整理 重點君

近日，谷歌創始人謝爾蓋·布林接受了知名播客主理人洛根的訪談。對話探討了谷歌 I/O 大會上的最新動態，以及谷歌 AI 開發的整體現狀。布林說，這一系列發布非常精彩，甚至有一些令他感到意外的元素，例如谷歌搜索中的虛擬試穿功能，反響熱烈。但仍有大量工作要做，才能順利實現所有已宣布的功能。

布林表示，縱觀人工智能發展的更廣闊軌跡，看到當前的進展與幾年前對奇點的理性推理截然不同，人工智能的發展方式令人驚訝：

1、語言模型已成為人工智能發展的主要驅動力，這在 15 年前并不明顯，尤其是考慮到 DeepMind 過去專注于物理基礎。

2、思維模型的驚人可解釋性，可以洞察其推理過程，從安全角度來看具有顯著的積極意義。

從架構上看，布林發現不同的模型非常相似，甚至看似不同的模型，例如視頻傳播模型訓練過程正在不斷發展。后訓練階段（微調、強化學習工作）在整體工作中所占的比例越來越大，此階段添加了工具使用等功能，使模型更加強大。

關于推理擴展，特別是深度思考計劃。布林說，谷歌的愿景是讓模型能夠思考更長時間（數小時、數天甚至數月），從而對復雜問題給出更好的答案，這與克服實現長上下文輸入的挑戰相比，谷歌一直在努力實現這一點。從短期任務的訓練模型推廣，到期望它們在幾天內開發出新的東西，是一個正在克服的重大差距。人工智能時刻凸顯了評估問題的普遍難度，無論對于人類還是人工智能而言。

最后，布林還反思了谷歌的地位和創新步伐。他認為，企業必須定期進行自我改造，盡管充滿挑戰，但谷歌憑借其在大規模數據、谷歌大腦和 Transformer 方面的經驗，已經為人工智能轉型做好了充分準備。他對目前看到的加速發展感到樂觀，并解釋了谷歌大模型從跟隨到領跑的原因。他特提到，與 2024 年的趕超相比，2025 年已經取得了顯著進展。Gemini 2.5 Pro是一次明顯的飛躍，在大多數排行榜上仍然位居第一。最近推出的Gemini 2.5 Flash也被認為是一款速度超快、性能強大的模型，在許多排行榜上排名第二。

以下是訪談原文：

主持人：大家好，感謝你們的加入。我們有一個 I/O 特別節目。謝爾蓋·布林，我們正在談論有關谷歌的一切。感謝你抽出時間來聊天。

謝爾蓋·布林：謝謝你洛根。而且，你和我一直在聊天空間和各種產品中，但在現實生活中一起出去玩也很愉快。

主持人：是的。我在加州的經歷總是非常有趣，昨天和今天我花了很多時間在一起，當你與每個人面對面相處時，你會感受到人工智能進步的溫暖和人性。所以這真的非常有趣。但是我們坐在 I/O 這里，我認為全世界的普遍情緒以及內部團隊的情緒，對于 Google 來說都是無比偉大的一天。 我們所有產品的模型都取得了巨大的進步。你的看法是什么？ 你的反應是什么？顯然，我們還有很多事情要做，但是你的心思在哪兒？

謝爾·蓋布林：是的，我認為這絕對是一系列非凡的發布。說實話，我可能甚至不知道其中的 30% 左右。時間有限，而且我對 Gemini 了解很深，我甚至不知道虛擬適配，例如，谷歌搜索中的產品。我沒有意識到我們正在上線那個。有很多事情讓我感到驚訝。

我認為反響非常好。不過還有很多事情，我認為人們需要花一些時間來探索和理解。顯然我們現在正忙著交付所有發布的內容。這需要很大的精力，只是確保事情實際上能夠順利進行，人們能夠注冊，并享受所有這些新功能等等。我覺得 I/O 對許多其他人來說是大量工作的開始。對于一些團隊來說，這就像是終點線，而對于其他一些隊伍來說，這就像是起跑線。

Gemini 的核心文本模型

主持人：我們推出了更多Gemini發布，你如何看待你的重點，就像深度思維團隊的重點一樣，例如 VO 和Imagen。谷歌有一整套生成媒體模型，剛剛宣布了音樂模型，你怎么判斷你是從事生成媒體方面的工作，還是主要關注 Gemini？

謝爾蓋·布林：我主要關注 Gemini，即核心文本模型。主要因為我認為這將幫助我們更好地編碼和開發人工智能背后的科學。這是我最關注的重點。同時，生成媒體也非常令人驚嘆，感覺像是超人。

使用文本模型，有一些數學問題，無論我如何，我可能能夠解決它，但它出錯了或者類似的事情，或者偶然發現一段代碼，雖然這種情況越來越少，實際上我現在依靠 Gemini 來做一些編碼數學等等。但無論如何，它還是在人類的范圍內。鑒于我的藝術天賦，我根本不可能創作出圖像或視頻。我的意思是，如果我是一名專家，比如攝像師、3D 渲染師或特效師，那么我可以想象這需要做大量的工作。這必須要經過一個月的艱苦工作，才能得到我幾分鐘內就能得到的東西。顯然它在視覺上非常引人注目，它會吸引你。你無法逃脫。

Gemini 和 Veo 3 中的原生音頻

主持人：帶有 VO 的音頻片段，讓我感覺像我以前一樣，我個人認為生成視頻很棒，但對我來說總是有點花哨，我想當我昨天在舞臺上看到 V3 中的音頻時，我認為那一刻對我來說就像是制作的，好吧，實際上很多人都能夠這樣做，因為實際上從歷史上看，你可以生成視頻，但你必須去，比如音頻來自哪里，你怎么同步所有內容？ 現在你可以讓人類喜歡說話和進行對話，而且它做得很好，這真是讓我大吃一驚。

謝爾蓋·布林：是的，你說得對。我一直是它的忠實粉絲。我個人覺得我是一個很注重視覺效果的人。我并不是一個非常熱衷于音頻的人，但是這些年來，特別是像谷歌眼鏡這樣的產品，我的意思是，當我們添加一些聲音時，這意味著它為聲音增添了如此豐富的內容，添加音頻比添加3D 效果更好。

如果你玩過這個大型可穿戴設備的話，你會發現一些 3D 的東西很酷。但無論如何，當你讓音頻工作時，這只是一個令人難以置信的感知變化，我知道我看到了模型訓練過去一個月或兩個月，我剛剛從一個地方到它到另一個地方，這只會感覺不同。

主持人：是的，看看這些功能如何融合將會很有趣，因為它看起來確實與Gemini 有很多相似之處，比如Gemini 模型，顯然我們在 I/O 和 VO 的Gemini 模型中都實現了原生音頻支持，我今天早上與 Tulsi 進行了交談，就像這些類似的突破一樣，它們有什么不同？從技術角度來看，這聽起來實際上在技術上非常不同，但很酷的是，我們有其他軌道來進行這項創新，理想情況下，所有這些都以某種方式回溯到 Gemini。

謝爾蓋·布林：是的。我認為我們花了很長時間才在 Gemini 中發布原生音頻。 它已經在那里一年了。基礎模型中不允許有經過至少一年訓練的音頻。我總是覺得，只是有太多的事情要做。像原生音頻輸入、原生音頻輸出，已經存在很久了，但是要通過所有這些讓它真正運行良好，我認為需要很長時間。但是，它終于出來了。我不認為這是可行的，正如你所說，VO的做法是一樣的，我相信，音頻也是通過 Diffusion 來實現的，就像視頻一樣。

事實上，如果你在訓練過程中觀察，你實際上可以看到它生成的視頻。就像進入百分之幾，它是這樣的，形狀不太正確，文字有點像戰爭之類的東西，但后來它成形并發展，直到在運行結束時你就得到了你今天所看到的東西。我很確定那是基于 Diffusion 的音頻， Diffusion 是一種非常強大的技術。正如你所知，我們發送了文本 Diffusion，進行早期小規模的測試運行。我認為這是我很感激的事情之一，我們擁有一批機器學習研究人員，可以同時在不同的模式下探索不同的基礎技術。

模型訓練運行的見解

主持人：是的，到目前為止，Gemini Diffusion 的結果看起來非常有希望。我希望模型能夠取得進展，并且一切能夠完全發揮作用，因為演示是有效的。我們在鏡頭外交談，演示看起來真的很棒。所以希望它的能力能夠很好地轉化，并且從這個角度來看一切都能正常運作，但是你之前提到過，就像觀看訓練運行一樣。 我實際上還沒有看到它是什么樣子。那么觀看訓練跑究竟意味著什么呢？

謝爾蓋·布林：也許你已經看到了我們的文本模型，但是，我們能夠測試中間檢查點，在 10% 的訓練、20% 的訓練等等。模型在那些時間點上很弱，但你可以通過它來了解軌跡。所以，通常特別是如果你有一個大的訓練運行，你會使用很多計算并且你對它寄予厚望，你會通過各種方式在整個運行過程中多次測試它。所以你會對它的流行趨勢有相當好的了解。這對于文本模型來說是正確的，這對于融合VO 的視頻模型來說是正確的。所有這些模型都有這些中間結果，你可以看一下。如果你真的深入其中，你肯定會檢查它們，因為你對它到底會產生什么感到緊張和興奮。

當前 AI 發展與過去預期的對比

主持人：我當時正在聽 Sundar （谷歌CEO）和Dave Freeberg 的對話，Sunnar評論說，甚至 15 年前，你和 Larry （谷歌另一位創始人拉里·佩奇）以及他就在談論，就像谷歌的團隊也在談論這個面向未來的人工智能時刻會是什么樣子？這與你們10 或 15 年前談論的內容非常相似。我很好奇，此刻最讓你驚訝的事情是什么？如果你想看看搜索或技術，我們可以將其應用于產品，或者看看什么是令人驚訝的，什么是幾乎如你所料會發生的？

謝爾蓋·布林：是的。你我認為從智力的角度來看，你可以通過奇點來推理。著名的雷·庫茲韋爾（Ray Kurzweil）就做過這樣的事，但那是幾十年前的事了。我不記得他說的是哪一天，那是2037 年，我不記得了。他根據自己的推斷確定了一些日期。今天看來也許有點保守，我不知道，但是你可以通過理智來推理它。我認為看到它的發生是完全不同的。我認為當你談論15 年前的事情時，我不會說你是在開玩笑。 你真的在談論它，但你有點像想象科幻的未來，但它幾乎就像一個游戲，就像你只是與其他對此感興趣的人聊天。我覺得這很有趣。但是正如我所說的，看到它真正開始發生，感覺非常不同。

當然，事情發生的方式相當令人驚訝。我可以給你舉個例子。語言模型似乎就是人工智能現在的發展方式。我認為15 年前你不一定知道這一點。事實上，DeepMind在過去，甚至現在，已經在這種物理基礎上投入了大量的精力，擁有一個物理世界作為基礎是很重要的，而且我們顯然正在做這方面的實驗。但這些語言模型已經發展到這個程度的事實并不明顯。而且有一個有趣的副作用，特別是對于思維模型而言，它們也具有令人驚訝的可解釋性。就像你可以看透這些思維模型之一的想法以及它是如何得出結論的。如果沒有大量的工具，你就不可能檢查模型的權重并嘗試從中推斷出一些東西。但是你可以理解，它的很多推理都是用非常容易理解的術語來表達的。

所以我認為這是15 年前你不一定能想到的。這是一個有趣的驚喜，我認為這給人很大的安慰。我并不是說我們應該忽視它，但從安全的角度來看，這些東西在某種程度上確實表達了它們的想法，我認為這是一個很大的優點。是的，有一些論文討論他們是如何撒謊之類的，但我認為影響相對較小。

模型訓練的演變

主持人：你覺得今天接近模型訓練過程時，當模型從文本輸入或文本輸出轉變為實際系統時，它看起來有多么不同或多么相似？我認為我們實際上已經把它當作Gemini 2.0，搜索是原生的，代碼執行是原生的，就像模型在過程中學習它一樣。你是否認為訓練基礎設施或我們對模型的思考方式會發生根本性的變化，因為它們不再是模型了？它們確實像我們為人們創造的完整系統。

謝爾蓋·布林：我認為這是幾件事的匯合。有一點非常引人注目，那就是所有不同模型在架構上是多么的相似，例如 VO，你可能會認為視頻傳播與某些文本語言模型非常不同，但從架構上講，它們有大量的共同之處。 令人吃驚的是，共享的內容如此之多，其中很多都以 Transform 為核心，這要感謝 Noam 和我們已有近十年的團隊。現在我們正在添加諸如工具使用之類的內容。

這些事情大多發生在我們所謂的后期訓練期間。目前，后訓練在整體訓練中所占的比例越來越大。以前一切都是 99%預先訓練，現在有點轉變了，也許是 90% 或80% 等等。這種后訓練有點像有些人所說的微調，但它包括我們所做的 RL 類型的工作，以前這只是你最后做的一點點塑造。但是現在，材料越來越多，而工具使用在現在更大的階段中出現，這讓模型變得更加強大。

推理和深度思考的未來

主持人：是的，我還有兩個問題，因為我想讓你回到辦公室工作，以便我們能夠繼續取得模型進展。第一個是關于推理擴展，我想我們宣布我們展示了深度思考的結果，這有點像繼續擴大2.5 專業版并讓它推理更長時間并具有某種平行的思維過程。你對此的總體反應是什么？ 我們似乎還處于擴展范式的早期階段，將會有大量額外的解鎖，但顯然你在這方面還處于困境中，所以我很好奇你的想法是什么？

謝爾蓋·布林：有趣的是，我們有大約五種不同的方法來做這種事情，它們都集中在這個深度思考上。所以，很高興看到所有這些人和這些團隊聚集在一起，有時我們會分散，需要很長時間，但在這種情況下，我們采納了所有人的最佳想法，將它們結合在一起，它肯定會產生更強的結果。我認為這種情況持續發生得越多，就越像是一種超能力。如果你能擁有這些模型，我知道很多頂級人工智能實驗室都在談論這個問題，但如果你能擁有這些模型，而不是只花一分鐘思考就能得出答案，如果你可以讓它們運行一個小時、一天或一個月，它們實際上能讓你對一個非常重要的問題給出更好的答案，這將是非常有價值的。

這有點新，而且并不簡單。這有點像，我們破解了輸入的長上下文。我們之前就這樣做過，而且我們已經有一年半左右的時間掌握了超過一百萬條信息。現在，我們需要無限的背景，所以必須繼續努力。我不是說百萬就夠了，但這種概括并不簡單，對于一個模型來說，這就像你要經歷土撥鼠日一樣，你只是一遍又一遍地經歷。你可以以個人身份體驗一天。你嘗試這個，嘗試那個，現在突然間你的生活就開始了，事情日復一日、周復一周、月復一月地發生著。這是一種非平凡的概括。但我們已經知道該怎么做了。

在輸出方面，如果你所做的只是一些簡短的小數學問題，那么這也是不簡單的。從這個角度來看，這有點像的，我們面試人們時，我們會問他們10 個面試問題或其他問題，然后我們希望他們在幾個月內建立這些大型系統，但不清楚這是否真的是測試一個人的正確方法。但是在人工智能模型上，我們已經這樣做了一百萬次。就像我們只訓練他們做一些簡單的、聰明的數學問題、編碼之類的。然后從那里開始的期望是，他們實際上可以花很長時間來開發一些新的東西，這需要花上好幾天的時間去思考。這很不簡單，但這是一個我們正在開始克服的差距，這是一個巨大的飛躍。

谷歌的創業文化與加速AI 創新

主持人：是的，你給出的這個例子就像我們如何測試和評估模型一樣，一直在提醒我，生活中的很多事情就像這個人工智能時刻告訴我的那樣，生活中的很多事情實際上就像一個評估問題，甚至像采訪人、試圖建立一個偉大的團隊這樣的挑戰，所有這些事情的核心都是一個評估問題，而我們人類還沒有解決這個問題，我并不奇怪我們也沒有解決人工智能評估問題。做到這一點并不是一件容易的事。

我要問你的最后一個問題是，這就像是對我們所看到的一切以及 I/O 和創新步伐的再次回應。Sundar在屏幕上展示了一張幻燈片，實際上知道 Demis（谷歌DeepMind CEO戴米斯·哈薩比斯）所做的，其中展示了我們在 2024 年發的所有產品，以及到目前為止我們在 2025 年發的所有產品，而且我很確定 2025 年部分比 2024 年部分要大，因此就像發生明顯的加速。至少從我個人角度來說，加入谷歌感覺我已經在這里待了差不多一年或一年多一點了。對我來說，加入谷歌確實感覺像是一次創業經歷，我很好奇你對此的反應。但同時，在看到谷歌成長和擴張以及過去 20 年發生的一切之后，你對此有何看法？

謝爾蓋·布林：很好的問題。首先，我認為公司需要定期進行自我重塑。有不同的重要技術轉變，我想你知道我們最初是一家網絡公司，我們必須讓移動工作，我們知道我們從來都不擅長社交。現在我們處于人工智能領域，我認為從那里開始它是令人興奮的，因為在某些方面谷歌一直是一家人工智能公司。我們一直致力于大規模數據和分析。我們也是許多現代大型機器學習的誕生地，從谷歌大腦到Transformer等等。我的意思是，這是公司的 DNA。 所以，這是我們應該做好充分準備去實現的轉變。

任何轉變對于任何公司來說可能都是困難的。但我對此感覺非常好，而且我認為從 24 年到 25年，我們在很多層面上都趕上了，特別是Gemini2.5 Pro的推出，那就像是一個明顯的飛躍，我知道無論在不同的基準上，也許我們在2.5 Pro 之前是第一名，這是一個很大的進步，有點全面，甚至到目前為止，它仍然在大多數排行榜上排名第一。在風格控制方面，不管你怎么衡量它，所以這真的是一個非常令人興奮的飛躍，我認為這既是，某種科學的因果，我們背后的科學引擎。它將幫助我們前進，這要感謝我們過去一年來所做的所有科學研究，我們最終才能夠生產出這個模型。

此后不久，又發生了很多其他事情。我們已經經歷了2.5 Pro 型號的幾次不同迭代。我不知道大家是否注意到昨天我們推出了新的2.5 Flash。你是否注意到，實際上在許多測量中，它都排在2.5 Pro之后，排名第二。因此，憑借Gemini2.5Flash模型，我們現在在許多不同的排行榜上都名列前茅。我認為，在所有其他公告中，很多人可能都忽略了這一點。它被埋了，但它就像一個超級快速的模型。我認為它會對很多用例有吸引力。有了今年 2.5 Pro 的基石，我認為我們能夠在此基礎上繼續發展并保持這種勢頭，這真的令人興奮。 這將是偉大的一年。

主持人：謝爾蓋，感謝你抽出時間。我感謝你對大家的大力推動。看起來很有趣，我們為你準備了一份特別的禮物。我很想看到你拆箱，然后有人會在一秒鐘內把它帶給我們。

謝爾蓋·布林：謝謝你，洛根，當他們把它拿過來的時候，我只想說謝謝你，洛根。

主持人：我看到你一直在努力工作，讓你所有的客戶和合作伙伴都滿意，并追蹤可能出現的數百萬個問題。我的意思是這并不那么容易。

謝爾蓋·布林：很多企業人士都希望擁有這些模型，部署它們，并且不會崩潰，每一個細微差別，從函數調用到緩存，再到所有數以百萬計的事情。我們非常擅長把客戶放在第一位，將需求傳達給團隊，真正處于領先地位，所以團隊現在正在努力，謝謝。大家正在全力以赴。

主持人：給你一份特別的禮物。

謝爾蓋·布林：好的。謝謝。我現在就拆箱嗎？

主持人：是的，你必須立即拆箱。

謝爾蓋·布林：我們必須抓住它，因為這是使這一切成為可能的因素之一。這是一個TPU V4，順便說一下，在內部我們稱之為 Pufferfish。這些是一兩年前最熱門的東西，我們現在已經進入了新一代。我們仍然在這方面做很多工作。他們必須將其從某個數據中心取出。它還沒被使用。我們確實不需要計算，我們確實需要TPU。有時一些早期的樣本有點缺陷，也許這就是其中之一，但我很感激。謝謝。

主持人：謝謝。感謝你的收聽。