)為，已經(jīng)在如何構(gòu)建一個可控、且適用于廣泛場景的模型方面，邁出了重要一步。

核心原則是，模型應(yīng)當(dāng)提供用戶真正需要的信息，而不是輸出冗余內(nèi)容或過度修飾的表達(dá)。在極少數(shù)場景下，這類表達(dá)可能有用，但在大多數(shù)情況下并無必要。

主持人：你會如何描述Gemini 3的“性格”？

卡武克喬格魯：我們并沒有刻意為Gemini設(shè)定明確的人格標(biāo)簽。對我們來說，最重要的是產(chǎn)品是否好用、信息是否真實(shí)，以及語言是否清晰易懂。用戶體驗(yàn)主要是在后訓(xùn)練階段逐步形成的。

五、AI切實(shí)帶給人們生活便利，未來會在創(chuàng)造性使用中繼續(xù)學(xué)習(xí)

主持人：作為一名科學(xué)家，目前AI研究中最讓你感到興奮的是什么？

卡武克喬格魯：當(dāng)前AI的發(fā)展速度非�？欤蛟谟谶@些模型已經(jīng)在現(xiàn)實(shí)世界中產(chǎn)生了切實(shí)影響。人們正在將它們用于工作、學(xué)習(xí)和教育，并且確實(shí)帶來了積極變化。

對我來說，最令人興奮的是，我們正在探索如何利用這些模型構(gòu)建更成熟的智能體。很多人談到智能體時，往往只關(guān)注代碼本身，但真正關(guān)鍵的是：人們?nèi)绾问褂眠@些智能體，以及在生活中哪些環(huán)節(jié)會真正依賴它們。

學(xué)習(xí)場景尤其讓我感到振奮。用戶突然能夠以更豐富的方式與已有內(nèi)容互動，這極大拓展了信息與人的連接方式。隨著智能體能力持續(xù)提升，這種變化只會越來越普遍。

主持人：接下來，外界可以期待什么？

卡武克喬格魯：Gemini 3的開發(fā)周期大約為六個月，它是在Gemini 2.5的基礎(chǔ)上構(gòu)建的，每一代更迭都整合了我們從用戶那里獲得的各種反饋和經(jīng)驗(yàn)。

▲Gemini的更迭（圖源：google blog）

接下來，我們會持續(xù)從消費(fèi)者、開發(fā)者和企業(yè)等不同群體中收集反饋，重點(diǎn)放在理解這些信號上。模型不可避免會存在不足，而彌補(bǔ)這些不足正是關(guān)鍵過程。

通過這一過程，我們也能更清楚地看到用戶真正試圖解決的問題。當(dāng)模型達(dá)到一定質(zhì)量水平后，人們會以更具創(chuàng)造性的方式使用它，而我們的下一步，就是從這種創(chuàng)造性使用中繼續(xù)學(xué)習(xí)。

來源：金融時報