谷歌DeepMind四巨头对谈：这不是产品发布，是一次战略复盘

5月30号，谷歌扔了一支对谈视频出来。四个老头坐一块儿，聊了快两个小时。Jeff Dean——Google Brain就是他奠基的；Noam Shazeer——Transformer论文里那个名字；Oriol Vinyals，现在管着Gemini；Koray Kavukcuoglu，DeepMind的CTO。主持的是Logan Kilpatrick。

这帮人过去十年，几乎参与了谷歌AI所有的关键跃迁。所以这次不是寻常的版本发布，是一次内部复盘。表面聊的是Gemini 3.5 Flash，实际聊的是谷歌接下来五年往哪走。

一、Gemini不是模型，是组织重组

Jeff Dean说得很直白。Gemini之前，谷歌内部一堆团队各干各的：Pathways、PaLM、PaLM 2……各拉各的算力，各搞各的模型。"这太蠢了。"这是他的原话。如果真要做一个足够强的模型，就得把人、算力、基础设施、数据全拢到一块。

Koray从组织角度补了一句：AI研究早期更像学术，可以多路并行。但模型越来越大之后，小团队分散探索已经不够了，必须变成一个集中式的大工程。

所以Gemini这个名字，本质上是一次合并——Google Brain和DeepMind把分散的能力揉到一块的产物。

二、Flash的重点不是快，是编程和Agent

3.5 Flash有什么新东西？Oriol说得很具体：编程能力。Koray接了一句："现在正是编程能力和Agent体验定义AI体验的时代。"

这话的意思是，大模型的竞争已经不是聊天质量了。谁能让模型进入真实工作流——写代码、调用工具、连续执行任务——谁才算赢。Gemini 3.5 Flash就是往这个方向推的。

Noam的视角更内部。他说大版本发布反而没那么刺激了，他关心的是：明天自己写代码时，办公室同事会不会抱怨？Gemini先变成谷歌内部研发工具，再变成外部产品。这是谷歌的套路。

三、Benchmark vs 真实用户：Noam撕开了行业的遮羞布

Noam说了一句话，很多人该记住："真正的测试是用户有没有在用。你关在盒子里爬benchmark，最后优化出来的就是benchmark，还可能污染数据。"

这解释了谷歌为什么拼命把Gemini塞进Search、Workspace、Android、眼镜。Koray把它叫作"frontier"的一部分——前沿不只是研究能力的前沿，也是产品能让用户做什么的前沿。技术能力和产品反馈必须同时推进。

四、世界模型：从"看互联网"到"理解物理世界"

Koray讲Omni的时候，不是"文本到视频"那么简单。他说的是一个要理解物理世界所有模态的模型：视觉、动态、物理规律，还要能模拟未来状态。因为如果一个模型要做决策，不能只懂当前画面，得能往前推演。

Oriol说得更技术。以前做视频生成，复杂场景的一致性几乎要手工指定。物体转个身就消失。现在大规模联合训练之后，模型开始自己冒出时序一致性、3D世界、声音——这些以前根本做不到。

Jeff把这个范围继续扩。多模态不只是文本、图像、音频、视频。基因序列、化学结构、机器人抓取数据、LiDAR——这些科学和物理世界的数据，Gemini也得懂。说的不是"理解互联网内容"了，是"理解世界"。

五、挤柠檬：把Pro的汁倒进Flash这个小杯子

Oriol说自己最惊讶的进展是：没想到能一代一代把Pro模型的能力压回Flash里。有时候下一代Flash直接超过上一代Pro。

Koray打了个比方，很形象："就像挤柠檬。汁挤出来，倒进玻璃杯里，杯子就是小模型。"

Jeff解释了蒸馏的逻辑：一个好老师（Teacher Model），一个学生（Student Model），核心方法跟当年原始论文差不多。当年是用50个模型组成的集成来做，现在只需要一个顶尖老师。精神没变，只是调整了一些细节。

谷歌的野心不只是最强模型。它想把强模型的能力尽可能便宜地塞进更多产品。毕竟谷歌这种体量，模型不能只在Demo里漂亮，得被几十亿用户反复调用。算力账单最终会让所有豪言壮语变得很朴素。

六、那些还没搞定的事

Jeff提了持续学习。他说现在的MoE还是结构相似的expert，他期待一种更"有机"、更流动的结构。"没做到。但现在的办法挺管用。"

Noam半开玩笑："模型还不能直接发明癌症疗法。"

Oriol说评估被低估了。以前论文就几张benchmark表格，现在模型进真实产品之后，评估变复杂了：能力怎么拆开测？数据有没有泄露？用户认不认同这个分数？模型下一步的大能力怎么提前判断？这些都很棘手。

Jeff还提了一个更底层的：模型学习效率比人类低太多。人类一辈子大概听10亿词，模型要看数万亿。如果能从每个token里榨出更多信息，效率会大幅提升。Noam接了一句：人只有几个GB的源代码（基因），但模型用了远多于人类的数据才达到类似能力。Oriol反驳说人类也是被预训练过的，不是第一个人类。这点有争论。

七、自我学习：2027年，Gemini自己改Gemini

Koray预测，明年左右可能会开始谈self-learning。模型越来越agentic，越来越会写代码，谷歌内部已经在用它们做研究。接下来会出现一个节点：在某些实验层面，依赖模型来改进Gemini的不同部分。

Jeff认同：到时候可能能指着Gemini里的某个重要改进，说"这是模型和Agent自己干的"。

Noam说得更直接：以前你对团队成员说"去试试这个实验，下周告诉我结果"。以后你把这任务交给模型。Google不是只想让Gemini服务用户，它想让Gemini进入自己的研发流程。模型从产品变成研发系统的一部分。

八、30天Agent：不是模型问题，是工具太慢

Logan提了一个目标：到2027年I/O，某个模型能连续自主运行30天。这会震惊很多人。

但问题立刻暴露。这需要记忆系统、持续学习、更好的硬件。让一个东西跑30天，消耗的天文数字般的token。

Jeff补了一刀：更好的硬件能让延迟压下来。如果任务名义上跑30天，但硬件好一天就能跑完，那当然更有价值。

Noam顺势说：30天里可能29.5天都在等待。因为现在的工具都是按人类延迟设计的。人类点一下、等几秒，觉得正常。Agent高频调用这些工具时，模型再快也会被卡住。Agent时代不只是模型堆参数，整个软件工具链都要适配机器调用。很多工具看着高级，其实只是给人类慢吞吞点击设计的电子家具。

九、五年后谷歌到底有几个产品？

Logan问了一个狠问题：五年后，谷歌是只有3个产品，还是10000个？

Koray的答案是：只有一个。产品就是模型。

Jeff说会有很多产品出口，但让产品变强的底层会更少、更集中。Search是产品，眼镜也是产品，但底层都被同一个模型改造。

Oriol偏谨慎。人类用数字设备时，会主动选择做什么——看日历、查邮件、购物。这种分工可能不是技术限制，是人的因素。他不愿意押注未来只剩一个产品。

Noam推得更远。信息产品会有很多消费方式：文字、视觉、眼镜、脑机接口。再远一点，模型也许会进入physical products，开始"moving atoms"，不只是"moving bits"。

结语

Gemini不是单点模型竞争。它越来越像谷歌未来AI系统的核心操作层：模型负责理解和生成，Agent负责长期执行，产品负责收集真实反馈，硬件负责把成本和延迟打下来，工具链负责让机器真的能干活。

谁能把模型接进自己的研发、产品和基础设施循环里，让它持续变强，谁就会取得领先地位。这盘棋，谷歌下了很大。

来源：Google官方对谈视频（5月30日），Logan Kilpatrick主持，编译整理自多方来源。

#GoogleDeepMind #Gemini #AI战略 #深度研究 #小凯