作者 | 高允毅

很多人知道，Transformer 是谷歌發(fā)明的。但 ChatGPT，卻不是谷歌做出來(lái)的。這件事，在過(guò)去幾年，幾乎成了硅谷最大的“遺憾注腳”。

但如果真正走進(jìn)今天的 Google DeepMind，你會(huì)發(fā)現(xiàn)谷歌并不是“慢”，而是在下一盤更大的棋。

近期，Google DeepMind 首席運(yùn)營(yíng)官 Lila Ibrahim 與谷歌研究、技術(shù)與社會(huì)高級(jí)副總裁 James Manyika 在一檔播客中，第一次系統(tǒng)性拆解了這家公司正在發(fā)生的變化：

• DeepMind 到底怎么運(yùn)作？

• 為什么 Gemini 可以每 6 個(gè)月迭代一代？

• 谷歌如何在量子計(jì)算、材料科學(xué)、氣象預(yù)測(cè)、太空算力這些領(lǐng)域同步推進(jìn)？

• 以及，AI 原生產(chǎn)品是如何真正落地，而不是停留在實(shí)驗(yàn)室？

如果說(shuō) OpenAI 是一家高速?zèng)_刺的創(chuàng)業(yè)公司，那么今天的谷歌，更像一座重新啟動(dòng)的“現(xiàn)代版貝爾實(shí)驗(yàn)室”。

DeepMind 運(yùn)作模式有兩個(gè)核心方法論：

• 只給方向，不給答案。

制定宏大的研究議程，但不規(guī)定路徑，研究者擁有高度自由。

• 廣泛的跨學(xué)科研究。

生物倫理學(xué)家、神經(jīng)科學(xué)家、計(jì)算機(jī)科學(xué)家可以在同一張桌子上工作，這是谷歌的日常。

而在這套機(jī)制背后，還有一個(gè)關(guān)鍵變量，即 Google DeepMind 的靈魂人物 Demis Hassabis。他擁有對(duì)時(shí)機(jī)的精準(zhǔn)判斷，既能自上而下設(shè)定方向，又允許自下而上產(chǎn)生創(chuàng)新。

比如 Demis Hassabis 判斷，2026 年 Gemini 已經(jīng)足夠成熟，可以全面吸收 DeepMind 在“學(xué)習(xí)科學(xué)”上的積累。這種判斷，決定了資源如何傾斜，決定了產(chǎn)品什么時(shí)候進(jìn)入爆發(fā)期。

James Manyika 提到，過(guò)去三年最大的變化，是把 Google Brain 和 DeepMind 合并，圍繞 Gemini 建立了一個(gè)中央 AI 引擎。在這一模式下：

• Gemini 是全公司的底層基礎(chǔ)設(shè)施

• 每 5、6 個(gè)月完成一次重大迭代

• 模型一發(fā)布，立刻進(jìn)入搜索、Workspace、Gemini App 等核心產(chǎn)品

與此同時(shí)，谷歌實(shí)驗(yàn)室文化正在回歸，而且規(guī)模比過(guò)去更大。

James Manyika 透露，實(shí)驗(yàn)室目前同時(shí)推進(jìn)約 30 個(gè)項(xiàng)目。

谷歌有一套聞名硅谷的創(chuàng)新機(jī)制，即全體員工拿出 20% 的時(shí)間用來(lái)做項(xiàng)目以外的探索，這會(huì)源源不斷爆發(fā)出好產(chǎn)品來(lái)反哺谷歌。比如能消化資料的 Notebook LM ，AI 電影制作工具 Flow。

如果只看生成式 AI，你會(huì)低估谷歌。因?yàn)?DeepMind 同時(shí)在推進(jìn)生物研究、教育體系、材料科學(xué)、氣象預(yù)測(cè)、量子計(jì)算、太空算力計(jì)劃等。而在不少領(lǐng)域，谷歌已經(jīng)取得里程碑式成就。

從量子糾錯(cuò)的突破，到覆蓋 150 個(gè)國(guó)家的洪水預(yù)測(cè)系統(tǒng)，再到試圖把 TPU 送入太空進(jìn)行訓(xùn)練的 Project Suncatcher，這些布局顯示出一種極少見(jiàn)的長(zhǎng)期視角。

“從謹(jǐn)慎地發(fā)布”到“在發(fā)布中學(xué)習(xí)”，谷歌完成了新節(jié)奏的轉(zhuǎn)變。這家公司，正在重新定義什么叫“長(zhǎng)期主義”。當(dāng)它真正開(kāi)始加速時(shí)，人們是否已經(jīng)意識(shí)到，它的棋局，比所有人想象的都要大？

以下是播客的精彩細(xì)節(jié)，有更多谷歌最新進(jìn)展，歡迎來(lái)看：

谷歌 DeepMind 的運(yùn)作模式：

貝爾實(shí)驗(yàn)室與阿波羅計(jì)劃

主持人：DeepMind 首席執(zhí)行官 Demis Hassabis（戴比斯?哈薩比斯）之前在我們節(jié)目里，把 DeepMind 形容為現(xiàn)代版的貝爾實(shí)驗(yàn)室。Laya，這具體意味著什么？你能介紹一下它的研究模式嗎？它是實(shí)驗(yàn)室模式還是公司化運(yùn)作？

Laya Ibrahim：我想先從我們的使命“負(fù)責(zé)任地構(gòu)建 AI，造福人類”說(shuō)起，因?yàn)橐磺卸家源藶榛A(chǔ)。

首先，我們會(huì)制定極具雄心的研究議程，只明確大方向，不規(guī)定具體做法。我們的思路借鑒了貝爾實(shí)驗(yàn)室的黃金時(shí)代，也參考了阿波羅計(jì)劃，甚至還有皮克斯。核心是匯聚頂尖人才，打造能讓他們成功、能放手探索的環(huán)境。

第一，明確宏大的研究方向，告訴團(tuán)隊(duì)聚焦哪些領(lǐng)域，但不規(guī)定他們?nèi)绾喂ぷ鳌?/strong>

第二，由于研究范圍極廣，我們要打造跨學(xué)科團(tuán)隊(duì)。我們要營(yíng)造一種文化，讓生物倫理學(xué)家、計(jì)算機(jī)科學(xué)家、神經(jīng)科學(xué)家能并肩工作，我們認(rèn)為這才是產(chǎn)生突破、創(chuàng)造價(jià)值的關(guān)鍵。這種方式已經(jīng)帶來(lái)了很多非凡的成果。我們也敢于探索，并且懂得判斷時(shí)機(jī)。Demis Hassabis 在把握節(jié)奏上非常出色：該投入探索、設(shè)定宏大目標(biāo)、評(píng)估進(jìn)展；也敢于果斷叫停，或是加倍投入。

一個(gè)很好的例子：過(guò)去幾年我們一直在學(xué)習(xí)科學(xué)領(lǐng)域深耕，研究人類如何學(xué)習(xí)、如何改進(jìn)學(xué)習(xí)方式。今年 Demis Hassabis 判斷，Gemini 已經(jīng)足夠成熟，可以把我們?cè)趯W(xué)習(xí)科學(xué)上的積累全面注入 Gemini，這也是我們的重點(diǎn)方向之一，以此提升 Gemini 為學(xué)習(xí)者提供的能力。谷歌 DeepMind 在時(shí)機(jī)判斷上，確實(shí)有很獨(dú)特的地方。

主持人：我們?cè)偈崂硪幌铝鞒獭＞拖衲銊偛耪f(shuō)的，Demis Hassabis 判斷 Gemini 已經(jīng)準(zhǔn)備好承接學(xué)習(xí)科學(xué)相關(guān)能力，于是 DeepMind 開(kāi)始推進(jìn)。谷歌 DeepMind 的工作，自上而下和自下而上的比例大概是多少？Open AI 曾把自己的模式形容為大公司里的一堆初創(chuàng)公司。谷歌是類似模式，還是更偏自上而下？

Laya Ibrahim：因?yàn)槲覀兊氖姑浅：甏?，我們要找?AI 能夠幫助人類解開(kāi)宇宙謎題、應(yīng)對(duì)人類重大挑戰(zhàn)的核心方向。這個(gè)范圍足夠廣，我們既可以做氣象研究、提升天氣預(yù)報(bào)，也可以做 AlphaFold（是 DeepMind 開(kāi)發(fā)的、能精準(zhǔn)預(yù)測(cè)蛋白質(zhì) 3D 結(jié)構(gòu)的 AI 程序，被稱為結(jié)構(gòu)生物學(xué)的革命）。這樣的蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)，幫助理解疾病、研發(fā)療法；還可以持續(xù)優(yōu)化生成式 AI，改善人們的生活。

我們采取非常寬泛的組合布局，但同時(shí)給研究者留出探索空間。這也是我一開(kāi)始說(shuō)的，我們要找到合適的人才，即使命驅(qū)動(dòng)、價(jià)值觀一致、愿意探索、追求大影響力、能依托谷歌平臺(tái)實(shí)現(xiàn)規(guī)模化的人。Demis Hassabis 在這方面的思考非常出色，他深耕這個(gè)領(lǐng)域已經(jīng)很久了，DeepMind 成立 16 年，這幾乎是他畢生的使命。同時(shí)我們團(tuán)隊(duì)里滿是富有創(chuàng)造力、喜歡跨學(xué)科協(xié)作、希望改變世界的人，他們也會(huì)提出自下而上的思路和做法。所以是兩者結(jié)合，一部分是 Demis Hassabis 主導(dǎo)的自上而下，一部分是團(tuán)隊(duì)自下而上的探索。

主持人：這種組織架構(gòu)對(duì)管理和人才要求很高。我們?cè)侔岩曇胺糯蟮秸麄€(gè)科技行業(yè)。曾經(jīng)有一段時(shí)間，很多科技公司會(huì)給頂尖人才很大的自由度，去探索短期看不到成果的方向。后來(lái)突然進(jìn)入 AI 競(jìng)賽，很多公司把做長(zhǎng)期項(xiàng)目的研究者和產(chǎn)品綁定得更緊，長(zhǎng)期研究幾乎被要求立刻產(chǎn)生產(chǎn)品價(jià)值。這種變化在 DeepMind 內(nèi)部也發(fā)生了嗎？

Laya Ibrahim：我加入谷歌大概八年了，我們確實(shí)經(jīng)歷了一段發(fā)展歷程。但谷歌 DeepMind 之所以能讓很多員工長(zhǎng)期留下來(lái)，正是因?yàn)槲覀冇凶銐驅(qū)挿旱牟季帧Ｓ行┤讼Ｍ^續(xù)做前沿 AI 的深度研究，或是偏科學(xué)方向的探索，我們有空間支持這種純探索；同時(shí)我們也能落地生成式 AI 的進(jìn)展，比如去年 Gemini 取得的一系列突破。

主持人：我再進(jìn)一步追問(wèn)。谷歌內(nèi)部的轉(zhuǎn)型被描述為：不再讓每個(gè)產(chǎn)品部門各自制定 AI 路線，而是公司內(nèi)部有一個(gè)中央引擎，也就是 AI 部門，負(fù)責(zé)構(gòu)建 AI 能力，再賦能給各個(gè)產(chǎn)品部門。你能介紹一下這個(gè)流程嗎？

Laya Ibrahim：這也是過(guò)去幾年最令人興奮的變化之一，即Google Brain 和 DeepMind 合并，把谷歌最優(yōu)秀的 AI 團(tuán)隊(duì)和研究力量匯聚到一起，讓我們可以布局更廣泛的領(lǐng)域。正如你所說(shuō)，我們的定位是 AI 創(chuàng)新引擎。但我不會(huì)說(shuō)我們是 “分發(fā)” 技術(shù)給其他谷歌團(tuán)隊(duì)，而是和產(chǎn)品部門、用戶緊密協(xié)作，了解真實(shí)需求，從一開(kāi)始就把模型做得更貼合場(chǎng)景，以協(xié)作、負(fù)責(zé)任的方式推進(jìn)。等到技術(shù)落地到谷歌各個(gè)產(chǎn)品時(shí)，已經(jīng)經(jīng)過(guò)大量測(cè)試，并可以針對(duì)特定場(chǎng)景優(yōu)化。這也帶來(lái)了很好的結(jié)果，比如我們發(fā)布 Gemini 3 之后，立刻就能向大量開(kāi)發(fā)者和用戶開(kāi)放使用。

主持人：最后一個(gè)問(wèn)題，然后我交給 James。我們節(jié)目有一個(gè)觀察：Sundar Pichai（桑達(dá)爾?皮查伊）曾在麥肯錫工作，現(xiàn)在谷歌的重組、集權(quán)、再協(xié)同各團(tuán)隊(duì)的方式，很像麥肯錫式思路。這一點(diǎn)是否屬實(shí)？

James Manyika：我本人也曾在麥肯錫工作，或許我能回應(yīng)這個(gè)組織架構(gòu)的問(wèn)題。現(xiàn)在谷歌的格局非常特別：一方面是 Gemini 項(xiàng)目，這是所有能力的基礎(chǔ)，構(gòu)建大規(guī)模模型，Gemini、Gemini 2.5、Gemini 3 等等。三年前，我們整合 Google Brain 和 DeepMind 團(tuán)隊(duì)，啟動(dòng) Gemini 項(xiàng)目。如今這個(gè)項(xiàng)目支撐著全公司的產(chǎn)品 ，你能在搜索、Google Workspace、Notebook LM 等所有產(chǎn)品里看到 Gemini。它是底層基礎(chǔ)，這也是為什么谷歌 DeepMind 和 Gemini 項(xiàng)目成為了核心引擎。

除此之外，公司還有大量深度科學(xué)研究，聚焦最根源的問(wèn)題，打開(kāi)大量研究和創(chuàng)新的入口。我們還有很多其他雄心勃勃的項(xiàng)目，比如 Genie 構(gòu)建世界模型，還有為 Waymo 做的專項(xiàng)工作，提升自動(dòng)駕駛模型的能力。所以并不是嚴(yán)格的自上而下，而是以 Gemini 項(xiàng)目為基礎(chǔ)，確保每一次快速迭代。現(xiàn)在我們大概每 6 個(gè)月就有新一代 Gemini 問(wèn)世，并且立刻全產(chǎn)品落地，沒(méi)有延遲。最新版 Gemini 一推出，就會(huì)出現(xiàn)在搜索、Gemini App 等所有地方。這就是過(guò)去三年發(fā)生的核心變化。

谷歌實(shí)驗(yàn)室的回歸

與 AI 原生產(chǎn)品的落地

主持人：我們來(lái)聊聊實(shí)驗(yàn)室。早期用過(guò)谷歌產(chǎn)品的人都記得，谷歌曾經(jīng)有一個(gè)實(shí)驗(yàn)性極強(qiáng)的時(shí)代，后來(lái)實(shí)驗(yàn)室一度消失。雖然實(shí)驗(yàn)沒(méi)有完全停止，但實(shí)驗(yàn)室被重啟后，我們開(kāi)始看到谷歌推出大量實(shí)驗(yàn)性項(xiàng)目，已經(jīng)很久沒(méi)有這種景象了。實(shí)驗(yàn)室在其中扮演了多大角色？為什么實(shí)驗(yàn)室重新回歸？

James Manyika：實(shí)驗(yàn)室非常有意思。三年前，在 Sundar Pichai 的推動(dòng)下，我們重啟了實(shí)驗(yàn)室。當(dāng)時(shí)正處在 AI 爆發(fā)的節(jié)點(diǎn)，我們想探索、實(shí)驗(yàn)、打造完全以 AI 為核心的原生產(chǎn)品。實(shí)驗(yàn)室的思路是：把谷歌 DeepMind、谷歌研究以及公司內(nèi)部所有頂尖研究成果拿過(guò)來(lái)，專注打造實(shí)驗(yàn)性的 AI 原生產(chǎn)品。

大家最熟悉的應(yīng)該是現(xiàn)在的 Notebook LM（是 Google Labs 推出的、基于 Gemini 模型的 AI 原生研究與學(xué)習(xí)工具，核心是讓你把自己的資料 “喂” 給 AI，讓 AI 基于你的專屬內(nèi)容提供服務(wù)）。它的起源非常有意思。一開(kāi)始它叫 Tailwind，只有四五個(gè)人做，想法是打造一款 AI 原生的研究工具，基于用戶自己的內(nèi)容來(lái)工作。你可以把資料、書籍、論文、草稿、任何你想導(dǎo)入的內(nèi)容放進(jìn) Notebook，然后和它交互。這個(gè)創(chuàng)意一定程度上也受到作家 Steven Johnson 的啟發(fā)，他會(huì)保存幾十年的筆記、書稿草稿，他希望有一個(gè)產(chǎn)品能把所有資料放進(jìn)去，然后交互提問(wèn)：我 1997 年是怎么想的？那份草稿寫了什么？Notebook LM 最終就變成了這樣一款強(qiáng)大的研究工具，基于用戶自有內(nèi)容，生成摘要或文稿時(shí)會(huì)附帶引用來(lái)源，這是它的核心功能。如果它引用了你的內(nèi)容，會(huì)標(biāo)注出處，你可以點(diǎn)擊跳轉(zhuǎn)回原文，非常實(shí)用。

后來(lái)我們又想：有時(shí)候我不想只讀資料，想聽(tīng)資料。于是我們加入了 AI 音頻概覽功能，效果就像播客，有兩位主持人對(duì)話解讀。這個(gè)想法最早來(lái)自 Jeff Dean 等團(tuán)隊(duì)，他們每天要讀大量計(jì)算機(jī)科學(xué)論文，希望能在通勤時(shí)聽(tīng)論文總結(jié)，篩選要精讀的內(nèi)容。而且人們通過(guò)對(duì)話、討論學(xué)習(xí)的效果更好，這也是研討會(huì)的價(jià)值，于是就有了音頻概覽功能，產(chǎn)品也因此真正爆發(fā)。每次我做 AI 演示，都會(huì)現(xiàn)場(chǎng)建一個(gè) Notebook，然后播放播客，第一次接觸的人都會(huì)非常震撼。很多觀眾和聽(tīng)眾問(wèn)我：“你們是不是用你的聲音訓(xùn)練的？” 因?yàn)槁?tīng)起來(lái)很像我。我都會(huì)說(shuō)：不是，只是它開(kāi)頭總會(huì)說(shuō) “我們來(lái)拆解一下”，幾乎所有播客都會(huì)這么開(kāi)場(chǎng)。

Notebook LM 還有一個(gè)很好的使用場(chǎng)景：你可以導(dǎo)入各種格式內(nèi)容 —— 論文、YouTube 視頻、本地文件。我曾經(jīng)用過(guò)一個(gè)場(chǎng)景：處理來(lái)自 100 多個(gè)國(guó)家、不同語(yǔ)言的論文，全部導(dǎo)入后直接跨語(yǔ)言交互，現(xiàn)在它還支持生成視頻概覽，帶圖表和幻燈片的那種。這就是實(shí)驗(yàn)室里發(fā)生的事情：把 DeepMind 和谷歌研究的頂尖成果，轉(zhuǎn)化為優(yōu)秀的 AI 原生產(chǎn)品。

另一個(gè)例子是 Flow（是 Google Labs 推出的 AI 電影制作工具，由 DeepMind 的 Veo、Imagen 與 Gemini 模型驅(qū)動(dòng)，專為創(chuàng)意人士打造，能把文字、圖像轉(zhuǎn)化為連貫、高質(zhì)量的視頻片段與完整場(chǎng)景）。我講個(gè)小故事：我人生第一次也是最后一次登山，是厄瓜多爾的科托帕?；鹕?。我想做一段視頻記錄，但有些瞬間我沒(méi)有拍，只想專心登山。比如我的水壺從背包掉出來(lái)，滾下冰川消失在暗處。我想用動(dòng)畫還原這個(gè)片段，就用了谷歌的視頻生成工具 Flow，輸入指令生成紀(jì)錄片風(fēng)格動(dòng)畫，插入到視頻里。放在以前，我得專門找動(dòng)畫師。Flow 就是實(shí)驗(yàn)室誕生的神奇產(chǎn)品。

當(dāng)時(shí)實(shí)驗(yàn)室負(fù)責(zé)人 Josh Woodward、Demis Hassabis 和我們幾個(gè)人聚在一起討論：如果把現(xiàn)有工具整合起來(lái)，能做出什么實(shí)用的東西？最初版本比較粗糙，后來(lái)我們找了真正的電影制作人交流，獲取反饋。實(shí)驗(yàn)室的一大特點(diǎn)就是和創(chuàng)作者深度合作，讓他們幫助我們打磨工具。Flow 就這樣誕生了。你可以逐鏡頭提示生成視頻，并且支持連貫生成，這也是 “Flow” 這個(gè)名字的來(lái)源。最初的版本不夠好用，電影制作人提出：他們需要逐鏡頭創(chuàng)作、拼接、連貫制作。于是我們做了優(yōu)化。

實(shí)驗(yàn)室大概同時(shí)在推進(jìn) 30 個(gè)實(shí)驗(yàn)項(xiàng)目，你去谷歌實(shí)驗(yàn)室網(wǎng)站就能看到。

主持人：我有個(gè)請(qǐng)求，擴(kuò)大開(kāi)放范圍，很多項(xiàng)目看起來(lái)很有意思，但每次都顯示等候名單。

James Manyika：我們會(huì)努力的。比如 Pomello（面向傳統(tǒng)中小企業(yè)的 AI 營(yíng)銷工具，由 Google Labs 與 DeepMind 聯(lián)合開(kāi)發(fā)），面向中小企業(yè)的工具，不是那種科技初創(chuàng)公司，而是傳統(tǒng)中小企業(yè)，幫助他們快速搭建富有創(chuàng)意的線上展示頁(yè)面。還有 AIR Studio（面向開(kāi)發(fā)者的無(wú)代碼 / 低代碼 AI 原型開(kāi)發(fā)平臺(tái)），面向開(kāi)發(fā)者。我們希望為各類創(chuàng)作者，比如開(kāi)發(fā)者、藝術(shù)家、電影制作人、音樂(lè)人，打造頂尖 AI 工具。

20% 的時(shí)間用來(lái)創(chuàng)新

主持人：有兩個(gè)產(chǎn)品我特別想試用，可能會(huì)成為下一個(gè) Notebook LM：一個(gè)是 CC（基于 Gemini 的個(gè)人 AI 助理、生產(chǎn)力智能體，類似 “超級(jí)版 Notion AI + 個(gè)人日程管家），谷歌內(nèi)部的實(shí)驗(yàn)性生產(chǎn)力智能體；另一個(gè)是 Disco（基于 Gemini 3 的生成式瀏覽器，核心能力是 GenTabs），你可以基于一堆鏈接生成網(wǎng)頁(yè)應(yīng)用。比如你規(guī)劃周末活動(dòng)，打開(kāi)一堆網(wǎng)頁(yè)，它就能自動(dòng)生成對(duì)應(yīng)應(yīng)用，比如自定義地圖，標(biāo)注各個(gè)活動(dòng)地點(diǎn)，你選定日期，它會(huì)高亮當(dāng)天可用的項(xiàng)目。

我想問(wèn)兩位：過(guò)去谷歌有所謂 “20% 時(shí)間” 的機(jī)制，員工可以用 20% 的工作時(shí)間做本職以外的項(xiàng)目，很多重磅產(chǎn)品比如 Gmail 就來(lái)自于此。這些實(shí)驗(yàn)項(xiàng)目是誰(shuí)做的？20% 時(shí)間是不是以某種形式回歸了？這么多有趣的實(shí)驗(yàn)，在公司內(nèi)部是如何推進(jìn)的？

James Manyika：我可以先回答。這種機(jī)制實(shí)際上依然存在。回到實(shí)驗(yàn)室，大概 80% 的項(xiàng)目來(lái)自實(shí)驗(yàn)室團(tuán)隊(duì)，另外 20% 就來(lái)自 20% 時(shí)間項(xiàng)目。

我舉個(gè)教育領(lǐng)域的例子，這也是 Laya 和我非常重視的方向。谷歌研究的一位員工，本職工作和教育無(wú)關(guān)，但他提出一個(gè)想法：能不能讓人們用自己適合的方式學(xué)習(xí)？現(xiàn)在的 AI 工具已經(jīng)可以支持多樣化的學(xué)習(xí)方式。這個(gè)項(xiàng)目最終變成了 “Learn Your Way”（ 是 Google Labs 推出的、基于 LearnLM 的 AI 個(gè)性化學(xué)習(xí)實(shí)驗(yàn)工具，核心是把靜態(tài)教材、資料變成適配年級(jí)、貼合興趣、多模態(tài)互動(dòng)的學(xué)習(xí)體驗(yàn)），你可以在谷歌實(shí)驗(yàn)室里找到這款實(shí)驗(yàn)產(chǎn)品。它不是實(shí)驗(yàn)室團(tuán)隊(duì)做的，而是公司其他部門員工的創(chuàng)意。我們持續(xù)從全公司收到各種出色創(chuàng)意。

另一個(gè)例子是 Co-Scientist（是 Google Research 基于 Gemini 2.0 打造的多智能體科研協(xié)作系統(tǒng)，定位是人類科學(xué)家的虛擬研究伙伴，核心是模擬 “假設(shè)生成 — 辯論 — 驗(yàn)證 — 迭代” 的完整科研流程，幫研究者加速發(fā)現(xiàn)、突破思維局限），來(lái)自 DeepMind 和谷歌研究，是幫助科學(xué)家進(jìn)行科研發(fā)現(xiàn)的工具，之后會(huì)放到實(shí)驗(yàn)室里測(cè)試、迭代，但它并不是在實(shí)驗(yàn)室內(nèi)部構(gòu)建的。全公司員工產(chǎn)生創(chuàng)意的機(jī)制依然非?；钴S，也帶來(lái)了很多令人興奮的創(chuàng)新。

Laya Ibrahim：DeepMind 的研究者同樣有機(jī)會(huì)構(gòu)建實(shí)驗(yàn)性產(chǎn)品。這其實(shí)是我們文化的一部分，給大家探索的空間，并且堅(jiān)持跨學(xué)科方式，不只局限于研究者，這一點(diǎn)非常令人興奮。我們會(huì)匯聚不同視角，解決真實(shí)挑戰(zhàn)。有時(shí)候甚至是用 AI 工具提升自身工作效率：比如讓法律團(tuán)隊(duì)更快審核研究論文、獲取反饋；為責(zé)任團(tuán)隊(duì)做更自動(dòng)化的紅隊(duì)測(cè)試；還有解讀古代文獻(xiàn)。

我們有一個(gè)項(xiàng)目，是一位研究者自主發(fā)起的探索：不只關(guān)注今天的智能，還要挖掘被遺忘的歷史知識(shí)。他牽頭做了一個(gè)項(xiàng)目，不僅能鑒定泥板年代，還能補(bǔ)全缺失內(nèi)容、進(jìn)行翻譯。這就是 Project ANEKS 項(xiàng)目（是 Google DeepMind 的一個(gè) AI 研究項(xiàng)目），專注古代文獻(xiàn)研究。正如 James 所說(shuō)，谷歌最不缺的就是聰明、有好奇心的人，而且公司文化支持這種探索。

主持人：我解釋一下我為什么這么關(guān)注這一點(diǎn)。上世紀(jì)，S&P 500 公司（美國(guó) 500 家頂尖上市公司的股票指數(shù)）的平均存續(xù)時(shí)間是 67 年，現(xiàn)在只有 15 年。AI 時(shí)代到來(lái)，變化會(huì)更快，創(chuàng)意來(lái)源、實(shí)驗(yàn)和新項(xiàng)目的能力，對(duì)一家公司的長(zhǎng)期存續(xù)至關(guān)重要。所以我非常關(guān)心谷歌內(nèi)部是如何運(yùn)作的。

Laya Ibrahim：我之前做過(guò)風(fēng)險(xiǎn)投資，我曾覺(jué)得風(fēng)投是最了不起的地方，因?yàn)槟芙佑|到有大膽想法的創(chuàng)業(yè)者。但我在谷歌的感受是：創(chuàng)新就是日常文化的一部分，在各個(gè)部門都在發(fā)生。只是 DeepMind 和谷歌其他部門的呈現(xiàn)方式不太一樣，但整個(gè)公司都在支持創(chuàng)新。

James Manyika：我再補(bǔ)充一點(diǎn)。谷歌的研究文化非常獨(dú)特，回到你最開(kāi)始提到的貝爾實(shí)驗(yàn)室，不管是 DeepMind 還是谷歌研究，我們都堅(jiān)持一個(gè)理念：從研究走向現(xiàn)實(shí)。很多研究突破會(huì)非常快地轉(zhuǎn)化為現(xiàn)實(shí)影響力。AlphaFold 就是很好的例子，它是諾貝爾獎(jiǎng)級(jí)別的突破，而現(xiàn)在全球已有超過(guò) 190 個(gè)國(guó)家、350 萬(wàn)研究者在使用它。還有天氣預(yù)報(bào)領(lǐng)域的突破，現(xiàn)在已經(jīng)投入實(shí)際使用，我們的洪水預(yù)警系統(tǒng)已經(jīng)覆蓋 150 個(gè)國(guó)家、20 億人。把科研突破轉(zhuǎn)化為社會(huì)影響力，是我們非常獨(dú)特的一點(diǎn)。

主持人：有個(gè)問(wèn)題我必須問(wèn)，不然觀眾會(huì)問(wèn)我為什么不問(wèn)。很多年里，外界對(duì)谷歌的印象是 “不敢發(fā)布產(chǎn)品”。最典型的例子：Transformer 模型是谷歌發(fā)明的，而 ChatGPT 是第一個(gè)基于它的主流應(yīng)用。我年底采訪過(guò) Sam Altman，他當(dāng)時(shí)說(shuō)過(guò)一句很受關(guān)注的話：如果谷歌早期就重視我們，他們?cè)缇桶盐覀兡雺毫耍F(xiàn)在他們是強(qiáng)大的競(jìng)爭(zhēng)對(duì)手。“發(fā)布產(chǎn)品” 這件事，在谷歌內(nèi)部是不是變得更重要了？把實(shí)驗(yàn)推向公眾的野心是不是更強(qiáng)了？

James Manyika：我認(rèn)為是的，而且這是一個(gè)自然演變的過(guò)程。谷歌一直在產(chǎn)生大量研究突破，我們始終存在一種良性的張力：產(chǎn)品是否已經(jīng)準(zhǔn)備好？我們并不總能做出完美判斷，但我認(rèn)為這種張力是好事，是 “大膽與負(fù)責(zé)并存” 的體現(xiàn)。同時(shí)我們也意識(shí)到：很多實(shí)驗(yàn)和創(chuàng)新，只有讓人們使用、體驗(yàn)，我們才能學(xué)到東西。這回歸到科學(xué)方法。產(chǎn)品的紅隊(duì)測(cè)試我們做得很多，但真實(shí)用戶的使用，甚至惡意使用，都能讓我們學(xué)到更多。這就是一種演變：發(fā)布有用的產(chǎn)品，并從發(fā)布中學(xué)習(xí)。我們現(xiàn)在常說(shuō)“持續(xù)交付”，Gemini 模型大概每 5 到 6 個(gè)月就會(huì)迭代新一代，這就是你看到的變化。

AI 與教育：

是助力還是隱患？

主持人：AI 與教育是你們都非常關(guān)注且投入很多的方向。你們最近的一項(xiàng)研究顯示，85% 的 18 歲以上學(xué)生在使用 AI，我猜剩下 15% 是沒(méi)說(shuō)實(shí)話；81% 的教師表示在使用 AI，遠(yuǎn)高于全球公眾 66% 的 AI 使用率。AI 正在對(duì)教育產(chǎn)生真實(shí)影響。先從你們的視角開(kāi)始：這對(duì)教育整體是積極的嗎？批評(píng)聲音也很多，比如學(xué)生用 AI 作弊，教師批改的是作弊生成的作業(yè)。實(shí)際情況到底是怎樣的？

Laya Ibrahim：首先，正如 James 之前所說(shuō)，這是一個(gè)非常重要的領(lǐng)域。我們對(duì)待它的方式和其他領(lǐng)域一致：既要大膽思考 AI 如何改變學(xué)習(xí)方式、釋放人類潛力，也要保持負(fù)責(zé)，識(shí)別風(fēng)險(xiǎn)并投入資源降低風(fēng)險(xiǎn)。我們?cè)谡{(diào)查中還發(fā)現(xiàn)，約 80% 的成年學(xué)習(xí)者認(rèn)為 AI 對(duì)學(xué)習(xí)有幫助，它能以適合的形式、在需要的時(shí)候提供信息。我們重點(diǎn)關(guān)注的方向之一，是讓 AI 不只給出答案，而是帶你一步步拆解問(wèn)題。這一切都建立在科學(xué)方法之上。

三年前，我們決定把學(xué)習(xí)當(dāng)作一流的科學(xué)問(wèn)題去研究：人是如何學(xué)習(xí)的？谷歌內(nèi)部有相關(guān)經(jīng)驗(yàn)和專業(yè)能力，同時(shí)全球也有大量研究者在做這件事。我們非常慎重地與教育學(xué)專家、全球教育工作者合作，推出了 Learn LM。

今年我們把這項(xiàng)能力全面注入 Gemini，并在 Gemini App 中推出引導(dǎo)式學(xué)習(xí)等功能，幫助用戶一步步拆解問(wèn)題，教會(huì)你如何學(xué)習(xí)、如何分析。我自己也是十幾歲孩子的家長(zhǎng)，經(jīng)常在做 “AB 測(cè)試”。

主持人：你應(yīng)該讓一個(gè)用 AI，一個(gè)不用，看看最后誰(shuí)更好。

Laya Ibrahim：我會(huì)把這個(gè)加入下一輪實(shí)驗(yàn)。我的一個(gè)女兒有讀寫障礙，現(xiàn)有教育體系并不適合她。但我發(fā)現(xiàn)，當(dāng)她把 AI 融入學(xué)習(xí)，不管是拆解數(shù)學(xué)題，還是幫她整理混亂的思路、形成通順的文字，她感到前所未有的自信。我還有一個(gè)身體有殘疾的妹妹，教育體系也不是為她設(shè)計(jì)的。放眼世界，太多學(xué)生因?yàn)闆](méi)有合適的技術(shù)工具而被落下。

我們的設(shè)想是：讓每一位學(xué)生都擁有個(gè)性化導(dǎo)師，讓每一位教師都擁有教學(xué)助手。AI 是生產(chǎn)力工具，它能改變師生互動(dòng)的模式。我們不是說(shuō) AI 是魔法，教師才是核心，但 AI 能解放教師，讓他們回歸人與人之間的真實(shí)互動(dòng)。我們?cè)诮處熒a(chǎn)力工具上已經(jīng)看到很好的進(jìn)展。我剛?cè)ケ睈?ài)爾蘭，當(dāng)?shù)亟處熀驼献髯隽嗽圏c(diǎn)，他們的便利貼上寫滿了收獲：平均每位教師每周節(jié)省 10 小時(shí)，多出的時(shí)間用來(lái)陪伴家人，為班里 30 多名不同需求的學(xué)生設(shè)計(jì)教案。這非常鼓舞人心。但我們?nèi)蕴幵谠缙陔A段，必須意識(shí)到這件事事關(guān)重大，關(guān)系到人的一生。幫助他們學(xué)習(xí)、打開(kāi)機(jī)會(huì)，并從中學(xué)習(xí)、反哺研究，這至關(guān)重要。

James Manyika：我補(bǔ)充一點(diǎn)。我們發(fā)現(xiàn)，教育領(lǐng)域和社會(huì)其他領(lǐng)域一樣：新技術(shù)到來(lái)時(shí)，不能只是簡(jiǎn)單嫁接到現(xiàn)有流程里，而是要重新設(shè)計(jì)工作流程。舉個(gè)學(xué)習(xí)的例子：大家很擔(dān)心作弊問(wèn)題。在 AI 普及的世界里，我們或許不應(yīng)該再用傳統(tǒng)的方式考試和評(píng)估。一些學(xué)區(qū)發(fā)現(xiàn)，學(xué)生使用引導(dǎo)式學(xué)習(xí)時(shí)，是真的在學(xué)習(xí)，知識(shí)掌握程度會(huì)提升；但如果只是為了熬夜趕作業(yè)，他們就不會(huì)認(rèn)真用。于是這些學(xué)區(qū)做了實(shí)驗(yàn)：增加周測(cè)。學(xué)生聽(tīng)到要多考試可能會(huì)崩潰。但結(jié)果是：測(cè)試變多，學(xué)生為了備考主動(dòng)使用引導(dǎo)式學(xué)習(xí)的時(shí)間變長(zhǎng)，學(xué)習(xí)效果反而更好。這就是我們需要重新想象學(xué)習(xí)流程的例子，而不是把技術(shù)硬套在現(xiàn)有結(jié)構(gòu)上。我們通過(guò)和教師、學(xué)校、學(xué)區(qū)交流，得到了很多有趣的實(shí)驗(yàn)和創(chuàng)新結(jié)論。我們?nèi)蕴幵诜浅Ｔ缙诘碾A段，但大家對(duì)認(rèn)知卸載等問(wèn)題的擔(dān)憂是真實(shí)的，我們必須認(rèn)真對(duì)待。

主持人：這一點(diǎn)我想繼續(xù)聊。和很多技術(shù)、尤其是 AI 一樣，大家擔(dān)心的是：有抱負(fù)的人會(huì)正確使用它，能力大幅提升；而用錯(cuò)方式或不用的人，差距會(huì)被拉得更大?！都~約時(shí)報(bào)》最近有篇文章，不只是學(xué)生，教師也在用 ChatGPT，有些學(xué)生對(duì)此不滿。東北大學(xué)有學(xué)生發(fā)現(xiàn)，教授的幻燈片里有拼寫錯(cuò)誤、圖片里出現(xiàn)多余肢體，這些都是 AI 生成的痕跡。你如何看待這種可能加劇社會(huì)分化的問(wèn)題？

Laya Ibrahim：這讓我想到當(dāng)年把電腦引入課堂和大學(xué)的時(shí)候。我們能從那段歷史里吸取很多經(jīng)驗(yàn)。一方面，我們可以主動(dòng)做一些事情；另一方面，我們也在召集各方領(lǐng)導(dǎo)者，從體系層面探討應(yīng)對(duì)方式。我們把管理者聚在一起，討論在各自機(jī)構(gòu)里建立負(fù)責(zé)任使用技術(shù)的框架。

現(xiàn)在的情況有點(diǎn)混亂，大家各行其是，而我們需要一種探索性的共識(shí)：AI 不會(huì)消失，公平的使用機(jī)會(huì)和素養(yǎng)至關(guān)重要。有些學(xué)生為了領(lǐng)先而用 AI，有些學(xué)生因?yàn)楹ε卤灰暈樽鞅锥桓矣茫@就會(huì)造成分化，我們也觀察到了性別上的差異。我們能做的，是把領(lǐng)導(dǎo)者聚在一起，探討如何開(kāi)啟新篇章，如何在最大化收益的同時(shí)建立護(hù)欄、降低風(fēng)險(xiǎn)。去年年底，我、James 和幾位同事共同舉辦了一場(chǎng)活動(dòng)，分享最佳實(shí)踐，交流哪些有效、哪些無(wú)效，我們的研究者也參與其中。我們還為教師提供實(shí)操培訓(xùn)，教他們負(fù)責(zé)任地使用工具。這更多是為了釋放生產(chǎn)力和潛力，而不是替代。激勵(lì)機(jī)制的設(shè)計(jì)也必須跟上，這一點(diǎn)毫無(wú)疑問(wèn)。

前沿科技進(jìn)展：量子計(jì)算、

材料科學(xué)、氣象預(yù)測(cè)、太空計(jì)劃

主持人：請(qǐng)問(wèn) James：量子計(jì)算的現(xiàn)狀如何？它的發(fā)展速度比很多人預(yù)期的更快。

James Manyika：我們有一支頂尖的量子 AI 團(tuán)隊(duì)，正在做突破性的工作。總的來(lái)說(shuō)，量子計(jì)算的進(jìn)展比大眾認(rèn)知的要快。量子計(jì)算的終極目標(biāo)，是構(gòu)建完全容錯(cuò)的量子計(jì)算機(jī)，路線有很多種。主流方向是超導(dǎo)量子比特，也是我們團(tuán)隊(duì)在做的，全球很多團(tuán)隊(duì)都在研究這條路，復(fù)雜度很高，但被認(rèn)為是最有希望的方向。此外還有中性原子等多種技術(shù)路線。

具體進(jìn)展：底層芯片進(jìn)步巨大，比如我們的 Willow 芯片，一年半前取得重大里程碑。它完成了一項(xiàng)叫 RCS 的基準(zhǔn)測(cè)試，一臺(tái)頂級(jí)經(jīng)典超算需要 100 億年才能完成，而它只用了不到 5 分鐘，還能以突破性的方式糾錯(cuò)。

量子計(jì)算一直以來(lái)的另一個(gè)核心障礙是平滑糾錯(cuò)：如何在擴(kuò)容、增加量子比特的同時(shí)降低錯(cuò)誤率。這是真正的突破，也是我們獲得年度突破獎(jiǎng)的原因，是我們首次證明可以實(shí)現(xiàn)閾值以下糾錯(cuò) —— 系統(tǒng)擴(kuò)容，錯(cuò)誤率反而下降，這正是我們想要的結(jié)果。

另一個(gè)重大突破在去年年底：之前所有的基準(zhǔn)測(cè)試，包括我剛才說(shuō)的，都只用于 benchmark，沒(méi)有實(shí)際用途。而去年我們首次實(shí)現(xiàn)了有實(shí)際價(jià)值的計(jì)算，也就是Quantum Echoes，相關(guān)成果登上了《自然》封面。它完成了一項(xiàng)有用的計(jì)算：研究分子的自旋動(dòng)力學(xué)，這是其他方式無(wú)法實(shí)現(xiàn)的。我們還和伯克利的團(tuán)隊(duì)合作，他們通過(guò)核磁共振實(shí)驗(yàn)在實(shí)驗(yàn)室驗(yàn)證了結(jié)果。這是第一個(gè)有實(shí)用價(jià)值的量子計(jì)算案例。

綜合來(lái)看，量子計(jì)算的進(jìn)展比大家以為的 “還要幾十年” 要快得多。未來(lái)五年左右，我們會(huì)開(kāi)始看到量子計(jì)算的實(shí)用化應(yīng)用，非常令人期待。

主持人：材料科學(xué)是 AI 研究中相對(duì)被忽視的領(lǐng)域，AI 可以通過(guò)預(yù)測(cè)技術(shù)發(fā)現(xiàn)新材料。Laya，介紹一下目前的進(jìn)展。

Laya Ibrahim：這回到我們的核心思路：AI 能幫助我們解開(kāi)哪些根源性問(wèn)題、加深對(duì)世界的基礎(chǔ)理解，從而為整個(gè)領(lǐng)域打開(kāi)大門。AlphaFold 就是其中之一。你提到的 AlphaGeometry（是 DeepMind 開(kāi)發(fā)的、能自動(dòng)解決高難度奧林匹克幾何證明題的 AI 系統(tǒng)，達(dá)到了國(guó)際數(shù)學(xué)奧林匹克“IMO”金牌選手的水平。），還有我們的材料科學(xué)項(xiàng)目，都非常令人興奮。我們把已知的 4 萬(wàn)種穩(wěn)定晶體，拓展到了 40 多萬(wàn)種，目前正在實(shí)驗(yàn)室和研究中測(cè)試。這意味著什么？你可以想象更優(yōu)質(zhì)的電動(dòng)汽車電池、超級(jí)計(jì)算機(jī)的超導(dǎo)體。很多突破都要依靠新材料實(shí)現(xiàn)。我們?nèi)蕴幵谠缙陔A段，但我們相信這是一個(gè)很有前景的方向，有可能改變我們的生活和工作方式。

主持人：發(fā)現(xiàn)新材料之后，會(huì)帶來(lái)什么？比如像 T 恤一樣薄，但保暖性媲美冬裝的材料？

Laya Ibrahim：沒(méi)錯(cuò)。你身邊的所有東西，都可以通過(guò)新材料重新想象。比如電池、電動(dòng)汽車，如何讓車身更輕、續(xù)航更長(zhǎng)、充電更快，突破現(xiàn)有物理限制。這些都有可能通過(guò)基礎(chǔ)材料的突破實(shí)現(xiàn)。

主持人：接下來(lái)是氣象預(yù)測(cè)，谷歌在很多方向上都在深耕 AI 氣象。

James Manyika：我們有一個(gè)非常龐大的氣象項(xiàng)目，由 DeepMind 和谷歌研究共同推進(jìn)。氣象預(yù)測(cè)的維度很多：普通天氣預(yù)報(bào)，下周、明天天氣如何，Graphcast（ 是 Google DeepMind 于 2023 年推出的、基于圖神經(jīng)網(wǎng)絡(luò)“GNN”的全球中期天氣預(yù)報(bào) AI 模型，是氣象預(yù)測(cè)領(lǐng)域的里程碑式突破）來(lái)自 DeepMind，是目前業(yè)內(nèi)頂尖的模型。我們還在預(yù)測(cè)其他氣象事件：季風(fēng)、颶風(fēng)、洪水等極端天氣。

我舉一個(gè)影響生命安全的例子：業(yè)內(nèi)早就知道，如果洪水預(yù)警能提前 6 天以上發(fā)出，就能挽救生命。聯(lián)合國(guó)估計(jì)，這樣能減少一半的災(zāi)害損失。這一直是一個(gè)難題。兩年半前，我們的團(tuán)隊(duì)構(gòu)建了預(yù)測(cè)河流洪水的模型，在孟加拉國(guó)試點(diǎn)成功。如今，我們的洪水預(yù)測(cè)已經(jīng)覆蓋 150 個(gè)國(guó)家、20 億人。這就是從突破性創(chuàng)新到社會(huì)實(shí)際價(jià)值的典型案例。我們還和國(guó)家颶風(fēng)中心合作，可以提前 15 天預(yù)測(cè)颶風(fēng)的 50 條不同路徑，并且成功追蹤了颶風(fēng) Melissa。這類信息對(duì)災(zāi)害應(yīng)急意義重大，也能用于航班調(diào)度等日常場(chǎng)景。

主持人：最后一個(gè)項(xiàng)目：Project Suncatcher（ 谷歌的 “太空 AI 數(shù)據(jù)中心” 計(jì)劃，在地球軌道部署由太陽(yáng)能衛(wèi)星組成的星座，搭載 TPU，利用太空無(wú)限太陽(yáng)能進(jìn)行 AI 計(jì)算）是什么？

James Manyika：這是典型的谷歌式瘋狂構(gòu)想。我們思考：今天如何訓(xùn)練 AI 系統(tǒng)？100 年之后，考慮到訓(xùn)練模型需要的算力和能源，會(huì)怎么做？100 年后，我們肯定會(huì)在太空訓(xùn)練，畢竟太陽(yáng)的能量是地球的百萬(wàn)億倍，而且 24 小時(shí)不間斷。為什么不現(xiàn)在就朝著這個(gè)未來(lái)邁進(jìn)？ Project Suncatcher 項(xiàng)目就是這樣一個(gè)谷歌式登月計(jì)劃。

我們已經(jīng)完成了幾個(gè)關(guān)鍵里程碑，計(jì)劃把 TPU，一款專用 AI 芯片，送入太空進(jìn)行訓(xùn)練。我們真的要把芯片送上太空。第一個(gè)里程碑是我們希望 2027 年在太空完成若干次訓(xùn)練任務(wù)。這就是 Project Suncatcher，一步步走向那個(gè)未來(lái)。有人會(huì)聯(lián)想到 Dyson Sphere（是物理學(xué)家弗里曼?戴森在 1960 年提出的科幻級(jí)巨型工程構(gòu)想，核心是用巨大結(jié)構(gòu)完全包裹恒星，捕獲其幾乎全部能量，是 II 型文明的標(biāo)志性能源方案），利用太陽(yáng)系、甚至銀河系的能量。一位前谷歌員工曾提出：如果要走向 AGI，地球可能會(huì)布滿數(shù)據(jù)中心；但如果把數(shù)據(jù)中心放到太空，地球就能留給人類生活。敬請(qǐng)關(guān)注，我們下一個(gè)里程碑在 2027 年，希望能完成太空訓(xùn)練。

https://www.youtube.com/watch?v=MkZRak7lVcA

聲明：本文為 AI 前線整理，不代表平臺(tái)觀點(diǎn)，未經(jīng)許可禁止轉(zhuǎn)載。

會(huì)議推薦

InfoQ 2026 全年會(huì)議規(guī)劃已上線！從 AI Infra 到 Agentic AI，從 AI 工程化到產(chǎn)業(yè)落地，從技術(shù)前沿到行業(yè)應(yīng)用，全面覆蓋 AI 與軟件開(kāi)發(fā)核心賽道！集結(jié)全球技術(shù)先鋒，拆解真實(shí)生產(chǎn)案例、深挖技術(shù)與產(chǎn)業(yè)落地痛點(diǎn)，探索前沿領(lǐng)域、聚焦產(chǎn)業(yè)賦能，獲取實(shí)戰(zhàn)落地方案與前瞻產(chǎn)業(yè)洞察，高效實(shí)現(xiàn)技術(shù)價(jià)值轉(zhuǎn)化。把握行業(yè)變革關(guān)鍵節(jié)點(diǎn)，搶占 2026 智能升級(jí)發(fā)展先機(jī)！

今日薦文

你也「在看」嗎？