編輯｜雲昭
4 月 7 日，Google CEO Sundar Pichai 罕見接受了一場酒桌專訪！
訪談中，兩位主持人 John 和 Elad Gil 秉持著「打破砂鍋問到底」的精神向 Pichai 追問，除了大眾津津樂道的「反超 OpenAI」，更涵蓋了當前業界最關切的迫切議題。
例如，Pichai 嚴肅地給出一項判斷：2026 年將成為「供給緊張之年」。他拆解了 AI 發展路徑上遭遇的幾大阻力：能源、運算力、審批流程，以及他認為當前最迫切需解決的：記憶體瓶頸。
另一個重要趨勢是，未來十年，「搜尋」產品還會存在嗎？Pichai 給出了略令人意外的答案。他認為，未來的「Google 搜尋」將演進成一個「Agent 管理器」，並分享了一個重要的產品觀點：AI 原生（AI Native）產品與傳統行動產品，本身並非零和競爭的關係。
這也是他認為外界對 Google 最為低估之處。
若你用零和視角審視，局勢看似艱難；但若能持續創新、不斷演進產品，就不會變成零和競爭。
我們同時布局搜尋與 Gemini，兩者雖有部分重疊，但在更多面向上呈現明顯分化。
此外，針對「Google 很早就發表了 Transformer，卻由 OpenAI 率先推出 ChatGPT」的事實，Pichai 也進行了復盤。原因並非外界所說的「Google 研究強、產品弱」，而是長期在產品與技術間取得平衡與取捨。
實際情況是，你投入研究並按預期獲得巨大回報，但不可能發明出所有基於此的產品，這本是常態。
同時，他也針對太空資料中心、量子計算、自動駕駛、機器人等眾多長期賽道提出新見解。
他坦言，現在押注「太空資料中心」就像 2010 年思考投入 Waymo 一樣，需用 20 年的視角審視，這本身就是個極其複雜的問題。他甚至坦言，希望當初能更早加大對 Waymo 的投資。
談及量子計算，Pichai 指出，直覺上來看，量子計算的核心價值在於更好地模擬自然。「既然自然本身是量子系統，那麼用量子系統去模擬它會更具優勢。」
現實中有許多複雜系統，量子計算都將發揮優勢。例如至今仍無法完全理解的化肥生產中的哈柏法（Haber process），以及天氣模擬、現實世界模擬等領域。
當某項技術規模化後，人們的創造力自會在其上找到應用場景。
此處，Pichai 也給出了自己對押注賽道的判斷邏輯：
要在早期就進行深度技術下注。而決策方式並無外界想像的高深，僅有兩項：直覺 + 長期價值。
你會去推想一個項目在 5 到 10 年後的市場規模（TAM）與潛在價值，將增長假設拉到非常激進的水準，再去判斷這項投資是否合理。
同時，這次訪談的另一精彩之處，在於 Pichai 罕見地分享了許多 Google 內部極具畫面感的小細節。
例如 Pichai 提到自己的第一個「AGI 時刻」並非近期，而是 2012 年神經網絡識別貓的演示；以及他最近寫程式碼時，甚至不關心語言是什麼，只看 Agent 把任務完成，這種「像魔法一樣」的體驗，已經在發生。
在工作方法上，他有兩個實用的習慣：一是強制自己做「重度用戶」，例如連續 30 分鐘與 AI 對話；二是直接查看最原始的用戶反饋，而非只依賴匯報和數據。
更值得注意的是，他已開始使用 AI Agent 協助內部分析，例如自動匯總產品優缺點。這似乎暗示著，CEO 這個角色的職能在 Agent 語境下已發生巨大變化。
還有一點不得不提，Pichai 否定了業界一種慣性對比：將「Token 成本」與「工程師薪資」拿來比較。他指出這個邏輯的前提是錯誤的，大家忽視了：AI 供給需求滿足後，軟體市場極有可能擴大 10 倍。
「要知道，頂尖軟體工程師一直是供不應求的。一旦供給增加，這個市場本身可能會擴大 10 倍。」
所以，言外之意，SaaS 行業是死不了的！
以下為小編為您精心整理的 Google CEO 最新採訪內容，敬請享用！
Google 晚 OpenAI 9 個月發布，並非沒有把 Transformer 轉化為產品
主持人：Sundar Pichai 剛剛完成了他擔任 Google CEO 的第十個年頭。如今，Alphabet 不只是全球最大的科技公司之一，也是在 AI 競賽中的領先者，並計劃在 2026 年投入 1750 億美元的資本開支。乾杯。
談到 Google 和 AI 時，一個常被提起的歷史是：Transformer 是在 Google 發明的，但後來卻主要在 Google 之外完成了產品化，尤其是像 ChatGPT 這樣的產品。你現在如何看待這件事？
Sundar Pichai：我覺得這裡其實有不少誤解。Transformer 的出現，是在大量 TPU 的背景下完成的，它在一定程度上是為了解決具體的產品需求。比如團隊當時在思考，如何把翻譯做得更好。
再比如 TPU，當語音識別已經可用，但你突然要把它服務給 20 億人時，晶片根本不夠，你必須解決推理問題。
Transformer 雖然來自研究團隊，但它們是被產品問題牽引的，而且幾乎是立刻就被用起來了。像 BERT 和 MUM，很多人低估了它們的影響，因為我們對搜尋品質的衡量極其嚴格。在那段時間裡，搜尋品質出現的一些最大幅度提升，正是來自 BERT 和 MUM。
我們構建了 Transformer，並立刻將其應用在搜尋中，用來提升語言理解能力，包括理解網頁內容、理解用戶查詢，並持續構建更強的模型。同時，我們也在內部推進產品化，比如有團隊在做一個叫 LaMDA 的東西。
顯然，我們並不是第一個把這類產品推出市場的。但問題不在於「只是做了研究，卻沒有走向產品」。
實際情況是，你做了研究，也按預期獲得了巨大的回報，但你不可能發明出所有基於它的產品，這本來就是正常的。
我甚至可以更進一步說，我們其實已經構想過像 ChatGPT 這樣的產品——那就是 LaMDA。你可能還記得，當時有一位工程師認為它具有「意識」。可以把它理解為一個早期版本的 ChatGPT，是在內部對話使用的。
某種意義上，我們已經在「另一個宇宙」裡擁有了這個產品版本。Google 可能晚了大概九個月才發布類似的東西。
實際上，在 2022 年的 Google I/O 2022 上，我們推出了 AI Test Kitchen，本質上就是 LaMDA。但我們對它做了限制，因為當時內部還沒有一個完整經過 RLHF 調優的版本。我看到的版本，在某些方面是有毒性的，那個時間點根本無法直接發布。
另外，作為一家长期以搜尋品質為核心的公司，我們對「什麼樣的產品品質可以上線」有更高的門檻。但這並不意味著我們沒有在思考如何推出它。
消費互聯網常態：時不時就會有幾個關鍵的產品時刻，但 iPhone 不會從車庫中誕生
Sundar Pichai：
我還想補充一點：即便是 OpenAI 發布 ChatGPT，他們和 Microsoft 的合作大概也早了幾個月。從事後看，好像一切很清晰，但當時並沒有那麼顯而易見。他們在編程場景上也有一些運氣，比如借助 GitHub 看到了更明顯的躍遷信號。
也許我們確實錯過了一些信號。在編程場景中，你能更清楚地看到能力的「階躍式提升」，相比純語言場景更明顯。比如從 GPT-2 到 GPT-3，再到 GPT-4，在編程上的提升更容易被感知。
回到你的問題，我認為這件事並不只是「研究沒有轉化為產品」，而是多種因素共同作用的結果。
我記得和一些參與 ChatGPT 項目的人聊過，他們是在感恩節那一周發布的，當時甚至有點像「悄悄上線」。並不是那種「這將成為我們未來核心產品」的重磅發布。後來它爆發，其實是一個驚喜。
但從我的視角來看，如果你身處消費互聯網，這種「意外時刻」是必然會發生的。
當年我和 Elad 還在 Google 的時候，有 Google Video Search，後來 YouTube 出現了。結果是我們收購了 YouTube。或者換個例子，如果你在 Facebook，Instagram 出現了，後來 Facebook 直接收購了它。
這些事情發生時，人們不會用戲劇化的方式去看待，因為最終結果是收購完成。
但我形成的認知是：在消費互聯網世界裡，總會有幾個人在做各種原型，嘗試無數想法。我不是在貶低任何成果，只是說，這種「突然冒出的關鍵產品時刻」一定會反覆出現。
你不會看到有人在車庫裡突然造出一個更好的 iPhone，但消費互聯網不是這樣運作的。你需要接受這一點，並建立這種認知。
優秀產品的核心特徵：速度
主持人：當我看 2026 年的 AI 競賽時，有一點很明顯：Google 一直把「速度」作為差異化優勢。最早的 Google Search 非常快，甚至會把查詢耗時直接展示出來。後來是 Gmail 的快速搜尋、Chrome 的速度優勢。現在我在用各種 AI 產品時，運行在 TPU 上的 Gemini 依然非常快。
我很好奇，這到底是一個明確的產品策略，還是更複雜的東西？
Sundar Pichai：我一直把「速度」，或者說「延遲」，當作優秀產品最核心的特徵之一。它通常也反映了產品底層技術做得是否紮實。
當然，還有另一種「速度」同樣重要，就是產品發布和迭代的速度。這兩者都很關鍵。
但如果只談延遲，事情就沒那麼簡單了。因為你在不斷增加能力，能力邊界在持續推進，你必須在能力和速度之間做平衡，這就變複雜了。
舉個例子，在搜尋團隊中，現在很多子團隊都有嚴格的延遲預算，精確到毫秒級。如果你發布一個功能，幫系統節省了 3 毫秒，你可能只會獲得 1.5 毫秒的「預算額度」，其中一部分會回饋給用戶。
根據不同任務，有些團隊可能有 30 毫秒的預算，有些是 10 毫秒。你可以使用這些預算，但必須通過嚴格的評審。我們對這件事的重視程度就是這麼高。
從人的感知來看，大概幾百毫秒範圍內就能察覺差異。
如果看數據，我們在過去五年裡，已經把搜尋延遲降低了大約 30%。而與此同時，功能卻在不斷增加。
這也是為什麼在 Gemini 中，我們非常重視「能力與速度」的平衡。例如 flash 模型，大概能達到 pro 模型 90% 的能力，但速度更快、部署成本更低，再加上垂直整合帶來的優勢。
Google 搜尋，十年後還會存在嗎？Pichai：未來會變成一個 Agent 管理器
主持人：那你如何看待搜尋的未來？現在很多人認為「對話」會成為新的交互方式。Google 已經在搜尋中引入了 Gemini 或 AI 結果。但也有人在討論 agent，比如未來每個人都會有一個個人智能體，直接幫你完成任務，而不是輸入查詢。
你怎麼看？搜尋未來是分發機制，還是一個產品本身，或者只是人與世界交互的多種方式之一？
Sundar Pichai：我覺得搜尋的一個核心特點是，每一次技術變革都會讓它變得更強大。我們需要不斷吸收這些新能力，推動產品邊界前進。
比如行動時代，產品就快速演進了。當你走出紐約地鐵站，你不是在找網頁，你是想去某個地方——你需要的是「如何到達」。用戶的預期一直在變化，你也必須不斷隨之調整。如果往前看，很多原本只是「獲取信息」的搜尋請求，未來會變成 agent 化的流程。你不是在找答案，而是在完成任務，會有多個線程同時運行。
主持人：那搜尋在 10 年後還會存在嗎？還是會變成別的東西？
Sundar Pichai：它會持續演化。搜尋可能會變成一個「agent 管理器」，你在裡面完成各種事情。
某種程度上，我現在使用一些系統時，已經是在讓一組 agent 去幫我處理任務。我可以想像，搜尋也會變成類似的形態，幫你把事情真正做完。
我理解你問題的核心是：如果把搜尋看作一個不超過一行的輸入框，然後返回一堆排序結果，這種產品形態還會不會存在？
但今天在搜尋的 AI 模式下，人們已經在做深度研究類查詢了，這其實已經不符合你說的那種定義。但用戶是會適應的。我認為未來人們會執行長週期任務，而且這些任務可能是非同步的。
生命最初是單細胞生物，現在變成了複雜生命體。你可以把這個問題理解為：早期那種範式會不會消失？
本質上，過去的「搜尋」會變成一個 agent，而未來的交互界面本身就是 agent。再過 10 年或者更久，搜尋框這種形態可能都不復存在。設備形態會變化，輸入輸出方式也會發生根本性變化。
但如果你總是去想 10 年后的事情，很容易陷入停滯。我們現在處於一個很特別的階段，你只需要看一年後的變化，就已經足夠陡峭、足夠令人興奮了。
過去你可能需要規劃五年後的產品，但現在，一年時間模型就會發生巨大變化。順著這個曲線往前走，本身就是一件很有意思的事情。
AI vs 現有產品：並非零和競爭
Sundar Pichai：我覺得這是一個擴張的時代。很多人低估了這一點，總覺得這是零和競爭。但在我看來，遠遠不是。人們能夠創造的價值，正在沿著一條非常誇張的曲線增長。一旦你這樣看問題，很多疑問就會有不同答案。比如，YouTube 在 TikTok 和 Instagram 出現之後依然發展得很好，這樣的例子還有很多。
如果你用零和視角來看，就會覺得局面很困難。但如果你持續創新、不斷演進產品，它就不會變成零和競爭。
我們同時在做搜尋和 Gemini，它們在某些地方會重疊，在另一些地方會明顯分化。我覺得同時擁有這兩條路徑是好事，應該去擁抱這種狀態。
一年前，外界對於 Google 的誤判：整個市場都將擴大 10 倍，不是零和競爭
主持人：讓我印象很深的是，大概就在一年前，也就是 2025 年春夏，當時市場對 Google 的情緒非常悲觀。
主流觀點是：搜尋完了，核心商業模式被動搖，公司會很艱難。當時 Google 股價大概在 150 美元左右。現在回頭看，這種判斷顯得有些離譜。畢竟 Google 在整個技術棧上，從應用、模型、TPU，到 Waymo、YouTube 等各種業務布局都很完整。
你覺得，當時投資人到底誤判了什麼？
Sundar Pichai：當時的討論其實高度集中在一個點上。但對我來說，那一刻很清晰：整個「可討論範圍」（Overton window）已經發生了變化，而公司本身正是為這種變化準備的。
這種「縱向一體化」並不是偶然。我們已經做到了第七代 TPU。我記得在 2016 年的 Google I/O 2016 上，我們就宣布了 TPU，並開始談「構建 AI 數據中心」。
那還是 2016 年。公司早就以「AI-first」的方式在運作，我們對這個轉變的理解是非常深入的。從前沿大模型的角度看，我們當時確實落後了一些。
但我們內部已經具備了所有能力，關鍵是要把執行做好。讓我覺得興奮的是，從全棧來看，我們擁有研究團隊、基礎設施團隊、平台能力，也在多個業務上持續投入。
突然之間，你會意識到：有一種通用技術，可以同時加速所有這些業務。從搜尋到 YouTube，到雲，再到 Waymo，都依賴這項技術的進步。
這是一種極具槓桿效應的增長方式。我從來沒有把那一刻看作零和競爭。我更傾向於認為，一切都會擴大 10 倍，也會有空間留給其他參與者。回顧歷史，Amazon 在 Google 出現之後依然發展很好，Facebook 也是一樣。
我們往往低估了整體增長的空間。當然，公司需要更好地執行，這才是關鍵。
回應 Gemini 反超 OpenAI：兩三家 Lab 競爭有先有後是常態
主持人：有沒有某個具體時刻，讓外界意識到「Google 其實沒問題」？比如 Gemini 3？
Sundar Pichai：我不太關注具體時間線，但真正讓人感知到變化的，可能是 Gemini 2.5，尤其是在多模態能力上進入前沿。
這背後離不開 Google DeepMind 團隊的努力。我們在一開始就付出了更高的成本，把 Gemini 設計成原生多模態模型。
後來在一些場景中，這種優勢開始顯現，比如「Nano Banana」這樣的案例，讓人能直觀感受到能力的整合。
但這個領域變化非常快。現在大概有兩三家實驗室在相互強烈競爭。你可能某個月覺得「我們做得很好」，下個月就發現「還有一些地方被甩開了」。整個前沿會持續動態變化，這本來就是這個領域該有的狀態。
回應質疑：Google AGI 信念不夠強？
主持人：我和一些研究人員聊過（不在 Google），他們有一個共識：他們覺得 Google 和另外兩三家實驗室的區別在於，Google 沒那麼「AGI-pilled」。
也就是說，對 AGI 很快到來的信念沒那麼強。你怎麼看？這會不會影響你們對未來的判斷，從而影響你們在構建什麼？
Sundar Pichai：我們把資本開支從 300 億提升到接近 1800 億美元，這是真金白銀。你不會在不相信這條曲線的情況下做這種投入。
我覺得這更多是語義上的差異。可能因為我們是一家更大的公司，有很多產品，服務著不同层级的大量用戶，所以表達方式會有所不同。
但如果你看創始團隊，他們其實是非常「AGI-pilled」的。我最早的一些對話就已經體現了這一點。有人說 Google 沒理解 AGI，或者說 Demis Hassabis、Jeff Dean 這些人沒有理解，這種說法是站不住腳的。一度，Demis、Jeff、Ilya Sutskever、Dario Amodei 都在同一個體系裡。
我有時會覺得，這種說法有點像在問：「你過去 20 年真的在關注嗎？」
當然，一些差異確實存在。比如年輕公司、純研究型機構，或者總部在舊金山，這些因素都會帶來風格差異。但在根本層面，對技術發展曲線的理解，以及如何內化這項技術，我們並沒有本質差別。
在公司內部，也有一群人一直在最前沿，持續試驗 agent，看它們如何獲得技能、如何完成任務。如果你回看三個月前和現在，它們的能力已經發生了明顯變化。
Google CEO 眼中的「AGI 時刻」
主持人：我們其實正在親歷這種指數級變化。一方面可以回顧 Google 的歷史，另一方面我看到有人發了一條推文，說要理解現在矽谷發生的事情，你得意識到——每個科技公司高管現在都有點「AI 精神錯亂」，他們花大量時間在寫程式碼、和 AI 對話之类的事情上。我覺得這個說法挺有意思，也不完全是玩笑。
我很好奇，在過去這段時間裡，你有哪些「感受到 AGI 的瞬間」？或者說，你現在有多「AI 上頭」？
Sundar Pichai：我第一次有那種「AGI 時刻」的感覺，是在 2012 年，當時 Jeff Dean 演示了最早版本的 Google Brain，也就是神經網絡識別出貓的那個時刻。
後來我和 Larry Page 一起去看了 DARPA Grand Challenge，應該是 2014 年左右，看自動駕駛汽車在那裡面跑。
再後來，Demis Hassabis 展示早期模型，已經具備某種「想像力」。類似這樣的時刻有很多，所以技術在持續進步這件事一直是很明確的。
如果說現在這種更「直觀的感受」，我覺得最接近的是：當你在寫程式碼，給它一個複雜任務，你甚至不需要打開 IDE，而是在一個 agent 管理的環境裡，看著它把事情完成，那種感覺非常強烈。
你可以把那種時刻稱為「感受到 AGI」。確實會有這樣的瞬間。
我最近做了一個小項目，做到一半時，我甚至在想：「它到底在用什麼編程語言？」這是在整個系統已經跑起來之後，我才去問的一個細節問題。這種體驗有點像魔法。
真正讓人驚訝的，其實是這條曲線的斜率。你在很多不同範式上同時推進，很明顯未來還會持續進步。
CEO 也會經常「吃自己的狗糧」：強迫自己用「重度用戶」方式去使用
主持人：說到這種「直觀感受」，我覺得對科技公司來說有個很關鍵的問題：CEO 怎麼保持和產品體驗、以及真實用戶的連接？
因為技術產品太抽象了，很容易只通過團隊匯報、PPT、數據表來管理。
比如 Tony Xu（註：美團聯創徐迅）就會親自去當外賣騎手，以保持對產品體驗的感知。我們內部也會做一些事情，比如每週全員會議裡會有一個「walk the store」的環節，一起點產品界面，吐槽「這個彈窗為什麼在這兒？」、「這裡有點奇怪」等等，讓大家真正去用產品。
你在 Google 是怎麼做的？除了每天用 Gmail 這些產品之外，你如何確保自己真的貼近用戶體驗？
Sundar Pichai：我會用內部版本，真的就是「自己吃自己的狗糧」。我會專門留出時間，集中去使用這些產品，這很重要。
比如兩週前，我在健身房拉伸的時候，用手機打開 Gemini Live，連續 30 分鐘只聊一個話題。你需要主動去做這些事情。有些體驗很好，有些會讓人沮喪，但你能學到很多。我會強迫自己以「重度用戶」的方式去使用產品，以此保持連接。
另外，X 也很有幫助，因為你能看到最直接的用戶反饋。比如有人說「謝謝你們修復了 Google Calendar 的問題，太棒了」，同時你也會意識到還有別的問題需要修。
這些原始評論很有價值，我會直接去看。還有一個很有幫助的方式是，我會用內部工具去做查詢。比如在內部版本的 Antigravity 裡問：「我們剛發布的這個功能，大家反饋如何？最差的五點是什麼？最好的五點是什麼？」
現在 AI agent 會直接幫我整理出來。這確實讓我的工作更高效了。以前我要花很多時間去拼湊這些信息，現在 agent 可以幫我完成這件事。
當然，這裡也有一個新的問題：我應該花多少時間親自去體驗，多少時間依賴這些工具？我自己也在適應這個過程。
用 Token 成本和工程師薪資作對比是錯誤的視角
主持人：你剛才提到兩點：第一，這不是零和競爭；第二，生產力會顯著提升。但如果回看過去幾輪技術浪潮，比如互聯網、行動互聯網、SaaS，它們花了很長時間才體現在 GDP 上。而在 AI 這波，我們已經從數據中心建設中看到對 GDP 的拉動。
如果往未來 3 到 5 年看，你覺得 AI 會讓美國經濟變大嗎？大多少？
Sundar Pichai：這些投入最終一定要產生回報。我記得大概兩年半前，有人（可能是 Sequoia Capital）寫過一篇文章，說現在的投資規模和回報之間是不匹配的。
從那之後，投資規模可能已經擴大了 10 倍。某個時間點，這兩者一定會重新對齊。很明確的一點是：現在是供給受限的。我們在所有應用場景上都看到了強烈需求。
我完全不懷疑，這是一個巨大的市場機會。而且有很多被低估的地方。比如大家常討論軟體工程預算，把 token 成本和工程師薪資做對比。但現實是，頂尖軟體工程師一直是供不應求的。一旦供給增加，這個市場本身可能會擴大 10 倍。
換句話說，軟體開發市場的規模遠比現在大家想像的大得多，用「token vs 工程師」來衡量是一個錯誤的視角。我認為它會帶動很多領域一起增長。
主持人：你覺得這個增長大概會有多大？
Sundar Pichai：如果回看互聯網，它在 GDP 數據中的體現，其實無法完全反映我們真實感受到的變化。甚至可以說，如果沒有互聯網，GDP 可能是負增長。還有「消費者剩餘」這種因素，很難量化。往前看其實很難精確判斷。
我認為社會中存在一些天然的「阻尼機制」。比如算力建設的速度，與模型能力提升的速度，本身就是兩條不同的曲線，這已經形成約束。
再比如技術如何在社會中擴散。我們在 Waymo 上就能看到這一點。即使自動駕駛已經比人類更安全，你也必須非常謹慎地推進落地節奏。
技術如何被負責任地引入社會，本身就是一個限制因素。這些層層約束都會影響最終結果。
但可以確定的是，美國經濟相比 10 年前已經大了很多。如果 AI 能讓增速再提高哪怕 0.5 個百分點，那都是一個巨大的增量。我預計會朝這個方向發展。
AI 發展的瓶頸：供給受限，目前主要的瓶頸是記憶體產能
主持人：你剛才提到「供給受限」，我覺得這是 2026 年一個非常關鍵的特徵。你們之前說資本開支會在 1750 億到 1850 億之間，大概就是 1800 億美元。
有意思的是，就算 Google 想花 4000 億美元，也花不出去——因為記憶體不夠、電力不夠，各種組件都不夠，甚至連足夠的電工都找不到。能不能系統講講這些瓶頸？
Sundar Pichai：從根本上看，你還是要回到晶圓產能這樣的基礎約束。比如 wafer starts，這是一個硬限制。相比之下，電力和能源問題更容易解決。
審批流程和監管環境會成為另一個約束，影響你推進項目的速度。即使是在像德州、內華達、蒙大拿這樣鼓勵發展的地方，土地很多，但整體推進速度仍然有限。
我認為我們已經取得了很大進展，但對美國來說，這仍然是一個非常關鍵的問題。你會看到中國的建設速度非常快，這一點令人印象深刻。
我們確實需要學會更快地建設。甚至要換一種思維方式，去想「如何把物理世界的建設速度提升 10 倍」。
不過我也會擔心，這裡會出現阻力。事情不會只是少數人決定「我們要更快建設」就能解決，比如數據中心的限制政策。
所以總結下來，主要瓶頸包括：晶圓產能、審批能力，以及整體執行速度。政府其實也在努力改善這些問題，大家已經意識到必須做得更好。
再往下就是供應鏈裡的關鍵組件，比如記憶體。短期內我們確實受限，但整個行業都會去應對。
主持人：所以記憶體是你最關注的瓶頸嗎？
Sundar Pichai：記憶體確實是目前最關鍵的組件之一。
主持人：那短期內是不是會通過漲價和擴產來解決？
Sundar Pichai：領先的記憶體廠商不可能在短時間內大幅提升產能。所以短期內會有約束，但隨著時間推移會逐漸緩解。同時，這些限制也會推動創新，比如我們會把系統效率提升 30 倍。這些事情是同時發生的。
記憶體也會像算力一樣，誰越多誰越有優勢，但也有例外：Gemma 4，甚至可以裝進 U 盤
主持人：這會不會導致市場變成寡頭格局？因為現在很像「算力搶椅子」的遊戲——誰有算力，誰就領先。
如果大家都只能按比例獲得資源，那其實就限制了彼此之間的差距。這個判斷合理嗎？
Sundar Pichai：我覺得這是一個合理的分析框架。但也有一些因素會打破這種判斷。比如我們剛剛發布了 Gemma 4，這是一個非常優秀的開源模型。
中國的一些模型也很強，但在中國之外，Gemma 4 是非常有競爭力的開源方案。有趣的是，從前沿模型到 Gemma 4 的差距，在「能力」上看似很大，但在「時間」上又沒有那麼遠。Gemma 4 基於 Gemini 3 的架構。
更奇妙的是，這樣一個模型，本質上是一組可以裝進 U 盤的權重文件。
主持人：確實很瘋狂。
Sundar Pichai：是的。你可能運行了幾個月的數據中心，最後產出的是一個「扁平文件」，就像一個 Word 文件一樣，這就是模型本身。這種特性讓整個問題變得很有意思，也讓我們重新思考這些框架是否成立。
在推理階段，你剛才的判斷是合理的。但整個行業也在想辦法，通過資本激勵去突破這些約束。
不過現實是，2026 或 2027 年的記憶體供給，不是靠資本就能立刻解決的。這段時間可能會看到模型之間出現更大的分化。
但與此同時，晶圓產能在增加，數據中心審批在推進，所以這些約束也沒有看起來那麼絕對。你必須把所有要素放在一起看，包括資本。
主持人：現在的情況有點像「荷姆茲海峽」，就算油價再高，如果每天少了 2000 萬桶供給，就必須有同樣規模的需求被消滅。記憶體也是類似，總有人拿不到他們想要的資源。
約束會激發創造力
Sundar Pichai：確實如此。而且還有其他約束，比如安全。這些模型很可能會「打破」大量現有軟體系統。甚至現在可能已經在發生了。
主持人：你是說所有軟體嗎？像 SSH 這種系統被攻擊了很多年。
Sundar Pichai：我指的是更廣泛的軟體平台，比如零日漏洞的數量。這些系統層面的約束是無法忽視的。我聽說黑市上零日漏洞的價格正在下降，因為 AI 提高了供給，這其實是一個很有意思的市場信號。
主持人：這確實挺合理的。
Sundar Pichai：技術如何在社會中擴散，會帶來各種影響，也可能出現一些「隱藏約束」和系統性衝擊。但即便如此，我依然認為未來空間很大。某種程度上，這些約束甚至是有益的。約束會激發創造力，迫使系統進入「壓縮週期」，提升效率。
同時，也會逼出一些本來不會發生的重要討論。比如在安全問題上，我們顯然需要更多協同，而現在還沒有做到。
未來可能會出現某種「臨界時刻」，這些問題會集中爆發。這些都是無法迴避的。
Google 投入的那些「長得離譜」的遠期項目：自動駕駛、量子計算、機器人、現實世界模擬、藥物發現
主持人：說到這裡，Google 其實擁有一整套非常強的資產組合。你們既有自研的，也有投資的。比如你們持有 SpaceX 的股份，也投資了 Anthropic，還擁有 Waymo 的大部分股權。
內部還有大量技術積累，比如 Transformer、TPU、量子計算等等。除了這些，是否還有一些「隱藏寶藏」，是外界低估但未來可能影響巨大的？
Sundar Pichai：我們一直在做一件事：把那些剛發布時看起來有點「離譜」的長期項目，持續推進下去。比如我們現在已經在非常早期階段，開始思考「太空數據中心」。你剛才提到「約束激發創造力」，這正是一個典型例子。如果你用 20 年的視角來看，這些數據中心到底該建在哪裡，本身就是一個極其複雜的問題。
這些就是我們今天在思考的項目，它們就像 2010 年的 Waymo 一樣。量子計算也是其中之一，我們正在非常堅定地推進，並且我對此很興奮。
主持人：你覺得量子計算會在哪些領域產生最大影響？現在大家主要談分子建模和密碼學，還有量子安全加密。
但在分子建模上，深度學習模型其實已經很強了，比如你們用 AlphaFold 做的事情。你覺得量子計算真的會帶來改變嗎？
Sundar Pichai：從抽象層面來看，量子計算的核心價值在於更好地模擬自然。既然自然本身是量子系統，那麼用量子系統去模擬它會更有優勢。當然，也有可能我們會通過經典計算、或者通過壓縮和抽象，在某些問題上達到類似效果。
但我直覺上認為，量子計算在這裡會有優勢。比如我們至今仍然沒有完全理解化肥生產中的哈柏法，這類複雜系統很多。
我更傾向於認為，在天氣模擬、現實世界模擬這些領域，量子計算會有優勢。但技術發展的規律是：當某個技術規模化之後，人們的創造力會在其上找到應用。
我常舉一個例子：智慧手機 + GPS 最終催生了 Uber。在當初做手機的人，沒有人會預想到這個結果。
所以我相信，如果量子計算真正可用，它會帶來大量應用。
主持人：剛才你在講 Google 的一些「遠期項目」。
Sundar Pichai：是的。Google DeepMind 現在在機器人方向上投入很深。
其實我們在這個領域曾經有點「太早了」，大概在 10 到 15 年前，很多想法缺少關鍵要素，而那個要素就是 AI。現在，基於 Gemini 的機器人模型，在空間推理等能力上已經達到 SOTA 水準。
我們也在重新與 Boston Dynamics、Agility Robotics 等公司合作，以更堅定的方式推進進展。與此同時，外部也有很多非常優秀的初創公司，我們也在投資。
比如我剛才提到的太空數據中心，還有通過 Wing 做無人機配送。我們正在擴大 Wing 的規模，在一個相對不算太遠的時間裡，大約有 4000 萬美國人可以使用 Wing 的配送服務。
這些項目的特點是：長期、持續、複利式推進。我們是長期承諾的。
還有 Isomorphic Labs，這個方向也非常令人興奮。它的思路是用模型去優化藥物發現的每一個環節。即便後面還有 III 期臨床這樣的長週期流程，你也能以更高的成功概率走到那一步。相比只關注分子設計，這種覆蓋更完整流程的方法更聰明。
Google 的資本押注方法：早期就做深度技術下注
主持人：我想換個問題。我很好奇 Google 是怎麼做「資本配置」的。所謂好的資本配置，是把資源投入到「最高價值用途」，本質上是對機會成本的判斷。
在商學院的例子裡，比如 Boeing，你可以選擇去競標一個國防合同，或者開發一款全新的民用飛機，然後比較 IRR，選更高的那個。
但在 Google，這些項目差異太大了。比如你可以給 YouTube 更多預算去優化推薦算法，從而提升用戶時長和變現；也可以給 Waymo 投資，讓它更快商業化；或者投一個五年後才可能見效的 AI 技術。
當這些項目的性質和回報曲線完全不同，你怎麼比較它們、做決策？
Sundar Pichai：這是個很好的問題，而且現在比以往任何時候都更明顯——尤其是在 TPU 資源分配上。甚至像 Waymo 這樣的項目，也需要用到 TPU，這讓問題變得更加突出。
順便說一句，我非常期待 AI 在這件事上能提供幫助。只要我們能把數據打通，模型其實已經具備能力，可以參與這類決策。但目前的瓶頸在於數據還沒有完全流動起來。
從歷史上看，Google 的一個優勢是：我們往往在週期早期就做出決策。
這和我們「深技術導向」的基因有關。
在很早期階段，你做的投資規模其實不大，但一旦確認方向，就會長期堅持，同時確保底層技術在持續推進。
比如量子計算，我們會設定一些關鍵指標，比如邏輯量子比特的錯誤率、穩定性閾值，在特定時間點是否能達到目標，用這些來評估進展。
我們一直比較堅持的一點是：要在早期就做深度技術下注。在持續決策中，我更傾向於用一種「直覺 + 長期價值」的方式來看問題。你會去想一個項目在 5 到 10 年後的市場規模（TAM）與潛在價值，把增長假設拉到一個非常激進的水準，再去判斷這個投資是否合理。
TPU 就是一個很好的例子，我們一直在持續投入。Waymo 也是，當兩三年前外界開始變得悲觀、很多人退出時，我們反而加大了投入。
這個產品的體驗是非常「魔法」的。我現在只要有機會，每天都會用 Waymo 上下班。
Waymo 如何做底層技術量化？
主持人：Waymo 其實很好地體現了這個問題。Google 也會砍項目，比如關閉一些 X 實驗室的項目。但 Waymo 從演示到真正商業化，經歷了很長時間，你們始終沒有放棄。
當初你們看到的是什麼？這是一個定性判斷，還是定量判斷？為什麼放棄 Loon，卻堅持 Waymo？
Sundar Pichai：關鍵在於底層技術的可量化進展。以 Waymo 為例，我們關注的是自動駕駛系統本身的能力，比如安全性和可靠性的提升。這是一個長期任務，你需要持續評估系統到底有多安全、是否在不斷進步。
你需要沿著那條技術曲線去看，設定目標、預測進展，並不斷評估實際表現。我認為團隊在這方面做得非常出色。過程中確實會有一些階段進展放緩，但這種時候你更需要相信團隊的能力，相信他們可以突破瓶頸。我自己的經驗是，如果你能從更底層的技術維度去評估項目，往往能做出更好的判斷。
自動駕駛 + 機器人：有了端到端方案，的確進展會更快
主持人：我聽過一個關於 Waymo 的觀點：最近的巨大進展，很大程度上來自於從「手工規則 + 地圖」的方法，轉向端到端深度學習，也就是 Transformer 浪潮帶來的突破。如果 Waymo 是 5 年前才啟動，而不是 15 年前，會不會現在達到同樣的進展？
Sundar Pichai：我們之前提到過機器人，其實可以把 Waymo 看作一個機器人系統。過去三年才進入機器人領域的團隊，可能確實會進展更快。
但 Waymo 是一個高度複雜的系統集成工程，有點像 TSMC 或 SpaceX 這樣的系統，你需要在極其複雜的層面上做整合。Waymo 裡有很多「隱性的工程能力」，包括如何構建系統、如何推進這些工作，這些都需要時間積累。
當然，我也認為端到端方法在這個過程中起到了關鍵作用。更重要的是，Alphabet 和 Google 一直堅持投資這支團隊，讓它等到了技術爆發的那個時刻，這本身就是一個巨大的優勢。
加大投入創新業務的核心原則：評估回報
主持人：那這個經驗如何遷移到其他領域？比如機器人，現在看起來似乎可以更快推進。你們會重新把硬件能力收回到內部嗎，還是繼續依賴合作夥伴？
Sundar Pichai：我們會保持開放的態度。但從 Waymo 和 TPU 的經驗來看，如果你真的想把技術曲線往前推，尤其是在涉及安全和監管的領域，你需要親自參與完整的產品反饋閉環。
所以我認為，擁有第一方硬件能力會變得非常重要。
主持人：我還有兩個關於資本配置的問題。過去 Google 一直保持很強的現金儲備，相對比較「保守」。但考慮到你們有大量創新機會，核心業務又持續增長，從回報率角度看，是否應該更激進一些，比如增加槓桿，把更多資金投入新項目或核心業務？
Sundar Pichai：這是個很好的問題。比如如果 Waymo 更早達到現在這個階段，我當然會更早投入更多資本。
本質上你是在評估回報。如果你對投資回報（ROIC）非常有信心，那就應該盡可能投入更多資金。
但如果你認為有部分資金暫時找不到足夠高回報的去處，那就需要謹慎管理。這也是為什麼我們會投資其他公司，比如 Stripe、SpaceX、Anthropic 等。
我們的核 心原則一直是：做一個負責任的資本管理者。而在當前 AI 轉型階段，我們確實看到了更多可以高效部署資本的機會，所以也在加大投入。
回頭看，我當然希望更早在 Waymo 上加大投入，但當時技術成熟度還不夠。比如在某個階段，從安全角度看，並不適合加速推進。
整體來說，我不太認為是「因為資金不夠導致進展慢」，而是項目本身有其自然的成長節奏。
Google 怎麼給工程師分配算力
主持人：最後一個問題。過去科技公司的研發成本，主要是「人」，也就是工程師。但現在，像 TPU 這樣的算力資源變成了關鍵投入。那在 Google 內部，你們是怎麼做預算分配的？是同時給項目分配人力和算力嗎？它們是同一個預算嗎？
Sundar Pichai：其實我們一直都有算力預算，即使在傳統計算時代也是如此。但在機器學習時代，我們同時大量使用 TPU 和 GPU，算力規劃變得更加重要。
我們依然非常重視人力規劃，但算力資源現在變得極其稀缺。過去有些階段比較寬鬆，但現在約束非常明顯。我自己每週都會花至少一個小時，專門去看算力分配的問題，而且是非常細緻的層級。
我會看到每個項目、每個團隊使用了多少算力資源，並進行評估。這在當前階段是非常關鍵的一項工作。在很多情況下，最稀缺的資源就是算力，所以必須確保這些資源被投入到最有價值的項目中。
主持人：那在 Google Cloud 這塊，你們既要滿足內部需求，又要對外提供算力，這個分配是怎麼做的？
Sundar Pichai：我們會做前瞻性的規劃。雲業務團隊會提前制定計劃，我們根據這些計劃來配置資源，同時也兼顧內部需求。
我們會做前瞻性的規劃。在這個過程中，你也會和客戶簽下長期承諾。凡是對客戶做出的承諾，都是必須嚴格履行的，這些都是合同級別的義務。很多問題其實是通過提前規劃來解決的。
在規劃過程中，大家都處在資源受限的環境裡。雲團隊可能也會覺得算力不夠用，但通過前置規劃，整體還是可以運轉起來。
給 Google 的建議一：更流行的方向：AI 讀取所有文檔的 API
主持人：說到 Google Cloud，我攢了一個產品建議，正好現在提出來。有個做得特別好的點是 GCP / MCP，你們讓 AI 可以直接以編程方式操作雲服務，這非常強。你們幾乎把所有能力都開放了，除了最核心的權限管理部分。
過去 Google Cloud 有一個問題是功能太多，用戶進入之後需要創建組織、項目、再去找服務，路徑比較複雜。但現在這些都不重要了，你只需要說一句：「幫我加一個這個功能」，AI 就可以搞定。
這反而讓 Google Cloud 的優勢被放大了——因為它的能力覆蓋面太廣。
我們在 Stripe 也有類似問題，功能越來越多，用戶很難導航。但現在最好的「入口」，其實是一個讀過所有 API 文檔的 AI，這個體驗已經很好了。
AI 作為「編排層」的價值開始顯現：無論是對產品，還是對企業內部。過去如果 CEO 想整合所有數據，往往意味著要做一個大型 ERP 項目，現在 AI 可以直接把這些數據整合出來，這種體驗非常好。
產品越複雜、能力越多，這種提升就越明顯。
Sundar Pichai：我覺得我們還能做得更好。但你說的方向是對的，這是一個巨大的機會。
建議二：讓普通用戶也用上長時程的 AI
主持人：那我繼續提產品建議了（笑）。最近像 OpenClaw 這樣的產品讓我很感興趣，它們在做「有狀態的 AI」，也就是可以長期運行、持續記憶的 AI。
比如每天自動整理我關心的新聞並發送給我，這種需要「持續性」的任務，目前主流 AI 產品還不太支持。這個能力會來嗎？
Sundar Pichai：從方向上看，這是未來。你希望用戶可以在一個可靠、安全的環境裡，運行長期任務。
這裡涉及身份、權限等問題，但整體方向很明確，這是 agent 化未來的一部分。把這種能力帶給普通用戶，是一個很有潛力的方向，我們也在探索。
主持人：我也很認同。有家公司（前 Stripe CTO 做的，後來被 Meta 收購）已經做了一個早期版本，可以讓用戶自己搭建帶「持久性」的小應用。
用戶第一次體驗的時候，會有很強的驚喜感。我感覺未來的消費級產品，本質上都會是「帶編程能力的 AI」，再加上合適的運行環境、持久化能力，以及雲端執行能力。
現在大概只有極少數人（可能 0.1%）在用這種方式為自己構建工具，但真正走向大眾，會是一個非常大的機會。
Google 產品的 AI 化節奏透露：接下來會具備更深層的能力：上下文管理
主持人：我還有一個產品建議。在 Google Docs 裡的搜尋體驗，明顯比 Gmail 差。
郵件搜尋好用，是因為關鍵詞更獨特；但文檔搜尋時，比如我想找「2026 預算」，這些詞在公司裡到處都是，結果很難找到具體那一份。你會有這個問題嗎？
Sundar Pichai：我沒有你描述得那麼強烈，但你一說，我完全能共鳴。我現在腦子裡已經在想，這段對話要發給哪個團隊（笑）。我知道要找誰來解決這個問題。
我覺得我們可以把這個體驗做得更好。隨著 AI 在這些產品中的深入整合，接下來幾個月你會看到明顯提升。
現在其實還只是第一階段，把 AI 加進來而已。接下來會是更深層的能力，比如上下文管理、緩存、信息整合等等，我們還有很大提升空間。
CEO 的核心任務：同心圓擴散，DeepMind 的新工作流推廣到其他團隊
主持人：我接觸的很多公司，包括一些剛成立不久的，都已經在重構自己的開發流程、產品流程，甚至重新定義設計團隊的角色。Google 這邊也在做類似的調整嗎？
Sundar Pichai：可以把這個過程理解成「同心圓擴散」。公司內部有一些團隊已經發生了很深的變化。
我的一個核心任務，是把這種變化擴散到更多團隊，尤其是在 2026 年。
早期之所以沒法全面鋪開，是因為這些工具還不夠穩定，有點像一個很有潛力但還不成熟的新世界。但今年，我能明顯感覺到曲線在加速。
像 Google DeepMind 以及部分工程團隊，已經在大幅改變工作方式。他們在使用內部工具（內部叫 Jet Ski，對外叫 Antigravity），本質上是在一個「agent 管理器」的環境中工作。
團隊已經有了一整套新的工作流，是完全不同的開發方式。上週我們已經把這個系統推廣到 Search 團隊，還在持續推進。在大公司裡，這種變化的難點在於「變更管理」。小公司可以很快切換，大公司則需要時間。
大模型能力溢出帶來的四個問題
主持人：我補充幾個我觀察到的問題：AI 的能力已經很強，但企業真正用起來的程度還遠遠不夠，存在一個明顯的「能力溢出但利用不足」的情況。
我看到的問題大概有幾類：第一，工程師要真正學會「怎麼高質量地給 AI 寫 prompt」，是需要時間的。同一個任務，prompt 寫得好和寫得差，效果差異很大。在 Stripe 內部，還有一層是「針對 Stripe 體系的 prompt」，比如知道該調用哪些工具。所以既有通用的 prompt 能力，也有公司特定的 prompt 能力。
第二，AI 生成程式碼帶來的協作問題也很明顯。因為改動範圍很大、程式碼迭代速度很快，甚至在正式上線前就會被重寫多次，這導致多人協作反而更困難。相比以前程式碼變化節奏更慢的時候，現在的協作模式還沒完全跟上。
再往工程之外看，一個更大的問題是數據訪問。比如你想讓 agent 回答：「全世界的公司裡，每天有多少次有人問『這個 deal 進展怎麼樣了？』」這類信息其實公司內部是有的，也應該能被 agent 直接回答。我們在 Stripe 已經能部分做到這一點，但當公司規模變大，就會遇到權限系統的問題——誰可以訪問哪些數據，這套機制需要重構。
接下來是角色定義的問題。像工程、產品、設計這些分工，本質上是過去時代的產物。隨著 AI 能力增強，這些角色在某些場景下可能會融合。
所以我的整體判斷是：到 2026 年，模型能力已經足夠強，但實際使用程度還遠遠不夠。你怎麼看這個「能力已到、使用不足」的問題？
Google 解決的思路：點狀突破，難點在於身份與權限控制
Sundar Pichai：你提到的這些問題，實際上正是 Gemini 企業團隊以及 Antigravity 團隊正在解決的核心問題。這基本就是產品路線圖本身。
我們在內部已經在使用這些工具，也確實遇到了你說的這些障礙，然後一步步去解決它們。這些解決方案最終會變成對外發布的產品。
目前的擴散方式是這樣的：團隊在使用過程中，會在局部發現機會，比如 Google 的 SRE 團隊，會找到一些可以自動化的流程，並開始構建工作流。這種「點狀突破」正在發生。
但接下來更關鍵的是：這些能力如何系統化？如何沉澱為可複用的技能？如何被模型調用、被整個公司使用？
身份與權限控制是非常複雜的問題，我們正在解決。但這些確實是限制 AI 大規模落地的核心因素。
另外，我們對安全的要求非常高，這又增加了一層複雜度。因為一旦在這種規模的系統裡出錯，代價是非常高的。
不過正因為我們在解決這些「高難度問題」，一旦突破，帶來的能力會更加穩健。現在可以看作是在付「固定成本」，但一旦完成，你會看到能力的大幅躍遷。不只是我們，行業裡其他公司也在做類似的事情。
2027 將是非工程領域的關鍵拐點
主持人：Google 應該每年都會做幾次業務再預測吧？我們在 Stripe 也是，每年定預算，然後一年內做三次 re-forecast。本質上，這件事就是：把當前業務狀態（有些在腦子裡，有些在文檔裡）輸入一個函數，輸出全年新的預測。
你覺得未來會不會完全由 AI 來做預測？完全沒有人參與的那種？Google 什麼時候會出現第一次「完全 agent 化」的預測？
Sundar Pichai：我認為在某些領域，2027 年會是一個關鍵拐點。即便是現在做這些工作的人員，他們的工作流也會逐漸轉向以 AI 為核心。短期內可能還會用傳統方式做校驗，但會逐漸完成切換。
我預計 2027 年會有比較明顯的變化，很多流程會發生實質性的轉變。
主持人：也就是說，工程領域是最早採用的，但在工程之外的流程，大概會在 2027 年開始明顯變化？
Sundar Pichai：是的。另外你之前提到機器人或 Waymo，那類公司還有一個優勢：它們可以從一開始就是 AI-native。初創公司可以通過招聘和組織設計，直接構建這種能力。而像我們這樣的大公司，需要經歷再培訓和組織轉型，這本身就是一個挑戰。
這是年輕公司的一大優勢，而我們需要主動推動這種轉型。
主持人：最後一個問題。我們聊了很多 Google 內部從「小項目」成長起來的案例，比如 Transformer。那現在 Google 內部，有沒有什麼你覺得很小、但很有潛力的項目？
Sundar Pichai：比如「太空數據中心」這個方向，一開始就是一個很小的團隊，用很小的預算推進到第一個里程碑。我認為，即使是很大的想法，也應該從小規模開始。
另外一個例子是，我昨天剛聽一個人講他在做的後訓練優化，是非常具體、很細節的改進。但我聽完的感覺是，這個優化一旦上線，會帶來明顯的能力提升。
這就是這個時代的特點：很多看似微小的改進，都會產生很大的影響。具體細節我現在不方便展開，但未來肯定會發布。
主持人：聽起來一個是太空數據中心，一個是新的機器學習技術路徑。很有意思的答案。
Sundar Pichai：謝謝，很高興聊這些。