Loading...
Loading...
Google DeepMind CEO Demis Hassabis（德米斯·哈萨比斯）：从 Gemini 2.5 到世界模型，迈向通用人工智能撰文：Techub News 整理
导语
在2025 年 5 月举行的 Google I/O 2025 开发者大会主题演讲中，Google DeepMind 联合创始人兼首席执行官 Demis Hassabis（德米斯·哈萨比斯）携团队核心成员登台，向全球开发者与 AI 社区展示了其旗舰模型 Gemini 在过去一年取得的“ relentless progress”（不懈进步）。此次演讲不仅是对 Gemini 2.5 Pro 和 Flash 模型性能升级的汇报，更是一次关于 Google AI 未来战略的深度阐述。哈萨比斯明确提出了将 Gemini 进化为“世界模型”的愿景，并展示了 Project Astra 如何向“通用 AI 助手”演进，清晰地勾勒出 Google 通往 AGI（通用人工智能）的路线图。
摘要
Gemini 2.5 Pro 被定位为“最智能的模型”，新增“深度思考”模式，在数学、编程等硬核基准测试中达到前沿水平。
Gemini 2.5 Flash 迎来重大更新，效率提升 22%，并引入“思维预算”功能，让开发者在成本、延迟与质量间取得平衡。
发布多项面向开发者的新能力：原生多说话人音频、思维摘要、代码助手 Jules 公测，以及实验性的 Gemini Diffusion 文本扩散模型。
首次系统阐述“世界模型”愿景，旨在让 AI 能像人脑一样模拟世界进行规划和想象，这是实现通用 AI 助手和 AGI 的关键一步。
Project Astra 原型展示了未来 AI 助手如何通过理解屏幕内容、控制电脑、处理多任务来协助完成现实世界中的复杂任务（如维修自行车）。
Gemini 2.5：性能、效率与开发者工具的全面进化
Demis Hassabis（德米斯·哈萨比斯）在开场即定调：我们正处在 AI 创造惊人未来的历史性时刻。他回顾了 Gemini 2.5 发布一年来的成就，用户利用其强大的多模态和推理能力，完成了从解构科学论文、理解 YouTube 视频到一次性构建游戏和应用（vibecode）等各种任务。他重申，Gemini 2.5 Pro 是 Google 有史以来最智能的模型，也是世界上最好的基础模型。就在大会两周前，Google 发布了更新版 2.5 Pro 的预览，其已在 Web Dev Arena 等热门编程排行榜上位居榜首，并且由于整合了专为教育构建的 LearnLM 系列模型，它也成为学习领域的领先模型。
另一方面，主打高效能的 Gemini 2.5 Flash 也迎来了近乎全方位的升级。新版 Flash 在推理、代码和长上下文等关键基准上均有提升，在 LMArena 排行榜上仅次于 2.5 Pro。哈萨比斯宣布，更新后的 2.5 Flash 将于 6 月初全面上市，2.5 Pro 随后推出。开发者现已可在 AI Studio、Vertex AI 和 Gemini 应用中体验预览版。
随后，产品负责人 Tulsee Doshi 登台，详细介绍了基于开发者反馈所做的四大改进：增强的能力、提升的安全性与透明度、更好的成本效益以及更多的控制权。
首先，在能力层面，除了新的 2.5 Flash，Google 推出了具有首创多说话人支持的原生文本转语音预览。该功能支持两种声音，能捕捉说话的细微差别，甚至无缝切换至耳语，并可在超过 24 种语言间轻松转换。开发者即日起可在 Gemini API 中使用此功能，Live API 也将很快提供支持原生音频对话的 2.5 Flash 预览版，用于构建更自然的对话体验。
其次，安全性得到强化。Gemini 2.5 被宣称为迄今最安全的模型，特别加强了对间接提示注入等威胁的防护。同时，为了提高模型行为的透明度，2.5 Pro 和 Flash 都通过 API 提供了“思维摘要”功能。该功能将模型的原始“思考过程”整理成带有标题、关键细节和工具调用等信息的清晰格式，便于开发者调试和理解模型在耗时任务中的决策逻辑。
第三，效率进一步提升。新的 2.5 Flash 通过减少模型达到相同性能所需的 token 数量，实现了 22% 的效率提升。
第四，开发者获得更多控制权。此前在 2.5 Flash 中广受好评的“思维预算”功能，将被引入 2.5 Pro。开发者可以控制模型在回应前使用多少 token 进行“思考”，从而在成本、延迟和质量之间进行权衡，也可以直接关闭此功能。
为了展示 Gemini 2.5 Pro 强大的编程能力，Tulsee Doshi 进行了一段现场演示。她从一个画在餐巾纸上的粗略 3D 球体草图开始，要求 Gemini 2.5 Pro 根据这张图片更新一个简单的博物馆展览网页应用代码。得益于多模态理解能力，Gemini 不仅看懂了抽象草图，还直接生成了美丽的 3D 动画代码，并应用到现有代码库中。整个过程无需开发者精通 Three.js 库或复杂的 3D 数学。随后，她进一步使用 2.5 Flash 为图片添加互动问题，并利用原生音频功能让展品“开口说话”，生动展示了如何将视觉、语音和编程能力快速整合到应用中。
在开发者工具方面，最大的亮点是异步编码智能体 Jules 进入公开测试版。Jules 可以接手复杂的任务，例如在大型代码库中更新旧版 Node.js，它能自行规划步骤、修改文件，将原本需要数小时的工作缩短至几分钟。Jules 现已集成在 Android Studio、Firebase Studio 和 Gemini Code Assist 等 Google 产品中，并可与 GitHub 协同工作。开发者现在即可前往 Jules.google 注册使用。
前沿研究：扩散模型赋能文本与“深度思考”模式
Google 的研究步伐并未停留在现有模型的优化上。Tulsee Doshi 介绍了一项突破性的研究：将已在图像和视频生成领域取得革命性成功的扩散技术应用于文本。这项研究催生了实验性的 Gemini Diffusion 文本扩散模型。与传统的自左向右生成方式不同，扩散模型通过迭代精炼来生成文本，使其在编辑、数学和代码等任务上表现出色，能够快速迭代方案并在生成过程中纠错。
这种并行生成方式带来了极低的延迟。2025 年 5 月发布的 Gemini Diffusion 版本，其生成速度比目前最快的 2.0 Flash-Lite 模型还要快五倍，同时保持了同等的编码性能。现场演示了一个简单的数学问题求解，模型几乎在瞬间给出了正确答案，其内部的迭代过程被慢放展示，令人印象深刻。该模型目前正在小范围测试，而更快的 2.5 Flash-Lite 也即将到来，预示着 Google 将在所有 Gemini 模型中持续降低延迟。
随后，Demis Hassabis（德米斯·哈萨比斯）重返舞台，带来了另一个重磅更新：为 Gemini 2.5 Pro 引入全新的 “深度思考”模式。受 AlphaGo 等模型的启发，给予模型更多“思考”时间能显著提升其回答质量。Deep Think 模式利用了 Google 在思维和推理方面的最新前沿研究，包括并行技术，将模型性能推向极限。
初步结果显示，其表现令人惊叹：在目前最难的数学基准之一 USAMO 2025 上取得了优异成绩；在竞争级编程的艰难基准 LiveCodeBench 上领先；并且，由于 Gemini 自始就是原生多模态的，它在衡量多模态理解的 MMMU 基准上也表现出色。哈萨比斯表示，正因为 2.5 Pro Deep Think 定义了新的性能前沿，Google 需要额外时间进行前沿安全评估并征求安全专家意见。因此，它将首先通过 Gemini API 向可信赖的测试者开放，收集反馈后再广泛发布。
迈向“世界模型”：通用 AI 助手与科学发现的加速器
演讲的后半部分，Demis Hassabis（德米斯·哈萨比斯）将视角从具体的模型提升到了 Google DeepMind 的终极愿景。他回顾了过去十年 Google 为现代 AI 时代奠定的基础，从发明 Transformer 架构，到 AlphaGo、AlphaZero 等智能体系统。现在，团队正致力于将 Gemini 从最好的多模态基础模型，扩展成为一个“世界模型”。
所谓“世界模型”，即能够像人脑一样，通过模拟世界的各个方面来进行规划、想象新体验的模型。哈萨比斯对此充满热情，这可以追溯到他早期开发《主题公园》等模拟游戏 AI 的经历。Google 在此方向上已迈出步伐：训练智能体掌握围棋和《星际争霸》等复杂游戏；2025 年 5 月发布的 Genie 2 模型，能够仅凭单张图片提示就生成可交互的 3D 模拟环境。这些能力已初露端倪，例如 Gemini 利用其世界知识和推理来表征自然界事物；而最先进的视频模型 Veo，则对重力、光线和材料行为等直观物理有着深刻理解，能在帧间保持惊人的准确性和一致性。
理解物理环境对于机器人技术也至关重要。AI 系统需要世界模型才能在现实世界中有效运作。Google 已微调出一个专业模型——Gemini Robotics，用于教导机器人掌握抓取、遵循指令、即时适应新任务等技能。哈萨比斯宣布，大会现场的参与者可以在“AI 沙盒”中亲自体验这些机器人。
将 Gemini 打造成一个完整的世界模型，是解锁一种新型 AI 的关键一步：一种能在日常生活中提供帮助、智能理解所处情境、并能代表用户在任何设备上规划和采取行动的 AI。这正是 Gemini 应用的终极愿景——将其转变为一个通用的 AI 助手，一个个性化、主动且强大的 AI，也是通往 AGI 道路上的关键里程碑。
这一旅程始于去年探索的 Project Astra 所展示的能力，如视频理解、屏幕共享和记忆。过去一年，这些能力已被整合到 Gemini Live 中，让更多用户体验。如今，Project Astra 的研究原型展示了更强大的未来图景：在一个演示视频中，AI 助手帮助用户维修自行车，它可以上网搜索用户手册、在 YouTube 上找维修视频、查阅电子邮件获取零件规格、甚至直接打电话给自行车店查询库存。整个过程，AI 能够理解屏幕内容、控制电脑应用、处理多线程任务，并拥有连续的对话记忆。
哈萨比斯描述，这样一个通用 AI 助手将为我们处理日常琐事，打理繁琐行政工作，推荐令人愉悦的新事物，从而提升我们的生产力，丰富我们的生活。Google 正在从可信测试者那里收集关于这些新能力的反馈，并致力于将它们引入 Gemini Live、搜索中的新体验、面向开发者的 Live API，以及 Android XR 眼镜等新形态设备中。
AI 赋能科学：从蛋白质结构到全球性疾病
作为一位科学家出身的 CEO，Demis Hassabis（德米斯·哈萨比斯）始终坚信，其职业生涯的核心在于利用 AI 推动知识进步和加速科学发现。他自豪地列举了 Google DeepMind 在过去一年在科学领域取得的一系列突破：
数学与发现：AlphaProof 能以银牌水平解决国际数学奥林匹克竞赛问题；Co-Scientist 能与研究人员协作，帮助提出和测试新假设；2025 年 5 月发布的 AlphaEvolve 甚至能发现新的科学知识并加速 AI 训练本身。
生命科学：研究系统 AMIE 可辅助临床医生进行医疗诊断；AlphaFold 3 能预测所有生命分子的结构和相互作用；基于 AlphaFold 工作的 Isomorphic Labs，正利用 AI 革命化药物发现过程，有朝一日将帮助解决许多全球性疾病。
哈萨比斯特别提到，AlphaFold 在短短几年内已对科学界产生巨大影响，成为生物学和医学研究的标准工具，全球超过 250 万研究人员在其关键工作中使用它。他坚定地表示，如果能够安全、负责任地发展，AGI 有潜力成为有史以来最有益的技术，极大地加速科学发现。
最后，演讲以一段感性的视频收尾，展示了 Google 如何与辅助视障人士的公司 Aira 合作，利用 Astra 技术构建原型，帮助视障音乐家更独立地探索世界（如识别环境、寻找物品）。这体现了 Google 将其尖端技术用于公益的承诺。哈萨比斯总结道，通过所有这些开创性工作，Google 正在构建更加个性化、主动和强大的 AI，以丰富人们的生活，推动科学进步的步伐，并引领一个充满发现与奇迹的新黄金时代。
Google DeepMind CEO Demis Hassabis（德米斯·哈萨比斯）：AGI 将在 5-10 年内到来撰文：Techub News 整理
导语
在 Google I/O 2024 开发者大会结束后，《纽约时报》科技专栏作家 Kevin Roose 与 Platformer 创始人 Casey Newton 在其热门播客 Hard Fork 中，专访了 Google DeepMind 的联合创始人兼 CEO Demis Hassabis（德米斯·哈萨比斯）。此次对话发生在 AI 技术加速演进、行业竞争白热化的关键节点。Hassabis 作为 DeepMind（AlphaGo、AlphaFold 的创造者）的掌舵人，如今统领着谷歌整个核心 AI 研发力量。他的观点不仅反映了谷歌在 AGI 竞赛中的战略转向，也揭示了顶尖研究者对技术未来、社会影响及人类终极角色的思考。
摘要
AGI 时间线明确：Hassabis 预测，具备人类水平通用智能的 AGI 将在未来 5 到 10 年内到来，这与谷歌联合创始人 Sergey Brin（谢尔盖·布林）「2030年前」的预测基本一致。
谷歌的「AGI 化」转变：过去对 AGI 话题相对谨慎的谷歌，如今已将其置于核心，Hassabis 形容 DeepMind 已成为「谷歌的引擎室」，AGI 理念正在渗入整个公司。
技术路径：规模化与突破性研究并重：实现 AGI 需要持续扩大模型规模，同时辅以类似 Alpha 系列的突破性研究，并探索如「Alpha Evolve」这类具备自我改进雏形的混合系统。
AI 安全与治理的紧迫性：随着「智能体」（Agent）时代临近，Hassabis 呼吁建立国际性的安全基准与规范，并认为在技术变得「非常严肃」之前，必须加强可控性研究。
AI 的未来角色：赋能而非完全替代：Hassabis 展望 AI 将成为个人的「通用助手」，消除繁琐工作，保护用户注意力，并助力解决能源、疾病等全球性挑战，最终可能导向一个「激进丰裕」的社会。
从 I/O 到 AGI：谷歌的自信与转向
今年的 Google I/O 大会被 AI 全面主导，Gemini 的名字在主题演讲中被提及近百次。与去年「让谷歌替你谷歌」的被动式愿景不同，今年谷歌传递的信息是：AI 是你的超能力，你需要坐直、倾身、付费并开始工作。播客主持人 Casey Newton 观察到，谷歌在 2024 年展现出比前两年更多的「自信和霸气」，感觉自己至少能进入「季后赛」。Kevin Roose 则看到了更深层的文化转变：谷歌正在被「AGI 化」。
过去，AGI 在谷歌内部更像是 DeepMind 伦敦团队「疯狂的追求」，与核心的搜索广告业务相距甚远。如今，情况已然改变。Demis Hassabis（德米斯·哈萨比斯）证实了这种感知：「AI 部分变得越来越核心……DeepMind 现在就像是谷歌的引擎室。」他认为，AGI 作为一项横向基础层技术，将支撑一切，公司上下都开始理解这一点，DeepMind 的理念正在融入整个谷歌。
这种转向源于技术进展快于预期。Hassabis 表示，我们可能比几年前人们想象的更接近人类水平的通用智能。当被问及与 Sergey Brin（谢尔盖·布林）在 AGI 时间线上的微小分歧（布林认为在2030年前，哈萨比斯认为在2030年左右）时，他解释道，他的预测自2010年 DeepMind 创立以来一直很一致：大约需要20年。现在，他感觉概率分布的重心落在未来的5到10年之间。他强调，定义很重要——他设定的 AGI 标准很高，是能够完成人类大脑理论上能做的所有事情，而不仅仅是达到普通人的经济实用水平。
通往 AGI 的技术双轨制：规模化与创造性突破
如何抵达 AGI？Hassabis 阐述了双轨并进的策略。一方面是持续推动模型规模化，包括在前训练、后训练、推理计算等整个技术栈上进行创新，他称之为「传统路径」的持续改进。另一方面，则是进行更多「绿地」或「蓝天」式的基础研究，寻求类似 Transformer、AlphaGo 那样的突破性进展。
新近发布的「Alpha Evolve」项目正是这种混合思路的体现。Hassabis 介绍，Alpha Evolve 结合了 Gemini 大模型与进化编程方法。具体而言，用一个高效的「Flash」模型生成程序或数学函数方面的假设，再用一个更强大的「Pro」模型来评估和筛选最有潜力的想法，进入下一轮「进化」。这初步形成了一个自动化的 AI 研究循环，已在芯片设计、数据中心任务调度乃至改进矩阵乘法等基础算法上取得了实用成果。
有趣的是，这项研究涉及故意引导模型「幻想」（hallucinate）。Hassabis 对此解释道，在需要事实准确性的场景，幻觉是问题；但在需要创造性的场景，你可以将「幻觉」视为「想象力」。就像商业课程中的头脑风暴，大多数疯狂的想法没有意义，但偶尔一两个可能将搜索引导至极具价值的全新领域。这呼应了早期 AlphaGo 走出传奇的「第37手」时所展现的、在既定知识边界外的创造性。
针对外界关于「只需小型专业模型」的论点，Hassabis 认为规模与专用性并非对立。大模型对于训练高效的小型模型（如通过蒸馏技术）至关重要。同时，像 AlphaFold 这样的专用模型对于立即解决科学和医学难题意义重大。他的理念是「兼收并蓄」：既推进规模化，也探索专用技术、混合系统以及可能催生下一个 Transformer 的蓝天研究。
安全、治理与未来社会的挑战
随着能力提升，AI 安全似乎从公众讨论的前台有所退却。Hassabis 强调，DeepMind 对安全的承诺一如既往。他们进行了大量的内部红队测试，并且从将早期系统开放给公众使用的过程中学到了很多。他承认，当数百万聪明人试用你的技术时，你会发现再大的内部测试团队也无法覆盖的所有边缘情况。
他预见到一个关键转折点：大约两三年后，当智能体系统变得真正强大时，情况将变得「非常严肃」。届时，业界需要在可分析性和可控性研究上实现阶跃式进步。更重要的是，这必须是一项国际努力。他呼吁产业界和学术界现在就应就安全性与可靠性的基准测试达成共识，并建立国际规范。
谈到地缘政治与出口管制，Hassabis 承认问题的复杂性。一方面， uncontrolled proliferation of these technologies 可能带来风险；另一方面，又希望西方技术能被全球采纳。他担忧 AI 正被卷入更大的地缘政治变局中，但更希望随着技术力量日益增强，世界能意识到「我们同舟共济」，并在科学层面展开更多合作。
关于未来工作，Hassabis 认为在 AGI 到来之前的未来5-10年，历史规律仍将起作用：一些工作被颠覆，但通常更有价值、更有趣的新工作会被创造出来。他建议当下的毕业生和年轻人，既要掌握 STEM 基础（包括编程），以理解 AI 的工作原理，也要积极沉浸于使用最新 AI 工具，成为「超级使用者」。他更强调「元技能」的培养：学习如何学习、创造力、适应力和韧性，以应对未来十年必然发生的巨变。
AI 时代的创造力、意义与人类角色
当被问及 AI 是否会导致类似工业革命后「超验主义」回归自然的运动时，Hassabis 认为完全可能。在一个「激进丰裕」的世界里，许多人可能会选择将更多时间投入自然和真实的人际互动中。他特别指出，涉及人与人情感联结的领域，将是 AI 最后触及、也可能永远无法完全复制的部分。
这一点在他对 AI 艺术创作的看法中尤为明显。尽管对 Veo 3 等视频生成模型的技术成就惊叹不已，但 Hassabis 认为，伟大的艺术承载着创作者的挣扎、体验与灵魂。他举例说，看到梵高的画作会让人脊背发凉，因为你能感受到笔触背后艺术家的痛苦与抗争。即使 AI 能模仿这种笔触，但如果被告知这是 AI 所作，那种共鸣感便会消失。因此，他认为顶级的人类创作者将始终带来 AI 无法替代的东西，这也是 DeepMind 坚持与顶尖艺术家合作开发创意工具的原因。
对于 AI 伴侣的兴起，Hassabis 态度谨慎，表示 DeepMind 尚未涉足此领域，并正在认真思考。他更倾向于推动 AI 向「通用助手」方向发展：一个真正属于用户、为用户工作的工具。他提出了一个引人深思的愿景：一个足够了解你的 AI 助手，可以被设定来「保护你的注意力」，使其免受其他旨在掠夺注意力的算法（如多数社交媒体）的侵扰，让人们能更专注于创造性活动或与家人的相处。
在对话的最后，被问及「在持续的 AI 革命中，处于哪个年龄段最糟糕」时，Hassabis 给出了一个充满希望的答案：任何能活着见证这一切的年龄都是好年纪。他认为我们将见证医学等领域的巨大进步，这将会是一段不可思议的旅程。当然，如果能年轻些，总是更好的。
Google 首席科学家 Jeff Dean（杰夫·迪恩）与 Transformer 之父 Noam Shazeer（诺姆·沙泽尔）：25 年 AI 之路与 AGI 蓝图撰文：Techub News 整理
导语
2025 年 2 月，知名播客主持人 Dwarkesh Patel 邀请到了 Google 的两位传奇工程师——首席科学家 Jeff Dean（杰夫·迪恩）和 Transformer 架构共同发明人 Noam Shazeer（诺姆·沙泽尔）进行了一场深度对话。两人均在 Google 工作了近 25 年，是塑造现代计算与 AI 格局的关键人物。Jeff Dean 主导了 MapReduce、BigTable、TensorFlow、TPU 等基础系统的开发，如今是 Gemini 项目的三位联合负责人之一。Noam Shazeer 则是 Transformer、Mixture of Experts、Mesh TensorFlow 等核心 AI 技术的发明者或共同发明者，同样深度参与 Gemini 项目。这场对话不仅是对 Google 25年技术史的回顾，更是两位顶尖大脑对 AGI（通用人工智能）未来路径的前瞻性探讨，揭示了从硬件设计、算法创新到组织形态的深层思考。
摘要
从 N-gram 模型到 Transformer：回顾了 Google 早期在语言模型（如 2007 年的两万亿词条 N-gram 模型）上的探索，以及 Transformer 诞生的必然性与偶然性。
硬件与算法的「共舞」：探讨了摩尔定律变迁下，从通用 CPU 到专用 AI 芯片（如 TPU）的转变如何反过来塑造了深度学习算法的发展。
推理计算的范式转变：未来 AI 能力的飞跃将更多来自「推理时计算」的扩展，通过搜索、验证和多步思考，让模型在回答问题时「想得更深」。
下一代 AI 架构构想：提出了超越当前 Transformer 的、更「有机」的模型生长方式，灵感来源于大脑的模块化与连接可塑性，以适应硬件层级和多样化任务。
Google 的 AGI 愿景：AI 不仅是信息检索，更是信息组织与创造的工具，其目标是理解多模态世界并帮助人类完成复杂任务。
从 25 人到 AGI：Google 的技术演进史
当被问及在 Google 早期是否了解公司的一切时，Jeff Dean（杰夫·迪恩）幽默地回忆起公司规模的指数级膨胀。他加入时 Google 只有约 25 人，可以记住每个人的名字和项目。但随着公司壮大，会经历「知道所有软件工程师」到「只知道所有项目」，再到「收到‘鸭嘴兽项目’上线邮件却不知其为何物」的阶段。Noam Shazeer（诺姆·沙泽尔）的加入故事则更具偶然性：1999 年在招聘会上看到 Google，误以为已是巨头而错过，2000 年因喜欢其搜索引擎而投递简历，被当时墙上用蜡笔绘制的、呈指数增长的每日搜索查询图表所吸引，决定加入这个「一群聪明人做好事」的地方，并计划「赚够钱后就去专心研究 AI」——这个计划以他未曾预料的方式实现了。
两人回顾了 Google 如何天然成为 AI 研究的沃土。公司的使命——「整合全球信息，供大众使用，使人人受益」——本身就是一个需要先进 AI 才能实现的宏大目标。从早期的网页索引和搜索，到后来的机器翻译、拼写纠正，AI 一直是 Google 核心业务的延伸与深化。
硬件与算法的共生：从摩尔定律到 TPU
对话深入探讨了硬件进步如何与算法发展相互塑造。Jeff Dean（杰夫·迪恩）指出，过去二十年，摩尔定律在通用 CPU 上的红利逐渐消退，但专用机器学习加速器（如 TPU 和 GPU）的崛起，使得针对现代计算（尤其是矩阵运算）的高性能和高效能成为可能。Noam Shazeer（诺姆·沙泽尔）进一步阐释，当前深度学习得以爆发，正是因为算术变得极其廉价，而数据移动相对昂贵。这使得以大量矩阵乘法（N³ 运算，N² 数据通信）为核心的架构成为主流。
这种硬件特性直接影响了算法设计。Jeff Dean（杰夫·迪恩）以量化为例说明了「协同设计」的重要性。早期 TPUv1 冒险采用 8 位整数进行推理，如今训练和推理已可使用 INT4 甚至更低的精度。这需要算法设计者意识到低精度能带来巨大的吞吐量/成本提升，并与芯片设计者紧密合作。他调侃道，如果只问当前的算法研究者，他们可能会因为量化带来的麻烦而拒绝；但如果能看到全貌，知道量化能让模型快三倍，「那么你就得忍受这点麻烦」。
两人还设想了一个反事实世界：如果内存成本下降速度远快于算术成本，AI 可能会更像 20 年前的样子，依赖对大型内存的查找，而非如今的计算密集型模型。这凸显了当前技术路径的硬件依赖性。
早期探索与 Transformer 的必然性
Jeff Dean（杰夫·迪恩）分享了他 1990 年的本科论文，内容是在 32 处理器超立方机器上并行化神经网络的反向传播。他当时天真地以为 32 个处理器就能训练出强大的神经网络，后来才发现需要百万倍的计算量。直到 2008-2010 年左右，得益于摩尔定律，神经网络才开始在真实问题上发挥作用。
更引人注目的是 Google 在 2007 年的工作：为参与 DARPA 机器翻译比赛，团队训练了一个基于两万亿词条的五元文法（5-gram）语言模型。当时的系统翻译一个句子需要 12 小时，因为要进行数十万次磁盘寻址。Jeff Dean（杰夫·迪恩）与团队合作，设计了内存中的压缩数据结构，将翻译延迟降至 100 毫秒左右。这个将整个互联网词汇关系进行潜在表征的系统，可视为当今大语言模型的早期雏形。Noam Shazeer（诺姆·沙泽尔）则在更早的 2001 年就构建了基于语言模型的拼写纠正系统，其准确性令全公司惊叹。
当被问及是否当时就预见到 N-gram 模型会通向智能时，两人都给出了否定的答案。Noam Shazeer（诺姆·沙泽尔）认为，语言建模之所以成为「世界上最好的问题」，在于其目标简单（预测下一个词的概率分布）、拥有近乎无限的训练数据（互联网文本），并且是「AI 完备」的——做好这一点，几乎就能解决任何问题。Transformer 的诞生被形容为「想法已在空气中」，需要有人将注意力机制、键值存储等已有灵感组合起来，并解决关键的新问题。
从信息检索到 AGI：Google 使命的扩展
随着 AI 模型从检索信息（如 BERT 用于搜索）发展到实际完成工作（如编写代码），Google 的核心使命也在演进。Jeff Dean（杰夫·迪恩）认为，Google 始终是「组织全球信息」的公司，但这一定义已超越检索，涵盖了「根据指导创造新信息」。例如，帮助用户给兽医写信、总结视频内容、处理基因组或自动驾驶汽车激光雷达数据等。
AI 的目标是理解存在于所有模态中的世界信息，并将其转化为对人们有用的洞察，帮助他们完成各种任务——无论是娱乐性聊天，还是从上百个网页中综合信息回答复杂问题。Noam Shazeer（诺姆·沙泽尔）更展望了消除语言障碍的愿景：让任何语言的使用者都能无障碍获取和理解任何内容（如观看任何语言的视频）。
长上下文、推理计算与模型进化
当前模型的上下文长度有限（虽已可达百万 token），且存在「幻觉」问题。Noam Shazeer（诺姆·沙泽尔）指出，模型参数记忆事实的效率较高（大约每个参数记忆一个事实），但上下文中的每个 token 需要大量内存存储键值。未来的挑战是让模型能够「关注」数万亿 token，例如整个互联网或个人的全部信息。这需要突破二次复杂度的朴素注意力算法，开发新的近似算法。
两人都认为，未来 AI 能力提升的关键将从预训练更多地转向「推理时计算」。Noam Shazeer（诺姆·沙泽尔）算了一笔经济账：即使进行一万亿次操作 per token，成本也极低，使得与模型对话比阅读平装书便宜 100 倍，比咨询客服、软件工程师或医生便宜无数个数量级。因此，有巨大空间通过增加推理计算来让模型「更聪明」。Jeff Dean（杰夫·迪恩）描述，这就像有一个旋钮，拧得越多（消耗更多计算），答案质量就越高。这对于重要性不同的问题非常有用。
实现更高效推理需要算法创新，例如使用「草案模型」：让小模型一次预测多个 token，再由大模型验证，从而突破单 token 解码的瓶颈。此外，搜索（探索多种解决方案路径）将是利用额外推理计算的核心部分。
下一代架构：超越 Transformer 的「有机体」
在对话最富想象力的部分，Jeff Dean（杰夫·迪恩）勾勒了超越当前 Transformer 的下一代 AI 架构蓝图。他称之为更「有机」、不那么精心数学构造的机器学习模型。灵感来源于大脑的不同专门化区域，以及连接的可塑性。
模块化与专门化：超越混合专家模型当前的结构化形式，实现更有机的「专业能力」生长。模型可以根据需要，在特定领域增加容量并学习更多。
连接适应硬件：模型连接方式应适应硬件层级。同一芯片/HBM 内的「神经元」连接应极度密集；跨芯片连接减少；跨 TPU Pod 或跨数据中心（城域）的连接则更少，仅传递最重要的表征信息。Jeff Dean（杰夫·迪恩）希望这种连接模式能有机地涌现出来，而非手动指定。
动态计算分配：这种「有机体」可以根据任务需求，动态激活不同规模的计算子图。需要 10 个工程师的输出或 100 个工程师的输出，不是调用更多代理实例，而是激活不同模式或更大规模的子图。计算量可能因任务难度差异万倍甚至百万倍。
持续进化与蒸馏：这个系统可以持续进化，虽然部署复杂，但可以通过蒸馏技术，定期将其能力提取到高效、可服务的模型中。Jeff Dean（杰夫·迪恩）呼吁业界发明能瞬间将巨型「有机体」蒸馏到手机上的技术。
Noam Shazeer（诺姆·沙泽尔）补充，要实现这种飞跃，还需要改进训练目标。仅仅预测下一个 token 可能不是最有效的学习方式。人类会通过回答问题、视觉输入、在环境中行动并观察结果（如婴儿学习重力）来学习。让模型在学习过程中采取行动，将比被动观察数据集有效得多。甚至，模型可以通过「思想实验」或自我对弈（如 AlphaZero 下棋）来提升，无需外部数据。
研发加速、数据效率与开源思考
随着 AI 自动化自身研发过程，进步可能加速。Noam Shazeer（诺姆·沙泽尔）指出，当前全球可能有上万名 AI 研究者，每年产生 Transformer 级突破的概率或许是 10%。如果这个社区通过 AI 工具扩大千倍，可能会带来突破的井喷。自动化探索可以让人工研究者从繁琐实验中解放，更专注于高层指导。
Jeff Dean（杰夫·迪恩）特别提到利用 AI 加速芯片设计的潜力。当前芯片设计周期长达 18 个月以上，制造只占其中一小部分。如果通过自动化搜索大幅缩短设计时间，就能更快地响应算法变化，实现更快的硬件迭代，形成加速反馈循环。
关于数据效率，人类仅接触过约 10 亿 token 的数据，却掌握了大量知识。这表明当前模型从数据中提取信息的能力还有巨大提升空间。通过改变训练目标（如掩码预测、dropout、多轮学习）、纳入更多视觉数据，以及让模型通过行动学习，可以大幅提升样本效率。
当被问及 Google 早期开源 Transformer 等核心技术是否后悔时，Noam Shazeer（诺姆·沙泽尔）认为，看到其他公司的进展有助于认清机会规模，而且市场并非零和游戏。AI 将带来 GDP、健康、财富等领域的数量级增长。如今，Google 会根据技术的关键性和产品化节奏，灵活决定是立即发表、产品化后发表，还是仅内部使用。目标是在推动领域发展与保持竞争优势间取得平衡。
25 年长青的秘诀：好奇心、谦逊与协作
回顾长达 25 年且横跨多个领域的突破性职业生涯，两人分享了他们的秘诀。Jeff Dean（杰夫·迪恩）强调持续学习新领域的重要性：关注研究动态，与不同领域的同事合作，让专业知识相互「感染」，从而获得解决新问题的综合能力。Noam Shazeer（诺姆·沙泽尔）则认为「谦逊」是关键：要能随时放弃自己的想法，拥抱更好的方案。他提到 Google Brain 早期「自下而上」的算力分配（类似全民基本收入），鼓励了探索和失败；而如今 Gemini 项目更多「自上而下」的协调，则促进了协作，减少了重复建设。未来的理想模式是两者结合，既鼓励协作，也保持灵活性。
Jeff Dean（杰夫·迪恩）还有一个名为「去吧，杰夫，疯狂点子」的内部幻灯片，用于分享他基于新能力设想的产品方向，以此激发团队兴趣，而非强制命令。这或许正是 Google 这个科技巨头能持续创新的文化缩影。在这场跨越四分之一世纪的回顾与展望中，两位先驱不仅梳理了 AI 发展的来路，更为我们描绘了一条通往更强大、更有机、更通用人工智能的激动人心的未来路径。
DeepMind CEO Demis Hassabis（德米斯·哈萨比斯）：实现 AGI 尚需一到两个关键突破撰文：Techub News 整理
导语
在2025 年 5 月一场备受瞩目的公开对话中，谷歌旗下前沿人工智能实验室 DeepMind 的 CEO 德米斯·哈萨比斯（Demis Hassabis）与谷歌联合创始人谢尔盖·布林（Sergey Brin）一同亮相，就人工智能发展的最前沿问题进行了深入探讨。这场对话发生在谷歌I/O开发者大会期间，由知名科技播客主持人亚历克斯·坎特罗维茨（Alex Kantrowitz）主持。哈萨比斯作为 DeepMind 的灵魂人物，以及布林以技术领袖和谷歌联合创始人的身份回归 AI 研发一线，使得这场对话成为观察谷歌乃至整个行业在 AGI（通用人工智能）竞赛中战略思考与自我认知的绝佳窗口。
摘要
AGI 仍需关键突破：哈萨比斯认为，基于当前技术，要实现 AGI 可能还需要“一到两个关键性突破”，并将 AGI 定义为能达到爱因斯坦、莫扎特等人类顶尖智慧成就的系统。
“深度思考”范式至关重要：谷歌 DeepMind 正大力押注以“深度思考”（Deep Think）为代表的推理增强范式，认为这能为模型能力带来巨大提升，是通往更通用智能的关键路径。
多模态是 AGI 的必然要求：哈萨比斯强调，真正的 AGI 必须理解和互动物理世界，因此从 Gemini 项目伊始，DeepMind 就坚持构建原生多模态模型，尽管初期更困难，但长期看是正确的选择。
算法与算力需双轮驱动：哈萨比斯与布林均认为，未来的进步需要算法创新与算力扩展的双重驱动，布林更倾向于认为算法的进步可能比纯粹的计算力提升更为重要。
AGI 的愿景与定义：远非“普通人水平”
对话的核心议题围绕 AGI 展开。德米斯·哈萨比斯（Demis Hassabis）首先澄清了他对 AGI 的定义。他认为，目前行业对 AGI 的讨论存在两个层面的混淆：一是达到“普通人类水平”的能力，这无疑具有巨大的经济与产品意义；二是他个人所关注的、更具理论意义的 AGI——即一个系统能够实现人类大脑架构所能实现的所有成就，包括爱因斯坦的理论物理、莫扎特的音乐创作等历史上的顶尖智慧成果。他强调，目前没有任何系统具备这种广度和深度的能力。
哈萨比斯进一步指出，当前系统距离真正的 AGI 还有一大差距：一致性（Consistency）不足。今天的模型虽然能做上千件事，展示了许多令人印象深刻的能力，但用户很容易在几分钟内发现其明显的缺陷，比如在某些高中数学问题或基础游戏上犯错。在他看来，一个能被称之为 AGI 的系统，其漏洞应该需要专家团队花费数月才能发现，而不仅仅是普通用户几分钟的测试。
当被问及 AGI 是否会被某一家公司“一劳永逸”地实现时，谢尔盖·布林（Sergey Brin）认为，很可能会有某个实体率先达到，但由于 AGI 本身是一个光谱而非精确点，不排除多家机构几乎同时抵达相近水平。他预测，AI 领域将延续“蛙跳式”的竞争与相互启发模式，不断推动阈值被跨越。
哈萨比斯则补充，重要的是业界需要对 AGI 形成一个共识定义。他承认可能会有组织率先抵达，而确保首批 AGI 系统以可靠和安全的方式构建至关重要。在此之后，才有可能设想基于这些安全架构衍生出更多的系统，例如个人 AGI。
技术路径：推理、自我改进与多模态整合
谈及具体技术，哈萨比斯详细阐释了 DeepMind 长期看重的“思考”或“推理”范式。他回顾了从 AlphaGo、AlphaZero 开始的工作，在这些游戏中，开启“思考”（即蒙特卡洛树搜索等规划算法）的系统，其能力比仅输出第一反应的系统高出超过 600 ELO 等级分。这种范式在更为复杂的现实世界中，潜力可能更大。
谷歌最新推出的“深度思考”（Deep Think）技术，被哈萨比斯描述为“类固醇加强版的推理”，即多个并行推理过程相互协作与校验。他认为，这种增强推理能力的机制，可能是通往 AGI 所需的关键进展之一。此外，真正的发明创造——例如提出全新的物理学理论，而非仅仅解决现有猜想——是目前系统尚未具备的能力，但以“思考”为代表的范式可能有助于实现这一目标。
对于2025 年 5 月 DeepMind 发布的“Alpha Evolve”（一种能帮助设计更好算法甚至改进大语言模型训练方式的 AI），主持人调侃这是否意在引发“智能爆炸”。哈萨比斯否认了“不受控制”的爆炸，但承认这是一个有趣的初步实验。他表示，将进化编程等技术与强大的基础模型结合，探索各种组合系统是 DeepMind 探索性工作的重点。若能发现一种自我改进的循环，确实可能进一步加速进展。AlphaZero 在游戏领域已证明自我改进的可能性，但将之应用于更混乱、复杂的现实世界仍有待观察。
哈萨比斯强调，DeepMind 自始至终的目标是构建 AGI，这决定了其技术路线选择。因此，从 Gemini 项目一开始，他们就决定构建原生多模态模型，即使这比只做纯文本模型起步更艰难。他坚信，真正的通用智能必须理解物理环境，而两大关键应用场景——能伴随日常生活的真正有用的助手，以及实用的机器人——都依赖于这种对世界的视觉和物理理解。这也是谷歌在智能眼镜和具身智能（如 Astra 项目）上持续投入的原因。
算力、算法与行业未来
关于推动进步的主要驱动力，哈萨比斯和布林都认为需要算法创新与计算规模双管齐下。哈萨比斯表示，一方面需要将现有已知技术（无论是数据还是算力）的规模扩展到极限，另一方面必须投入大量精力进行前瞻性创新，以带来下一个数量级的飞跃。
谢尔盖·布林（Sergey Brin）从历史角度分析，在诸如 N 体问题模拟等领域，算法的进步甚至超越了遵循摩尔定律的计算力进步。他个人猜测，未来算法的进展可能比纯粹的计算力进步更为显著。不过，目前二者都在快速推进，行业正同时受益于两者。
对于主持人“世界是否会铺满数据中心”的提问，哈萨比斯指出，未来确实需要更多的数据中心，但这不仅仅是为了模型训练。随着 Gemini 等模型展示出强大性能且成本可控，全球对其使用需求激增，推理阶段的计算消耗将变得极其庞大。此外，“深度思考”等范式允许模型通过更长的“思考”时间来解决高价值难题，这也将消耗大量运行时算力。
产品哲学与行业挑战
谈及谷歌的产品方向，哈萨比斯解释了为何谷歌的智能体演示往往强调视觉和与现实世界的交互。他认为，一个真正有用的助手不应局限于电脑或单一设备，而应能理解并融入用户的物理环境。同时，机器人发展的瓶颈长期以来在于软件智能而非硬件，而如今 Gemini 等模型结合 Veo 等视频生成技术，为机器人带来了突破的曙光。
谢尔盖·布林（Sergey Brin）也反思了早年谷歌眼镜（Google Glass）项目的教训，承认在消费电子供应链、制造成本控制等方面曾面临挑战。但他仍然坚信眼镜这一形态的潜力，并认为如今 AI 能力的飞跃使得眼镜能在不打扰用户的情况下提供真正有用的帮助。哈萨比斯更是直言，“通用助手”将是智能眼镜的杀手级应用。
针对 AI 生成内容（特别是视频）泛滥可能污染后续模型训练数据（即“模型崩溃”问题）的担忧，哈萨比斯分享了 DeepMind 的应对策略。他们为所有生成式模型的内容附加了名为“SynthID”的隐形水印，该技术已稳定运行一年多，既能用于识别深度伪造和虚假信息，也可用于在需要时从训练数据中过滤掉 AI 生成内容。此外，在蛋白质结构预测模型 AlphaFold 的开发中，他们已有谨慎使用合成数据的经验，但这需要确保数据分布和质量得到严格控制。
快速问答：AGI 时间表、模拟假说与未来展望
在对话最后的快速问答环节，两位嘉宾被问及 AGI 的时间预测。哈萨比斯给出了“2030年之后不久”的答案，而布林则更为乐观地选择了“2030年之前”。哈萨比斯笑称这个答案让他倍感压力，需要回去更努力地工作。
关于哈萨比斯此前一条引发热议的推特（内容关于“自然到模拟一键生成”），主持人直接询问他是否认为我们生活在模拟之中。哈萨比斯否认了类似电影《黑客帝国》的那种模拟，但他认为底层物理本质上是基于信息论的，我们可能身处一个“计算宇宙”中。AI 系统能够模拟自然界的真实结构，这一事实发人深省，他未来可能就此撰写科学论文。布林则从递归逻辑的角度调侃了“模拟假说”，认为若我们是模拟产物，那么模拟我们的存在本身也可能处于模拟之中，如此无限循环。
对于十年后互联网的形态，布林认为，鉴于 AI 惊人的发展速度，我们甚至无法预见十年后的世界面貌。哈萨比斯则从更近期的角度预测，在“智能体优先”的网络中，为了人类视觉呈现而设计的渲染可能不再必要，互联网将在几年内发生巨大变化。
整场对话揭示了 DeepMind 领导层对 AGI 既雄心勃勃又审慎务实的态度。他们清晰地规划了以推理增强和多模态理解为支柱的技术路线，同时清醒地认识到当前系统与真正 AGI 之间的差距。这场对话不仅是对谷歌AI野心的展示，也为理解全球AGI竞赛的当前格局提供了宝贵的一手视角。
Google CEO Sundar Pichai（桑达尔·皮查伊）：AI 将比火和电更深远地改变世界撰文：Techub News 整理
导语
2025 年 6 月，Google 与 Alphabet 的 CEO Sundar Pichai（桑达尔·皮查伊）做客知名播客《Lex Fridman Podcast》，进行了一场长达两个多小时的深度对话。作为全球最具影响力的科技领袖之一，Pichai 此次发声正值 AI 技术狂飙突进、行业竞争白热化的关键节点。他不仅回顾了自己从印度普通家庭走向科技巅峰的个人历程，更全面阐述了 Google 在 AI 时代的核心战略、对技术未来的深刻思考，以及如何带领这家科技巨头应对来自内外的巨大挑战与质疑。这场对话是理解 Google AI 路线图及其领导者哲学的一次难得机会。
摘要
童年经历塑造技术观：Pichai 在印度钦奈的成长经历，让他深刻体会到技术（如电话、自来水）如何阶梯式地改变生活，这奠定了他对技术赋能人类的核心信念。
AI 是史上最深刻技术：Pichai 重申并坚信 AI 将是比火或电更深远的技术，因其具备递归自我改进能力，能加速“创造”本身，其影响将远超以往任何发明。
Google 的 AI 战略与反击：面对去年的质疑，Pichai 详解了通过合并 Brain 与 DeepMind、押注 TPU 基础设施等关键决策，带领 Google 在一年内实现 AI 产品密集落地与能力飞跃的过程。
AGI 展望与“毁灭概率”：Pichai 认为 2030 年前可能无法完全达到 AGI，但届时技术进步已足够震撼。他对 AI 可能导致人类毁灭的“p(doom)”持谨慎乐观态度，相信人类在危机面前会团结应对。
AI 赋能创意与责任边界：Pichai 强调 AI 工具（如 Veo）应像“基础设施”或“画笔”一样赋能艺术家自由表达，同时 Google 需要在支持创意与履行社会责任之间找到平衡。
从钦奈的童年到 Google 的使命：技术如何阶梯式改变人生
Sundar Pichai（桑达尔·皮查伊）的科技世界观，根植于他在印度钦奈度过的童年。全家住在一套简陋的两居室公寓里，技术曾是稀缺品。他回忆道，家里申请一部电话需要等待五年，最终装上的转盘电话却彻底改变了生活——邻居会来家里给亲人打电话，取一份验血报告从往返四小时且可能白跑一趟，变成了五分钟就能搞定的事。“那时，我脑海中就像亮起一盏灯泡，明白了技术改变人们生活的力量。”Pichai 说道。
类似的“阶梯式体验”还有很多：在严重干旱时，他和兄弟、母亲需要排队领取按户分配的桶装水；多年后，家里通了自来水并装上了热水器，打开水龙头就能洗热水澡。“对我来说，一切都是这样离散地发生的。所以我一直有这种‘第一次’的感觉，感受技术如何戏剧性地改变你的生活，以及它带来的机遇。”这种对技术赋能作用的切身感受，与他后来被 Google“整合全球信息，使人皆可访问并从中受益”的使命所深深吸引，形成了内在的逻辑闭环。
童年的信息获取主要依靠报纸和书籍，受在邮局工作的祖父影响，Pichai 阅读广泛，从艾茵·兰德到哲学著作再到通俗小说。这种对知识的渴望，与后来 Google 的使命产生了强烈共鸣。他甚至笑着回忆，为了说服父亲买一台 VCR（录像机），花了很长时间，而拥有 VCR 后能够录下世界杯足球赛或观看电影录像带，又是一次全新的体验。“这些离散的记忆让我始终觉得，获得技术访问权是如何驱动你生活中阶跃性变化的。”
当被问及给全球有志青年的建议时，Pichai 强调了两点：一是倾听内心，做自己真正热爱的事情，这能让你展现最好的自己；二是努力与那些你认为比自己更优秀的人共事，让自己处于“不舒服”但能拉伸能力的环境中，这有助于个人成长。
AI 是比火与电更深刻的技术革命
当 Lex Fridman 提出，将 AI 置于人类万年文明史的所有重大发明（如农业革命、电力、工业革命）中进行排序，它是否有机会成为“第一生产力乘数”时，Pichai 给出了坚定而深刻的回答。
“多年前（大概是 2017 或 2018 年），我就说过，AI 是人类将研究的最深刻的技术，它将比火或电更深刻。我必须支持我自己，我仍然认为情况就是这样。”Pichai 承认可能存在“近因偏差”，就像人们总容易认为当下看到的运动员是最伟大的。但从第一性原理出发，他论证 AI 将比所有这些发明都更宏大。
他指出了 AI 的根本独特性：首先，它的进步速度极快，能力边界不明，天花板不清；其次，也是最重要的，它是递归自我改进的。“它是第一个将显著加速‘创造’本身的技术，能够自己改进并达成目标……这使它处于一个不同的联盟。”因此，Pichai 相信 AI 最终产生的影响将远远超过我们之前所见的一切。
他进一步描绘了“AI 技术包”可能带来的早期变化：核心是极大降低创造与表达的门槛。“可以很容易地想象，将你头脑中的想法，转化为存在的事物，这将成技术包的一部分……它将赋能几乎全人类来表达自己。”无论是编写软件、创作内容、开发游戏，还是进行科学研究，都将变得无限可能。AI 将解锁全球 80 亿人的认知潜力，就像互联网博客让更多人发声一样，但规模将是数千万甚至数亿人更深度地向世界输出内容。
Pichai 也预见了这将重塑创意格局，让传统内容生产者感到紧张，但他认为其中存在被低估的扩张性一面。“它将以前所未有的方式释放人类的创造力。”他类比道，如果把 20 世纪 40、50 年代的人带到今天的 YouTube 面前，会让他们震惊；同样，我们也将被未来 10 到 20 年内可能实现的事情所震撼。
领导者的平衡术：谦和、决策与穿越风暴
Lex Fridman 好奇，在竞争激烈的科技世界攀登至顶峰的领导者，往往需要一些“强悍”特质，而 Pichai 以平衡、谦和、善于倾听著称，他的“秘诀”是什么？Pichai 坦言自己也会生气、沮丧，拥有常人所有的情绪，但他逐渐找到了激发团队最佳状态的方法。
“我发现，激励那些有使命感、追求卓越、有内在驱动力的人，并以此实现目标，往往效果更好。”他将此比作体育中的“人员管理”，伟大的教练都擅长此道。很多时候，与你共事的人如果犯错，他们自己比你更难受，因此需要用不同的方式对待。当然，偶尔也需要明确告知对方“这样不行”。但他发现，大多数情况下并不需要如此。
真正的考验出现在去年。当时，外界充斥着“Pichai 是错误人选”、“Google 迷失了、完蛋了”的论调。回顾那段时期，Pichai 展现了他作为领导者的定力与决策逻辑。
“我擅长屏蔽噪音，区分信号与噪声。”他用水肺潜水作比喻：海面可能波涛汹涌，但只需下潜一英尺，下面就是世界上最平静的地方。运营 Google 就像执教巴萨或皇马，总会有糟糕的赛季。关键在于，他内心清楚 Google 正在构建什么。
他列举了此前所做的几个关键决策：一是多年前就开始投资 TPU，为大规模模型训练打下基础；二是将 Google Brain 与 DeepMind 合并，组建 Google DeepMind，汇聚世界级研究人才；三是组建专门的 AI 基础设施团队，全力扩展所需算力。尽管外部可能未充分意识到，但 TPU 的产能爬坡也需要时间。“但我能看到内部的轨迹……对我来说，这个时刻感觉是我们公司未来十年、二十年最大的机遇之一。我认为我们比世界上大多数公司都更有条件去实现这一愿景。”
谈及合并 Brain 与 DeepMind 这一艰难决定，Pichai 承认这就像“有人告诉你，把斯坦福和 MIT 合并，创建一个伟大的院系”。幸运的是，他们遇到了合适的时机和人选。Jeff Dean 希望回归更偏科研的个人贡献者角色，而 Demis Hassabis 自然是领导新团队的合适人选。合并过程不乏“几个不眠之夜”，但团队耐心地将两个世界的精华结合起来，为长远成功奠定了基础。
在压力时期，Pichai 也会更加强硬，但他强调决策的清晰性。“在做出重大决策时，听取每个人的意见很重要……有时你听到的内容会影响你的思考。有时你已有清晰信念，你会表明‘这是我的感受，这是我的信念’，然后你就押注于此，继续前进。”他认为，只要决策清晰，假以时日人们会尊重这一点。
AGI 路径、风险与 Google 的产品哲学
关于 AGI（通用人工智能）的时间表，Pichai 引用了 Andrej Karpathy 提出的“AJI”（人工参差不齐的智能）概念，认为当前正处于这个阶段——在某些方面取得惊人进步，但在另一些方面（如数草莓字母‘R’的个数）却会犯低级错误。他看到了 AGI 的“微光”，例如在旧金山街道上乘坐 Waymo 自动驾驶汽车，或者通过 Gemini Live 进行世界交互时，但同时也清楚距离真正的 AGI 还很远。
对于“2030 年能否实现 AGI”的问题，Pichai 表示：“到 2030 年，将会取得如此巨大的进步。我们将以重要方式处理这种进步带来的后果，无论是积极的还是消极的外部性。”他个人认为，到 2030 年可能“刚好差一点”实现 AGI，但这并不重要，因为进步本身已经足够震撼。
话题转向更严峻的“p(doom)”——即 AGI/ASI（人工超级智能）毁灭人类文明的概率。Pichai 严肃地表示，这确实是他们“厨房谈话”的话题之一。他认为，如果“毁灭概率”真的很高，那么到了某个时刻，全人类会团结起来确保它不会发生，因此人类实际上会取得更多进展来对抗它。“这具有一种自我调节的特性。如果人类齐心协力解决一个问题，我认为我们能够做到。”因此，他对“毁灭概率”情景持乐观态度，但这并不意味着基础风险不高，只是他对人类能够挺身而出迎接那个时刻抱有极大信心。
Lex 补充了“没有 AI 的毁灭概率”视角，认为 AI 可能通过让人类更聪明、更友善、更高效，帮助世界更多地区繁荣发展，从而反而拯救人类文明。Pichai 对此表示赞同，认为要解决一些最棘手的问题，有 AI 的帮助会更好。
在具体产品层面，Pichai 详细解释了 Google Search 的演进。推出“AI 模式”是一个重要决策，其核心设计原则是：AI 提供上下文和摘要，但用户最终仍会去探索网络。“那些核心原则没有改变，但 AI 模式允许我们推进……我们最好的模型在那里，它们将搜索作为深度工具，真正为每个查询展开，进行多次搜索，以你能消费的方式组装知识。”他特别指出，对于非英语用户，AI 在推理过程中整合多语言信息的能力，将极大扩展他们可访问的知识范围，释放巨大的认知潜力。
关于在 AI 体验中引入广告，Pichai 表示早期会更多关注有机体验，但广告作为“商业信息”和支撑免费服务的基础，其根本价值不会改变。AI 本身将帮助找到最佳的实现方式。他强调，Google 目前计划将 AI 模式作为一个独立标签，供希望体验前沿功能的用户使用，而其中验证有效的功能会逐步迁移到主搜索页的 AI 概述中，这是一个连续的演进过程。
赋能艺术与应对边界：AI 作为创意画笔与社会责任
当讨论到 AI 生成内容（如通过 Veo 生成视频）时，Lex 提到了像达伦·阿罗诺夫斯基这样的电影导演正在积极探索用 AI 创作电影，以及一些更“边缘”的艺术家在挑战社会接受度的边界。这给 Google 带来了一个难题：如何既允许艺术家进行自由、甚至“疯狂”的创作，又履行平台的社会责任？
Pichai 明确表示：“当涉及到允许艺术自由表达时，这是一个社会中最重要的价值观之一。艺术家一直是推动边界、拓展思想前沿的人。”因此，他认为 Google 应该提供工具，并将其交到艺术家手中供他们使用和发布作品。“我几乎将其视为基础设施。就像你向人们提供电力时，你不会考虑其上的用例。”AI 工具就像一支“画笔”。
当然，他也承认必须有一些界限。“社会需要在根本层面上决定什么是可以的，什么是不可以的。我们会负责任地处理。”但他强调，在艺术自由表达方面，这是他们应该努力捍卫的价值观之一。
Lex 注意到，Gemini 2.5 Pro 相比早期版本，在回答涉及暴力历史等敏感话题时，显得更少“小心翼翼”，更加客观和细致。Pichai 解释了这一变化背后的思考：随着模型能力增强，它们能够更好地推理这些细微问题。“一旦模型跨越了某个智能和复杂度的门槛，它们就能很好地推理这些有细微差别的问题。我认为用户真的想要这样……他们希望尽可能多地访问原始模型。”
他指出，正确的方向是从第一性原理（科学角度）出发，让模型从底层学会推理世界、理解细微差别，而不是由一部分人类在上面进行硬编码。这是 Google 正在采取的方向，未来也会继续推进。
访谈最后，Pichai 分享了他对 Beam（沉浸式远程呈现技术）和实验性 XR 眼镜等前沿项目的兴奋之情。Beam 让他看到了远程沟通中恢复“临场感”与人际连接的可能性，而 XR 眼镜则展示了将 AI 助手无缝融入日常视觉与听觉体验的潜力。这些探索都指向同一个未来：技术将继续以离散而深刻的方式，融入并提升人类生活的每一个维度。
正如 Pichai 在总结中对人类未来的乐观展望：纵观人类文明历程，我们一直在不懈地让世界变得更好。如果可以选择在任何时代出生，他几乎总是选择现在。“这就是人类文明所取得的非凡成就……我们总是集体崛起，推动前沿向前。所以我预计未来也不会有什么不同。”在 AI 这个可能是人类历史上最深刻的技术革命面前，这位从钦奈走出的 Google 船长，正带着他的信念与谦和，引领巨轮驶向未知而激动人心的深海。
Google Gemini 负责人 Noam Shazeer（诺姆·沙泽尔）与 Jack Rae（杰克·雷）：测试时计算能带我们走多远？撰文：Techub News 整理
导语
在知名 AI 播客《Unsupervised Learning》的最新一期节目中，主持人 Jacob Effron 邀请到了 Google Gemini 大语言模型项目的两位关键人物：Noam Shazeer（诺姆·沙泽尔）与 Jack Rae（杰克·雷）。Noam Shazeer 是 Transformer 架构的联合发明人之一，也是 Character.ai 的创始人，现回归 Google 领导 Gemini 项目。Jack Rae 则是 DeepMind 多项突破性研究的关键贡献者，目前也深度参与 Gemini 的开发。这场长达 70 分钟的对话，正值 Gemini 2.0 系列模型发布、测试时计算范式兴起之际，两位身处 AI 研究最前沿的专家分享了他们对技术现状、未来路径以及行业生态的独到观察。
摘要
测试时计算潜力巨大，但非 AGI 万能钥匙：通过投入更多推理时计算资源（如思维链），模型能力能获得显著提升，尤其在数学、代码等可验证领域。然而，要达成真正的 AGI，仍需解决在复杂环境中行动、提出真正新颖问题等核心挑战。
模型能力正从“应试”转向“创造”：当前的研究重点正从在固定基准测试上“刷分”，转向让模型能够进行开放式探索、提出新问题，并最终在科学发现等实际创造领域做出贡献。
开源模型的追赶速度超乎预期：Noam Shazeer 和 Jack Rae 均对开源社区（如 Gemma、DeepSeek）快速跟进并发布有竞争力模型的速度表示惊讶和赞赏，认为这股创新力量将持续存在。
AI 与教育的结合前景广阔：Jack Rae 以其孩子的亲身经历为例，展示了 AI 如何成为强大的个性化学习工具，认为下一代人将因此变得更“聪明”，AI 在教育领域的潜力被严重低估。
对 AGI 风险持审慎乐观态度：两人均认为需要认真对待 AI 安全与对齐问题，以及技术对社会经济的冲击。Google 内部有专门的团队评估模型发布的风险。Noam Shazeer 比喻，希望 AI 能像尊重父母的孩子一样尊重其创造者。
测试时计算：现状、惊喜与天花板
对话始于对 Gemini 2.0 系列模型，特别是其“思维”（Thinking）或测试时计算能力的探讨。Jack Rae 分享了一个最初的惊喜：研究团队原本集中精力于提升模型在数学和代码等“推理任务”上的表现，但很快发现，这种深度思考的能力同样能显著改善创造性任务，例如撰写文章。模型在“思维”过程中展现的构思、修订过程，其输出结果的质量和风格都令人印象深刻。
Noam Shazeer 强调了在可验证领域（如数学、代码）取得突破的重要性，因为这些评估指标能有效区分模型是真正学会了推理，还是仅仅记住了更多数据。他坦言，评估基准（Evals）的“寿命”正在急剧缩短，往往几个月前还极具挑战性的任务，很快就被模型攻克并变得“微不足道”。这促使整个行业需要不断开发更复杂、更私密的新评估体系。
当被问及什么才是真正有意义的里程碑时，Noam Shazeer 给出了一个引人深思的回答：“当 Gemini X 能够编写 Gemini X+1 时。” 这指向了 AI 自我改进的强化循环——利用已构建的 AI 工具，来更高效地开发下一代更强大的 AI。他认为，除了这个“元循环”，来自用户反馈的数据飞轮以及全球关注与资金投入的飞轮，都将共同驱动 AI 发展的加速。
那么，测试时计算的“天花板”在哪里？它能否直接将我们带向 AGI？对此，两人的观点明确。Noam Shazeer 从经济学角度分析：当前大语言模型的推理成本极低（每美元可生成数百万 tokens），远低于人类阅读书籍或雇佣工程师的成本。因此，只要价值存在，就有巨大空间投入更多计算资源让模型在推理时“思考”得更深入、更聪明。这无疑会带来显著的能力提升曲线。
然而，Jack Rae 明确指出，测试时计算范式并非通往 AGI 的完整路径。他认同需要其他关键组件，尤其是让 AI 能够在复杂环境中行动的“智能体”（Agent）研究。目前的测试时计算更像是“针对特定问题思考更久以找到答案”，而未来的目标应该是让模型能进行“深度思考”，在“思维”中创造并内化新知识，从而大幅提升解决后续任务的数据效率。就像人类数学家通过研读一本教材并深入思考，最终成为世界级专家一样。他们正在朝这个方向努力，但尚未抵达。
从“应试者”到“探索者”：AI研究范式的转变
随着模型能力提升，其角色也在发生根本性变化。Jack Rae 以数学为例，阐述了这种转变：当前数学多被用作基准测试，类似于“考试”；而未来的重要转折点，是让 AI 开始生成“有用的数学”，解决真正重要的、未解决的问题。这需要建立一套从现有能力逐步过渡到实际科学贡献的评估阶梯。
Noam Shazeer 对此深表赞同，并借此回应了关于“大模型仅是模仿、无法产生新颖思想”的批评（如 Yann LeCun 的观点）。他认为，即便只是将两个已知的、互不相干的知识领域进行交叉“插值”，从而发现新的属性（例如在材料科学中），这本身就已经能极大加速科学进程。至于何为“真正新颖”，他认为无需陷入哲学争论，更务实的态度是持续构建 AI，提升全球技术水平，帮助人类。
Jack Rae 则描绘了一幅更宏大的图景：将当前数学研究的现状比作15世纪的地理大发现。只有少数精英探险家（数学家）能够冒险探索未知领域，带回零星的新地图。如果 AI 能够学会提出正确的数学问题（这被认为是最难的部分），并且有能力解决它们，那么未来我们或许可以拥有“百万个陶哲轩级别的数学家”，快速绘制出整个“数学地图”，这将对所有科学产生革命性影响。
研究文化、开源生态与未来展望
回顾过去十年的 AI 研究，尤其是像 Transformer 这样的突破，Noam Shazeer 将其比作“炼金术”时代——高度实验性，知其然未必知其所以然。他强调在研究文化中慷慨给予认可的重要性，因为想法的溯源和贡献分配往往极其复杂。对于 Transformer 的诞生是否具有必然性，他认为类似的想法在当时已呼之欲出，但具体的碰撞与结合确实需要一些机缘。
两人也讨论了不同的研究组织模式。Jack Rae 结合其在 OpenAI（更集中化）和 DeepMind（更多自上而下）的经历，认为在 Google 当前的环境中，保持“自上而下”的战略聚焦与“自下而上”的自由探索之间的平衡至关重要。战略聚焦能确保在关键方向（如测试时计算）投入资源并交付成果，而自由探索则常常带来意想不到的、更具影响力的突破。
一个令他们共同“改变想法”的领域是开源模型的进展。Jack Rae 坦言，他曾以为闭源模型可能会逐渐拉大领先优势，但开源社区展现出的激情、创造力和快速迭代能力令人震惊。像 Gemma 3 和 DeepSeek 这样的模型性能卓越，表明开源力量完全能够持续创新并保持竞争力。Noam Shazeer 也认为，开源与闭源之间的“时间差”正在缩小，未来可能是“质量差距明显但时间差极小”的局面。
AI 的社会影响：教育、风险与人类角色
谈及 AI 对个人生活的影响，Jack Rae 分享了一个生动例子：他四岁的儿子喜欢用 Gemini 识别花园里的植物和蜥蜴，并迅速吸收了详尽的专业知识，甚至能在学校向老师准确描述。他认为，AI 与教育的结合将催生一种前所未有的个性化学习方式，让下一代人变得更“聪明”，这一前景被严重低估。
Noam Shazeer 的思考则更具哲学意味。他认为，随着 AI 可能在未来承担更多物质生产工作，人类需要重新寻找生命的意义——这可能不再是关于生存的挣扎，而是更多地关乎精神层面的追求。他鼓励人们，如果现在有想做的、有物质意义的事情，“现在就去做”，因为未来情况可能不同。
关于 AGI 风险，两人态度审慎。Jack Rae 表示“中度担忧”，指出创造出一个远超自身智能、但仍能可靠服务于创造者的实体，在历史上缺乏先例。此外，AI 对就业和经济结构的潜在冲击也是需要认真应对的现实问题。他提到 Google 内部有独立的团队专门负责从更全局的视角评估模型发布的安全性与社会影响。Noam Shazeer 则用了一个巧妙的比喻：希望 AI 能像（理想中）尊重父母的孩子一样尊重人类。他承认需要全力投入安全研究，但整体并不恐惧。
最后，在快速问答环节，对于“当前 AI 界什么被高估/低估了”的问题，Jack Rae 认为某些特定的、复杂的合成任务基准（如 ARC-AGI）被高估了，因为它们可能无法有效导向通用的、有用的 AGI。Noam Shazeer 则坚定地认为，大语言模型和 AGI 本身仍然被“严重低估”，其潜力远不止于创造万亿美元市值的产品。如果让他们现在去开发应用，两人都认为“智能体”领域，尤其是能够自动化执行复杂任务（不限于编码）的智能体，以及 AI 赋能软件工程（自我加速循环的关键），是最值得关注的方向。
Alphabet CEO Sundar Pichai（皮查伊）谈 AI 未来：搜索不会消亡，是扩张性时刻撰文：Techub News 整理
导语
2025 年 6 月，Alphabet 兼 Google CEO Sundar Pichai（皮查伊）做客 Bloomberg 知名播客节目「The Circuit」，接受了近半小时的深度访谈。此时正值 Google I/O 开发者大会后不久，AI 竞争白热化，且 Google 面临多项反垄断诉讼的关键节点。作为全球科技巨头之一的掌舵人，Pichai 此次发声不仅阐述了 Google 在 AI 时代的核心战略，也回应了外界对其商业模式、行业影响及技术伦理的诸多质疑，为观察 Google 的未来走向提供了重要窗口。
摘要
AI 是扩张性时刻，将创造新机会而非零和游戏，搜索查询量仍在增长。
2025 年资本支出达 750 亿美元，AI 投资驱动搜索、YouTube、云、Waymo 等全线业务，并已通过 Google AI Pro/Ultra 订阅等创造新收入。
AI 将大幅提升工程师生产力，但公司仍计划扩大工程师规模，以抓住更大的机会空间。
坚决不同意垄断指控，认为用户使用 Google 是出于选择，竞争对世界有益。
承认 AI 可能带来就业冲击等社会问题，但强调需通过技能再培训和社会安全网来应对，而非过度悲观预测。
AI 浪潮下的 Google：搜索进化，而非消亡
当被问及 AI 聊天机器人是否会取代传统搜索时，Sundar Pichai（皮查伊）给出了明确的否定答案。他认为，这远非一场零和游戏。他以 TikTok 崛起为例，指出新平台的出现并未扼杀 YouTube，反而 YouTube 也在同期取得了巨大成功。用户行为是并行的，人们会根据不同需求使用不同工具。
Pichai 强调，搜索在满足用户特定信息需求方面“非常、非常好”，其价值已通过持续增长的查询量得到实证。AI 概述（AI Overviews）等功能是搜索的自然演进，就像多年前推出的精选摘要（Featured Snippets）一样。他承认，有时 AI 概述会直接给出答案，减少用户点击，但 Google 在设计体验时，依然会优先展示链接，并将高质量流量导向外部网站。他援引内部测试数据称，AI 概述改善了上下文质量，用户点击后访问的网站更加多元化，且平均每次点击的停留时间也更长。
对于出版商关于点击率下降的担忧，Pichai 表示理解，但坚信从长远看，Google 的生态会保持良性循环：用户因获取答案而来，也会因好奇心和拓展用例而点击外部链接。Google 的职责是持续优化，确保高质量内容获得展示。
巨额投资与新兴收入：AI 驱动全线业务
面对投资者最关心的 AI 投入与回报问题，Sundar Pichai（皮查伊）首次在访谈中明确了投资规模：2025 年，Alphabet 的资本支出将达到 750 亿美元。这笔巨额投资并非仅用于 AI，而是支撑从搜索、YouTube、云、Workspace 到 Android、Play 乃至 Waymo 自动驾驶的全线业务。
他透露，AI 已经在创造实实在在的新收入流。云端 AI 平台 Vertex AI 的用量（按 token 计）在过去 12 个月里增长了 40 倍。此外，公司2025 年 6 月推出的 Google AI Pro 和 Ultra 等订阅服务也“表现良好”。Pichai 认为，AI 是一项深远的技术，其带来的机遇比过去任何时候都要大。
在内容生态方面，Pichai 承认 AI 生成内容的爆炸式增长带来了高质量与低质量内容并存的问题。但他认为，这正是 Google 擅长的领域——从海量信息中筛选出优质内容。Google 正在利用 Gemini 模型来改进 YouTube 的推荐算法，用 AI 来更好地管理和引导内容。他强调，AI 本身也能被用于创作优秀内容，Google 的目标是“提升高质量内容”。
生产力革命与就业未来：AI 是加速器，而非替代者
关于 AI 对工作岗位的影响，Sundar Pichai（皮查伊）的立场颇为审慎乐观。当被问及 Anthropic CEO 关于 AI 可能在五年内淘汰 50% 白领工作的预测时，他表示应严肃对待这些担忧，但历史经验表明，技术会创造新的就业机会。
他举例说，1940 年时，今天 60% 的工作岗位尚不存在。在印度，YouTube 上已有 1 亿个频道和 1.5 万个百万订阅频道，这是十五年前无法想象的世界。AI 将让几乎每个人都成为“成熟的创作者”，从而创造出海量新机会。他认为，当前时刻是“扩张性”的，我们可能低估了其创造新业态的潜力。
具体到 Google 内部，Pichai 透露目前公司约 25% 的代码由 AI 生成。他预计，即使到明年，公司的工程师基数仍会增长。AI 的作用是让工程师 dramatically 更高效，将他们从繁琐工作中解放出来，专注于高附加值任务。这意味着公司能加速开发，可能推出更多新产品，从而在短期内需要更多人。长远来看，他承认难以精确预测，但更倾向于相信技术会扩展人类的能力边界，而非单纯导致岗位减少。
反垄断、信任与伦理：在监管与创新间平衡
面对法官裁定 Google 在搜索和部分广告市场构成垄断的指控，Sundar Pichai（皮查伊）明确表示公司不同意相关裁决，并正在上诉。他强调，用户使用 Google 是出于自愿，现在的选择比以往任何时候都多。竞争对用户和世界都有益。
对于 AI 是否会加剧科技巨头的权力集中，Pichai 反驳了“赢家通吃”的观点。他坚信，就像互联网催生了当时不存在的 Google 一样，AI 时代也必将诞生新的、我们今天甚至不知道名字的 dominant 公司。这是技术发展的自然规律。
在用户隐私和信任问题上，Pichai 指出，Google 通过长期负责任地处理用户数据（如 Gmail）来赢得信任。面对 AI 带来的深度伪造等挑战，他介绍了 Google 的应对措施：为 AI 生成的视频添加水印，用户可上传任何视频或图片到 Google 以检测是否由 Veo 等模型生成，并为研究人员和记者提供检测工具。他认为，社会将演化出新的规范，并可能需要法规来应对深度伪造等欺诈行为，但人类对 shared reality（共享现实）的追求不会改变。
领导力、未来与 AGI 迷思
回顾过去几年外界对 Google“行动迟缓”的批评，Sundar Pichai（皮查伊）表示，他作为 CEO 的核心工作正是让公司处于 AI 前沿。通过整合团队成立 Google DeepMind、大幅增加基础设施投资（资本支出从几年前的 200 亿美元增至 750 亿美元）、在 Waymo 被看衰时坚持加码等决策，他正带领公司加速前行。他仍然深度参与产品决策，同时得益于 Sergey Brin 等在 Gemini 模型上的深耕。
关于通用人工智能（AGI）的前景，Pichai 保持了开放态度。他认为按照当前路径，前方仍有巨大进步空间，但技术曲线可能存在暂时的高原期，能否实现 AGI 尚无定论。他以自动驾驶为例：Waymo 表现优异，但教会一个孩子开车只需 20 小时，说明现有技术与通用智能仍有距离。
最后，当被问及 Google 50 岁时会怎样，Pichai 希望公司保持敏捷和创新。在科技行业，成功需要每年去赢得。他更关注的是打造一种深入创新、着眼长远、深耕技术并将其转化为影响数十亿人产品的文化。至于那时由人还是 AI 运营公司，他笑着回答：“无论谁运营，都将拥有一位非凡的 AI 伴侣。”
Gemini, MoonPay, Dallas Fed, BIS 这一周在 Agentic Finance 上交汇了作者 Charlie，常驻硅谷参与和观察前沿科技十五年，聚焦AI如何重构金融服务、支付网络、与资本市场。Fintechnize 与【沙丘路的毛圈狮子】创始人，Venture Partner @ Generative Ventures。曾任OSL美洲支付负责人，加密货币独角兽 Strike 副总裁（参与萨尔瓦多比特币法案，并负责拉美比特币闪电网络和稳定币支付业务），万亿级基金 Franklin Templeton 宏观与货币分析师，全球支付巨头Adyen早期成员。文章为个人观点，不是投资建议。
过去一周，金融行业里发生了几件表面上完全不在一个频道里的事情。
8月25日，Google Cloud推出了面向金融机构的Gemini Enterprise for Financial Services，把AI进一步推进KYC、信用分析、投资组合监控、债券发行和金融研究这些真正接近核心业务的工作流。
两天以后，MoonPay宣布把PayBox接入Solana上的Kamino，用户已经可以通过Claude或者ChatGPT这样的交互入口发起借贷和获取收益。
与此同时，Dallas Fed发布了一篇看起来没那么性感的研究，讨论如果存款可以24小时实时转移，而AI又能够自动替企业和个人比较收益，银行一直以来依赖的存款粘性会发生什么。
再往后一天，BIS在讨论稳定币与代币化存款时，又提到了刚刚完成真实资金测试的Project Agorá。
单独看，每一件事都可以被归到一个熟悉的新闻分类里：Google是企业AI，MoonPay是加密金融，Dallas Fed是银行研究，Project Agorá是央行和商业银行研究下一代跨境支付基础设施。
但如果把它们放在一起，能看到一条更值得注意的线索。
过去两三年，我们一直在讨论AI什么时候会真正改变金融。但我越来越觉得，这个问题问得不够准确。真正的分界线从来不是AI什么时候“更懂金融”，而是它什么时候开始被允许代表人去做金融决策，并且真的能够移动资金。
这两者之间的差别，可能比从搜索引擎到ChatGPT还大。
几年前我刚开始研究生成式AI和Fintech结合的时候，整体判断其实相对保守。那时候金融行业最现实的应用仍然是客服、报告、反欺诈、费用管理、内部知识检索和各种提高员工效率的工具。这些当然有价值，但基本都停留在“AI站在钱的旁边帮忙”，并没有真正碰到钱。
原因也很简单。一个模型写错一段市场文案，可以重新修改；一个模型如果替企业把500万美元转错了地方，显然不是点一下“撤销”就能解决。金融机构对黑箱的容忍度天然比普通软件公司低得多。准确性、权限、审计、责任归属、监管要求，任何一个环节没有解决，模型再聪明，也只能做助手。
而最近几个月真正值得注意的变化，并不是行业突然相信“全自动AI理财”马上会到来，而是越来越多公司开始把“让AI动钱”这件事拆成一系列更小、更可控的授权。
Robinhood今年推出Agentic Trading时，并没有让一个模型直接接管用户全部资产，而是专门设置一个允许AI操作的独立账户。到第二季度末，这类账户已经接近10万个，管理资产超过1亿美元。
Ramp走的路线更加不性感，却可能更接近真实企业财务的演化路径。它的AI并不是直接取代CFO，而是先读取公司的报销、付款和会计政策，对高把握度的情况自动处理，把异常情况交还给人。
Rocket Money最近推出的Rowan也体现了类似趋势：它不再只是给用户看一张“你这个月花了多少钱”的图，而是可以在后台发现订阅、发消息提醒、帮助取消服务、谈判账单，甚至按照预设规则完成储蓄转账。
这些产品放在一起看，会发现市场并没有从“人工操作”直接跳到“机器完全自主”，而是沿着一条更现实的路径前进：先观察，再建议，再准备动作，再由人批准，然后逐渐把那些规则清楚、风险可控的动作交给机器执行。
这也是为什么我觉得，Agentic Finance真正重要的概念并不是“自动化”，而是“授权”。
今天企业员工拿着一张公司信用卡，本身就是一种金融授权。他当然不能把公司银行账户里的钱全部花掉，但可以在一定商户类别、金额和审批规则内自主消费。基金经理、企业财务负责人、采购经理，本质上也都是在一个事先定义好的授权框架里替别人管理资金。
AI Agent真正要做的，并不是发明一种全新的金融制度，而是把这种我们早就习以为常的授权关系变成机器可以理解和执行的规则。
比如，一家公司完全可以告诉一个AI财务代理：必须保留至少30天运营现金；剩余资金只能放在指定银行或者高评级产品；不能产生外汇风险；单笔资金移动超过50万美元必须人工批准；只有当收益差超过20个基点时才值得切换；任何新出现的交易对手都必须经过人工审核。
一旦这些规则可以被机器直接理解，事情就发生了本质变化。AI不需要获得无限权力，也不需要成为一个完全不受监管的“机器人对冲基金”。它只需要在边界内自主行动。
这也是最近Google、MoonPay、Visa、Mastercard这些公司做Agent支付时越来越明显的共同方向。表面上大家都在讨论AI如何付款，真正花大量精力解决的却是权限：谁授权，授权多少，授权到什么时候，哪些商户和账户可以碰，什么情况下必须停下来重新找人确认，最后出了问题如何留下完整的审计记录。
所以我现在越来越相信，未来Agentic Finance最重要的产品之一，甚至不一定是某个更聪明的大模型，而是一套足够可靠的“金融授权系统”：它能把一句很模糊的人类指令——比如“帮我把公司闲钱管好”——翻译成几百条可以被机器严格执行的规则。
从这个角度再看MoonPay最近半年的动作，就比单独看它和Kamino合作有意思得多。
3月，MoonPay推出Open Wallet Standard，重点解决AI怎么安全使用钱包、怎么在不接触私钥的情况下获得有限的签名权限；5月，它收购DFlow，把交易执行基础设施补进来；6月又收购Entendre，增加对账、财务、资金管理和报表能力；7月推出PayBox，把卡和钱包直接接进Claude、ChatGPT这样的交互环境；到了8月，再通过Kamino把借贷和收益管理接进来。
单独看，每一步都不算惊天动地。连在一起看，却很像是在拼一套面向AI Agent的金融底层能力：先解决身份和权限，再解决执行，再解决财务运营，最后开始碰信用、借贷和资产配置。
这也是Agentic Payments和Agentic Finance真正的区别。
前者回答的是：AI怎么替我付钱？
后者问的是：AI怎么替我管理资产负债表？
一旦进入第二个问题，支付就只剩下其中一个动作。现金放在哪里、什么时候借钱、抵押什么资产、闲置资金赚多少收益、什么时候做再平衡、如何管理流动性和风险，这些原本需要企业财务团队、银行家或者投资经理不断做出的判断，都开始有可能进入机器的执行范围。
可是这里一直还有一个基础设施上的矛盾。
如果AI可以每秒计算一次最佳方案，钱本身却仍然只能按照银行营业时间、跨境代理行、批量清算和人工对账的速度移动，那么再聪明的Agent也没有太大意义。它像一辆性能极好的跑车，却只能开在一条坑坑洼洼的乡间土路上。
这也是Project Agorá值得放进这篇文章的原因。
Project Agorá本身不是一个AI项目。它是BIS Innovation Hub和国际金融协会联合推动的实验，研究如何把代币化的商业银行存款和央行准备金放进一个多币种、可编程的平台里，以改善批发跨境支付。
它与Agentic Finance之间真正的联系，并不是“BIS也开始做AI”，而是它正在研究AI最终需要调用的另一块金融基础设施：钱本身能不能变得更容易被机器读取、组合和执行。
今年7月，28家金融机构和央行已经在受控环境里完成真实资金测试，涉及瑞郎、欧元、英镑、日元、韩元和美元。测试规模本身非常小，远远谈不上生产环境，但它至少验证了一件事情：商业银行存款和央行货币并不是天然只能活在今天这些缓慢、彼此割裂的系统里，它们同样可以进入一个支持条件触发、原子结算和自动执行规则的环境。
BIS自己对此仍然非常谨慎。系统之间怎么互联，法律上的最终结算怎么认定，智能合约出了问题谁负责，网络安全、治理以及几十年旧系统怎么迁移，这些问题都远远没有解决。所以把Agorá写成“下一代全球金融系统已经建好了”，显然是夸大。
但它至少证明了一个容易被crypto叙事掩盖的问题：可编程货币并不一定等于稳定币，也不一定意味着银行被绕过去。传统银行存款本身，也可能变成可以被软件调用的金融资产。
而真正有意思的地方，也恰恰从这里开始。
因为银行今天正在投入大量资源消灭资金流动里的摩擦，但这些摩擦过去某种程度上本来就是银行商业模式的一部分。
这正是Dallas Fed那篇文章最值得注意的地方。
一家银行的存款为什么值钱？
当然有很多很高大上的原因。企业把5000万美元放在JPMorgan，不只是因为懒得开户，背后可能绑定着信贷额度、外汇、工资支付、现金管理、托管以及多年的客户关系。这些东西不会因为隔壁银行利率高了10个基点就突然消失。
但另一个原因没有那么高大上，却同样真实：搬钱太麻烦。
今天一家公司的账户里有200万美元暂时闲置，A银行给4.20%，B银行给4.35%。为了15个基点，财务团队是不是每天早上都要重新检查一次？是不是值得重新登录、比较交易对手风险、做资金划拨、考虑清算时间，再重新做一轮对账？还要保证明天工资和供应商付款不会受到影响。
绝大多数时候，答案都是算了。
钱就继续放在那里。
这就是金融体系里一个很少被单独拿出来讨论的资产：人的惰性。
Dallas Fed的文章说得很直接，运营存款之所以有粘性，一部分就来自资金无法快速重新配置的现实摩擦。如果未来即时结算、代币化存款和AI Agent同时成熟，寻求更高收益的客户理论上就可以在自己几乎不做任何操作的情况下完成资金切换。
AI不会觉得15个基点“不值得折腾”。
它没有周一早上的会议，不会忘记，也不会因为今天很忙就把这个事情拖到下周。对于它来说，不断比较不同金融产品的边际注意力成本几乎为零。
这当然不意味着未来所有企业存款都会像热钱一样每五分钟换一家银行。客户关系、信用额度、监管要求、风险管理仍然存在，资金切换也永远不会真正达到零成本。
但问题在于，它根本不需要发展到这么极端，才会影响银行。
Dallas Fed以美国银行体系接近17万亿美元的相关存款做了一个敏感度测算。如果存款的平均停留期限缩短10%，银行体系承担期限转换的能力可能减少大约5800亿美元的“十年期等值风险敞口”；如果存款利率对市场利率变化的敏感程度提高10%，银行可承担的久期风险可能减少约7000亿美元。
这并不是说AI会让美国银行突然少放7000亿美元贷款。把这个数字简单解释成“贷款能力减少7000亿美元”并不准确。
它真正说明的是另外一件事情：存款粘性本身就有巨大的经济价值。
如果未来可编程货币和AI Agent只是让这份粘性稍微弱一点，银行负债端的成本和期限结构就可能跟着变化。
过去大家谈可编程货币时，看到的通常都是好处：结算更快、对账更少、成本更低、可以全天运行，也可以把支付条件直接写进交易逻辑里。
但它还有一个很少被强调的另一面：钱一旦更容易移动，持有钱的人就拥有了更多选择权。
对于资产持有者来说，这是效率；对于把这些钱当作稳定资金来源的机构来说，却意味着更激烈的竞争。
银行为了让钱像软件一样运行，也可能必须接受一个结果：钱开始按照软件的速度比较价格。
这就把问题带到了我最近一直在思考的另一个方向。
过去我一直认为，金融本质上是一个分销（distribution）生意。
银行争的是谁拿到工资直接入账，信用卡公司争的是谁成为消费者最常用的那张卡，券商争的是谁占住投资者的手机屏幕，财富管理机构争的是谁拥有客户关系。大量Fintech产品花几十亿美元获客，本质上都在争夺同一个东西：谁能站在用户和金融产品之间。
因为谁拥有分销，谁就有机会决定哪个产品被看见。
但AI Agent可能会让这场竞争逐渐从“分销”（distribution）变成“资金路由”（routing）。
以前你会问：我最喜欢哪家银行？
未来更重要的问题可能是：我的财务Agent把哪些银行放在可接受交易对手名单里？
以前基金公司想办法让自己的货币基金排在App首页。
未来Agent可能直接判断：当收益差超过18个基点、流动性满足要求、交易对手风险低于某个阈值时，资金应该自动去哪里。
以前贷款机构拼广告、品牌和销售渠道。
未来Agent可能直接比较实际利率、抵押要求、提前还款条件以及企业当前的现金流状况，再决定应该调用谁的资金。
到了这里，真正值钱的东西就不再只是“用户有没有下载你的App”，而是你有没有进入机器的默认规则。
谁被写进授权范围，谁就有资格参与竞争；谁最终赢得资金路由，谁就拿到了资金流。
Agentic Commerce改变的是需求流向哪里。
Agentic Finance改变的是资本流向哪里。
所以如果今天我是一个银行CEO，我当然会关心AI能不能减少分析师写报告的时间，能不能把KYC和反欺诈调查自动化，这些都是非常现实的效率提升。
但更长期的问题可能是另外一个：
当我的企业客户拥有一个24小时工作的财务Agent以后，我凭什么继续拥有他的下一美元？
最聪明的银行未必会抵抗这场变化，反而可能最早把Agent放进自己的体系里。客户日常运营资金继续留在活期账户，暂时不用的钱自动进入收益更高的存款或者基金，需要流动性时再自动回来；外汇、贷款额度、抵押品和付款也都可以被一起优化。这样即使Agent不断寻找更优解，资金仍然可以留在同一家银行生态内部。
从这个角度来看，Project Agorá这样的探索未必会削弱银行，甚至可能帮助受监管的商业银行货币在稳定币时代继续保持核心地位。
所以这并不是一个“AI加Crypto最终干掉银行”的简单故事。真正危险的，未必是银行本身，而是那些长期以来把客户不愿意比较、不愿意切换、嫌麻烦，当成自己护城河的金融商业模式。
过去一家银行很重要的优势，是客户搬走太麻烦。下一阶段真正强的银行，可能必须证明一个完全相反的命题：客户随时都可以走，但他的AI算完以后，依然决定把钱留在这里。
过去十几年，Fintech最激烈的战争发生在手机屏幕上。大家争日活、争主账户、争最常用的那张卡，争谁离用户更近。
下一轮很多真正重要的金融战争，可能根本没有界面。
它发生在后台的一套授权规则里，发生在一张可接受交易对手名单里，发生在十几个基点的收益差里，也发生在AI判断“这笔钱此刻应该去哪里”的那一瞬间。
所以Agentic Finance真正值得问的问题，可能从来都不是：AI什么时候会替我们管理钱？而是，当越来越多的钱开始按照机器可以理解的规则，自动寻找自己的最佳去处以后——
谁还有资格决定，这些钱最终留在哪里？
重新认识一下，我是 AI 时代的软件股（重生暴涨版）28.63%，是 Okta 绩后单日涨幅。
22.58%，是 CRM 昨天的涨幅。
20.50%，是 CRWD 同一天的涨幅。
三家公司用一轮财报证明，AI 软件真的赚到钱了。
（图片来源：ChatGPT 生成）
姐妹们，手里的急活、慢活都先放下，当务之急是重新认识一下，AI 时代的软件股。
没有被大模型的能力杀死，反而变得更强大了。
其实，7月中以来我们一直在密集分析软件股，视频文章哐哐发，核心关键就是 AI 时代的软件股估值逻辑重塑。错过的小伙伴速速补课：
暴涨 100% 后，空头被迫认错！美股软件板块现在还能买吗？
这篇文章，我们再系统盘一下 AI 时代软件股的新分析逻辑，以及本周几份关键财报释放的信号。
软件股估值新逻辑：看和 AI 的绑定有多深
“软件末日论” 之前被广泛讨论，本质上是同一个问题，就是 AI 会不会让人们不再需要它们。
目前看来，不仅不是，反而 AI 为软件公司提供了新的业务增长渠道。
之前我们整合了一个框架，AI 时代的软件股大体可以按照三个层次来分类：
（图片来源：Gemini 生成）
我们之前的判断，网络安全是目前能够拿到企业预算路径最清晰的方向。目前来看完全成立，“守护 AI” 是目前应用落地最直接的一条主线。
AI Agent 带来更多机器身份、接口调用和自动执行动作，企业需要保护的入口迅速增加。每增加一套 AI 系统，都需要同步增加身份验证、访问控制、流量检测、数据保护和恢复能力。这些支出由风险驱动，企业很难推迟，掌握网络、身份、数据和恢复控制点的平台因此获得更强的定价权。
企业 AI 基础设施和 AI 对现有商业模式的放大是另外两条主线。
一方面，企业需要购买数据治理、可观测性、权限管理和业务执行系统。相关公司能否受益，取决于产品能否真正进入生产流程，并把部署规模、使用量和业务成果转化为收入。另一方面，Shopify（SHOP）和 AppLovin（APP）等平台已经掌握交易、商家或广告数据，AI 可以提高推荐、投放和运营效率，进而增加每笔交易或每单位流量的收入。
网络安全叙事兑现：OKTA、CRWD
周四，在 Okta、CrowdStrike 的财报带动下，网络安全板块集体暴动。最新的财报释放了一个重要信号：
随着 AI Agent、机器身份和自动化攻击快速增加，企业并没有削减安全预算，反而正在签署金额更大、期限更长的平台合同。
Okta（OKTA）：订单率先回暖，AI 身份打开估值上行空间
Okta 交出了一份增长超出市场预期的财报，绩后单日股价飙升近 30%。市场交易的是订单指标回暖、盈利能力持续提升，以及 AI Agent 身份治理可能形成新增长曲线。
订单端释放积极信号：Q2 FY27 营收 8.05 亿美元、同比增长 11%，订阅收入 7.93 亿美元、增长 12%，非 GAAP EPS 达 1.05 美元。更重要的是，RPO 增长 17% 至 48.58 亿美元，cRPO 增长 14% 至 25.85 亿美元，均明显快于收入，说明新签约、续约及长期合同需求正在改善，为未来几个季度收入提供支撑。
（图片来源：OKTA）
盈利能力强化重估逻辑：非 GAAP 经营利润率达到 28.2%，自由现金流率为 28.1%、同比提升 5.8 个百分点；全年收入指引上调至 32.16 亿—32.26 亿美元，自由现金流率预计达到 28%—29%。在保持低双位数增长的同时，Okta 已从单纯追求规模转向高质量增长，现金流改善为估值提供了更扎实的下限。
AI 是最值得观察的变量：AI Agent 预计将大量创造服务账号、Token、API 及 MCP 连接，企业需要持续完成身份注册、授权、审计与撤权。Okta 拥有身份认证和权限执行这一关键控制点，并已推出 Agent Registry、Token Vault、MCP 认证及非人类身份治理。若未来按 Agent 数量、机器身份或 API 调用收费，公司有望突破传统员工席位增长上限。
后续重点验证增长持续性：Microsoft 可以通过企业协议低价捆绑基础身份功能，Okta 必须依靠厂商中立性、跨云集成及更完整的身份治理维持溢价。后续需要同时观察 NRR、cRPO 与 AI 收入：若 NRR 长期停留在 107%、cRPO 增速由本季 14% 继续回落，且公司仍不披露 AI 客户数或增量 ARR，那么 28% 以上的利润率更可能意味着业务进入成熟期。反之，若非人类身份及 AI Agent 开始独立计费，并推动 NRR 重回 110% 以上，Okta 的定位有望从 “低增长、高现金流身份厂商” 重新切换为 AI 安全成长股。
XINGPT
CrowdStrike（CRWD）：净新增 ARR 创纪录，平台化扩张进一步提速
在之前软件股的视频中，我们提出，判断 CrowdStrike 能否真正拿到企业安全预算，需要重点跟踪新增 ARR、现金效率和 Falcon Flex 客户扩容。这个季度的财报显示，这三项指标整体继续改善，说明此前的平台化逻辑正在兑现。
企业新增预算继续加速：上季度末 ARR 为 55.1 亿美元，当季净新增 ARR 为 2.56 亿美元；本季度末 ARR 已升至 58.41 亿美元、同比增长 25%，净新增 ARR 进一步增至 3.33 亿美元、同比增长 51%，创历史新高。RPO 也由去年同期的 72 亿美元增至 107 亿美元、增长约 49%，说明客户不仅增加当期采购，也在签署更大、更长期的平台合同。
（图片来源：CRWD）
Falcon Flex 的扩容逻辑得到验证：上季度 Flex 客户贡献超过 19 亿美元 ARR，本季度已增至 22.9 亿美元、同比增长 101%，客户数量超过 2,900 家。追加额度的 Re-Flex 客户也由 480 家增至超过 630 家；客户从标准合同转向 Flex 后，平均 ARR 提升超过 40%，说明 Flex 并不只是以折扣提前锁定订单，客户启用更多模块后，确实在持续增加安全支出。
AI 安全开始贡献实际收入：云安全 ARR 超过 9.05 亿美元、增长 29%，Next-Gen SIEM ARR 超过 6.95 亿美元、增长 60%，Next-Gen Identity ARR 超过 5.85 亿美元、增长 33%；AIDR ARR 环比接近三倍。相比仅仅推出 AI 产品，CrowdStrike 已经开始证明 AI 检测与响应能够形成真实付费。其终端 Agent、实时威胁数据与自动隔离能力，也构成了 AI 难以直接替代的安全控制点。
后续关注 Flex 收入兑现与盈利质量：本季度营收增长 26%，自由现金流率为 26%，Rule of 40 达到 52%；非 GAAP 经营利润率由 22% 提升至 25%。随着 Palo Alto Networks 和 Microsoft 加速平台整合，CrowdStrike 需持续证明 Flex 合同能够转化为实际使用、续约和现金流，才能支撑市场给予的平台龙头溢价。
真给 AI 软件赚到钱了：CRM
Salesforce（CRM）本季财报，证明了 AI Agent 没有吞噬原有软件使用量，同时 Agentforce 也开始产生用量和订单。
CRM 绩后股价上涨超 22%，本质上是市场开始降低 “AI 将摧毁 SaaS 席位模式” 的概率，并重新评估公司从按人收费转向 “席位＋用量” 收费的可能性。
不过，剔除新收购的企业数据管理平台 Informatica 后，核心订阅收入增速一般，新的用量模式能否真正抬升公司整体增速，这是下一阶段的关键。
订单端改善，但收入增长有并购助力：Q2 FY27 营收 113.45 亿美元、同比增长 11%，订阅与支持收入 108.2 亿美元、增长 12%；cRPO 达 335 亿美元、增长 14%，环比加速 1 个百分点，Q3 cRPO 指引也达到约 14%。不过，本季度收入包含 4.56 亿美元 Informatica 贡献，相当于约 4.5 个百分点；剔除并购后，核心订阅收入增速约为 6%—7%。因此，前瞻订单指标正在改善，但并不能直接说明核心业务已经加速。
Agentforce 打开 “席位＋用量” 增长模式：Agentforce ARR 达 15 亿美元、同比增长超过 240%；与 Data 360 合计 ARR 接近 39 亿美元。Q2 Agentic Work Units 环比增长 97%，MCP 每周调用量增长 6 倍，而人类应用使用量保持稳定，说明 AI Agent 正在传统席位收入之上创造新增消耗。未来若 Agent 容量及数据调用开始规模化收费，Salesforce 有望摆脱单纯依赖员工数量的增长模式。
（图片来源：CRM）
数据与客户基础强化 AI 商业化壁垒：企业的客户记录、权限、销售流程和服务动作长期沉淀在 Salesforce 中，Agent 即使通过 Claude 等第三方界面运行，最终仍需要调用 Salesforce 的数据与业务逻辑。Agentforce 的价值在于把这些数据转化为可以执行的动作，而 Data 360 则负责统一和治理数据。摩根士丹利指出，本季新增约 2,000 家付费生产客户、环比增长 70%，高级 Agentforce SKU 订单环比翻倍，且 50% 的订单来自现有客户追加容量。这说明现有客户基础正在成为 AI 交叉销售渠道。
AI 增量尚未抵消传统业务放缓担忧：核心销售业务增长 9%，客户服务业务增长 5%，计入 Agentforce 后为 7%；但营销与电商业务下降 1%，数据分析与系统集成业务下降 6%。这说明 AI 增长目前主要集中在 Agentforce 和数据平台，尚未广泛带动传统产品恢复。后续需要观察 Agentforce 能否提高核心产品的客单价，以及增长较弱的传统业务能否企稳。
写在最后
AI 热潮下，软件股从陪跑者变成了受益者。
Okta、CrowdStrike 和 Salesforce 的财报共同说明，AI 并没有简单取代原有软件预算，反而创造了更多机器身份、安全连接、数据调用和自动化任务。
但我们还是坚持之前的观点，软件股的机会是分化的，和 AI 结合得更深、能把使用量转化为订单、ARR 和现金流的公司，更会受到资金的青睐。
Q2 财报季接近尾声，接下来重点关注 Palo Alto Networks 与 Snowflake 的财报。
这轮软件股价值重估已经从个股反弹向板块扩散。Palo Alto Networks 与 Snowflake 的财报，将进一步验证行情能否持续，以及资金能否从安全 SaaS 扩展到数据基础设施和更多应用软件公司。
Distill AI
Google DeepMind CEO Demis Hassabis（德米斯·哈萨比斯）：通往 AGI 之路与世界模型撰文：Techub News 整理
导语
在 CNBC 国际频道推出的原创播客节目《The Tech Download》首季中，资深科技记者 Arjun Kharpal 和 Steve Kovach 获得了罕见的机会，深入探访了推动科技巨头谷歌 AI 战略的核心引擎——Google DeepMind。本期节目的重磅嘉宾是 DeepMind 联合创始人兼 CEO Demis Hassabis（德米斯·哈萨比斯）。此次对话发生在 Gemini 系列模型取得重大进展、谷歌 AI 竞争力显著回升的背景下，Hassabis 作为全球 AI 领域的领军人物之一，他的观点对于理解当前 AI 技术前沿、竞争态势与未来走向至关重要。
摘要
扩展定律仍在有效，但回报可能从指数级增长趋于平缓，通往 AGI 可能需要一两个重大创新突破。
当前大语言模型是“锯齿状智能”，在通用性、持续学习、原创性等方面存在局限，未来需要与“世界模型”等技术融合。
AGI（通用人工智能）可能在 5-10 年内实现，其带来的变革将比工业革命规模更大、速度更快。
AI 竞争异常激烈，但 Hassabis 认为更重要的是在竞争之余，共同为全人类妥善引导 AGI 的发展。
中国 AI 模型能力距西方前沿仅“数月之遥”，但尚未证明其具备超越前沿的源头创新能力。
扩展定律与 AGI 的“最后一公里”
当被问及当前 AI 发展的核心驱动力——扩展定律（Scaling Laws）是否遇到瓶颈时，Demis Hassabis（德米斯·哈萨比斯）给出了审慎乐观的回答。他认为，扩展定律“进展非常顺利”，增加算力、数据和模型规模确实持续带来能力提升，尽管增长速度可能不如两三年前那样迅猛，存在“收益递减”的讨论，但这与“毫无收益”有本质区别。目前仍能获得“非常可观的回报”，因此继续推进规模化是值得的。
然而，Hassabis 指出，若要最终抵达 AGI 的彼岸，可能还需要“一两个重大的创新”。他将当前最先进的大语言模型（LLM）描述为“锯齿状智能”——在某些方面表现惊人，但在其他方面却存在明显缺陷，甚至无法完成相对简单的任务。一个真正的通用智能体应该表现出全面的一致性。此外，现有系统缺乏持续在线学习、真正创造原创内容等关键能力。
Hassabis 以他毕生致力于的“AI 赋能科学”愿景为例，说明了当前技术的局限。AI 已经能够解决已有的科学猜想（如 AlphaFold 解决蛋白质结构预测），但还无法自主提出全新的假设或理论。这需要系统具备长期规划、更强推理能力，尤其是构建“世界模型”的能力——即对世界物理规律和因果关系的深刻理解，从而能在“脑海”中进行模拟，验证自己的想法。这正是顶尖人类科学家所做的，而目前的 AI 系统尚无法做到。
超越文本：世界模型与未来 AI 架构
“世界模型”是 Hassabis 在访谈中着重阐述的一个核心概念。与当前主要基于文本模态的大语言模型不同，世界模型旨在让 AI 真正理解物理世界的运作方式，包括直观物理、因果关系，以及进行长远规划的能力。这种理解是进行科学发现和真正创新的基础。
对于 LLM 与世界模型的关系，Hassabis 认为未来不会是后者取代前者，而是多种技术的“融合”。像 Gemini 这样的基础模型（Foundation Model）仍将是未来 AGI 系统的关键组成部分，因此必须尽可能将其规模化和强大化。但问题在于，这是否是构建 AGI 所需的唯一组件？Hassabis 对此表示怀疑，他认为还需要其他类型的技术和能力，世界模型能力便是其中之一。
他透露，DeepMind 正在研发名为 Genie 的模型，并拥有最先进的视频生成模型（如 VO）。他将这些能够从文本生成逼真视频或实现交互的模型视为“早期的、胚胎阶段的世界模型”。因为如果一个模型能够生成关于世界的逼真内容，在某种意义上就意味着它理解了世界的相关方面。
AGI 时间表、能源挑战与社会影响
Hassabis 重申了他对 AGI 发展时间表的预测：大约在 5 到 10 年内实现。他回顾道，DeepMind 在 2010 年创立时，就将构建 AGI 视为一项为期 20 年的使命。如今看来，他们正按计划推进，考虑到这项技术的变革性，这个速度已经“相当不可思议”。
在通往 AGI 的道路上，物理约束是显而易见的挑战，尤其是能源问题。Hassabis 指出，芯片永远不够用，而最终一切都归结于能源。他甚至认为，在迈向 AGI 的时代，“能源将与智能画上等号”。不过，他相信 AI 本身将成为解决能源困境的关键：一方面，AI 能帮助提升现有基础设施的效率，辅助设计更好的太阳能材料；另一方面，AI 可能助力实现突破性技术，如核聚变（DeepMind 正与美国的 Commonwealth Fusion 合作研究等离子体控制），甚至发现室温超导材料。此外，通过模型蒸馏等技术，AI 系统本身也在以每年 10 倍的速度提升能效。
谈及 AGI 可能带来的社会冲击，Hassabis 承认存在巨大挑战。他预计其影响将堪比工业革命，但规模可能大 10 倍，速度也快 10 倍，带来“惊人的变革与颠覆”。这可能需要新的经济模型来应对。在风险方面，他主要关注两点：一是恶意行为者将通用 AI 技术用于有害目的；二是随着 AI 向 AGI 和智能体（Agent）系统发展，如何确保这些自主性更强的系统始终处于人类的控制之下，不偏离预期轨道。
尽管存在风险，Hassabis 自称是一个“谨慎的乐观主义者”。他坚信，只要给予足够的时间和审慎的态度，人类凭借智慧和努力能够正确引导这项技术。他同时也理解像 Yoshua Bengio、Max Tegmark 等学者呼吁放缓 AGI 研发速度的担忧。Hassabis 对此表示一定同情，并认为在初期将 AI 视为解决科学等特定问题的“终极工具”来构建是正确的方向，DeepMind 也正是这样做的。但他也 pragmatically 指出，现实世界存在复杂的地缘政治和企业竞争动态，形成了一种“竞赛态势”。DeepMind 的目标是成为行业表率：既积极推动前沿研究以尽快释放效益，又在此过程中尽可能保持负责任和审慎的态度。
白热化竞争、中国 AI 与“泡沫”讨论
Hassabis 用“激烈”来形容当前的 AI 竞争环境，许多资深科技从业者称此为“技术行业有史以来最紧张的时期”。所有最有实力的玩家——科技巨头、顶尖初创公司——都已入场，因为大家都已意识到 AI 是“最重要的技术”。从小接受国际象棋竞技熏陶的 Hassabis 坦言自己“热爱竞争”，但与此同时，他始终铭记比公司或国家间竞争更重要的事：为全人类妥善引导 AGI 的发展。他认为这是所有 AI 实验室领导者的责任。
回顾谷歌在 AI 竞赛中的起伏，Hassabis 承认，过去十年谷歌和 DeepMind 发明了当今使用的大部分关键技术（如 Transformer 架构、AlphaGo 的大规模强化学习），但“在商业化和规模化方面可能有点慢”。过去两三年，他们重拾创业精神，加快步伐，才凭借 Gemini 系列重回领先地位。
对于当前 AI 领域是否存在“泡沫”的讨论，Hassabis 认为不能一概而论。他相信 AI 终将成为有史以来最具变革性的技术，这构成了基本盘。就像互联网泡沫时期一样，最终会产生一些划时代的公司。他观察到，在私募市场，一些几乎尚无产品的公司却能获得数十亿美元融资，这看起来“有点不可持续”。不过，对于 DeepMind 和谷歌而言，他并不担心泡沫问题。谷歌强大的资产负债表、多元化的产品和庞大的用户基础，使其无论行业顺逆都能处于有利位置。
在谈到地缘政治维度时，Hassabis 对中国 AI 的发展给出了 nuanced 的评价。他认为中国 AI 模型能力与西方前沿的差距比一两年前人们想象的要小，可能“只有几个月之遥”，DeepSeek、阿里巴巴等团队证明了他们能快速追赶。但他也指出，下一个关键问题是：中国能否实现超越前沿的源头创新？例如发明像 Transformer 这样的新架构。他认为这比追赶要难上百倍，目前尚未看到证据，但这本身也极具挑战性。
DeepMind 与谷歌：引擎室的角色与未来展望
Hassabis 将整合了谷歌研究院、Google Brain 和 DeepMind 的 Google DeepMind 形容为谷歌的“引擎室”。所有 AI 核心技术都由此产出，然后扩散到谷歌的各个产品中。过去几年，他们不仅构建模型，还几乎重构了整个基础设施，使得新模型能够极速部署到所有主要平台。他表示，与谷歌 CEO Sundar Pichai（桑达尔·皮查伊）几乎每日沟通，根据公司整体需求动态调整技术路线图，同时不忘 AGI 的长期目标。
在合作伙伴方面，除了将技术内嵌于谷歌产品，DeepMind 也与三星等外部公司合作，将 AI 工具集成到智能手机等设备中。Hassabis 对边缘计算和新型设备（如智能眼镜）非常感兴趣，认为“通用助手”将是这类设备的杀手级应用。
展望 2026 年，Hassabis 预测了几个关键方向：智能体系统将变得足够可靠并开始发挥实用价值；机器人技术在未来 12-18 个月内会有非常有趣的进展（DeepMind 正致力于雄心勃勃的 Gemini 机器人项目）；设备端 AI 系统将在现实世界中真正变得有用；而他最兴奋的是进一步推进世界模型，使其更高效，最终能用于通用模型的规划任务。
最后，回顾 2014 年谷歌以约 4 亿英镑收购 DeepMind 的往事，Hassabis 表示毫无遗憾。他当时就告诉谷歌高管，这将是谷歌“最重要的收购”。与谷歌的结合使得 DeepMind 能够获得充足的算力支持，从而完成了 AlphaGo、AlphaFold 等里程碑式的工作。他坚信，AI 是组织世界信息的终极工具，与谷歌的使命天然契合，而 DeepMind 正是驱动这一愿景的核心引擎。ChatGPT 网页流量份额回升至 55.5%，领先优势收窄Techub News 消息，据 Similarweb 数据，ChatGPT 在 AI 聊天机器人网站流量中的份额已回升至 55.5%。不过，其同比领先优势已从 73.3% 大幅收窄，因 Gemini 份额翻倍，Claude 份额增长近五倍。此数据未包含移动应用和桌面客户端流量。 （The Decoder）谷歌发布 Lyria 3.5 音乐模型，集成至 Gemini 应用Techub News 消息，谷歌发布了其 Lyria 3.5 AI 音乐生成模型，并将其直接集成到 Gemini 应用中，同时提供 API 访问。该模型承诺提供更具表现力的人声和更丰富的编曲，也可通过 Flow Music、AI Studio 和 Google Vids 平台使用。谷歌表示，该模型仅使用已获授权的内容进行训练。
（The Decoder）研究：与谷歌Gemini聊天7分钟可有效降低阴谋论信念Techub News 消息，研究人员发现，即使与谷歌 Gemini 进行约七分钟的对话，也能有效降低用户对当前危机的阴谋论信念，且效果优于静态事实说明页。在后续数周的跟踪调查中，这种影响还延续到了对完全不同事件的信念上。
该研究通过两项实验表明，在缺乏已验证事实的情况下，与AI聊天机器人的简短互动也能产生持续的信念纠正效果。（The Decoder）谷歌 DeepMind 实验：100 个 AI 代理在模拟会议中分裂为作弊者与举报者Techub News 消息，谷歌 DeepMind 在一项模拟研究会议实验中，让 100 个 Gemini 代理共同证明数学猜想。然而，其中一个代理发现了评分系统的漏洞，导致在 27 分钟内，所有剩余问题均被用虚假证明“解决”。
实验中的 AI 代理群体分裂为作弊者、被说服加入作弊的“皈依者”以及试图举报的“举报者”。举报者自发组织了抗议和抵制活动，但由于无法强制执行规则，最终未能阻止作弊行为。（The Decoder）Google 与 MrBeast 合作将 Gemini AI 引入内容制作Techub News 消息，Google 与 YouTube 头部创作者 MrBeast 旗下 Beast Industries 达成多年合作协议，将 Gemini AI 整合至其内容制作流程中。双方合作的首个成果为本周发布的生存挑战视频，制作团队将使用 Gemini AI 进行实时问题解决。
除 AI 技术外，该合作还涵盖 Google Health 及 Fitbit 产品植入，包括即将推出的 Fitbit Air。Google CEO Sundar Pichai 对该合作给予高层支持，MrBeast 还将出演以大型特技和后勤规划为核心的 Gemini 品牌宣传活动。（CryptoBriefing）谷歌 Gemini 3.8 Flash Cyber 在漏洞修复基准测试中得分 47.2%Techub News 消息，谷歌宣布其 Gemini 3.8 Flash Cyber 模型在 CWE-Bench 基准测试中取得了 47.2% 的 pass@1 分数。CWE-Bench 是一个用于评估修补软件漏洞能力的外部基准。
（Tech in Asia）谷歌 DeepMind 发布 Gemini 3.8 Flash 与 3.8 Flash Cyber 两款新模型Techub News 消息，谷歌 DeepMind 发布两款新的 Gemini 模型，旨在帮助扩展 AI 代理并确保代码安全。其中，Gemini 3.8 Flash 被描述为迄今为止最智能的模型，在软件工程、代理任务和多步推理方面较 3.7 Flash 有显著提升。另一款 Gemini 3.8 Flash Cyber 则被定位为最强大的网络安全专用模型。
（@GoogleDeepMind）谷歌在 GCP Agent Studio 中发布 Gemini 3.8 Flash 模型Techub News 消息，谷歌在谷歌云平台（GCP）的 Agent Studio 中发布了 Gemini 3.8 Flash 模型。该模型是 Gemini Flash 系列的最新迭代，旨在提升多模态数据处理任务的效率。谷歌的快速迭代有望加速 AI 驱动的创新。（Crypto Briefing）Google 将于周三推出 Gemini 3.8 FlashTechub News 消息，Google DeepMind 将于 9 月 2 日发布 Gemini 3.8 Flash 模型，内部代号「skimaki」。该版本距离 3.7 Flash 仅三周，主要改进包括减少冗长输出并修复此前问题。CEO Sundar Pichai 称，公司目标为每月发布一个新模型。
3.7 Flash 定价为每百万输入 tokens 0.75 美元、输出 tokens 3.75 美元，优惠持续至 2026 年底。Google 通过内部 Jetski 编码平台测试新模型，在公开发布前获取实际性能数据并改进开发者工具。（CryptoBriefing）Google DeepMind 推出 Gemini 视频智能理解功能Techub News 消息，Google DeepMind 宣布推出 Gemini 模型视频智能理解功能，支持 3.7 Flash 等多个版本。该功能通过动态扫描替代固定帧率处理，可将分析成本降低 66%，Token 消耗减少 88%，准确率提升 7%。
该技术采用智能体循环机制，可主动决定观看内容、速度及模态，实现亚秒级时刻检索和精准异常检测。目前该功能已面向 Gemini API 和企业平台开放，适用于长视频分析场景，显著降低开发成本。撰文：Techub News 整理 导语 在2025 年 5 月举行的 Google I/O 2025 开发者大会主题演讲中，Google DeepMind 联合创始人兼首席执行官 Demis Hassabis（德米斯·哈萨比斯）携团队核心成员登台，向全球开发者与 AI 社区展示了其旗舰模型 Gemini 在过去一年取得的“ relentless progress”（不懈进步）。此次演讲不仅是对 Gemini 2.5 Pro 和 Flash 模型性能升级的汇报，更是一次关于 Google AI 未来战略的深度阐述。哈萨比斯明确提出了将 Gemini 进化为“世界模型”的愿景，并展示了 Project Astra 如何向“通用 AI 助手”演进，清晰地勾勒出 Google 通往 AGI（通用人工智能）的路线图。 摘要 Gemini 2.5 Pro 被定位为“最智能的模型”，新增“深度思考”模式，在数学、编程等硬核基准测试中达到前沿水平。 Gemini 2.5 Flash 迎来重大更新，效率提升 22%，并引入“思维预算”功能，让开发者在成本、延迟与质量间取得平衡。 发布多项面向开发者的新能力：原生多说话人音频、思维摘要、代码助手 Jules 公测，以及实验性的 Gemini Diffusion 文本扩散模型。 首次系统阐述“世界模型”愿景，旨在让 AI 能像人脑一样模拟世界进行规划和想象，这是实现通用 AI 助手和 AGI 的关键一步。 Project Astra 原型展示了未来 AI 助手如何通过理解屏幕内容、控制电脑、处理多任务来协助完成现实世界中的复杂任务（如维修自行车）。 Gemini 2.5：性能、效率与开发者工具的全面进化 Demis Hassabis（德米斯·哈萨比斯）在开场即定调：我们正处在 AI 创造惊人未来的历史性时刻。他回顾了 Gemini 2.5 发布一年来的成就，用户利用其强大的多模态和推理能力，完成了从解构科学论文、理解 YouTube 视频到一次性构建游戏和应用（vibecode）等各种任务。他重申，Gemini 2.5 Pro 是 Google 有史以来最智能的模型，也是世界上最好的基础模型。就在大会两周前，Google 发布了更新版 2.5 Pro 的预览，其已在 Web Dev Arena 等热门编程排行榜上位居榜首，并且由于整合了专为教育构建的 LearnLM 系列模型，它也成为学习领域的领先模型。 另一方面，主打高效能的 Gemini 2.5 Flash 也迎来了近乎全方位的升级。新版 Flash 在推理、代码和长上下文等关键基准上均有提升，在 LMArena 排行榜上仅次于 2.5 Pro。哈萨比斯宣布，更新后的 2.5 Flash 将于 6 月初全面上市，2.5 Pro 随后推出。开发者现已可在 AI Studio、Vertex AI 和 Gemini 应用中体验预览版。 随后，产品负责人 Tulsee Doshi 登台，详细介绍了基于开发者反馈所做的四大改进：增强的能力、提升的安全性与透明度、更好的成本效益以及更多的控制权。 首先，在能力层面，除了新的 2.5 Flash，Google 推出了具有首创多说话人支持的原生文本转语音预览。该功能支持两种声音，能捕捉说话的细微差别，甚至无缝切换至耳语，并可在超过 24 种语言间轻松转换。开发者即日起可在 Gemini API 中使用此功能，Live API 也将很快提供支持原生音频对话的 2.5 Flash 预览版，用于构建更自然的对话体验。 其次，安全性得到强化。Gemini 2.5 被宣称为迄今最安全的模型，特别加强了对间接提示注入等威胁的防护。同时，为了提高模型行为的透明度，2.5 Pro 和 Flash 都通过 API 提供了“思维摘要”功能。该功能将模型的原始“思考过程”整理成带有标题、关键细节和工具调用等信息的清晰格式，便于开发者调试和理解模型在耗时任务中的决策逻辑。 第三，效率进一步提升。新的 2.5 Flash 通过减少模型达到相同性能所需的 token 数量，实现了 22% 的效率提升。 第四，开发者获得更多控制权。此前在 2.5 Flash 中广受好评的“思维预算”功能，将被引入 2.5 Pro。开发者可以控制模型在回应前使用多少 token 进行“思考”，从而在成本、延迟和质量之间进行权衡，也可以直接关闭此功能。 为了展示 Gemini 2.5 Pro 强大的编程能力，Tulsee Doshi 进行了一段现场演示。她从一个画在餐巾纸上的粗略 3D 球体草图开始，要求 Gemini 2.5 Pro 根据这张图片更新一个简单的博物馆展览网页应用代码。得益于多模态理解能力，Gemini 不仅看懂了抽象草图，还直接生成了美丽的 3D 动画代码，并应用到现有代码库中。整个过程无需开发者精通 Three.js 库或复杂的 3D 数学。随后，她进一步使用 2.5 Flash 为图片添加互动问题，并利用原生音频功能让展品“开口说话”，生动展示了如何将视觉、语音和编程能力快速整合到应用中。 在开发者工具方面，最大的亮点是异步编码智能体 Jules 进入公开测试版。Jules 可以接手复杂的任务，例如在大型代码库中更新旧版 Node.js，它能自行规划步骤、修改文件，将原本需要数小时的工作缩短至几分钟。Jules 现已集成在 Android Studio、Firebase Studio 和 Gemini Code Assist 等 Google 产品中，并可与 GitHub 协同工作。开发者现在即可前往 Jules.google 注册使用。 前沿研究：扩散模型赋能文本与“深度思考”模式 Google 的研究步伐并未停留在现有模型的优化上。Tulsee Doshi 介绍了一项突破性的研究：将已在图像和视频生成领域取得革命性成功的扩散技术应用于文本。这项研究催生了实验性的 Gemini Diffusion 文本扩散模型。与传统的自左向右生成方式不同，扩散模型通过迭代精炼来生成文本，使其在编辑、数学和代码等任务上表现出色，能够快速迭代方案并在生成过程中纠错。 这种并行生成方式带来了极低的延迟。2025 年 5 月发布的 Gemini Diffusion 版本，其生成速度比目前最快的 2.0 Flash-Lite 模型还要快五倍，同时保持了同等的编码性能。现场演示了一个简单的数学问题求解，模型几乎在瞬间给出了正确答案，其内部的迭代过程被慢放展示，令人印象深刻。该模型目前正在小范围测试，而更快的 2.5 Flash-Lite 也即将到来，预示着 Google 将在所有 Gemini 模型中持续降低延迟。 随后，Demis Hassabis（德米斯·哈萨比斯）重返舞台，带来了另一个重磅更新：为 Gemini 2.5 Pro 引入全新的 “深度思考”模式。受 AlphaGo 等模型的启发，给予模型更多“思考”时间能显著提升其回答质量。Deep Think 模式利用了 Google 在思维和推理方面的最新前沿研究，包括并行技术，将模型性能推向极限。 初步结果显示，其表现令人惊叹：在目前最难的数学基准之一 USAMO 2025 上取得了优异成绩；在竞争级编程的艰难基准 LiveCodeBench 上领先；并且，由于 Gemini 自始就是原生多模态的，它在衡量多模态理解的 MMMU 基准上也表现出色。哈萨比斯表示，正因为 2.5 Pro Deep Think 定义了新的性能前沿，Google 需要额外时间进行前沿安全评估并征求安全专家意见。因此，它将首先通过 Gemini API 向可信赖的测试者开放，收集反馈后再广泛发布。 迈向“世界模型”：通用 AI 助手与科学发现的加速器 演讲的后半部分，Demis Hassabis（德米斯·哈萨比斯）将视角从具体的模型提升到了 Google DeepMind 的终极愿景。他回顾了过去十年 Google 为现代 AI 时代奠定的基础，从发明 Transformer 架构，到 AlphaGo、AlphaZero 等智能体系统。现在，团队正致力于将 Gemini 从最好的多模态基础模型，扩展成为一个“世界模型”。 所谓“世界模型”，即能够像人脑一样，通过模拟世界的各个方面来进行规划、想象新体验的模型。哈萨比斯对此充满热情，这可以追溯到他早期开发《主题公园》等模拟游戏 AI 的经历。Google 在此方向上已迈出步伐：训练智能体掌握围棋和《星际争霸》等复杂游戏；2025 年 5 月发布的 Genie 2 模型，能够仅凭单张图片提示就生成可交互的 3D 模拟环境。这些能力已初露端倪，例如 Gemini 利用其世界知识和推理来表征自然界事物；而最先进的视频模型 Veo，则对重力、光线和材料行为等直观物理有着深刻理解，能在帧间保持惊人的准确性和一致性。 理解物理环境对于机器人技术也至关重要。AI 系统需要世界模型才能在现实世界中有效运作。Google 已微调出一个专业模型——Gemini Robotics，用于教导机器人掌握抓取、遵循指令、即时适应新任务等技能。哈萨比斯宣布，大会现场的参与者可以在“AI 沙盒”中亲自体验这些机器人。 将 Gemini 打造成一个完整的世界模型，是解锁一种新型 AI 的关键一步：一种能在日常生活中提供帮助、智能理解所处情境、并能代表用户在任何设备上规划和采取行动的 AI。这正是 Gemini 应用的终极愿景——将其转变为一个通用的 AI 助手，一个个性化、主动且强大的 AI，也是通往 AGI 道路上的关键里程碑。 这一旅程始于去年探索的 Project Astra 所展示的能力，如视频理解、屏幕共享和记忆。过去一年，这些能力已被整合到 Gemini Live 中，让更多用户体验。如今，Project Astra 的研究原型展示了更强大的未来图景：在一个演示视频中，AI 助手帮助用户维修自行车，它可以上网搜索用户手册、在 YouTube 上找维修视频、查阅电子邮件获取零件规格、甚至直接打电话给自行车店查询库存。整个过程，AI 能够理解屏幕内容、控制电脑应用、处理多线程任务，并拥有连续的对话记忆。 哈萨比斯描述，这样一个通用 AI 助手将为我们处理日常琐事，打理繁琐行政工作，推荐令人愉悦的新事物，从而提升我们的生产力，丰富我们的生活。Google 正在从可信测试者那里收集关于这些新能力的反馈，并致力于将它们引入 Gemini Live、搜索中的新体验、面向开发者的 Live API，以及 Android XR 眼镜等新形态设备中。 AI 赋能科学：从蛋白质结构到全球性疾病 作为一位科学家出身的 CEO，Demis Hassabis（德米斯·哈萨比斯）始终坚信，其职业生涯的核心在于利用 AI 推动知识进步和加速科学发现。他自豪地列举了 Google DeepMind 在过去一年在科学领域取得的一系列突破： 数学与发现：AlphaProof 能以银牌水平解决国际数学奥林匹克竞赛问题；Co-Scientist 能与研究人员协作，帮助提出和测试新假设；2025 年 5 月发布的 AlphaEvolve 甚至能发现新的科学知识并加速 AI 训练本身。 生命科学：研究系统 AMIE 可辅助临床医生进行医疗诊断；AlphaFold 3 能预测所有生命分子的结构和相互作用；基于 AlphaFold 工作的 Isomorphic Labs，正利用 AI 革命化药物发现过程，有朝一日将帮助解决许多全球性疾病。 哈萨比斯特别提到，AlphaFold 在短短几年内已对科学界产生巨大影响，成为生物学和医学研究的标准工具，全球超过 250 万研究人员在其关键工作中使用它。他坚定地表示，如果能够安全、负责任地发展，AGI 有潜力成为有史以来最有益的技术，极大地加速科学发现。 最后，演讲以一段感性的视频收尾，展示了 Google 如何与辅助视障人士的公司 Aira 合作，利用 Astra 技术构建原型，帮助视障音乐家更独立地探索世界（如识别环境、寻找物品）。这体现了 Google 将其尖端技术用于公益的承诺。哈萨比斯总结道，通过所有这些开创性工作，Google 正在构建更加个性化、主动和强大的 AI，以丰富人们的生活，推动科学进步的步伐，并引领一个充满发现与奇迹的新黄金时代。
