EDITORIAL / FEATURED STORY

谷歌 CEO 最新访谈:外界都说谷歌放弃了最强模型,他只回了三个字——"非常错"

你有没有想过,一家手里握着全世界最赚钱的搜索业务、又有一个正在高速增长的云业务的公司,在算力永远不够用的时候,会把最好的那台"大计算机"先给谁?是卖给付钱的云客户,还是留给那些只管烧钱的 AI 研究员?这个选择,几乎就是一家公司对未来的表态。 这期 Big Technology Podcast 的嘉宾是 Alphabet 和 Google 的 CEO Sundar Pichai,在 Mountai

ARTICLE /415
谷歌 CEO 最新访谈:外界都说谷歌放弃了最强模型,他只回了三个字——"非常错"
SCROLL TO READ

谷歌 CEO 最新访谈:外界都说谷歌放弃了最强模型,他只回了三个字——"非常错"

“

你有没有想过,一家手里握着全世界最赚钱的搜索业务、又有一个正在高速增长的云业务的公司,在算力永远不够用的时候,会把最好的那台"大计算机"先给谁?是卖给付钱的云客户,还是留给那些只管烧钱的 AI 研究员?这个选择,几乎就是一家公司对未来的表态。 这期 Big Technology Podcast 的嘉宾是 Alphabet 和 Google 的 CEO Sundar Pichai,在 Mountai

本篇体育资讯由亚星娱乐整理:

你有没有想过,一家手里握着全世界最赚钱的搜索业务、又有一个正在高速增长的云业务的公司,在算力永远不够用的时候,会把最好的那台"大计算机"先给谁?

是卖给付钱的云客户,还是留给那些只管烧钱的 AI 研究员?

这个选择,几乎就是一家公司对未来的表态。

about image

这期 Big Technology Podcast 的嘉宾是 Alphabet 和 Google 的 CEO Sundar Pichai,在 Mountain View 的录音室里,由 Alex Kantrowitz 提问。

聊天的背景是 Google 刚发布的新模型 Gemini 4 Argon(下文简称 Argon),他们从 Google 为什么非要站在前沿聊起,一路聊到递归自我改进、算力怎么分、AI 有没有建过头、未来的界面长什么样,最后收在他对技术的乐观上。

我挑了其中几条我最有感触的线,每一节先讲 Sundar 是怎么说的,再写我自己的想法,分享给大家。

Google 为什么非要站在 AI 的前沿 Alex 一开场就点出了一个转折:过去有一种常见的看法,认为 Google 已经放弃了前沿,只会做一些够用的快模型,放进自己的产品里。

现在 Argon 在编程、数学、科学和知识工作的多项基准测试上,超过了 OpenAI 和 Anthropic 的公开模型。

Sundar 的回答是,那种看法"非常错误"。

他说站在前沿在 Google 的 DNA 里,公司想 AI 的前沿已经想了十多年,他们为 Argon 花了更长的时间,做了更仔细的安全测试和部署。

他给了一个数字:Argon 发布后的头 72 小时,用掉的 token 接近 25 万亿,大约是 Gemini 3.

0 同期的 3 倍,而且他们还在算力受限的状态下提供服务。

不过他也坦率地说,前沿变化得很快,即便是编程,也有一些具体的角落,他们知道自己需要做得更好,用户的反馈很明确。

Alex 还替另一方做了一次辩护:如今 AI 的基线已经很高,前沿只对少数任务才是必需的,用一个"好但不是最好"的标准模型,同样能做出很好的产品,比如放进地图、Gmail 和搜索。

Sundar 说,他完全不是这样想的。

他的理由有三层。

第一,站在前沿,你比别人更早看到正在出现的能力,也更早为未来做准备。

第二,一部分云客户确实要的就是最前沿的模型。

第三,也是他最看重的一点,在递归自我改进的时代,前沿模型更擅长开发下一代模型,所以这一步绕不过去。

他还提到,把 Argon 交给内部开发者之后,看到了一个陡峭的拐点,它能解决以前的模型解决不了的问题。

他同时承认,各种尺寸的模型都有存在的空间,这正是他们做 Flash、Flash Lite 的原因,因为前沿模型往往更慢、更贵,做出很好的产品并不一定要用它。

我觉得这一节最值得想的,是他把"前沿"当作一种信息优势,而不仅仅是一块排行榜上的名次。

站在前沿的价值,不只是你的产品更强,而是你能最先看到下一步会发生什么。

对一家要在三年后的世界里做决策的公司来说,这种提前量,比今天的产品体验更值钱。

递归自我改进现在到了哪一步 谈到 Argon 的开发,Alex 提到 Sergey 曾在一次与 DeepMind 研究员的圆桌上说,Argon 的核心创新之一,是更多地依靠模型来帮助开发模型。

这就是递归自我改进(recursive self-improvement,简称 RSI),也就是模型在没有人参与的情况下让自己变得更好,有人把它叫作智能爆炸。

Alex 把自己的担忧也摆了出来:现在的模型并不是完美对齐的,这些不完美本身就是问题,一旦加速,让人有点害怕,行业是不是应该冷静一点?

Sundar 的回答分成三层。

第一层,他先把 RSI 放回现实的尺度上。

他说 Sergey 讲得对,RSI 确实是开发 Argon 的重要贡献者,但今天离 RSI 的终局"还很远"。

更准确的描述是,现在有 RSI 的回路,和 AI 研究员一起,出现在模型开发的各个环节里,可以说是 agent 以某种自动化的方式在帮助研究员一起造模型。

他预期这个连续的过程明年会继续推进。

第二层是安全。

他说安全来自 defense in depth(纵深防御):对齐当然要做,但它还是一个活跃的研究领域,有明显的缺口,所以不能只靠它。

除此之外,要做实时监控,让你对模型正在做什么有足够好的遥测数据,一旦看到意外行为就能实时介入;

架构上要做好 sandbox(沙箱)和隔离,让模型在被监控的同时还能继续干活;

部署给企业客户时,要让客户控制模型能访问什么数据、部署在哪里。

他特别说,作为行业,要舍得花时间,也要专门拨出算力,来保证能安全地部署这些模型。

第三层,是"这些够不够"。

他说担心是合理的,对于担心的事,正确的做法是尽早想还能做什么。

他认为下一步是建立跨行业的标准,包括引入独立的评估者,就像

以上内容由亚星娱乐整理发布。

觉得有用?分享给朋友

让更多人看到这篇内容

KEEP READING / 04

推荐阅读

查看全部