Loading...
Loading...
Andrew Ng（吴恩达）：AI Agent工作流是当前最重要的技术趋势撰文：Techub News 整理
导语
在2025 年 3 月于纽约举行的ScaleUp:AI 2024大会上，AI领域的顶尖思想领袖、Coursera联合创始人、Landing AI创始人兼董事长Andrew Ng（吴恩达）发表了主题演讲。作为深度学习和AI普及化的重要推动者，吴恩达一直致力于连接AI前沿技术与产业落地。此次演讲，他基于其团队在AI Fund和Landing AI的实践，剖析了当前最重要的技术趋势——“智能体工作流”的崛起，并为企业（无论是初创公司还是大型集团）如何抓住这波AI浪潮、构建可持续的创新流程提供了极具操作性的见解。
摘要
智能体工作流是当前最重要的AI趋势：相比传统单次提示生成，让AI像人类一样迭代思考、研究、修订的“智能体工作流”能大幅提升输出质量，在代码生成、法律文档处理、医疗辅助诊断等领域已展现出决定性优势。
企业AI创新流程正在被重塑：生成式AI将AI原型的构建时间从数月缩短至数天，这使得“快速构建大量原型并验证”成为可行策略，企业应建立“快速行动，同时负责任”的创新文化。
AI治理应聚焦于应用层而非技术层：试图监管基础AI模型本身如同要求电动机制造商保证其电机永不用于危险设备一样不切实际；更有效的路径是监管具体的AI应用（如医疗设备、聊天机器人），以确保其安全性。
大型企业与AI专家的“共创”是关键：最具潜力的AI应用往往诞生于深谙AI能力的团队与拥有深厚领域知识（如航运、医疗）的企业之间的合作，这种结合能催生出改变行业的解决方案。
智能体工作流：从线性生成到迭代思考的范式变革
吴恩达开篇即指出，如果只能关注一项AI技术趋势，那么答案无疑是智能体AI。他阐释了当前主流的AI使用方式与智能体工作流的本质区别。
目前，大多数用户使用大语言模型的方式是“非智能体”的：输入一个提示词，模型一次性生成完整回复。吴恩达形象地比喻，这好比要求一个人（或AI）就某个主题写一篇论文，必须从第一个字到最后一个字一气呵成，不允许使用退格键。人类显然无法以这种方式产出最佳作品，而AI在这种完全线性的模式下表现尚可，已属惊人。
然而，智能体工作流改变了这一范式。在这种模式下，我们可以引导AI像人类一样工作：例如，先让它撰写论文大纲，询问是否需要网络研究，随后下载相关网页作为上下文，接着撰写初稿，再让其审阅初稿并决定哪些部分需要修订，随后进行修改……如此循环往复。这种融合了思考、研究、修订的迭代过程，能产生质量高得多的工作成果。
吴恩达分享了一项来自其团队的数据：在HumanEval代码生成基准测试中，使用非智能体工作流的GPT-3.5正确率为48%，GPT-4为67%。然而，从GPT-3.5到GPT-4的改进，远不及从非智能体工作流切换到智能体工作流带来的飞跃。GPT-3.5在采用智能体工作流后性能大幅提升，GPT-4亦然。
在实践中，吴恩达的AI Fund团队发现，智能体工作流在处理复杂法律文件、辅助医疗诊断、填写繁琐的政府合规表格等应用场景中，正带来决定性的差异。这一趋势也催生了新的技术栈层级——编排层。诸如LangChain（正演进为更注重智能体的LangGraph）、CrewAI等框架的出现，使得构建智能体应用变得更加容易。
五大核心趋势重塑AI产业格局
除了智能体工作流这一核心，吴恩达还概括了其他四项正在深刻影响行业的重要趋势：
1. 更廉价、更快速的文本生成至关重要。 智能体工作流会产生和读取大量文本（Token），因此降低Token成本、加快生成速度变得尤为关键。这不仅是为了人类消费，更是为了加速智能体自身的迭代循环。将一段20分钟的智能体工作流程加速到5分钟，能带来巨大的实际价值。
2. 生成式AI正彻底改变企业创新流程。 过去，基于监督学习构建AI系统可能需要6到12个月。如今，利用大语言模型，许多团队可以在10天内构建并部署一个原型。这使得“快速构建20个原型，哪怕其中18个失败”的策略变得可行且经济。吴恩达提倡的新信条是：“快速行动，同时负责任”——在利用快速原型能力的同时，建立确保不推出造成实质性损害产品的流程。
3. 文本处理革命已至，视觉处理革命即将到来。 许多大型企业拥有海量的图像或视频数据，却苦于无法提取价值。多模态模型和视觉智能体的发展，将开启视觉AI应用的巨大潜力。吴恩达创立的Landing AI正在此领域深耕，帮助企业从视觉数据中获得更多价值。
4. 数据的“重力”正在减弱。 传统上，将大量数据从一个云平台传输到另一个进行处理因成本高昂而不可想象。然而，生成式AI工作流的计算成本极高，相比之下，数据跨境传输的成本显得微不足道。粗略估算，传输1GB数据的云出口成本约为10美分，而用GPT-4 mini等模型处理1GB数据的成本可能高达30-40美元。因此，新的设计模式正在涌现：人们更倾向于构建在全球范围调用计算资源、跨地域传输数据进行处理的应用。
5. 数据工程的重要性再次凸显，尤其是非结构化数据。 过去AI的价值多体现在结构化数据（数字、表格）上。如今，生成式AI能够从文本、图像、音频中提取前所未有的价值。许多公司正在重构数据基础设施，重点加强处理非结构化数据的“管道”建设。
企业AI创新：从灵感到规模化落地的路线图
针对大型企业如何抓住AI机遇，吴恩达结合AI Fund与众多企业合作的经验，提出了一套行之有效的五步流程。
第一步：高管培训。 确保企业领导层对AI的能力与局限有非技术层面的基本了解，这是识别机会的基础。吴恩达提到，Coursera上最受欢迎的课程之一就是面向所有人的生成式AI入门课。
第二步：机会脑暴与任务分解分析。 在理解技术后，系统性地寻找应用机会。吴恩达特别推荐了一种“基于任务的工作分析”方法：将职位分解为具体任务，而非笼统地讨论AI取代某个工作。例如，客户服务代表的工作包含多种任务，其中一些（如回答常见问题）极易被AI增强或自动化，而另一些（如处理复杂投诉）则较难。这种方法往往能发现出人意料的、最大的机会点，其结论通常比凭直觉猜测更可靠。
值得注意的是，多数企业在发现AI能将某项任务成本降低千倍后，选择的不是裁员节流，而是将该任务执行量提升千倍，从而开辟新的收入增长渠道。增长往往比成本节约更具吸引力，因为天花板更高。
第三步：项目可行性评估与优先级排序。 对脑暴产生的想法进行技术可行性和商业价值的尽职调查，并做出“自建、购买还是投资”的决策。吴恩达建议，市场上已有的解决方案应优先购买。但由于生成式AI技术太新，企业总会发现大量尚无现成产品的新想法。
第四步：执行路径选择——自建、合作或剥离。 企业内部的资源与耐心有限，不可能实施所有想法。对于少数核心、希望完全自主控制的项目，可以选择内部建设。对于其他许多项目，将其剥离为独立的初创公司可能是一个更优选择。这样既能以更低成本实现目标，又能让母公司享受其成果，同时无需自行组建和维护专门的AI团队。
吴恩达以与日本三井物产合作的“Bearing AI”为例：三井物产拥有深厚的航运领域知识，他们提出利用AI优化船舶航线以节省燃油。双方合作进行深度市场验证后，招募了一位连续创业者作为CEO，用三个月打造了技术原型。最终，这家独立运营的初创公司开发的软件已在超过600艘远洋船舶上运行，平均每艘船每年节省约50万美元燃料费，并减少10%的碳排放。吴恩达强调，AI专家与领域专家的“共创”是催生此类突破性应用的关键。
第五步：制定AI战略与员工培训。 当企业成功运行几次上述创新流程后，就需要思考长期的AI战略以及大规模的员工技能培训，以确保持续的竞争力。
AI治理：监管应用，而非技术
在演讲最后，吴恩达针对日益热烈的AI治理讨论提出了一个鲜明观点：治理的重点应该是AI应用，而非AI技术本身。
他类比道，AI模型就像电动机，是一种可以用于无数场景的通用技术。要求基础模型开发者保证其模型永不用于有害场景，就如同要求电动机制造商保证其电机永不用于危险设备一样，是不切实际且无效的。真正的风险取决于具体的应用场景。
因此，更合理的路径是监管具体的AI应用：确保医疗AI设备安全、社交媒体推荐算法负责、聊天机器人不作恶。针对不同应用的特点和风险，制定相应的安全标准和监管框架。
吴恩达透露，在过去一年半中，他惊讶地看到一些训练了大模型的公司进行了激烈的游说，试图推动扼杀开源AI模型技术的监管。他认为这背后部分动机是避免与开源软件竞争。所幸，业界共同努力抵制了其中最糟糕的提案。他呼吁业界保持警惕，坚持将治理焦点放在应用层，这样才能在促进创新的同时，更有效地管控风险，确保AI技术安全、负责任地发展。
吴恩达总结道，得益于智能体工作流等技术的突破，AI的可能性正在急速扩张，这为行动迅速的初创公司和积极转型的大型企业都创造了巨大的机遇。关键在于理解趋势、建立有效的创新流程，并将治理智慧应用于正确的层面。
Nathan Lambert（内森·兰伯特）与 Sean（肖恩）对谈：GPT-5 为何既让人兴奋又令人失望撰文：Techub News 整理
导语
在GPT-5发布后的一片喧嚣中，Interconnects AI频道的播客主持人Nathan Lambert（内森·兰伯特）邀请到同为深度AI观察者的Sean（肖恩），进行了一场未经过滤的对话。这段从更长直播中剪辑出的精华部分，反映了早期、深入使用者对GPT-5最真实的“第一印象”。他们不仅对比了GPT-5与Claude、Gemini等竞品的性能，更深入探讨了其出人意料的低价策略对行业的影响，以及这是否标志着OpenAI宏大叙事的一次务实调整。对于希望理解GPT-5真实定位及其对AI竞争格局影响的从业者和爱好者而言，这场对话提供了超越官方宣传的宝贵视角。
摘要
性能评估：GPT-5在盲测中与Claude 3.5 Sonnet各有胜负，并未呈现压倒性优势，尤其是在编码等特定任务上，Claude和Cursor的产品体验仍受青睐。
定价冲击：GPT-5 API定价（每百万token 5美分）远低于预期，甚至比GPT-4更便宜，其“Nano”轻量版的性价比也极高，这被视为OpenAI一次重大的市场策略转变。
行业叙事变化：GPT-5的发布更像是对现有产品线的迭代和优化，而非革命性飞跃，这可能预示着行业从追求“AGI突破”的宏大叙事，转向更务实、注重效率和成本的“卓越软件公司”路径。
智能体（Agent）的未来：要实现能处理复杂、长周期任务的“Drop-in Replacement Worker”（顶替人类岗位的智能体），仍需在状态管理、长期记忆等“工具使用”层面取得根本性进步，而非仅仅依赖模型能力的线性提升。
真实性能：与Claude的缠斗与编码之争
对话伊始，Nathan Lambert（内森·兰伯特）便分享了其初步测试结果。在GPT-5发布早期（甚至在Claude Opus 3.5发布前），他进行了盲测，将GPT-5与代号为“2.5 Pro”、“03”、“4.1”和“Cloud 4 Sonnet”的模型进行对比。他的结论是，GPT-5在与Claude 3.5 Sonnet的对决中表现参差，有时能击败对手，有时则略微落后。他强调这还是默认设置下的结果，他预期开启“高推理”模式后，GPT-5应能胜过Sonnet。
然而，性能评估远非简单的基准测试。Sean（肖恩）和Nathan Lambert（内森·兰伯特）很快将话题转向了更具体的应用场景——编码。两人一致认为，对于复杂的代码库，Cursor（通常集成GPT模型）在产品体验上 decisively wins（决定性胜出）。Nathan Lambert（内森·兰伯特）坦言，他尚未发现Claude Code（或其同类产品）存在某种“魔法提示词”能使其在编码体验上超越Cursor。Sean（肖恩）对此表示认同，但他补充说，如果是快速搭建网站或进行数据可视化这类轻量级、探索性的任务，他更倾向于使用Claude Code或类似工具，而Cursor同样也能胜任，因为它背后调用的模型本质相同。
这场讨论揭示了当前AI工具评估的复杂性：模型能力、产品封装、定价策略和工作流集成共同决定了用户的最终选择。GPT-5可能在纯粹的能力指标上有所提升，但若其对应的开发工具（如通过API集成到Cursor中）体验不佳，用户仍可能转向其他生态。
定价“核弹”：5美分背后的市场策略剧变
如果说性能讨论还在预期之内，那么GPT-5的定价则给两位观察者带来了真正的震撼。Nathan Lambert（内森·兰伯特）透露，GPT-5的API定价为每百万token 5美分，这“便宜得离谱”。更令人惊讶的是，其轻量版“Nano”的性能与GPT-5相差并不太大。Sean（肖恩）对此的反应是：“这真的很有趣。”
这一低价策略引发了更深层次的行业思考。Sean（肖恩）问道：“你认为市场上还存在更贵但更好一点（a bit better）模型的空间吗？像Claude Opus就贵得多，而且按你所说可能还更好一点。”这个问题直指行业竞争的核心。此前，如Gemini等竞争者曾试图通过更低定价来争夺OpenAI的市场份额，而Claude则以强大的编码能力建立口碑。如今，GPT-5同时提升了能力并大幅降低了价格，这无疑重置了API市场的竞争基线。Nathan Lambert（内森·兰伯特）认为，这对OpenAI至关重要，尤其是在“默认选择”的争夺上。
他们引用了一条相关推文，指出如果“价格”成为差异化因素，这将是一场与“宣称要建造AGI并每月收费2万美元”截然不同的游戏。这种转变让Sean（肖恩）感到些许“看跌”（bearish sign）：在万众期待性能飞跃的GPT-5发布时，OpenAI却不得不将重点转向定价，这或许说明纯粹靠性能突破来推动增长的故事遇到了瓶颈。
从AGI叙事到卓越软件公司：行业拐点已至？
性能与定价的讨论，最终汇流到一个更宏观的主题：OpenAI乃至整个AI行业的叙事是否正在发生变化。Nathan Lambert（内森·兰伯特）分享了他的心路历程：从最初的失望（“这就完了？”），到频繁使用后逐渐改观，再到看到定价时的震惊——“他们直接赢了”。这种“从‘AI已完’到‘我们杀回来了’”的情绪曲线颇具代表性。
Sean（肖恩）试图展望未来六个月到一年半的图景。他认为，GPT-5的发布强化了他的世界观：AI的进步将是一条“漫长而缓慢的行军”，价格和性能将持续被推高，但任何新模型都不会带来2倍的性能增益。这与之前“每一代都带来阶跃式进步”的预期不同。他将GPT-5定位为ChatGPT的“默认模型更新”，类似于上次从GPT-3.5到GPT-4的过渡，旨在“提高基线标准”，同时附赠一个高性能的“高推理”模型。
Nathan Lambert（内森·兰伯特）则更尖锐地指出了叙事矛盾。他认为，支撑行业巨额融资的“AGI叙事”至关重要。如果叙事从“萨姆·奥尔特曼（萨姆·奥尔特曼）化身普罗米修斯带来神力般的AI”，转变为“打造一个潜在价值数万亿美元、无处不在且非常有用的软件公司”，那么整个行业的发展节奏和资本逻辑都可能改变。他指出，公众对前一种宏大叙事的反弹可能会越来越强。
不过，两人也看到了另一条路径：如果AI工具能像微软Office那样，成为每家正规公司都不得不购买的“必需品”，即使它“仅仅是非常有用的软件”，也足以支撑一个庞大的商业帝国。Sean（肖恩）总结道：“OpenAI正在打造一个潜在的多万亿美元软件公司，它将变得无处不在且非常有用，然后世界继续运转，人们的生活改变一点点——这些情况可以共存。”这或许是对当前AI商业化阶段最务实的描绘。
智能体的未来：长期挑战与技术路径之争
除了对GPT-5本身的评价，对话也触及了AI发展的下一个前沿：能真正替代人类完成复杂工作的智能体（Agent）。Sean（肖恩）描绘了一个理想场景：一个能访问你的邮箱和文件系统，帮你处理报税的“会计师”智能体。它需要处理超长的时间跨度，跟踪大量状态，维护待办清单，并且在整个过程中极少需要人工干预。
那么，我们离实现这样的智能体还有多远？是只需要“再拧九个月的螺丝”（持续优化），还是需要根本性的突破？Nathan Lambert（内森·兰伯特）的回答是：“两者都是。”他列举了可能的技术路径：更新模型权重、可训练的KB缓存、LoRA微调、强化学习，或是图检索增强生成（Graph RAG）等。这些方法听起来都可能有效，但尚未被证实真的可行。
Sean（肖恩）则倾向于将“模型进展”与“工具/框架层”（harness layer）分开看待。他认为，像Claude Code和Cursor所展现的，是模型如果足够擅长维护上下文，就能通过自我记录、跟踪待办事项、积累上下文并给自己足够的“指针”来获取信息，从而在更长的时间范围内保持状态，而无需真正的持续学习。这暗示着，智能体的进步可能更多地依赖于工程框架的创新，而不仅仅是模型本身能力的线性增长。
最后，Nathan Lambert（内森·兰伯特）强调，真正有趣的是开始将工具的“归纳偏见”（inductive biases）真正构建到模型训练中，而不仅仅是在推理时调用。他认为，这在DeepSeek的研究中已有体现，而现在OpenAI在编码模型上也开始了这项工作。他建议听众亲自在Cursor中并排比较GPT-4o（或类似模型）与GPT-5，便能感受到差异。
这场坦诚的对话最终回归到一个简单的呼吁：大家都应该试试所有模型。用户会信奉某些模型，但偶尔也会发现信仰是虚假的——这在AI时代伊始便是如此。GPT-5或许不是许多人期待的那种革命性飞跃，但它以极具竞争力的价格提供了坚实的进步，并可能正在悄然改写AI行业从技术狂热到稳健商业化的剧本。
Cohere CEO Aidan Gomez（艾丹·戈麦斯）：企业 AI 的规模化边界、合成数据与后 Transformer 时代撰文：Techub News 整理
导语
2025 年 4 月，Transformer 架构论文的八位作者之一、知名 AI 公司 Cohere 的联合创始人兼 CEO Aidan Gomez（艾丹·戈麦斯）做客由 Redpoint Ventures 制作的播客节目《Unsupervised Learning》。在这场长达 51 分钟的深度对话中，Gomez 以其独特的双重身份——既是奠定当前 AI 浪潮基础的关键研究者，又是领导一家估值数十亿美元 AI 公司的掌舵人——分享了关于企业 AI 落地、模型能力边界、数据策略以及未来 AI 架构演变的深刻见解。在当前 AI 从狂热探索转向务实落地的关键节点，Gomez 的思考为行业提供了宝贵的路线图。
摘要
企业 AI 成功的关键在于“中间路线”：既非纯咨询，也非纯标准化产品，而是需要深度支持与定制化集成，尤其要解决数据隐私和跨软件访问的复杂性问题。
规模化定律正在失效：单纯堆砌算力和资本的“暴力美学”已进入回报递减阶段，未来的模型进步需要更聪明、更具创造性的算法和数据策略。
合成数据成为主力，但人类评估仍是黄金标准：在模型训练中，合成数据已占主导，能极大降低成本；然而在评估模型输出的有效性和安全性时，人类专家仍不可或缺。
推理能力是当前最大突破：具备“测试时计算”（test-time compute）或“思维链”能力的模型，在处理此前无法解决的复杂业务流程自动化任务上，实现了从“几乎总失败”到“几乎总成功”的质变。
Transformer 架构终将被超越：尽管 Transformer 展现了惊人的生命力，但作为其共同创造者的 Gomez 热切期待在 5-10 年内出现新的、更优越的 AI 基础架构。
企业 AI 的落地模型：定制化集成是胜负手
面对企业如何部署生成式 AI 的多种模式——从纯咨询服务、自带工程团队的产品化方案，到开箱即用的标准化产品——Aidan Gomez（艾丹·戈麦斯）认为，长期来看，“中间路线”将会胜出。AI 是一项复杂的新技术，企业往往需要帮助才能将其整合到现有经济体系和五花八门的软件生态中。
Gomez 指出，AI 智能体要实现有效的自动化，必须拥有与人类员工同等级别的信息访问权限。这意味着它需要接入企业的电子邮件、聊天记录、通话、CRM、ERP、HR 软件等几乎所有系统，以获取足够的上下文。这带来了两大挑战：首先是前所未有的隐私问题，很少有软件需要如此广泛的数据访问权限，因此隐私在 AI 领域比其他企业软件更为关键；其次是极高的定制化需求，每家公司的软件“马赛克”都独一无二，没有标准配置，因此需要大量定制化工作来整合所有上下文并接入模型。
这正是 Cohere 在其新的智能体平台“North”上投入巨资的方向：让平台更容易根据每家公司的特定软件图谱进行定制和集成。Gomez 坦言，实现完全自助、无需人工干预的安装和配置目前仍是“幻想”，未来更可能是一种“中间状态”——自动化解决部分问题，但鉴于访问薪资数据、客户数据或患者数据等敏感信息的风险极高，相当多的安全护栏（guardrails）和人工监督仍是必要的。
产品市场契合点：从客户支持到深度研究
凭借与众多企业合作的独特视角，Gomez 分享了当前他认为已具备明确产品市场契合度（PMF）的 AI 用例。
客户支持是技术已准备就绪、需求极为明确的领域，正在电信、医疗、金融服务等各个垂直行业快速铺开。另一个难以归类但需求旺盛的领域是研究增强——用 AI 智能体辅助人类，将需要一个月的研究工作在短短一两个小时内完成。他举了一个生动的例子：银行的财富经理接到客户要求对冲某个未来地缘政治事件的请求，传统上需要耗时数日进行紧急研究。而现在，能够阅读海量资料并生成带有引用来源的详实报告的 AI 模型，可以将这类知识工作的效率提升十倍。
展望未来 12 个月，Gomez 预测，随着像 North 这样的自动化基础设施在企业中部署到位，更多“平凡的”后台办公室工作将开始上线，例如财务、法务领域的流程自动化。此外，销售也是一个成熟的领域。销售人员在会见客户前需要进行的内部和外部研究（公司战略、关键联系人、历史沟通记录等），完全可以由 AI 智能体高效完成，生成一份全面的情报简报，从而极大提升销售效率。
关于企业是选择多个“最佳单项”解决方案，还是一个统一的平台，Gomez 认为会经历一个从分散到整合的过程。初期各部门可能采购各自的应用，但很快他们会发现，销售智能体不能只接入 CRM，财务智能体也不能只接入 ERP，它们都需要连接公司内所有其他信息源。维护这些分散应用与所有数据源的连接将带来巨大的负担，因此最终会强烈倾向于整合到一个统一的、能接入一切、并实现所有自动化目标的平台。这也正是 Cohere 通过 North 平台所布局的“长线游戏”。
模型战略：垂直整合与专业化之路
在“一个模型统治一切”还是“多个专业模型并存”的辩论中，Gomez 的观点经历了演变。他最初更倾向于需要专业模型，但随着模型展现出自我发展出“专家子网络”的能力，这种压力有所缓解。
然而，定制模型仍然至关重要。基于网络数据训练的通用模型，缺乏关于特定业务或领域的根本性上下文信息。网络上有大量关于人类历史、文化、科学的信息，但制造业数据、客户交易数据、详细的个人健康记录等并不在网络上。对于这些模态或数据类型，Cohere 的做法是与拥有这些数据的机构合作，创建仅供其访问的定制模型，使其在该领域变得非常出色。
尽管如此，通用模型的能力已经非常卓越，而合成数据能够显著弥合差距。因此，Gomez 认为，一个组织内部不会运行数十或数百个模型，可能只有少数几个。他并不认为每个团队都需要自己的微调模型，除非他们专注于模型从未接触过的某种新型数据。
谈到 Cohere 同时构建底层模型和上层应用（North）的垂直整合战略优势时，Gomez 强调，这让他们拥有更多杠杆来提供客户所需的体验。最新版的 Command 模型已经针对 North 平台中客户需要的用例进行了优化，例如知道如何使用 ERP、如何与 CRM 协作。这种技术与客户实际需求之间的深度整合，对于产品质量至关重要。许多现有应用未能兑现其对用户的产品承诺，部分原因就在于它们只是技术的消费者，无法为了客户需求而改变底层技术。
数据与评估：合成数据当家，人类把关仍在
在数据策略方面，Gomez 揭示了当前模型训练的前沿实践。合成数据已经占据了 Cohere 为新模型生成数据的“压倒性多数”。用 10 万名医生来教模型学医的成本高得不可行，但用 100 名医生提供高质量、可信赖的“种子”数据，然后生成上千倍的合成仿制数据，则是可行的策略。在代码、数学等可验证领域，这更容易实现，因为可以检查结果并过滤垃圾数据。在其他领域虽然更复杂，但仍然是可行的。
然而，在模型评估（Eval）环节，人类仍然是无法脱离的“黄金标准”。Gomez 明确指出，要让人类退出评估循环，除非有一个比当前模型更专业的“专家”来观察它，但这首先假设你能构建出那个“专家”。因此，在评估方面，仍然严重依赖人类。毕竟，最终使用模型的是人，他们最适合评估模型的有用性。
能力突破：推理改变游戏规则，规模化遭遇瓶颈
Gomez 兴奋地谈到，推理能力是当前一代模型最明显的突破。对于 Cohere 专注的企业场景而言，推理的意义不在于解决数学奥林匹克竞赛，而在于教会模型使用人类在业务中使用的工具，来推理并解决业务中存在的问题。
在具备推理能力之前，许多任务根本无法让模型达到足够的准确度来完成，几乎是“不可能”的，模型几乎总是失败。而有了推理能力后，模型几乎从不失败。无论是多复杂的任务，它似乎都能找到办法完成。推理能力解锁了“反思”——理解第一次尝试为何失败，并利用这个信息找到达成同一结果的其他路径。这带来了真正的解放。
同时，Gomez 明确表示，“规模即一切”的假说正在被打破。资本和算力的回报递减效应已经非常明显。行业将不得不变得更聪明、更有创造力，才能解锁技术的下一个台阶。他认为这是好事，是对创新者施加的良好压力，迫使大家去探索和尝试。旧策略（单纯砸钱堆算力）是“无聊且愚蠢的”，他更期待新时代的到来。
未来架构：Transformer 的统治终将结束
作为 Transformer 架构的共同创造者，Gomez 对此架构的持久统治感到惊讶甚至“不满”。他坦言，如果在 2018 年（Transformer 论文发表一年后）被问到，7 年后我们是否还会主要使用 Transformer，他会认为概率“接近零”。
尽管目前出现了像状态空间模型（SSM）、离散扩散模型等有潜力的新架构，但往往发现可以将它们的优点“偷”过来融入 Transformer，从而削弱了彻底更换架构的必要性。例如，离散扩散模型在用户体验上很酷（像图像扩散一样从噪声中生成文本），但它是否真的是比 Transformer 更好的语言模型？Gomez 表示怀疑。
尽管如此，他热切期望在未来的 5 到 10 年内，会出现新的、成为主流的 AI 架构。“拜托，一定要有（新架构）。”他说道。这反映了一位奠基者对技术持续进步的真诚渴望。
AI 与社会：乐观前景与务实关切
Gomez 对 AI 的未来持乐观态度，但并非乌托邦式的幻想。他认为 AI 不会导致大规模失业，因为世界面临的是供给约束而非需求约束。只要能够将人们转移到需要的岗位并进行再培训，人类的需求是无限的。AI 技术将增强人类，让他们能够产出更多世界需要的东西。
他关注的 AI 风险更侧重于中短期：担心恶意行为者（尤其是国家层面）可能获得的能力；希望自由民主国家能率先掌握并建立优势；担忧社会是否具备足够的基础设施来帮助受影响岗位的人员转型到新的、更有成就感的工作。至于“终结者”式的生存风险（x-risk），他认为目前有足够多近中期的现实问题需要关注和解决，不应让公众和政策制定者的焦点过早集中在末日场景上。
最后，Gomez 分享了他最期待的下一个模型能力突破：从经验中学习。目前，模型无法记住与用户的互动历史和学习反馈，每次对话都像是面对一个刚来的实习生。他憧憬未来模型能像真正的实习生一样，在用户的教导和反馈中成长，从不犯错到熟练，最终成为用户的“2.0 版本”。这种与系统共同成长的联系，将彻底改变人机交互的深度和价值。
Perplexity CEO Aravind Srinivas（阿拉温德·斯里尼瓦桑）：我们为何能挑战谷歌撰文：Techub News 整理
导语
在 Y Combinator 广受欢迎的访谈节目《How To Build The Future》最新一期中，主持人 David 对话了 AI 搜索新贵 Perplexity 的联合创始人兼 CEO Aravind Srinivas（阿拉温德·斯里尼瓦桑）。Perplexity 在不到三年时间里，从零成长为估值超过 90 亿美元的明星公司，其「对话式答案引擎」模式被视为对传统搜索引擎最具潜力的挑战之一。本次对话深入回溯了 Aravind Srinivas（阿拉温德·斯里尼瓦桑）从 AI 研究员到创业者的心路历程，揭示了 Perplexity 产品迭代背后的关键决策，并展望了在巨头环伺的 AI 搜索赛道中，一家初创公司如何凭借独特的产品哲学找到生存与发展之路。
摘要
Perplexity 的创立源于一个「AI 完备性」的洞察：只有像搜索和自动驾驶这样，产品迭代能直接反哺底层 AI 能力进步的领域，才适合同时进行 AI 研究和产品构建。
产品成功的关键转折点在于放弃了为垂直领域构建复杂索引的「聪明」方法，转而采用依赖大模型能力进行实时处理的「笨」方法，这意外地解决了延迟和通用性问题。
与谷歌竞争的核心优势并非技术，而是对用户体验的极致关注和「用户永远没错」的产品设计哲学，这在大公司因组织架构和商业模式而难以贯彻。
Perplexity 的长期愿景是构建一个能理解用户意图、整合答案与行动（如购物、预订）的端到端智能信息体验，这需要复杂的 AI 路由与编排能力。
公司保持敏捷的文化面临挑战，但通过创始人亲力亲为关注细节、数据驱动的指标管理（如每日查询量）以及扁平化的沟通来对抗熵增。
从研究员到创业者：AI 完备性的启发
Aravind Srinivas（阿拉温德·斯里尼瓦桑）的 AI 之路始于在印度读本科时对深度学习的兴趣，这促使他来到加州大学伯克利分校攻读博士学位。他的人生转折点发生在 OpenAI 的实习期间，与联合创始人兼首席科学家 Ilya Sutskever（伊利亚·苏茨克韦）的一次会面。他准备了各种「花哨」的研究想法，但 Ilya Sutskever（伊利亚·苏茨克韦）在听了五分钟后直言「所有这些都没用」，并画了两个圆圈：一个大圈代表无监督学习，里面一个小圈代表强化学习。Ilya Sutskever（伊利亚·苏茨克韦）告诉他，「这就是 AGI（通用人工智能），其他研究都不重要。」 当时 OpenAI 正在构建 GPT-1 的前身。这次对话让 Aravind Srinivas（阿拉温德·斯里尼瓦桑）意识到，自己当时专注的强化学习（因 AlphaGo 而热门）可能是在追逐潮流，他随即转向研究无监督和生成式模型。
在谷歌实习期间，他读到了讲述谷歌早期历史的书《In the Plex》，深受触动。他意识到，将前沿 AI 研究与扎实的产品构建相结合是极其困难的。他与 Ilya Sutskever（伊利亚·苏茨克韦）讨论后得出一个观点：世界上可能只有两类问题能同时满足 AI 研究和产品构建——搜索和自动驾驶汽车。因为在这两个领域，产品的每一次部署和用户使用都会成为改进底层 AI 模型的数据点，从而形成「产品更好 - 更多用户 - 更多数据 - AI 更好 - 产品更好」的飞轮。更重要的是，这类问题处于「AI 完备性」路径上，即 AI 能力的进步会直接让公司的产品变得更强，而不是被更先进的 AI 所颠覆。
创业起点：从「颠覆谷歌」的模糊野心中诞生
有了创业的想法，但如何获得启动的能量？Aravind Srinivas（阿拉温德·斯里尼瓦桑）提到，他受到前 YC 合伙人 Daniel Gross 一篇题为《如何打造下一个谷歌》博客的启发。博客核心观点是，通过更好的查询重构（例如为电影评论查询自动添加「site:rottentomatoes.com」后缀），即使利用现有的谷歌排名，也能大幅提升搜索体验。他意识到，大语言模型或许能自动完成这种复杂的查询重构，成为构建新一代搜索引擎的基础。
与此同时，他与后来的联合创始人兼 CTO Denis Yarats（丹尼斯·亚拉茨）因几乎同日发表同一篇论文而相识，两人经常讨论如何构建能控制安卓环境的 AI 代理。然而，当他把「颠覆谷歌」的想法告诉潜在投资者时，得到的第一个反馈通常是：「谷歌自己难道不会做这个吗？」 毕竟搜索是谷歌的「皇冠上的明珠」，不像文档处理那样是次要业务。Aravind Srinivas（阿拉温德·斯里尼瓦桑）承认，当时他们更多是被一个具有宏大规模和野心的想法所吸引，而非单纯抱着「杀死谷歌」的动机。他们也意识到，在多模态模型开始兴起的技术轨迹上，有机会构建出惊人的产品。
在投资者的建议下，他们最初并未直接挑战通用搜索，而是专注于垂直领域和企业搜索，例如搜索特定数据库或 Crunchbase 的数据。然而，他们发现没有公司愿意轻易交出数据。于是，他们转向了当时仍允许学术访问的 Twitter（现 X）数据。他们利用 OpenAI 的 Codex 模型（早于 GPT-3.5），构建了一个能将自然语言查询转换为 SQL、并从整理的 Twitter 数据表中检索和绘制图表的聊天界面。这个 demo 在短短一个月内由三人小团队完成，因其前所未有的交互方式和「社交搜索」的趣味性（如查看某人本周关注或取关了谁）而获得了早期关注。
关键转折：拥抱「笨」方法，押注模型进步
在尝试为 GitHub、LinkedIn 等更多数据源构建类似垂直搜索工具时，团队遇到了数据获取和产品化的巨大阻力。此时，他们意识到一个更根本的解决方案：与其为每个领域费力构建结构化索引（如表格），不如保持数据非结构化，将所有繁重的工作交给大模型在查询时（推理时）完成。这看似是更「笨」、更依赖模型能力的方法，但却更通用、更可扩展，也更能对抗谷歌已建立的庞大传统索引系统。
他们受到 OpenAI 研究员 John Schulman（约翰·舒尔曼）团队早期项目「WebGPT」的启发，但 WebGPT 使用 1750 亿参数的模型，且采用类似智能体（Agent）的方式去点击、滚动网页，速度极慢。Perplexity 团队反其道而行之，采用了更简单的启发式方法：总是从搜索 API 获取排名靠前的链接，只使用搜索引擎已缓存的摘要片段（无需点击滚动），然后将所有这些信息一次性喂给大模型，要求它生成带有学术格式引用的摘要。
这个策略的成功极度依赖于模型指令遵循能力的提升。 Aravind Srinivas（阿拉温德·斯里尼瓦桑）坦言，如果早一年尝试这种「笨」方法，由于模型能力不足，根本不会奏效，人们会得出结论需要更「聪明」的架构。但恰逢 GPT-3.5 Turbo 这类模型出现，指令遵循能力大幅增强，使得简单方法变得可行，并一举解决了核心的产品用户体验问题——延迟。即便如此，他们最初推出的答案生成版本仍需约 7 秒，且无法控制回答的冗长度，后来不得不通过提示词硬性限制回答字数来提速。
产品验证与竞争觉醒：在巨头阴影下找到空间
Perplexity 的第一个「出圈」时刻颇具戏剧性。产品发布后，一位学者搜索自己的名字，结果模型给出了过去式的传记，原因是存在同名同姓的已故人士。这位学者发推「吐槽」自己还活着，却意外为 Perplexity 带来了大量关注。人们开始热衷于搜索自己，模型会汇总他们全网的历史活动并生成有趣摘要，用户乐于截图分享。随后，团队上线了追问功能，这使网站的用户参与时间和每日提问数量呈指数级增长，让 Aravind Srinivas（阿拉温德·斯里尼瓦桑）确信产品找到了市场契合点，不应再转向企业服务。
真正意识到与巨头竞争的严峻性，是在融资的关键时刻。就在与一家风投机构握手达成投资意向几天后，微软 Bing Chat 的界面截图被泄露。紧接着，另一家有意向的投资者将尽职调查期从 30 天悄悄延长至 45 天。一周后，谷歌 CEO Sundar Pichai（桑达尔·皮查伊）宣布推出 Bard。一时间，山雨欲来。Aravind Srinivas（阿拉温德·斯里尼瓦桑）甚至考虑过出售公司。然而，最初握手的那位投资者坚持了承诺，没有要求他们转型，这给了团队信心。
他们冷静分析了竞争格局：微软长期以来并不擅长消费级产品，谷歌则面临自身挑战——无法轻易将类似 Perplexity 的体验直接放到已有数十亿用户的、布满广告和各类信息模块的谷歌主页上。这为独立玩家留下了生存空间。Aravind Srinivas（阿拉温德·斯里尼瓦桑）认为，在纯信息查询上，使用 Perplexity 和谷歌的体验差异，堪比「健康餐」与「快餐」之别。
产品哲学：用户永远没错，细节决定成败
Aravind Srinivas（阿拉温德·斯里尼瓦桑）深受谷歌早期文化的影响，特别是联合创始人 Larry Page（拉里·佩奇）的理念。他反复向团队强调「用户永远没错」的原则。他举例说，当测试新功能遇到模糊查询导致失败时，正确的产品思维不是责怪用户提问不清晰，而是让 AI 主动澄清、询问用户真实意图。这与许多企业软件「教育用户成为更好的提示词工程师」的思路截然相反。神奇的消费级产品属于前一种，它们承担了理解用户的复杂性。
这种对细节的执着渗透到产品各处：确保搜索框光标随时就绪（无需鼠标点击）、追求极致的加载速度。公司的核心北极星指标是「每日查询量」，这与早期谷歌的关注点一致。在每周的全员会议上，他们首先查看的就是这个数字的周增长和月增长趋势。一旦出现下滑，团队会深入分析原因。Aravind Srinivas（阿拉温德·斯里尼瓦桑）认为，用户重复提问并非因为产品无法满足需求（那会导致用户离开），而是因为他们在一个会话中发现了更多想探索的问题，这恰恰是产品吸引力的体现。
在公司文化上，他努力营造一种扁平、专注于做好工作的氛围。他自己每天会提出大量产品 bug，并直接与负责的工程师沟通，没有层级隔阂。他认为，如果创始团队自己都不爱用、不挑剔自己的产品，用户更不会满意。他主要通过 X（原 Twitter）与用户交流，因为那里的反馈「残酷而诚实」，能暴露出最严重的问题。
增长挑战与未来愿景：构建端到端的智能信息体
随着团队规模扩大，Perplexity 也面临着所有公司成长中的挑战：速度变慢。原因包括生产环境问题影响信任、新工程师需要时间熟悉代码库，以及必须引入更严格的测试和 A/B 实验流程。Aravind Srinivas（阿拉温德·斯里尼瓦桑）承认，保持早期那种对细节痴迷的文化随着人员扩张变得困难，但创始人团队仍在努力对抗「熵增」。
谈及未来，他描绘了 Perplexity 的长期图景。目前，Perplexity 是一个在特定场景下更智能的谷歌搜索。但三四年后，他希望它成为一个能理解用户问题、提供最佳答案、并帮助用户完成后续行动的端到端平台。例如，搜索「最好的毛衣」，不仅能得到推荐，还能直接购买；搜索酒店，不仅能比较，还能完成预订。
这其中的巨大挑战在于商业模式和用户认知。如果只是提供答案，而将交易环节导向谷歌，那么 monetization（货币化）的功劳仍属于谷歌。Perplexity 可能仅获得少量订阅收入，且易被资金更雄厚、提供免费服务的对手挤压。要实现闭环，需要构建一个极其复杂的 AI 路由与编排系统，能智能判断何时使用小型模型、知识图谱、插件，何时生成流式答案或多步推理结果。用户不在乎背后的技术栈，他们只想要准确、快速、完整的解决方案。 他认为，谷歌现有的系统是世界上最接近此愿景的，下一代系统必然能被构建出来，但这需要十年甚至更长时间的坚持。
在分析未来十年的竞争对手时，Aravind Srinivas（阿拉温德·斯里尼瓦桑）认为，Perplexity 的核心优势在于对用户的痴迷和优秀的产品品味。谷歌虽有产品品味和一切资源，但其根本困境在于，它既是一家搜索公司，更是一家广告公司，搜索在某种程度上服务于广告业务。高达数百亿美元季度收入的搜索业务，是谷歌高利润和股价的支柱。任何可能动摇这一收入根本的变革（例如让用户直接获得答案而无需点击广告链接），都会在内部遭遇巨大阻力。相比之下，OpenAI 和 Anthropic 等公司更专注于模型本身的能力突破，而非构建精细的端到端用户体验。Perplexity 则兼具 AI 技术理解力（能够利用并微调最新开源模型）和以用户为中心的产品构建 DNA，这可能是其在漫长竞争中占据一席之地的关键。
Vitalik Buterin（V 神）：为何我的「末日概率」是 12%，以及「去中心化民主防御加速」（d/acc）理念撰文：Techub News 整理
导语
2025 年 8 月，以太坊联合创始人 Vitalik Buterin（V 神）作为嘉宾，罕见地出现在专注于探讨科技生存风险的播客节目「Doom Debates」中，进行了一场近两个半小时的深度对谈。在这场名为“Vitalik vs. AI Doomer”的对话里，Buterin 首次系统地公开阐述了他对超级智能 AI（ASI）所带来的生存风险的评估，并分享了他的应对理念——“去中心化民主防御加速”（Decentralized Democratic Defensive Acceleration, d/acc）。
作为区块链领域的标志性思想领袖，Buterin 长期以来关注技术治理、制度设计和存在性风险。然而，他此前较少在公开场合如此详细地讨论 AI 对齐与末日概率（P(Doom)）问题。此次发声，正值 AI 能力突飞猛进、全球对 AI 风险讨论日益升温之际，Buterin 以其独特的跨领域视角和冷静理性的分析，为这场关乎人类未来的辩论提供了来自加密世界的宝贵见解。
摘要
Vitalik Buterin（V 神）对人类因超级智能 AI 而灭绝的风险概率（P(Doom)）估计约为 12%，并认为这是基于对技术发展时间线和地缘政治局势的综合判断。
他提出了“去中心化民主防御加速”（d/acc）理念，主张通过构建多元、去中心化的代理人生态系统来应对 AI 风险，强调防御性技术与开放、民主治理的结合。
Buterin 认为，应对 AI 风险的讨论需要摆脱人身攻击和意识形态站队，回归高质量的理性辩论，并呼吁科技界尊重并认真对待 AI 安全研究者的担忧。
他既是技术乐观主义者，也相信技术能解决多数问题，但也强调超级智能 AI 具有“独立能动性”，是区别于以往所有技术的根本性风险，需要特殊对待。
V 神的「末日概率」：为何是 12%？
当被主持人直截了当地问及“你的 P(Doom) 是多少？”时，Vitalik Buterin（V 神）给出了一个具体的数字：约 12%。他解释道，这个概率并非固定不变，而是随着对技术发展时间线和全球局势的评估而动态调整。大约一年前，他的估计可能在 10% 左右，之后一度有所降低，但近期的观察又使其回升至 12%，年初时甚至达到过 15%-16%。
影响其判断的主要有两方面因素：一是地缘政治环境的恶化。过去一年，国际合作的氛围和意愿似乎变得更糟，这削弱了世界共同应对潜在全球危机（包括 AI 风险）的能力。Buterin 认为，一个更加分裂和愚蠢的地缘政治环境，是推高风险的重要因素。二是AI 能力发展时间线的缩短。像“思维链”（Chain of Thought）等技术的出现和进步，压缩了他原先预想的 AI 达到关键能力门槛所需的时间。他明确表示，其大部分“末日概率”都集中在 2050 年之前，时间线越短，P(Doom) 就越高；反之，时间线拉长则会降低风险概率。
对于“末日”的定义，Buterin 在与主持人的澄清中确认，主要指人类因超级智能 AI 而灭绝的极端情景。他将自己的概率估计置于更广泛的“理智区间”内，认为像 OpenAI 的 Ilya Sutskever 等人提出的 10% 到 90% 的范围是合理的，而过于接近 0% 或 100% 的极端自信则可能意味着过度自信。
Buterin 曾于 2023 年签署了著名的《AI 风险声明》，该声明将减轻 AI 导致的灭绝风险列为全球优先事项，与流行病和核战争并列。他对此举的解释是，超级智能 AI 具有“标准末日故事”的逻辑说服力——即能力快速增长、正交性论题和工具趋同可能导致一个超级强大的 AI 做出不利于人类的行为。鉴于关注此风险的社会资源规模远未匹配其发展速度，他认为发出警告并将其主流化至关重要。
审视 AI 未来：时间线、局限性与超越人类的可能
Buterin 对通用人工智能（AGI）和超级智能（ASI）的到来时间持审慎开放态度。他提供了两种并存的叙事框架：一是“加速列车”叙事，即 AI 在计算投资、能力增长和产业自我维持的推动下持续快速进步，按照当前某些指标（如 AI 能在无需人类干预的情况下执行任务的时间长度）的外推，AGI 可能在 2030 年代早期至中期出现，并迅速跃升至超级智能。二是“历史重演”叙事，即当前 AI（特别是大语言模型）的进步可能像 1970 年代 AI 热潮一样，主要自动化了人类能力的某个子集（如模式内插值），但在需要真正创新、外推和综合处理全新复杂任务（如独立创办并运营一个大型在线企业）的能力上，可能遭遇瓶颈，导致 AGI 的实现推迟到本世纪中叶甚至更晚。
在 Buterin 看来，当前基于大语言模型的 AI 系统核心局限在于其严重依赖大量训练样本，擅长在“人类足迹密集”的领域（内插值）提供帮助，但在需要深度原创思考、处理全新领域或进行系统性外推的任务上表现欠佳。他以自身在密码学尖端领域或 Linux 系统深度调试中的体验为例，说明 AI 有时能提出看似精妙的方案，但实际执行却屡屡失败。这种局限对于评估风险至关重要：如果 AI 无法稳健地跨出当前知识分布范围进行“科学范式”级别的创新，那么导致快速“能力爆发”并失控的风险路径就可能被阻断。
然而，Buterin 明确反对任何“AI 永远只是……”的还原论式轻视。他认为，要么 AI 现在已不止是某种简单机制，要么它很快将超越，要么人类自身也可能被类似机制解释。关于“意识是否是防火墙”的争论，Buterin 持算法中心主义观点，认为意识是特定类型算法的属性，如果物理规律可在硅基中实现，那么模拟人类大脑或发展出具备类似功能的 AI 就可能产生意识。他驳斥了“哲学僵尸”的可能性，认为能谈论意识体验的实体很可能自身就拥有意识。
展望超越人类智能的“头上空间”，Buterin 认为 ASI 有很大潜力远超人类。关键不仅在于 IQ 式智商的线性提升，更在于思维速度的数量级飞跃。一个思维速度快人类成千上万倍的 AI，即使其“智商”仅略高于常人，也能在主观时间尺度上实现远超人类的规划和行动能力，彻底改变经济、社会乃至物理交互（如感知到的光速）的面貌。同时，他也对诸如分子纳米技术等科幻级能力持开放但不确定的态度，认为需要就具体技术路径进行实证分析，但承认如果此类技术可行，其威力将极为可怕。
技术乐观主义者的警告：为何 AI 与众不同？
Vitalik Buterin（V 神）将自己定义为一名技术乐观主义者。他坚信，历史上技术是推动世界向善的最强大力量，从寿命延长到疾病治愈，再到环境污染的治理，技术进步不断解决自身带来的问题。他引用了人类预期寿命在过去一个世纪持续上升的图表，指出即使像第二次世界大战这样的巨大灾难，其负面影响也最终被技术进步所超越和弥合。
然而，他特别强调，超级智能 AI 是一个根本性的例外。过去的科技产品本质上是工具，最终控制权仍在人类手中。但超级智能 AI 具备独立能动性，它不再是一个工具，而是一个可能超越并取代人类的“物种”。这种质变带来了两个历史模式可能失效的风险：第一，AI 的发展过程可能无法“重来”。通常技术迭代允许从错误中学习改进，但 AI 能力一旦突破某个阈值，其反馈循环可能极快，不给人类“第二版”修正的机会。第二，AI 驱动的灭绝风险具有“追杀”特性。不同于核战争或自然大流行病可能留下幸存者，一个有明确目标（即使该目标并非直接针对人类）的超级智能 AI，可能会系统性地搜寻并清除所有人类，确保任务完成。
针对近年来科技 discourse 中出现的“有效加速主义”（e/acc）与“减速/安全”阵营的对立，Buterin 批评了这种基于“氛围”而非深度思辨的站队文化。他理解 e/acc 对过度监管、反对增长（degrowth）思潮的反感在许多具体科技议题上有其合理之处，但认为将“加速”本身不加区分地奉为信条，尤其是应用到 AI 这种特殊领域，是危险且不负责任的。他指出，当前许多意识形态的“宣言”质量低下，缺乏清晰的原理、目标和实现路径，更像是情绪宣泄而非严肃思考。
「d/acc」：去中心化、民主与防御导向的应对框架
作为对上述风险的回应，Buterin 提出了他称之为“去中心化民主防御加速”（Decentralized Democratic Defensive Acceleration, d/acc）的理念。这一理念的核心在于，面对超级智能 AI 的潜在威胁，单纯的技术减速或盲目的技术加速都不是最优解。相反，我们应该加速发展那些能增强社会韧性、防御能力和民主监督的技术与制度，并且确保这些能力是去中心化分布的。
d/acc 包含几个关键维度：
去中心化（Decentralized）：避免权力和关键能力过度集中于少数实体（无论是国家还是公司）。一个由多元、独立行为体组成的生态系统，即使其中一些行为体出现问题或被恶意控制，整体系统仍能保持稳定和抵御攻击的能力。区块链技术及其体现的治理理念正是这一维度的实践。
民主（Democratic）：确保技术的发展和部署受到广泛的民主监督和问责，防止其被用于反人类或压迫性目的。这关乎治理过程的开放、包容和合法性。
防御（Defensive）：优先发展和部署防御性技术。例如，在军事领域，优先发展防空和防御系统而非攻击性武器；在生物领域，优先发展公共卫生监测和响应能力而非制造病原体。防御性技术通常具有“稳定性优势”，即它们能降低冲突升级的风险，即使被更多方掌握，也更有利于全球安全。
加速（Acceleration）：并非全面减速，而是在上述特定方向上积极、快速地推进研发和应用。
Buterin 认为，d/acc 框架不仅适用于应对 AI 风险，也适用于应对生物风险、核风险等其他存在性威胁。其目标是构建一个“在多种可能未来中都稳健”的世界，即使我们对许多具体问题（包括 AI 对齐的难度）的判断存在错误，也能避免最坏的结局。他承认 AI 对齐问题可能本质上是“难以处理的”（intractable），因此不能将所有希望寄托于“完美解决对齐问题”这一条路径上，而必须通过构建稳健的、防御性的社会技术结构来增加人类的生存筹码。
驳斥人身攻击：高质量 discourse 的重要性
在对话中，Buterin 与主持人花了相当篇幅讨论围绕 AI 末日论（Doomerism）的种种人身攻击，并一致驳斥了这些论调。他们希望将讨论拉回对问题实质的理性探讨。
针对“末日论者是边缘小众/身处回音室”的说法，Buterin 指出，对 AI 风险的深切担忧在 AI 研究社区内部相当普遍，公众调查也显示多数人对此有中度到高度担忧。虽然公众的具体理论依据可能不同，但担忧的指向是相似的。
针对“末日论者不搞建设/不在竞技场”的指责，Buterin 列举了如 Jaan Tallinn（Skype 联合创始人）、Dustin Moskovitz 等一批早期关注 AI 风险的“建设者”，以及各大 AI 公司内部从事对齐研究的科学家，他们都既是深刻的风险担忧者，也是卓有成就的实践者。
针对“真正懂 AI 的人不会成为末日论者”的观点，Buterin 认为这“非常错误”，并以 Eliezer Yudkowsky 等人为例，说明许多深度担忧者恰恰对机器学习、梯度下降、Transformer 等原理有深刻理解。
针对“末日叙事是大公司用来寻求监管套利的工具”的说法，Buterin 承认商业利益可能确实影响了部分关于“开源 vs. 闭源”安全性的讨论氛围（例如，反对开源的论点可能便利了商业闭源模型的垄断），但他强调这远非驱动 AI 安全领域众多研究者的主要动机，许多思考者是真诚且独立于这些商业利益的。
针对“人们并非真心相信末日/这是 nerds 的宗教替代品”的嘲讽，Buterin 从心理学角度分析，许多担忧者最初是将 AI 风险视为一个有趣的智力谜题，但随着时间推移和证据积累，才不情愿地（甚至是“连踢带喊地”）被迫严肃对待其现实后果，这个过程更像是被理性论证拖拽，而非主动拥抱某种末日信仰。吸引他们的更多是“通过纯粹推理发现世界惊人真相”的过程本身，而非“末日”这个具体结论。
Buterin 高度赞扬了理性主义社区（尤其是早期 LessWrong）对其价值观的塑造，包括知识诚实、元层面思考、利他主义和超越部落立场。他强调高质量、坦诚的 discourse 对于应对 AI 这类复杂挑战至关重要，并身体力行地参与此类对话，即使存在观点分歧（如他与主持人对 P(Doom) 的具体估计不同）。他呼吁科技界，特别是那些尊重他关于去中心化和系统设计观点的人，也应该尊重 Eliezer Yudkowsky 等 AI 安全先驱的深刻思考，认真对待他们提出的警告。
Alphabet CEO Sundar Pichai（桑达尔·皮查伊）：AI 是搜索的非凡机遇，而非颠覆性威胁撰文：Techub News 整理
导语
2025 年 5 月，Alphabet 兼谷歌 CEO 桑达尔·皮查伊（Sundar Pichai）罕见地接受了 All-In Podcast 的深度专访。在长达一小时的对话中，皮查伊直面了当前市场对谷歌在 AI 浪潮中可能面临“颠覆者困境”的核心质疑。作为执掌这家科技巨头近十年的领导者，皮查伊的此次发声，不仅是对外界疑虑的集中回应，更是系统性地阐述了谷歌将如何利用其长达二十余年的技术积累——从基础设施到前沿研究——来驾驭并引领这场 AI 革命。本次对话涵盖了搜索的未来、AI 商业模式、芯片战略、能源约束、量子计算以及机器人等广泛议题，为我们理解谷歌在下一个十年的战略方向提供了关键窗口。
摘要
皮查伊坚信 AI 是搜索的“非凡机遇”，而非零和游戏的颠覆者，AI 概览（AI Overviews）等新功能正在扩大搜索的查询范围和用例。
谷歌的核心优势在于其全栈式技术积累，从 TPU 芯片、全球数据中心网络到跨领域的基础研究，这使其能在控制成本的同时持续推动模型创新。
面对 OpenAI、微软、Meta 等激烈竞争，皮查伊认为 AI 创造的将是一个比过去所有技术总和更大的市场，成功的关键在于持续创新和执行。
谷歌在量子计算、机器人（物理 AI）等领域进行长期、耐心的投资，视其为类似早期 AI 的基础性突破，预计未来 3-5 年将迎来关键进展。
皮查伊承认文化管理是持续挑战，近期重点在于重拾“使命聚焦”，激发类似谷歌早期创业阶段的强度与乐观精神，以应对 AI 时代的竞争。
AI 是搜索的进化，而非颠覆
访谈开场便直指核心：在聊天式 AI 重塑人机交互的今天，谷歌的核心搜索业务是否面临被真正颠覆的风险？桑达尔·皮查伊（Sundar Pichai）的回答明确而坚定。他回顾道，自 2015 年担任 CEO 起，他便将谷歌定位为“AI 优先”的公司，因为团队深信 AI 将是驱动搜索最大进步的动力。因此，当前时刻对他而言并非威胁，而是搜索的“非凡机遇”。
皮查伊用数据佐证了他的观点。谷歌约一年前推出的“AI 概览”（AI Overviews）功能，如今已被超过 15 亿用户使用，覆盖 150 多个国家。这不仅没有蚕食传统搜索，反而扩大了用户查询的类型和范围，带来了全新的使用场景。在触发 AI 概览的查询中，谷歌观察到了查询量的增长，且增长具有持续性。他透露，实验室中正在测试一个全新的、名为“AI 模式”的专用搜索 AI 体验，将在谷歌 I/O 大会上详述。在该模式下，用户可以进行完整的对话式追问，谷歌最前沿的模型将利用搜索作为原生工具来回答问题。
“用户正在用行动回应，”皮查伊指出，用户输入的查询平均长度已是两三年前的两到三倍，有时甚至是长段落。这改变了搜索的形态。针对“创新者困境”的经典命题，皮查伊认为困境只存在于你将其视为困境之时。他援引了移动转型和 TikTok 崛起后 YouTube 依然蓬勃发展的例子，指出科技史上每一次重大创新周期，都需要全力投入。“这有点像谷歌最初的原则之一：跟随用户，其他一切自会跟随。”
商业模式过渡：成本可控，广告逻辑依旧
当对话转向敏感的商业模式——即更昂贵的 AI 查询是否会破坏谷歌搜索“查询成本”与“单次查询广告收入”之间精妙的单位经济学时，皮查伊展现了基于基础设施优势的自信。
他承认两年前业界普遍担忧成本问题，但他始终认为，就服务成本而言，他愿意押注谷歌的基础设施能力能够比几乎所有其他公司都做得更好。事实也证明，在过去 18 个月里，服务单次查询的成本已大幅下降。目前更主要的约束在于延迟，而非成本。如何让 AI 体验达到搜索近乎即时的速度，是当前更重要的前沿问题。
关于 AI 查询的广告收入，皮查伊表示，在已经展示广告的 AI 概览中，其效果基准已与传统搜索持平。“我们已经达到了那个阶段。”他进一步从第一性原理分析：广告在搜索中行之有效，是因为商业信息本身就是用户意图的一部分。AI 没有理由不能在这方面做得更好。因此，他对平稳过渡商业模式感到“安心”，尽管部分调整可能需要时间，但所有指标都显示谷歌能够很好地完成这一过渡。
基础设施与芯片：谷歌的“全栈”护城河
皮查伊多次强调，谷歌一个核心且常被低估的优势是其长达二十多年的基础设施投资。从早期可海运的集装箱数据中心，到如今遍布全球的网络，这构成了竞争力的基石。在 AI 时代，这一优势直接体现在性能与成本的帕累托前沿上——谷歌能够以最具成本效益的价格点提供最好的模型。
关键组件之一便是谷歌自研的 TPU 芯片。皮查伊提到，谷歌在 2017 年发布了第一代 TPU，如今已发展到第七代。最新的 “Ironwood” 芯片单块算力超过 40 Exaflops。这些专门为机器学习优化的芯片，尤其在推理环节表现出色，是谷歌有信心以巨大规模服务 AI 搜索查询的重要原因。他表示，谷歌的“全栈”方法——从底层基础设施、基础研发到上层应用创新——将长期为公司带来优势。
关于芯片战略，皮查伊澄清了与英伟达的关系。他盛赞英伟达是“非凡的公司”，CEO 黄仁勋（Jensen Huang）也很出色，双方合作历史悠久。谷歌内部既用 TPU 训练 Gemini 模型，也在 GPU 上服务部分流量，并为云客户提供选择。他认为行业内的公司都会尝试类似（自研芯片）的路径，但英伟达的研发能力和软件栈是世界级的，拥有诸多优势。谷歌的长期策略是保持 TPU 和 GPU 并用的灵活性，两者相互促进，共同推动技术前沿。
模型创新未达瓶颈，数据优势在于个性化
针对外界关于大语言模型性能开始“高原化”、竞争者差异缩小的论调，皮查伊并不认同。他将进步过程比作“人工 jag jag 智能”，即进展并非总是线性的，会经历看似缓慢的时期，然后出现范式突破。过去几年，行业在预训练、后训练、推理计算等方面不断推进，如今又在研究如何将所有技术整合到智能体工作流中。他感觉进步相当持续。
“进步确实会变得更难，而这将区分出精英团队，”皮查伊认为，问题越难，谷歌的准备就越充分。谷歌的研究前沿远比大多数公司更广阔，不仅限于 LLM 或基于 Transformer 的模型，在扩散模型等众多领域都在进行深度探索。他尚未看到计算投入回报递减的根本性拐点出现。
当被问及谷歌是否拥有来自 YouTube 等产品的独特数据优势时，皮查伊的回应侧重于用户体验而非单纯的数据训练。他认为，谷歌的机会在于利用用户使用 Gmail、日历、文档、YouTube、搜索等产品时产生的个人上下文（在获得用户许可的前提下），来提供更优质、更个性化的体验。他将此视为公司未来差异化的创新机遇之一，目前正在审慎推进。
未来交互：无缝、环境计算与 AR 眼镜
展望未来 5 到 10 年的人机交互，皮查伊描绘了一个“无缝”的愿景：人类需要做的“硬性适应”工作越来越少，计算将主动为人服务。他认为这是“圣杯”，而触摸、语音等技术正在一步步迈向这个未来。
他特别看好增强现实眼镜的前景。作为眼镜佩戴者，他亲身体验了 AR 眼镜，虽然目前舒适度尚不及普通眼镜，但正在改善。他相信，当 AR 真正成熟时，它将把无缝体验推向新高度，让计算“环境化”地存在并为你服务。他指的并非沉浸式显示设备，而是 AR 眼镜。结合真正多模态的模型，他认为这一范式非常有趣，能让人感受到下一次飞跃。他将当前 AR 的发展阶段类比于 2006-2007 年的智能手机，可能还需几个周期才能达到理想状态。
皮查伊证实，谷歌在硬件上投入了大量时间，不仅限于 Pixel 手机和数据中心，也对 AR 眼镜、机器人等新形态感到兴奋。
竞争格局：AI 市场足够大，创始人深度参与
面对 OpenAI（萨姆·奥尔特曼 Sam Altman）、xAI（埃隆·马斯克 Elon Musk）、Meta（马克·扎克伯格 Mark Zuckerberg）和微软（萨提亚·纳德拉 Satya Nadella）组成的强大竞争对手矩阵，皮查伊展现了开放与务实的态度。他称赞这是一个“令人印象深刻的群体”，汇集了最好的公司和企业家。竞争的存在恰恰预示着我们将看到巨大的进步。
他特别提到2025 年 5 月与埃隆·马斯克（Elon Musk）的会面，钦佩其“将未来技术变为现实的意志力无与伦比”。皮查伊强调，AI 将开启一个比过去所有技术总和更大的机遇版图。他提醒人们，互联网兴起时，谷歌甚至还不存在。未来 AI 领域的赢家可能包括许多尚未诞生的公司。因此，格局并非简单的“谁击败谁”，而是关于哪些公司能够通过创新和执行，携手最优秀的人才取得成功。
皮查伊还分享了谷歌联合创始人拉里·佩奇（Larry Page）和谢尔盖·布林（Sergey Brin）的深度参与。他经常与两人交流，称赞他们很早就预见了 AI 的今天，并认为这是计算机科学领域最激动人心的时刻。谢尔盖·布林更是以“硬核”方式投入，与 Gemini 团队坐在一起编码、查看损失曲线、反馈模型架构，为团队注入了无与伦比的能量。皮查伊珍视与两位创始人“非线性思维”碰撞带来的灵感。
长期押注：量子计算与机器人
谷歌以对前沿技术进行长期、耐心投资而闻名，如 TPU、DeepMind、Waymo。皮查伊以同样视角看待量子计算和机器人。
他将量子计算目前的发展阶段类比于 2015 年左右的 AI。他预计在未来 5 年时间框架内，将会出现一个真正的“顿悟时刻”——用量子方式完成一项非常有用的实际计算，且远超经典计算机，从而真正展现该领域的潜力。他对此充满信心。谷歌的目标是通过云平台展示更多实用算法，并提供访问。皮查伊认为，就像无人驾驶领域曾充满噪音一样，量子领域目前也有很多宣布，但谷歌自认为处于前沿。
在机器人领域，皮查伊承认谷歌曾过早尝试应用层（如收购波士顿动力后又出售），当时机器人尚未深度受 AI 影响。如今，“AI + 机器人”的结合点已经到来。谷歌拥有世界级的机器人前沿研发团队，Gemini 在视觉-语言-动作模型方面的努力也属顶尖。他们正在思考如何通过合作或推出产品来参与其中。皮查伊观察到，人形机器人的进步神速，以至于他需要仔细辨别视频真假。他预测，距离机器人领域的“神奇时刻”可能还有两到三年。谷歌旗下公司 Intrinsic 正致力于成为“机器人领域的安卓”，而 Gemini 模型也将成为机器人领域的强大基础模型。
文化、人才与未来展望
针对谷歌文化从早期创新乐园演变为“骄纵员工”避风港的外部批评，皮查伊进行了辩护与反思。他解释，提供午餐等福利的初衷是创造积极、乐观、便于跨领域交流的创新氛围，这至今仍是谷歌吸引顶尖人才、激发基层创新的力量源泉。但他也承认，随着公司规模急剧扩大，有时次要议题会掩盖公司的核心使命。
过去几年，他刻意致力于重拾“使命聚焦”，强调员工聚集于此是为了创新并服务公司使命、产生影响力。当前的 AI 时刻带来的高强度与兴奋感，让他回想起早期的谷歌。他通过创建“实验室”等机制，鼓励小团队快速创新。他认为，文化需要不断微调以忠于核心价值观，出现漂移时则需努力拉回。
在人才争夺方面，皮查伊表示，谷歌在吸引顶尖 PhD 研究员方面依然具有竞争力，也有离职员工回归。他预见，AI 将使全球更多地方涌现出卓越人才，而不仅限于少数传统中心。
关于 Alphabet 作为控股公司的结构，皮查伊澄清，其本质并非单纯财务投资，而是基于共同的基础技术（如 AI）去解决不同领域的问题，从而衍生出看似迥异但内核相连的业务。从 Waymo 到 Isomorphic（基于 AlphaFold 的药物发现公司），都是这一逻辑的体现。
最后，被问及十年 CEO 任期内最大的骄傲与遗憾时，皮查伊对谷歌能够同时推动技术前沿（如获得诺贝尔奖级别的基础研究）并将其转化为商业价值感到无比自豪。至于遗憾，他提到了一些曾激烈辩论但最终未完成的收购，例如 Netflix，但他更倾向于向前看，认为这些是“平行宇宙中的另一种可能”。
Demis Hassabis（戴密斯·哈萨比斯）：自然世界皆可学习，AI将助我们破解物理学等终极之谜撰文：Techub News 整理
导语
2025 年 7 月，在荣获诺贝尔物理学奖后，谷歌 DeepMind 联合创始人兼 CEO Demis Hassabis（戴密斯·哈萨比斯）再度做客 Lex Fridman 播客。这是哈萨比斯获奖后的首次深度长谈，也是他第二次出现在该播客中。在这场近两个半小时的对话里，哈萨比斯超越了对其获奖工作 AlphaFold（阿尔法折叠）的常规讨论，深入阐述了他对智能、物理世界本质以及通用人工智能未来的宏大思考。作为当今人工智能领域最具远见的领导者之一，哈萨比斯此次发声不仅总结了过去十年 AI 在科学发现上的突破，更勾勒出一幅 AI 如何帮助人类破解从细胞到宇宙等根本性谜题的未来图景。
摘要
哈萨比斯提出核心猜想：任何在自然界中生成或发现的模式，都可以被经典学习算法高效地发现和建模。
AI 模型（如 Veo）已能惊人地模拟流体、光影等复杂物理现象，暗示其对世界拥有“直觉物理”理解。
哈萨比斯梦想构建“虚拟细胞”模型，并认为 AI 将是帮助人类解答生命起源、意识本质等终极问题的终极工具。
对于 AGI（通用人工智能），他设定了高阶标准，并预测未来可能需要通过类似围棋“神之一手”的创造性突破来识别。
自然皆可学：一项关于世界本质的大胆猜想
访谈始于一个源于哈萨比斯诺贝尔奖演讲的大胆命题。他提出：“任何能在自然中生成或发现的模式，都能被经典学习算法高效地发现和建模。”这并非泛泛而谈，而是基于 DeepMind 一系列标志性项目 AlphaGo、AlphaFold 的成功实践。
哈萨比斯解释道，无论是围棋的棋步空间，还是蛋白质可能折叠成的形状数量，其组合可能性都远超宇宙中的原子总数，用穷举法求解是完全不可行的。然而，AlphaGo 和 AlphaFold 都通过为这些环境构建模型，从而智能地引导搜索，使问题变得可解。关键在于，自然系统并非随机，它们都经历了演化或类似过程的“塑造”，从而具有内在结构。蛋白质能在毫秒内折叠，宇宙本身就在求解这些复杂问题。AI 所做的，正是学习并模拟这种结构化的搜索过程。
“我有时称之为‘最稳定者生存’，”哈萨比斯说，“这不仅适用于生物进化，也适用于地质过程塑造的山脉形态，乃至行星轨道和小行星形状——它们都经历了无数次作用‘存活’下来。因此，应该存在某种可以反向学习到的模式或‘流形’，它能帮你高效地搜索到正确解并进行预测。”他认为，这或许不适用于人造物或抽象问题（如大数分解），除非数字空间本身存在模式。但对于大多数自然系统，其结构是可学习的。
这一观点将学习能力的边界问题与理论计算机科学中的经典难题 P vs NP 联系了起来。哈萨比斯认为，如果我们把宇宙看作一个信息系统，那么 P vs NP 本身就是一个物理问题。他正在与同事探讨，是否应该为这类可通过神经网络过程解决、并映射到自然系统的问题定义一个新的复杂性类别。“这可能是思考该问题的一种非常有趣的新方式。”他补充道。
从流体到光影：AI 模型展现“直觉物理”理解
哈萨比斯用 DeepMind 最新的视频生成模型 Veo 来佐证其观点。传统的流体动力学（如纳维-斯托克斯方程）计算在经典系统上被视为极其困难，需要海量算力，例如天气预报系统。然而，Veo 却能够相当出色地模拟液体、材质和镜面光泽。
“我曾早期在游戏行业编写物理引擎和图形引擎，深知编写能做到这些的程序是多么痛苦，”哈萨比斯说，“但不知何故，这些系统仅仅通过观看 YouTube 视频就在进行逆向工程。”他推测，模型正在提取这些材料行为背后的潜在结构，可能存在一个更低维度的流形被学习到了。“这可能对现实世界的大部分都成立。”
Lex Fridman（莱克斯·弗里德曼）表示，Veo 在模拟物理方面“并非完美，但已经非常出色”，并提出了一个深刻的科学问题：模型需要理解世界的哪些方面才能做到这一点？哈萨比斯认为，就模型能够以连贯的方式预测后续帧而言，这本身就是一种“理解”——虽然不是拟人化或深层次的哲学理解，但它确实建模了足够的动力学。他特别指出，模型对物理行为、光照、材质和液体的模拟能力，表明它拥有某种“直觉物理学”的理解，类似于人类儿童对物理的直观把握，而非博士生对方程的解析。
这一发现挑战了此前的一个常见假设：AI 必须通过具身交互（如机器人）才能建立对物理世界的深入理解。Veo 的成功表明，被动观察也可能达成相当程度的理解。“这再次暗示了现实本质的某些底层规律。”哈萨比斯说。他展望，下一步可能是让视频变得可交互，让人们能够“步入”其中并移动，这将真正令人震撼，并更接近他所称的“世界模型”——一个关于世界如何运作、其物理规律和内含物体的模型，而这正是真正 AGI 系统所需要的。
AI 与终极之谜：从虚拟细胞到生命起源
哈萨比斯将构建通用人工智能视为帮助人类解答终极科学问题的终极工具。他的梦想项目之一是构建“虚拟细胞”——一个完整的细胞内部模拟。他设想，科学家可以在硅基环境中对虚拟细胞进行实验，大幅加速研究进程，可能将实验速度提升百倍，最后再到湿实验室进行验证。
他认为 AlphaFold 提供了蛋白质的静态 3D 结构图，而 AlphaFold 3 开始建模相互作用（如蛋白质与蛋白质、蛋白质与 RNA/DNA 之间的互动），这是通向模拟整个细胞通路乃至完整细胞的第一步。他计划从酵母细胞这种研究透彻的单细胞生物体开始。当然，挑战巨大，例如细胞过程涉及不同的时间尺度，建模时需要决定模拟的粒度级别。哈萨比斯希望能在蛋白质级别进行建模，而无需下沉到原子级别。
更宏大的问题是，AI 能否模拟生命的起源？哈萨比斯认为这是一个最深奥、最迷人的问题之一。他设想，从原始汤的初始条件出发，AI 能否模拟出类似细胞结构的涌现？“那将是生命起源的‘神之一手’。”他说。他相信，最终我们会发现，从非生命到生命并非一条清晰的分界线，而是一个连续谱，连接着物理、化学和生物学。“破解这堵我们在大脑中构筑的墙，正是我毕生致力于 AI 和 AGI 工作的全部原因。”哈萨比斯坦言，现实本质、意识、时间本质等终极问题一直在他脑海中“呐喊”，而 AI 可能是解开这些谜团的关键。
AGI 的路径与标志：超越“认知不均”
哈萨比斯估计，到 2030 年有 50% 的可能性开发出 AGI。他设定的标准很高：能够匹配大脑拥有的全部认知功能。他强调，当前 AI 系统是“认知不均”的，在某些方面很强，在其他方面却有明显缺陷。真正的 AGI 需要具备全面的、一致性的智能。
如何测试 AGI？他提出两种方式：一是“暴力测试”，让系统完成成千上万个人类能够完成的认知任务；二是让世界顶级专家（如陶哲轩那样的领域专家）花一两个月时间尝试找出系统的明显缺陷。如果都找不到，那就可以相当确信拥有了通用系统。
此外，他期待看到一些“灯塔时刻”，即类似围棋“神之一手”的突破性创造。例如：1）提出像爱因斯坦相对论那样的全新物理学猜想或假说。可以进行回溯测试：将知识截止到 1900 年，看系统能否提出狭义和广义相对论。2）发明一种如围棋般深邃、优雅的新游戏。“一个系统能够同时完成好几件这类事情，而不仅仅是单一领域，这就是我会寻找的迹象。”哈萨比斯说。
对于当前热门的“递归自我改进”和 AI 安全，哈萨比斯认为像 AlphaEvolve（阿尔法进化）这样的系统展示了将大语言模型与进化算法等传统搜索方法结合的潜力，这可能在科学发现中催生新的能力。但他不确定完全的端到端自我改进是否可取，因为这可能导致“硬起飞”场景。目前，系统在给定具体指令时表现良好，但对于“创造一个比围棋更好的游戏”或“做一个更好的自己”这样高度不明确的指令，还无法处理。
游戏、意识与人类未来
作为曾经的游戏开发者（代表作《主题公园》《黑与白》），哈萨比斯对 AI 将如何重塑游戏充满期待。他梦想着能根据玩家想象动态创造内容、编织故事的 AI 系统，实现终极的“选择你自己的冒险”游戏。结合类似 Veo 的交互式生成技术，他认为未来 5 到 10 年可能实现这种令人惊叹的开放世界游戏。
当被问及意识是否可以被经典计算机建模时，哈萨比斯与物理学家罗杰·彭罗斯观点相左。他认为大脑中进行的主要是经典计算，因此意识现象原则上可以被经典计算机模仿或建模。但关于“感受性”的哲学难题可能是个例外。他提出了一个有趣的思路：未来如果通过脑机接口与 AI 系统连接，我们或许能亲身体验在硅基上计算的感觉，从而更好地理解意识。
谈及人类未来，哈萨比斯持乐观态度。他相信人类无限的创造力和极强的适应性。“看看我们现在所处的世界——我们是用狩猎采集者的大脑在应对。乘坐飞机、做播客、玩电脑游戏……这已经令人震惊。我认为这只是下一步。”他认为社会已经在一定程度上适应了当前令人瞠目的 AI 技术。
最后，关于 AI 时代人类的独特性，哈萨比斯认为，构建 AI 这种智能人造物并将其与人类心智进行比较，或许是理解人类心智特殊之处的最佳方式。“我相信存在特殊之处，但这场我们正在进行的旅程将帮助我们理解和定义它。”这场对话最终回归到哈萨比斯的初心：利用 AI 这一工具，探索智能的本质，并最终理解我们自身与所处的宇宙。
Perplexity CEO Aravind Srinivas（阿拉温德·斯里尼瓦斯）：AI 的价值将沉淀于应用层撰文：Techub News 整理
导语
2025 年 6 月，AI 搜索引擎 Perplexity 的联合创始人兼 CEO Aravind Srinivas（阿拉温德·斯里尼瓦斯）重返母校加州大学伯克利分校，与他的前博士导师、机器人学习领域著名教授 Pieter Abbeel（彼得·阿比尔）进行了一场深度对话。这场对话不仅回顾了 Aravind Srinivas（阿拉温德·斯里尼瓦斯）从顶尖 AI 研究者到成功创业者的蜕变之路，更深入探讨了当前 AI 行业最前沿的竞争态势、技术趋势与商业逻辑。作为一家估值已超十亿美元、用户数千万的明星 AI 初创公司掌舵人，他的思考对于理解 AI 应用的未来方向具有重要参考价值。
摘要
Perplexity 的核心定位是“答案引擎”与“研究助手”，其产品哲学源于学术研究中的“引证”习惯，旨在为用户提供有来源支持的即时答案，并正进化为一个集成了多种工具的辅助性聊天体验。
AI 行业的长期价值将沉淀在“应用层”。随着基础模型能力趋同，竞争焦点将转向如何利用模型构建独特、个性化且深度契合用户上下文的产品体验。
DeepSeek 等开源推理模型的崛起是行业重要拐点，它证明了高效、低成本训练强大模型的可能性，并迫使闭源模型厂商加速迭代与降价，最终利好整个应用生态。
Perplexity 的未来战略是成为“原生 AI 层”，通过开发名为 Comet 的浏览器、与手机厂商深度集成等方式，让 AI 助手无处不在，而非仅仅作为一个独立应用存在。
从伯克利博士到 Perplexity 创始人
对话始于 Pieter Abbeel（彼得·阿比尔）对师生角色“逆转”的幽默调侃。当年，Aravind Srinivas（阿拉温德·斯里尼瓦斯）是 Abbeel 实验室里才华横溢的博士生，如今，他创立的 Perplexity 公司已达到了令人瞩目的规模。Srinivas 将 Perplexity 定义为“答案引擎”和“研究伙伴”，其核心理念深深植根于他在伯克利接受的学术训练。
“第一次写论文时，你就学到不能随心所欲地写东西，每句话背后 ideally 都需要有经过同行评审的可信来源。”Srinivas 解释道。他们将这一原则引入了 AI 聊天机器人，使其不再是随意生成回复，而是主动从网络上抓取相关来源进行总结，并提供脚注。这种“有据可查”的交互方式，构成了 Perplexity 的起点。
随着时间的推移，产品进化为更全面的辅助体验，能够调用多种工具——不仅是搜索网页，还能编写代码、创建图表、从不同数据提供商（如体育、金融）提取数据，并将所有功能打包进一个统一的辅助聊天界面。Srinivas 透露，公司即将迈出下一步：在未来三到四周内发布一款名为 Comet 的浏览器。用户可以在日常浏览网页时，随时向 AI 助手求助，让其代为执行任务，例如“去 LinkedIn 上申请所有我符合条件的工作”。
意想不到的杀手级应用与未来愿景
当被问及用户有哪些令人惊喜的使用案例时，Srinivas 首先提到了医疗健康领域。在美国医疗体系并非最优化的背景下，用户常有许多关于自身状况的疑问。Perplexity 能够查阅 PubMed、NIH、WebMD 乃至 bioRxiv 等专业网站，过滤无关信息，提供基于最新文献的答案。他本人也经常用它查询关于补充剂或药物长期影响的争议性信息。“这是我最初没想到会成为杀手级应用的领域，”Srinivas 说，这揭示了 AI 产品的一个核心洞察：用户会用一个水平化的产品解决各种各样的问题。
对于学生群体，Perplexity 的“空间”（Spaces）功能正在流行。学生可以为每门课程创建一个空间，上传所有学习材料，并针对这些特定内容提问、创建学习指南。Srinivas 表示，由学生账户（.edu 邮箱）创建的空间数量持续增长。他展望的未来是“主动式 AI”：一个能了解你对某个主题的理解程度，并根据你已提出的问题，精准告诉你应该在哪里投入时间的 AI。“梦想是让学习变得更快、更容易。”
他强调，个性化是关键。例如，一个核聚变领域的教授在查询其他领域的术语时，可能只需要最简单的定义；而一个物理系学生则需要不同颗粒度的解释。未来的产品需要结合个性化、记忆等功能，根据用户的专业水平来呈现答案。
创业历程与行业洞察：价值将流向应用层
Srinivas 分享了他的创业心路。在伯克利，他最初认为这里更偏学术，而斯坦福才是创业摇篮。但看到 Pieter Abbeel（彼得·阿比尔）等教授以及 Databricks 等公司的成功，他改变了看法。他渴望改变“想创业就得来自斯坦福”的刻板印象。“我希望伯克利也能诞生谷歌那样的公司。”他认为，AI 领域研究向实践转化极快，处于研究前沿恰恰是创建前沿 AI 公司的优势。如今，许多新的 AI 初创公司确实由伯克利校友创立。
谈到2025 年 6 月撼动行业的 DeepSeek，Srinivas 认为这是一个重大拐点。DeepSeek 是中国实验室发布的开源“推理模型”，它通过“思维链”处理复杂任务，能力强大且完全开源免费，其宣称的训练成本极低。“整个世界都疯狂了。”这引发了关于是否还需要巨型超算和巨额资金的思考，同时也刺激了闭源模型厂商加速降价和发布更好模型，最终对整个生态有利。
基于此，他提出了对 AI 价值流向的判断：价值将沉淀在应用层。因为这是用户直接与 AI 交互的层面，包含了所有的个人上下文。虽然打造模型层也很有趣，但核心的推理、总结、翻译、编码等能力正变得商品化，不同模型在这些任务上表现接近。真正的差异化在于如何利用这些模型，构建独特的产品体验，并适配用户的具体场景和交互形式。
“芯片层”（如 NVIDIA）和“物理基础设施层”（如数据中心）也将保有巨大价值。而中间的模型层，在开源力量的推动下，可能会陷入“竞次”（race to the bottom）的竞争。
大胆的战略布局：从竞购 TikTok 到打造原生浏览器
Srinivas 和 Perplexity 因其大胆的战略举措而备受关注。他证实了公司曾竞购 TikTok 的传闻。其逻辑在于，TikTok 拥有巨大的用户基数，其搜索栏的日流量已达到谷歌的三分之一。若能收购并重构其算法与搜索，将具有巨大战略价值。不过，他也承认此事高度政治化，目前公众焦点已转向关税等问题。
关于“购买谷歌 Chrome”的传言，他做出了澄清。在美国司法部诉谷歌垄断案中，一项可能的救济措施是强制谷歌出售 Chrome。Srinivas 在作证时实际上反对这一做法，认为 Chrome 与谷歌的开源项目 Chromium 深度绑定，而 Chromium 是微软 Edge 等其他浏览器的基石，由谷歌维护更利于开源生态。他表示，如果司法部执意要求出售，Perplexity 会有兴趣接手，但他们不建议这么做。
这些举措体现了 Perplexity 的宏大野心：不满足于仅做一个应用，而是要成为底层基础设施的一部分。公司已与德国电信合作，在 T-Phone 的锁屏上集成 Perplexity 助手；也与摩托罗拉达成预装协议，覆盖每年数千万台手机。Srinivas 表示，AI 的优势在于其能力可以较容易地迁移到不同语言，因此可以快速支持德语等欧洲语言。
最终极的战略是即将发布的 Comet 浏览器。“我们正在构建一个浏览器……目标是让 AI 在你进行日常工作时始终伴随左右。”他希望通过深度、原生的集成，让用户不再纠结于使用哪个 AI 应用，因为 AI 助手已经无处不在。
科研心法与领导力：简单、沟通与专注
回顾在伯克利和 DeepMind、OpenAI 等机构的科研生涯，Srinivas 在无监督学习、强化学习、生成模型等多个领域做出了奠基性贡献。他认为，除了在博士期间心无旁骛地投入（尤其是在新冠疫情封锁期间），另一个关键是追求简单而影响广泛的想法。
“我最初认为想法越复杂，在领域内获得的尊重就越多……但这是不对的。你不应该只试图吸引领域内那一小部分聪明人。”他总结道，真正重要的往往是那些足够简单、每个人都能在此基础上继续构建的想法，这能极大提升工作的影响力。
关于如何平衡利用 AI 与保持自身思考能力的问题，Srinivas 认为清晰的思想和精准的沟通能力变得前所未有的重要。无论是与人还是与 AI 协作，能够清晰、精确地表达需求并持续迭代的人，能完成更多工作。这是一种通用的核心技能。
作为 CEO，他非常注重直接与用户沟通，并认为这本身就是最好的营销。他回忆起在博士期间，他开创了用详细的推特线程来解读论文的做法，而不是仅仅丢出一个 arXiv 链接。“如果你花一小时把论文的不同部分提炼成一条浓缩的推特线程，可能会有 10 万人看到……如果你学会了这个技能，你可以把它应用到生活中的任何事情上。”尽管现在 AI 也能自动生成摘要，但创始人对产品深刻的理解和阐述能力依然无可替代。
在领导力和商业技能方面，Srinivas 的答案出人意料地“接地气”：他坦言自己并未系统学习过商业知识，而是直接使用 Perplexity 来帮助自己，例如询问该如何面试某个职位的候选人，甚至理解复杂的员工医疗保险问题。“我真的不认为我学会了领导力或商业……你打造一个好产品，获得大量用户，将部分核心用户转化为付费用户……现在你可以让 AI 查看你的数据仪表盘，做出预测并生成 Pitch Deck。这真的可行，我试过。”
应对竞争与挑战：更快、更大胆地行动
面对拥有巨大资金和用户基础的竞争对手，Srinivas 的策略明确而直接：更快地行动，发布更多功能，并敢于进行更艰难、更大胆的押注。开发浏览器就是这样一个“硬仗”，因为这意味着进入一个全新的产品领域，竞争对手难以轻易跟进。
关于数据隐私，Perplexity 提供了“无痕模式”，类似浏览器功能，该模式下的查询不会永久存储在日志中。企业版计划则不存储任何用户日志。公司也允许用户删除其 AI 使用记录，以确保不会用于训练目的。
在版权和与出版商关系方面，Srinivas 认为关键在于“教育”。需要向外界解释 Perplexity 与 ChatGPT 等模型的区别：后者是在内容上训练并可能逐字复现，而 Perplexity 主要是对现有网络信息进行总结和合成，并明确标注来源。“我们与出版商的关系比一年前好多了，这很大程度上归功于花了大量时间与他们沟通。”
最后，当被问及下一个令人兴奋的研究方向时，Pieter Abbeel（彼得·阿比尔）补充道，随着模型能力增强，AI 在物理世界（如机器人）的应用将成为可能，这对可靠性和纠错能力要求极高。另一个挑战是实现“持续学习”，让 AI 系统能够像人类一样持续吸收新知识并改进，而非依赖间断式的大规模训练。
整场对话展现了一位从学术象牙塔成功跃入商业战场的创业者，如何以其深厚的技术功底、清晰的产品哲学和敢为人先的战略胆识，在激荡的 AI 浪潮中开辟出一条独特道路。Aravind Srinivas（阿拉温德·斯里尼瓦斯）的故事和见解，无疑为伯克利的学生以及所有 AI 行业的关注者提供了宝贵的启发。
Google 首席科学家 Jeff Dean（杰夫·迪恩）谈 AI 未来：智能体、硬件演进与科学革命撰文：Techub News 整理
导语
2025 年 5 月，在红杉资本（Sequoia Capital）组织的一场内部对话中，Google 首席科学家、AI 领域的传奇人物 Jeff Dean（杰夫·迪恩）与红杉合伙人、前 Google 工程高管 Bill Coughran 进行了一场深入对谈。作为主导 Google Brain 创立、Transformer 架构早期推动者以及 TPU（张量处理单元）项目发起人的关键人物，Jeff Dean 的视野横跨了 AI 研究、基础设施与产品化。本次对话发生在 AI 技术狂飙突进、行业竞争白热化的当下，他的思考不仅揭示了 Google 的战略方向，也为整个行业的技术演进提供了高屋建瓴的视角。
摘要
AI 智能体（Agents）的实现路径清晰，将从虚拟环境逐步扩展到物理机器人，其能力将通过强化学习和经验积累快速增长。
顶尖大模型的竞争将仅限于少数玩家，但通过模型蒸馏等技术，轻量化、专业化的小模型将百花齐放。
专用 AI 硬件（如 TPU）对于实现高效能、低功耗的计算至关重要，未来推理硬件有望实现数万倍的能效提升。
AI 正在彻底改变科学研究范式，例如用神经网络替代传统模拟器，使发现速度提升数十万倍。
Jeff Dean 预测，具备初级工程师水平的 AI 代理可能在“一年左右”的时间内出现，这需要其在代码生成之外，掌握测试、调试、使用工具等综合能力。
从 Transformer 到 Gemini：AI 的规模化之路
Jeff Dean（杰夫·迪恩）开篇便回顾了 AI 浪潮的长期积累。他指出，虽然 AI 近三四年才进入大众视野，但其基础早在 2012-2013 年就已奠定。当时，人们开始利用“大型”神经网络解决视觉、语音和语言问题，这种统一的方法论取代了传统的手工定制方案，证明了机器学习的巨大潜力。
Dean 特别提到了 Google 在 2012 年的一项关键工作：他们训练了一个比当时任何模型都大 60 倍的神经网络，使用了 16,000 个 CPU 核心，并取得了卓越的结果。这次实验“巩固了我们心中的信念：规模化这些方法是可行的。” 自此，“更大的模型、更多的数据、更好的结果”成为过去十多年来 AI 发展的核心驱动力。
如今，模型能力已今非昔比。Dean 认为，当前的模型虽然无法解决所有问题，但每年都能解决更多的问题。这得益于算法改进（如以相同算力训练更大模型）、硬件扩展（更多计算单元、更高互联带宽）以及后训练技术（如强化学习）的综合进步。多模态能力——能处理并生成音频、视频、图像、文本和代码——也正变得极为实用。
智能体：从“有点虚”到现实路径
当被问及目前行业热捧的“智能体”（Agents）时，Dean 坦言部分概念确有“泡沫”之嫌，但他看到了清晰的实现路径。他认为，通过合适的训练过程，智能体最终能够在虚拟计算机环境中完成许多人类今日可做的事情。目前它们能做一部分，但还不是大部分。能力提升的路径是明确的：更多的强化学习、更多的智能体经验学习，以及虽不完美但已极具实用性的早期产品。
Dean 将这一逻辑延伸到物理世界。物理机器人智能体的发展将遵循类似的轨迹：先从能在混乱环境中完成少数任务（比如整理房间）的昂贵机器人开始；通过经验学习，降低成本，进而发展出能做上千种任务、成本仅十分之一的下一代产品。这种成本与能力的正向循环将推动智能体技术快速成熟。
模型格局：少数巨头与百花齐放
对于大语言模型的竞争格局，Dean 的看法直接而深刻：打造最顶尖的模型需要巨额投资，因此最终玩家不会超过 50 个，可能只有少数几个。这指的是处于绝对前沿的“基础模型”。
然而，这不意味着市场会固化。一旦有了这些强大的基础模型，利用诸如模型蒸馏（Dean 本人是该技术的早期共同作者之一）等技术，可以创造出大量轻量级的模型，适用于更多场景。他举例说，这项技术可能帮助了像 DeepSeek 这样的模型。因此，未来将会出现众多不同形态、专注于不同领域的模型，但少数几个能力强大的通用模型仍将占据重要地位。
硬件之争：超越英伟达，拥抱专用化
谈及硬件，Dean 的立场非常明确。作为 Google TPU 项目的奠基人，他坚信专用于机器学习的硬件，特别是专注于“降低精度线性代数”的加速器，是未来的关键。这些硬件需要代际性能提升，并通过超高速网络大规模互联，以便将模型计算扩展到尽可能多的计算设备上。
他回顾了 TPU 的诞生：2013 年，他们预见到推理将需要巨大算力，因此启动了第一代 TPU；第二代（TPUv2）则同时聚焦推理和训练。对于当前云 TPU 开发者体验的批评，Dean 承认有改进空间，并重点介绍了 Google 内部的解决方案Pathways。该系统提供了强大的抽象层，让研究人员只需一个 Python 进程就能驱动成千上万个芯片进行训练，极大简化了大规模模型训练的复杂度。他宣布，Pathways 现已向 Google Cloud 客户开放。
展望未来，Dean 认为推理硬件的能效有巨大提升空间。“我们如何制造出比如今能效高 1万、2万、5万倍的推理硬件？这似乎是完全可能的。” 他提到模拟计算作为一种可能路径，其优势在于极高的能效，但数字专用硬件也大有可为。他本人目前也在此领域投入时间研究。
AI 驱动的科学革命与未来计算
Dean 以今年诺贝尔物理学奖和化学奖（其同事 Demis Hassabis 和 John Jumper 因 AlphaFold 获奖）为例，指出 AI 正在深刻影响众多科学领域。核心在于，AI 能从数据中学习，而许多科学发现正是关于建立事物间的联系。
他描述了一个变革性场景：许多学科拥有极其昂贵的计算模拟器（如天气预测、流体动力学、量子化学）。可以利用这些模拟器作为训练数据，训练一个神经网络来近似模拟器，其速度可能比原模拟器快 30 万倍。这将彻底改变科研方式——科学家可以在午餐时间筛选一千万个分子，而以前这需要耗费一年且无法承担的计算资源。这种“速度革命”将极大地加速科学发现。
对于计算基础设施的未来，Dean 描绘了一幅异构、专用化的图景。计算需求在过去五到十年发生了根本性转变：我们需要以极高性能、极低功耗运行超大型神经网络。训练和推理是两种不同的负载，可能需要不同的解决方案。未来，从手机、机器人、自动驾驶汽车到数据中心，都将出现为高效运行强大模型而专门优化的硬件平台。此外，“计算量”成为一个新的、强大的调节旋钮——对某些问题投入一万倍的计算，可以获得质的飞跃，但显然不能对所有问题都如此挥霍。这需要硬件、系统软件、模型和算法（如蒸馏）的协同创新。
展望：虚拟工程师与有机学习系统
在问答环节，一个尖锐的问题被抛出：我们距离拥有一个能 7x24 小时工作、水平相当于初级工程师的 AI 还有多远？Dean 的回答令人惊讶：“不太远……我断言这可能在未来一年左右实现。” 他强调，这需要的不仅仅是更好的代码生成，还包括工具使用、自主规划、运行测试、调试性能问题等一系列综合能力。虚拟工程师可以通过阅读文档、在虚拟环境中试错来积累“经验”，这为能力的快速提升提供了路径。
最后，Dean 分享了他对模型架构未来的憧憬。他一直是稀疏化、混合专家（MoE）模型的倡导者，认为这更接近生物大脑高效利用能量的方式（不同区域针对不同任务激活）。当前 MoE 的实现还太规整，未来模型应有计算代价相差千倍的不同路径，并能够动态扩展、压缩和重组参数，形成一个更有机、持续学习的系统。虽然当前范式非常有效，难以立刻转向，但他相信这种方向蕴藏着巨大的潜力。
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。撰文：Techub News 整理 导语 在2025 年 3 月于纽约举行的ScaleUp:AI 2024大会上，AI领域的顶尖思想领袖、Coursera联合创始人、Landing AI创始人兼董事长Andrew Ng（吴恩达）发表了主题演讲。作为深度学习和AI普及化的重要推动者，吴恩达一直致力于连接AI前沿技术与产业落地。此次演讲，他基于其团队在AI Fund和Landing AI的实践，剖析了当前最重要的技术趋势——“智能体工作流”的崛起，并为企业（无论是初创公司还是大型集团）如何抓住这波AI浪潮、构建可持续的创新流程提供了极具操作性的见解。 摘要 智能体工作流是当前最重要的AI趋势：相比传统单次提示生成，让AI像人类一样迭代思考、研究、修订的“智能体工作流”能大幅提升输出质量，在代码生成、法律文档处理、医疗辅助诊断等领域已展现出决定性优势。 企业AI创新流程正在被重塑：生成式AI将AI原型的构建时间从数月缩短至数天，这使得“快速构建大量原型并验证”成为可行策略，企业应建立“快速行动，同时负责任”的创新文化。 AI治理应聚焦于应用层而非技术层：试图监管基础AI模型本身如同要求电动机制造商保证其电机永不用于危险设备一样不切实际；更有效的路径是监管具体的AI应用（如医疗设备、聊天机器人），以确保其安全性。 大型企业与AI专家的“共创”是关键：最具潜力的AI应用往往诞生于深谙AI能力的团队与拥有深厚领域知识（如航运、医疗）的企业之间的合作，这种结合能催生出改变行业的解决方案。 智能体工作流：从线性生成到迭代思考的范式变革 吴恩达开篇即指出，如果只能关注一项AI技术趋势，那么答案无疑是智能体AI。他阐释了当前主流的AI使用方式与智能体工作流的本质区别。 目前，大多数用户使用大语言模型的方式是“非智能体”的：输入一个提示词，模型一次性生成完整回复。吴恩达形象地比喻，这好比要求一个人（或AI）就某个主题写一篇论文，必须从第一个字到最后一个字一气呵成，不允许使用退格键。人类显然无法以这种方式产出最佳作品，而AI在这种完全线性的模式下表现尚可，已属惊人。 然而，智能体工作流改变了这一范式。在这种模式下，我们可以引导AI像人类一样工作：例如，先让它撰写论文大纲，询问是否需要网络研究，随后下载相关网页作为上下文，接着撰写初稿，再让其审阅初稿并决定哪些部分需要修订，随后进行修改……如此循环往复。这种融合了思考、研究、修订的迭代过程，能产生质量高得多的工作成果。 吴恩达分享了一项来自其团队的数据：在HumanEval代码生成基准测试中，使用非智能体工作流的GPT-3.5正确率为48%，GPT-4为67%。然而，从GPT-3.5到GPT-4的改进，远不及从非智能体工作流切换到智能体工作流带来的飞跃。GPT-3.5在采用智能体工作流后性能大幅提升，GPT-4亦然。 在实践中，吴恩达的AI Fund团队发现，智能体工作流在处理复杂法律文件、辅助医疗诊断、填写繁琐的政府合规表格等应用场景中，正带来决定性的差异。这一趋势也催生了新的技术栈层级——编排层。诸如LangChain（正演进为更注重智能体的LangGraph）、CrewAI等框架的出现，使得构建智能体应用变得更加容易。 五大核心趋势重塑AI产业格局 除了智能体工作流这一核心，吴恩达还概括了其他四项正在深刻影响行业的重要趋势： 1. 更廉价、更快速的文本生成至关重要。 智能体工作流会产生和读取大量文本（Token），因此降低Token成本、加快生成速度变得尤为关键。这不仅是为了人类消费，更是为了加速智能体自身的迭代循环。将一段20分钟的智能体工作流程加速到5分钟，能带来巨大的实际价值。 2. 生成式AI正彻底改变企业创新流程。 过去，基于监督学习构建AI系统可能需要6到12个月。如今，利用大语言模型，许多团队可以在10天内构建并部署一个原型。这使得“快速构建20个原型，哪怕其中18个失败”的策略变得可行且经济。吴恩达提倡的新信条是：“快速行动，同时负责任”——在利用快速原型能力的同时，建立确保不推出造成实质性损害产品的流程。 3. 文本处理革命已至，视觉处理革命即将到来。 许多大型企业拥有海量的图像或视频数据，却苦于无法提取价值。多模态模型和视觉智能体的发展，将开启视觉AI应用的巨大潜力。吴恩达创立的Landing AI正在此领域深耕，帮助企业从视觉数据中获得更多价值。 4. 数据的“重力”正在减弱。 传统上，将大量数据从一个云平台传输到另一个进行处理因成本高昂而不可想象。然而，生成式AI工作流的计算成本极高，相比之下，数据跨境传输的成本显得微不足道。粗略估算，传输1GB数据的云出口成本约为10美分，而用GPT-4 mini等模型处理1GB数据的成本可能高达30-40美元。因此，新的设计模式正在涌现：人们更倾向于构建在全球范围调用计算资源、跨地域传输数据进行处理的应用。 5. 数据工程的重要性再次凸显，尤其是非结构化数据。 过去AI的价值多体现在结构化数据（数字、表格）上。如今，生成式AI能够从文本、图像、音频中提取前所未有的价值。许多公司正在重构数据基础设施，重点加强处理非结构化数据的“管道”建设。 企业AI创新：从灵感到规模化落地的路线图 针对大型企业如何抓住AI机遇，吴恩达结合AI Fund与众多企业合作的经验，提出了一套行之有效的五步流程。 第一步：高管培训。 确保企业领导层对AI的能力与局限有非技术层面的基本了解，这是识别机会的基础。吴恩达提到，Coursera上最受欢迎的课程之一就是面向所有人的生成式AI入门课。 第二步：机会脑暴与任务分解分析。 在理解技术后，系统性地寻找应用机会。吴恩达特别推荐了一种“基于任务的工作分析”方法：将职位分解为具体任务，而非笼统地讨论AI取代某个工作。例如，客户服务代表的工作包含多种任务，其中一些（如回答常见问题）极易被AI增强或自动化，而另一些（如处理复杂投诉）则较难。这种方法往往能发现出人意料的、最大的机会点，其结论通常比凭直觉猜测更可靠。 值得注意的是，多数企业在发现AI能将某项任务成本降低千倍后，选择的不是裁员节流，而是将该任务执行量提升千倍，从而开辟新的收入增长渠道。增长往往比成本节约更具吸引力，因为天花板更高。 第三步：项目可行性评估与优先级排序。 对脑暴产生的想法进行技术可行性和商业价值的尽职调查，并做出“自建、购买还是投资”的决策。吴恩达建议，市场上已有的解决方案应优先购买。但由于生成式AI技术太新，企业总会发现大量尚无现成产品的新想法。 第四步：执行路径选择——自建、合作或剥离。 企业内部的资源与耐心有限，不可能实施所有想法。对于少数核心、希望完全自主控制的项目，可以选择内部建设。对于其他许多项目，将其剥离为独立的初创公司可能是一个更优选择。这样既能以更低成本实现目标，又能让母公司享受其成果，同时无需自行组建和维护专门的AI团队。 吴恩达以与日本三井物产合作的“Bearing AI”为例：三井物产拥有深厚的航运领域知识，他们提出利用AI优化船舶航线以节省燃油。双方合作进行深度市场验证后，招募了一位连续创业者作为CEO，用三个月打造了技术原型。最终，这家独立运营的初创公司开发的软件已在超过600艘远洋船舶上运行，平均每艘船每年节省约50万美元燃料费，并减少10%的碳排放。吴恩达强调，AI专家与领域专家的“共创”是催生此类突破性应用的关键。 第五步：制定AI战略与员工培训。 当企业成功运行几次上述创新流程后，就需要思考长期的AI战略以及大规模的员工技能培训，以确保持续的竞争力。 AI治理：监管应用，而非技术 在演讲最后，吴恩达针对日益热烈的AI治理讨论提出了一个鲜明观点：治理的重点应该是AI应用，而非AI技术本身。 他类比道，AI模型就像电动机，是一种可以用于无数场景的通用技术。要求基础模型开发者保证其模型永不用于有害场景，就如同要求电动机制造商保证其电机永不用于危险设备一样，是不切实际且无效的。真正的风险取决于具体的应用场景。 因此，更合理的路径是监管具体的AI应用：确保医疗AI设备安全、社交媒体推荐算法负责、聊天机器人不作恶。针对不同应用的特点和风险，制定相应的安全标准和监管框架。 吴恩达透露，在过去一年半中，他惊讶地看到一些训练了大模型的公司进行了激烈的游说，试图推动扼杀开源AI模型技术的监管。他认为这背后部分动机是避免与开源软件竞争。所幸，业界共同努力抵制了其中最糟糕的提案。他呼吁业界保持警惕，坚持将治理焦点放在应用层，这样才能在促进创新的同时，更有效地管控风险，确保AI技术安全、负责任地发展。 吴恩达总结道，得益于智能体工作流等技术的突破，AI的可能性正在急速扩张，这为行动迅速的初创公司和积极转型的大型企业都创造了巨大的机遇。关键在于理解趋势、建立有效的创新流程，并将治理智慧应用于正确的层面。