DeepMind 運(yùn)作模式曝光！暗示根本沒輸 OpenAI：?jiǎn)T工20% 時(shí)間重啟創(chuàng)新，保守巨頭直接變 “實(shí)驗(yàn)狂”

作者 | 高允毅

很多人知道，Transformer 是谷歌發(fā)明的。但 ChatGPT，卻不是谷歌做出來的。這件事，在過去幾年，幾乎成了硅谷最大的“遺憾注腳”。

但如果真正走進(jìn)今天的 Google DeepMind，你會(huì)發(fā)現(xiàn)谷歌并不是“慢”，而是在下一盤更大的棋。

近期，Google DeepMind 首席運(yùn)營(yíng)官 Lila Ibrahim 與谷歌研究、技術(shù)與社會(huì)高級(jí)副總裁 James Manyika 在一檔播客中，第一次系統(tǒng)性拆解了這家公司正在發(fā)生的變化：

• DeepMind 到底怎么運(yùn)作？

• 為什么 Gemini 可以每 6 個(gè)月迭代一代？

• 谷歌如何在量子計(jì)算、材料科學(xué)、氣象預(yù)測(cè)、太空算力這些領(lǐng)域同步推進(jìn)？

• 以及，AI 原生產(chǎn)品是如何真正落地，而不是停留在實(shí)驗(yàn)室？

如果說 OpenAI 是一家高速?zèng)_刺的創(chuàng)業(yè)公司，那么今天的谷歌，更像一座重新啟動(dòng)的“現(xiàn)代版貝爾實(shí)驗(yàn)室”。

DeepMind 運(yùn)作模式有兩個(gè)核心方法論：

• 只給方向，不給答案。

制定宏大的研究議程，但不規(guī)定路徑，研究者擁有高度自由。

• 廣泛的跨學(xué)科研究。

生物倫理學(xué)家、神經(jīng)科學(xué)家、計(jì)算機(jī)科學(xué)家可以在同一張桌子上工作，這是谷歌的日常。

而在這套機(jī)制背后，還有一個(gè)關(guān)鍵變量，即 Google DeepMind 的靈魂人物 Demis Hassabis。他擁有對(duì)時(shí)機(jī)的精準(zhǔn)判斷，既能自上而下設(shè)定方向，又允許自下而上產(chǎn)生創(chuàng)新。

比如 Demis Hassabis 判斷，2026 年 Gemini 已經(jīng)足夠成熟，可以全面吸收 DeepMind 在“學(xué)習(xí)科學(xué)”上的積累。這種判斷，決定了資源如何傾斜，決定了產(chǎn)品什么時(shí)候進(jìn)入爆發(fā)期。

James Manyika 提到，過去三年最大的變化，是把 Google Brain 和 DeepMind 合并，圍繞 Gemini 建立了一個(gè)中央 AI 引擎。在這一模式下：

• Gemini 是全公司的底層基礎(chǔ)設(shè)施

• 每 5、6 個(gè)月完成一次重大迭代

• 模型一發(fā)布，立刻進(jìn)入搜索、Workspace、Gemini App 等核心產(chǎn)品

與此同時(shí)，谷歌實(shí)驗(yàn)室文化正在回歸，而且規(guī)模比過去更大。

James Manyika 透露，實(shí)驗(yàn)室目前同時(shí)推進(jìn)約 30 個(gè)項(xiàng)目。

谷歌有一套聞名硅谷的創(chuàng)新機(jī)制，即全體員工拿出 20% 的時(shí)間用來做項(xiàng)目以外的探索，這會(huì)源源不斷爆發(fā)出好產(chǎn)品來反哺谷歌。比如能消化資料的 Notebook LM ，AI 電影制作工具 Flow。

如果只看生成式 AI，你會(huì)低估谷歌。因?yàn)?DeepMind 同時(shí)在推進(jìn)生物研究、教育體系、材料科學(xué)、氣象預(yù)測(cè)、量子計(jì)算、太空算力計(jì)劃等。而在不少領(lǐng)域，谷歌已經(jīng)取得里程碑式成就。

從量子糾錯(cuò)的突破，到覆蓋 150 個(gè)國(guó)家的洪水預(yù)測(cè)系統(tǒng)，再到試圖把 TPU 送入太空進(jìn)行訓(xùn)練的 Project Suncatcher，這些布局顯示出一種極少見的長(zhǎng)期視角。

“從謹(jǐn)慎地發(fā)布”到“在發(fā)布中學(xué)習(xí)”，谷歌完成了新節(jié)奏的轉(zhuǎn)變。這家公司，正在重新定義什么叫“長(zhǎng)期主義”。當(dāng)它真正開始加速時(shí)，人們是否已經(jīng)意識(shí)到，它的棋局，比所有人想象的都要大？

以下是播客的精彩細(xì)節(jié)，有更多谷歌最新進(jìn)展，歡迎來看：

谷歌 DeepMind 的運(yùn)作模式：

貝爾實(shí)驗(yàn)室與阿波羅計(jì)劃

主持人：DeepMind 首席執(zhí)行官 Demis Hassabis（戴比斯?哈薩比斯）之前在我們節(jié)目里，把 DeepMind 形容為現(xiàn)代版的貝爾實(shí)驗(yàn)室。Laya，這具體意味著什么？你能介紹一下它的研究模式嗎？它是實(shí)驗(yàn)室模式還是公司化運(yùn)作？

Laya Ibrahim：我想先從我們的使命“負(fù)責(zé)任地構(gòu)建 AI，造福人類”說起，因?yàn)橐磺卸家源藶榛A(chǔ)。

首先，我們會(huì)制定極具雄心的研究議程，只明確大方向，不規(guī)定具體做法。我們的思路借鑒了貝爾實(shí)驗(yàn)室的黃金時(shí)代，也參考了阿波羅計(jì)劃，甚至還有皮克斯。核心是匯聚頂尖人才，打造能讓他們成功、能放手探索的環(huán)境。

第一，明確宏大的研究方向，告訴團(tuán)隊(duì)聚焦哪些領(lǐng)域，但不規(guī)定他們?nèi)绾喂ぷ鳌?/strong>

第二，由于研究范圍極廣，我們要打造跨學(xué)科團(tuán)隊(duì)。我們要營(yíng)造一種文化，讓生物倫理學(xué)家、計(jì)算機(jī)科學(xué)家、神經(jīng)科學(xué)家能并肩工作，我們認(rèn)為這才是產(chǎn)生突破、創(chuàng)造價(jià)值的關(guān)鍵。這種方式已經(jīng)帶來了很多非凡的成果。我們也敢于探索，并且懂得判斷時(shí)機(jī)。Demis Hassabis 在把握節(jié)奏上非常出色：該投入探索、設(shè)定宏大目標(biāo)、評(píng)估進(jìn)展；也敢于果斷叫停，或是加倍投入。

一個(gè)很好的例子：過去幾年我們一直在學(xué)習(xí)科學(xué)領(lǐng)域深耕，研究人類如何學(xué)習(xí)、如何改進(jìn)學(xué)習(xí)方式。今年 Demis Hassabis 判斷，Gemini 已經(jīng)足夠成熟，可以把我們?cè)趯W(xué)習(xí)科學(xué)上的積累全面注入 Gemini，這也是我們的重點(diǎn)方向之一，以此提升 Gemini 為學(xué)習(xí)者提供的能力。谷歌 DeepMind 在時(shí)機(jī)判斷上，確實(shí)有很獨(dú)特的地方。

主持人：我們?cè)偈崂硪幌铝鞒獭＞拖衲銊偛耪f的，Demis Hassabis 判斷 Gemini 已經(jīng)準(zhǔn)備好承接學(xué)習(xí)科學(xué)相關(guān)能力，于是 DeepMind 開始推進(jìn)。谷歌 DeepMind 的工作，自上而下和自下而上的比例大概是多少？Open AI 曾把自己的模式形容為大公司里的一堆初創(chuàng)公司。谷歌是類似模式，還是更偏自上而下？

Laya Ibrahim：因?yàn)槲覀兊氖姑浅：甏螅覀円业?AI 能夠幫助人類解開宇宙謎題、應(yīng)對(duì)人類重大挑戰(zhàn)的核心方向。這個(gè)范圍足夠廣，我們既可以做氣象研究、提升天氣預(yù)報(bào)，也可以做 AlphaFold（是 DeepMind 開發(fā)的、能精準(zhǔn)預(yù)測(cè)蛋白質(zhì) 3D 結(jié)構(gòu)的 AI 程序，被稱為結(jié)構(gòu)生物學(xué)的革命）。這樣的蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)，幫助理解疾病、研發(fā)療法；還可以持續(xù)優(yōu)化生成式 AI，改善人們的生活。

我們采取非常寬泛的組合布局，但同時(shí)給研究者留出探索空間。這也是我一開始說的，我們要找到合適的人才，即使命驅(qū)動(dòng)、價(jià)值觀一致、愿意探索、追求大影響力、能依托谷歌平臺(tái)實(shí)現(xiàn)規(guī)模化的人。Demis Hassabis 在這方面的思考非常出色，他深耕這個(gè)領(lǐng)域已經(jīng)很久了，DeepMind 成立 16 年，這幾乎是他畢生的使命。同時(shí)我們團(tuán)隊(duì)里滿是富有創(chuàng)造力、喜歡跨學(xué)科協(xié)作、希望改變世界的人，他們也會(huì)提出自下而上的思路和做法。所以是兩者結(jié)合，一部分是 Demis Hassabis 主導(dǎo)的自上而下，一部分是團(tuán)隊(duì)自下而上的探索。

主持人：這種組織架構(gòu)對(duì)管理和人才要求很高。我們?cè)侔岩曇胺糯蟮秸麄€(gè)科技行業(yè)。曾經(jīng)有一段時(shí)間，很多科技公司會(huì)給頂尖人才很大的自由度，去探索短期看不到成果的方向。后來突然進(jìn)入 AI 競(jìng)賽，很多公司把做長(zhǎng)期項(xiàng)目的研究者和產(chǎn)品綁定得更緊，長(zhǎng)期研究幾乎被要求立刻產(chǎn)生產(chǎn)品價(jià)值。這種變化在 DeepMind 內(nèi)部也發(fā)生了嗎？

Laya Ibrahim：我加入谷歌大概八年了，我們確實(shí)經(jīng)歷了一段發(fā)展歷程。但谷歌 DeepMind 之所以能讓很多員工長(zhǎng)期留下來，正是因?yàn)槲覀冇凶銐驅(qū)挿旱牟季帧Ｓ行┤讼Ｍ^續(xù)做前沿 AI 的深度研究，或是偏科學(xué)方向的探索，我們有空間支持這種純探索；同時(shí)我們也能落地生成式 AI 的進(jìn)展，比如去年 Gemini 取得的一系列突破。

主持人：我再進(jìn)一步追問。谷歌內(nèi)部的轉(zhuǎn)型被描述為：不再讓每個(gè)產(chǎn)品部門各自制定 AI 路線，而是公司內(nèi)部有一個(gè)中央引擎，也就是 AI 部門，負(fù)責(zé)構(gòu)建 AI 能力，再賦能給各個(gè)產(chǎn)品部門。你能介紹一下這個(gè)流程嗎？

Laya Ibrahim：這也是過去幾年最令人興奮的變化之一，即Google Brain 和 DeepMind 合并，把谷歌最優(yōu)秀的 AI 團(tuán)隊(duì)和研究力量匯聚到一起，讓我們可以布局更廣泛的領(lǐng)域。正如你所說，我們的定位是 AI 創(chuàng)新引擎。但我不會(huì)說我們是 “分發(fā)” 技術(shù)給其他谷歌團(tuán)隊(duì)，而是和產(chǎn)品部門、用戶緊密協(xié)作，了解真實(shí)需求，從一開始就把模型做得更貼合場(chǎng)景，以協(xié)作、負(fù)責(zé)任的方式推進(jìn)。等到技術(shù)落地到谷歌各個(gè)產(chǎn)品時(shí)，已經(jīng)經(jīng)過大量測(cè)試，并可以針對(duì)特定場(chǎng)景優(yōu)化。這也帶來了很好的結(jié)果，比如我們發(fā)布 Gemini 3 之后，立刻就能向大量開發(fā)者和用戶開放使用。

主持人：最后一個(gè)問題，然后我交給 James。我們節(jié)目有一個(gè)觀察：Sundar Pichai（桑達(dá)爾?皮查伊）曾在麥肯錫工作，現(xiàn)在谷歌的重組、集權(quán)、再協(xié)同各團(tuán)隊(duì)的方式，很像麥肯錫式思路。這一點(diǎn)是否屬實(shí)？

James Manyika：我本人也曾在麥肯錫工作，或許我能回應(yīng)這個(gè)組織架構(gòu)的問題。現(xiàn)在谷歌的格局非常特別：一方面是 Gemini 項(xiàng)目，這是所有能力的基礎(chǔ)，構(gòu)建大規(guī)模模型，Gemini、Gemini 2.5、Gemini 3 等等。三年前，我們整合 Google Brain 和 DeepMind 團(tuán)隊(duì)，啟動(dòng) Gemini 項(xiàng)目。如今這個(gè)項(xiàng)目支撐著全公司的產(chǎn)品 ，你能在搜索、Google Workspace、Notebook LM 等所有產(chǎn)品里看到 Gemini。它是底層基礎(chǔ)，這也是為什么谷歌 DeepMind 和 Gemini 項(xiàng)目成為了核心引擎。

除此之外，公司還有大量深度科學(xué)研究，聚焦最根源的問題，打開大量研究和創(chuàng)新的入口。我們還有很多其他雄心勃勃的項(xiàng)目，比如 Genie 構(gòu)建世界模型，還有為 Waymo 做的專項(xiàng)工作，提升自動(dòng)駕駛模型的能力。所以并不是嚴(yán)格的自上而下，而是以 Gemini 項(xiàng)目為基礎(chǔ)，確保每一次快速迭代。現(xiàn)在我們大概每 6 個(gè)月就有新一代 Gemini 問世，并且立刻全產(chǎn)品落地，沒有延遲。最新版 Gemini 一推出，就會(huì)出現(xiàn)在搜索、Gemini App 等所有地方。這就是過去三年發(fā)生的核心變化。

谷歌實(shí)驗(yàn)室的回歸

與 AI 原生產(chǎn)品的落地

主持人：我們來聊聊實(shí)驗(yàn)室。早期用過谷歌產(chǎn)品的人都記得，谷歌曾經(jīng)有一個(gè)實(shí)驗(yàn)性極強(qiáng)的時(shí)代，后來實(shí)驗(yàn)室一度消失。雖然實(shí)驗(yàn)沒有完全停止，但實(shí)驗(yàn)室被重啟后，我們開始看到谷歌推出大量實(shí)驗(yàn)性項(xiàng)目，已經(jīng)很久沒有這種景象了。實(shí)驗(yàn)室在其中扮演了多大角色？為什么實(shí)驗(yàn)室重新回歸？

James Manyika：實(shí)驗(yàn)室非常有意思。三年前，在 Sundar Pichai 的推動(dòng)下，我們重啟了實(shí)驗(yàn)室。當(dāng)時(shí)正處在 AI 爆發(fā)的節(jié)點(diǎn)，我們想探索、實(shí)驗(yàn)、打造完全以 AI 為核心的原生產(chǎn)品。實(shí)驗(yàn)室的思路是：把谷歌 DeepMind、谷歌研究以及公司內(nèi)部所有頂尖研究成果拿過來，專注打造實(shí)驗(yàn)性的 AI 原生產(chǎn)品。

大家最熟悉的應(yīng)該是現(xiàn)在的 Notebook LM（是 Google Labs 推出的、基于 Gemini 模型的 AI 原生研究與學(xué)習(xí)工具，核心是讓你把自己的資料 “喂” 給 AI，讓 AI 基于你的專屬內(nèi)容提供服務(wù)）。它的起源非常有意思。一開始它叫 Tailwind，只有四五個(gè)人做，想法是打造一款 AI 原生的研究工具，基于用戶自己的內(nèi)容來工作。你可以把資料、書籍、論文、草稿、任何你想導(dǎo)入的內(nèi)容放進(jìn) Notebook，然后和它交互。這個(gè)創(chuàng)意一定程度上也受到作家 Steven Johnson 的啟發(fā)，他會(huì)保存幾十年的筆記、書稿草稿，他希望有一個(gè)產(chǎn)品能把所有資料放進(jìn)去，然后交互提問：我 1997 年是怎么想的？那份草稿寫了什么？Notebook LM 最終就變成了這樣一款強(qiáng)大的研究工具，基于用戶自有內(nèi)容，生成摘要或文稿時(shí)會(huì)附帶引用來源，這是它的核心功能。如果它引用了你的內(nèi)容，會(huì)標(biāo)注出處，你可以點(diǎn)擊跳轉(zhuǎn)回原文，非常實(shí)用。

后來我們又想：有時(shí)候我不想只讀資料，想聽資料。于是我們加入了 AI 音頻概覽功能，效果就像播客，有兩位主持人對(duì)話解讀。這個(gè)想法最早來自 Jeff Dean 等團(tuán)隊(duì)，他們每天要讀大量計(jì)算機(jī)科學(xué)論文，希望能在通勤時(shí)聽論文總結(jié)，篩選要精讀的內(nèi)容。而且人們通過對(duì)話、討論學(xué)習(xí)的效果更好，這也是研討會(huì)的價(jià)值，于是就有了音頻概覽功能，產(chǎn)品也因此真正爆發(fā)。每次我做 AI 演示，都會(huì)現(xiàn)場(chǎng)建一個(gè) Notebook，然后播放播客，第一次接觸的人都會(huì)非常震撼。很多觀眾和聽眾問我：“你們是不是用你的聲音訓(xùn)練的？” 因?yàn)槁犉饋砗芟裎摇Ｎ叶紩?huì)說：不是，只是它開頭總會(huì)說 “我們來拆解一下”，幾乎所有播客都會(huì)這么開場(chǎng)。

Notebook LM 還有一個(gè)很好的使用場(chǎng)景：你可以導(dǎo)入各種格式內(nèi)容 —— 論文、YouTube 視頻、本地文件。我曾經(jīng)用過一個(gè)場(chǎng)景：處理來自 100 多個(gè)國(guó)家、不同語言的論文，全部導(dǎo)入后直接跨語言交互，現(xiàn)在它還支持生成視頻概覽，帶圖表和幻燈片的那種。這就是實(shí)驗(yàn)室里發(fā)生的事情：把 DeepMind 和谷歌研究的頂尖成果，轉(zhuǎn)化為優(yōu)秀的 AI 原生產(chǎn)品。

另一個(gè)例子是 Flow（是 Google Labs 推出的 AI 電影制作工具，由 DeepMind 的 Veo、Imagen 與 Gemini 模型驅(qū)動(dòng)，專為創(chuàng)意人士打造，能把文字、圖像轉(zhuǎn)化為連貫、高質(zhì)量的視頻片段與完整場(chǎng)景）。我講個(gè)小故事：我人生第一次也是最后一次登山，是厄瓜多爾的科托帕希火山。我想做一段視頻記錄，但有些瞬間我沒有拍，只想專心登山。比如我的水壺從背包掉出來，滾下冰川消失在暗處。我想用動(dòng)畫還原這個(gè)片段，就用了谷歌的視頻生成工具 Flow，輸入指令生成紀(jì)錄片風(fēng)格動(dòng)畫，插入到視頻里。放在以前，我得專門找動(dòng)畫師。Flow 就是實(shí)驗(yàn)室誕生的神奇產(chǎn)品。

當(dāng)時(shí)實(shí)驗(yàn)室負(fù)責(zé)人 Josh Woodward、Demis Hassabis 和我們幾個(gè)人聚在一起討論：如果把現(xiàn)有工具整合起來，能做出什么實(shí)用的東西？最初版本比較粗糙，后來我們找了真正的電影制作人交流，獲取反饋。實(shí)驗(yàn)室的一大特點(diǎn)就是和創(chuàng)作者深度合作，讓他們幫助我們打磨工具。Flow 就這樣誕生了。你可以逐鏡頭提示生成視頻，并且支持連貫生成，這也是 “Flow” 這個(gè)名字的來源。最初的版本不夠好用，電影制作人提出：他們需要逐鏡頭創(chuàng)作、拼接、連貫制作。于是我們做了優(yōu)化。

實(shí)驗(yàn)室大概同時(shí)在推進(jìn) 30 個(gè)實(shí)驗(yàn)項(xiàng)目，你去谷歌實(shí)驗(yàn)室網(wǎng)站就能看到。

主持人：我有個(gè)請(qǐng)求，擴(kuò)大開放范圍，很多項(xiàng)目看起來很有意思，但每次都顯示等候名單。

James Manyika：我們會(huì)努力的。比如 Pomello（面向傳統(tǒng)中小企業(yè)的 AI 營(yíng)銷工具，由 Google Labs 與 DeepMind 聯(lián)合開發(fā)），面向中小企業(yè)的工具，不是那種科技初創(chuàng)公司，而是傳統(tǒng)中小企業(yè)，幫助他們快速搭建富有創(chuàng)意的線上展示頁面。還有 AIR Studio（面向開發(fā)者的無代碼 / 低代碼 AI 原型開發(fā)平臺(tái)），面向開發(fā)者。我們希望為各類創(chuàng)作者，比如開發(fā)者、藝術(shù)家、電影制作人、音樂人，打造頂尖 AI 工具。

20% 的時(shí)間用來創(chuàng)新

主持人：有兩個(gè)產(chǎn)品我特別想試用，可能會(huì)成為下一個(gè) Notebook LM：一個(gè)是 CC（基于 Gemini 的個(gè)人 AI 助理、生產(chǎn)力智能體，類似 “超級(jí)版 Notion AI + 個(gè)人日程管家），谷歌內(nèi)部的實(shí)驗(yàn)性生產(chǎn)力智能體；另一個(gè)是 Disco（基于 Gemini 3 的生成式瀏覽器，核心能力是 GenTabs），你可以基于一堆鏈接生成網(wǎng)頁應(yīng)用。比如你規(guī)劃周末活動(dòng)，打開一堆網(wǎng)頁，它就能自動(dòng)生成對(duì)應(yīng)應(yīng)用，比如自定義地圖，標(biāo)注各個(gè)活動(dòng)地點(diǎn)，你選定日期，它會(huì)高亮當(dāng)天可用的項(xiàng)目。

我想問兩位：過去谷歌有所謂 “20% 時(shí)間” 的機(jī)制，員工可以用 20% 的工作時(shí)間做本職以外的項(xiàng)目，很多重磅產(chǎn)品比如 Gmail 就來自于此。這些實(shí)驗(yàn)項(xiàng)目是誰做的？20% 時(shí)間是不是以某種形式回歸了？這么多有趣的實(shí)驗(yàn)，在公司內(nèi)部是如何推進(jìn)的？

James Manyika：我可以先回答。這種機(jī)制實(shí)際上依然存在。回到實(shí)驗(yàn)室，大概 80% 的項(xiàng)目來自實(shí)驗(yàn)室團(tuán)隊(duì)，另外 20% 就來自 20% 時(shí)間項(xiàng)目。

我舉個(gè)教育領(lǐng)域的例子，這也是 Laya 和我非常重視的方向。谷歌研究的一位員工，本職工作和教育無關(guān)，但他提出一個(gè)想法：能不能讓人們用自己適合的方式學(xué)習(xí)？現(xiàn)在的 AI 工具已經(jīng)可以支持多樣化的學(xué)習(xí)方式。這個(gè)項(xiàng)目最終變成了 “Learn Your Way”（ 是 Google Labs 推出的、基于 LearnLM 的 AI 個(gè)性化學(xué)習(xí)實(shí)驗(yàn)工具，核心是把靜態(tài)教材、資料變成適配年級(jí)、貼合興趣、多模態(tài)互動(dòng)的學(xué)習(xí)體驗(yàn)），你可以在谷歌實(shí)驗(yàn)室里找到這款實(shí)驗(yàn)產(chǎn)品。它不是實(shí)驗(yàn)室團(tuán)隊(duì)做的，而是公司其他部門員工的創(chuàng)意。我們持續(xù)從全公司收到各種出色創(chuàng)意。

另一個(gè)例子是 Co-Scientist（是 Google Research 基于 Gemini 2.0 打造的多智能體科研協(xié)作系統(tǒng)，定位是人類科學(xué)家的虛擬研究伙伴，核心是模擬 “假設(shè)生成 — 辯論 — 驗(yàn)證 — 迭代” 的完整科研流程，幫研究者加速發(fā)現(xiàn)、突破思維局限），來自 DeepMind 和谷歌研究，是幫助科學(xué)家進(jìn)行科研發(fā)現(xiàn)的工具，之后會(huì)放到實(shí)驗(yàn)室里測(cè)試、迭代，但它并不是在實(shí)驗(yàn)室內(nèi)部構(gòu)建的。全公司員工產(chǎn)生創(chuàng)意的機(jī)制依然非常活躍，也帶來了很多令人興奮的創(chuàng)新。

Laya Ibrahim：DeepMind 的研究者同樣有機(jī)會(huì)構(gòu)建實(shí)驗(yàn)性產(chǎn)品。這其實(shí)是我們文化的一部分，給大家探索的空間，并且堅(jiān)持跨學(xué)科方式，不只局限于研究者，這一點(diǎn)非常令人興奮。我們會(huì)匯聚不同視角，解決真實(shí)挑戰(zhàn)。有時(shí)候甚至是用 AI 工具提升自身工作效率：比如讓法律團(tuán)隊(duì)更快審核研究論文、獲取反饋；為責(zé)任團(tuán)隊(duì)做更自動(dòng)化的紅隊(duì)測(cè)試；還有解讀古代文獻(xiàn)。

我們有一個(gè)項(xiàng)目，是一位研究者自主發(fā)起的探索：不只關(guān)注今天的智能，還要挖掘被遺忘的歷史知識(shí)。他牽頭做了一個(gè)項(xiàng)目，不僅能鑒定泥板年代，還能補(bǔ)全缺失內(nèi)容、進(jìn)行翻譯。這就是 Project ANEKS 項(xiàng)目（是 Google DeepMind 的一個(gè) AI 研究項(xiàng)目），專注古代文獻(xiàn)研究。正如 James 所說，谷歌最不缺的就是聰明、有好奇心的人，而且公司文化支持這種探索。

主持人：我解釋一下我為什么這么關(guān)注這一點(diǎn)。上世紀(jì)，S&P 500 公司（美國(guó) 500 家頂尖上市公司的股票指數(shù)）的平均存續(xù)時(shí)間是 67 年，現(xiàn)在只有 15 年。AI 時(shí)代到來，變化會(huì)更快，創(chuàng)意來源、實(shí)驗(yàn)和新項(xiàng)目的能力，對(duì)一家公司的長(zhǎng)期存續(xù)至關(guān)重要。所以我非常關(guān)心谷歌內(nèi)部是如何運(yùn)作的。

Laya Ibrahim：我之前做過風(fēng)險(xiǎn)投資，我曾覺得風(fēng)投是最了不起的地方，因?yàn)槟芙佑|到有大膽想法的創(chuàng)業(yè)者。但我在谷歌的感受是：創(chuàng)新就是日常文化的一部分，在各個(gè)部門都在發(fā)生。只是 DeepMind 和谷歌其他部門的呈現(xiàn)方式不太一樣，但整個(gè)公司都在支持創(chuàng)新。

James Manyika：我再補(bǔ)充一點(diǎn)。谷歌的研究文化非常獨(dú)特，回到你最開始提到的貝爾實(shí)驗(yàn)室，不管是 DeepMind 還是谷歌研究，我們都堅(jiān)持一個(gè)理念：從研究走向現(xiàn)實(shí)。很多研究突破會(huì)非常快地轉(zhuǎn)化為現(xiàn)實(shí)影響力。AlphaFold 就是很好的例子，它是諾貝爾獎(jiǎng)級(jí)別的突破，而現(xiàn)在全球已有超過 190 個(gè)國(guó)家、350 萬研究者在使用它。還有天氣預(yù)報(bào)領(lǐng)域的突破，現(xiàn)在已經(jīng)投入實(shí)際使用，我們的洪水預(yù)警系統(tǒng)已經(jīng)覆蓋 150 個(gè)國(guó)家、20 億人。把科研突破轉(zhuǎn)化為社會(huì)影響力，是我們非常獨(dú)特的一點(diǎn)。

主持人：有個(gè)問題我必須問，不然觀眾會(huì)問我為什么不問。很多年里，外界對(duì)谷歌的印象是 “不敢發(fā)布產(chǎn)品”。最典型的例子：Transformer 模型是谷歌發(fā)明的，而 ChatGPT 是第一個(gè)基于它的主流應(yīng)用。我年底采訪過 Sam Altman，他當(dāng)時(shí)說過一句很受關(guān)注的話：如果谷歌早期就重視我們，他們?cè)缇桶盐覀兡雺毫耍F(xiàn)在他們是強(qiáng)大的競(jìng)爭(zhēng)對(duì)手。“發(fā)布產(chǎn)品” 這件事，在谷歌內(nèi)部是不是變得更重要了？把實(shí)驗(yàn)推向公眾的野心是不是更強(qiáng)了？

James Manyika：我認(rèn)為是的，而且這是一個(gè)自然演變的過程。谷歌一直在產(chǎn)生大量研究突破，我們始終存在一種良性的張力：產(chǎn)品是否已經(jīng)準(zhǔn)備好？我們并不總能做出完美判斷，但我認(rèn)為這種張力是好事，是 “大膽與負(fù)責(zé)并存” 的體現(xiàn)。同時(shí)我們也意識(shí)到：很多實(shí)驗(yàn)和創(chuàng)新，只有讓人們使用、體驗(yàn)，我們才能學(xué)到東西。這回歸到科學(xué)方法。產(chǎn)品的紅隊(duì)測(cè)試我們做得很多，但真實(shí)用戶的使用，甚至惡意使用，都能讓我們學(xué)到更多。這就是一種演變：發(fā)布有用的產(chǎn)品，并從發(fā)布中學(xué)習(xí)。我們現(xiàn)在常說“持續(xù)交付”，Gemini 模型大概每 5 到 6 個(gè)月就會(huì)迭代新一代，這就是你看到的變化。

AI 與教育：

是助力還是隱患？

主持人：AI 與教育是你們都非常關(guān)注且投入很多的方向。你們最近的一項(xiàng)研究顯示，85% 的 18 歲以上學(xué)生在使用 AI，我猜剩下 15% 是沒說實(shí)話；81% 的教師表示在使用 AI，遠(yuǎn)高于全球公眾 66% 的 AI 使用率。AI 正在對(duì)教育產(chǎn)生真實(shí)影響。先從你們的視角開始：這對(duì)教育整體是積極的嗎？批評(píng)聲音也很多，比如學(xué)生用 AI 作弊，教師批改的是作弊生成的作業(yè)。實(shí)際情況到底是怎樣的？

Laya Ibrahim：首先，正如 James 之前所說，這是一個(gè)非常重要的領(lǐng)域。我們對(duì)待它的方式和其他領(lǐng)域一致：既要大膽思考 AI 如何改變學(xué)習(xí)方式、釋放人類潛力，也要保持負(fù)責(zé)，識(shí)別風(fēng)險(xiǎn)并投入資源降低風(fēng)險(xiǎn)。我們?cè)谡{(diào)查中還發(fā)現(xiàn)，約 80% 的成年學(xué)習(xí)者認(rèn)為 AI 對(duì)學(xué)習(xí)有幫助，它能以適合的形式、在需要的時(shí)候提供信息。我們重點(diǎn)關(guān)注的方向之一，是讓 AI 不只給出答案，而是帶你一步步拆解問題。這一切都建立在科學(xué)方法之上。

三年前，我們決定把學(xué)習(xí)當(dāng)作一流的科學(xué)問題去研究：人是如何學(xué)習(xí)的？谷歌內(nèi)部有相關(guān)經(jīng)驗(yàn)和專業(yè)能力，同時(shí)全球也有大量研究者在做這件事。我們非常慎重地與教育學(xué)專家、全球教育工作者合作，推出了 Learn LM。

今年我們把這項(xiàng)能力全面注入 Gemini，并在 Gemini App 中推出引導(dǎo)式學(xué)習(xí)等功能，幫助用戶一步步拆解問題，教會(huì)你如何學(xué)習(xí)、如何分析。我自己也是十幾歲孩子的家長(zhǎng)，經(jīng)常在做 “AB 測(cè)試”。

主持人：你應(yīng)該讓一個(gè)用 AI，一個(gè)不用，看看最后誰更好。

Laya Ibrahim：我會(huì)把這個(gè)加入下一輪實(shí)驗(yàn)。我的一個(gè)女兒有讀寫障礙，現(xiàn)有教育體系并不適合她。但我發(fā)現(xiàn)，當(dāng)她把 AI 融入學(xué)習(xí)，不管是拆解數(shù)學(xué)題，還是幫她整理混亂的思路、形成通順的文字，她感到前所未有的自信。我還有一個(gè)身體有殘疾的妹妹，教育體系也不是為她設(shè)計(jì)的。放眼世界，太多學(xué)生因?yàn)闆]有合適的技術(shù)工具而被落下。

我們的設(shè)想是：讓每一位學(xué)生都擁有個(gè)性化導(dǎo)師，讓每一位教師都擁有教學(xué)助手。AI 是生產(chǎn)力工具，它能改變師生互動(dòng)的模式。我們不是說 AI 是魔法，教師才是核心，但 AI 能解放教師，讓他們回歸人與人之間的真實(shí)互動(dòng)。我們?cè)诮處熒a(chǎn)力工具上已經(jīng)看到很好的進(jìn)展。我剛?cè)ケ睈蹱柼m，當(dāng)?shù)亟處熀驼献髯隽嗽圏c(diǎn)，他們的便利貼上寫滿了收獲：平均每位教師每周節(jié)省 10 小時(shí)，多出的時(shí)間用來陪伴家人，為班里 30 多名不同需求的學(xué)生設(shè)計(jì)教案。這非常鼓舞人心。但我們?nèi)蕴幵谠缙陔A段，必須意識(shí)到這件事事關(guān)重大，關(guān)系到人的一生。幫助他們學(xué)習(xí)、打開機(jī)會(huì)，并從中學(xué)習(xí)、反哺研究，這至關(guān)重要。

James Manyika：我補(bǔ)充一點(diǎn)。我們發(fā)現(xiàn)，教育領(lǐng)域和社會(huì)其他領(lǐng)域一樣：新技術(shù)到來時(shí)，不能只是簡(jiǎn)單嫁接到現(xiàn)有流程里，而是要重新設(shè)計(jì)工作流程。舉個(gè)學(xué)習(xí)的例子：大家很擔(dān)心作弊問題。在 AI 普及的世界里，我們或許不應(yīng)該再用傳統(tǒng)的方式考試和評(píng)估。一些學(xué)區(qū)發(fā)現(xiàn)，學(xué)生使用引導(dǎo)式學(xué)習(xí)時(shí)，是真的在學(xué)習(xí)，知識(shí)掌握程度會(huì)提升；但如果只是為了熬夜趕作業(yè)，他們就不會(huì)認(rèn)真用。于是這些學(xué)區(qū)做了實(shí)驗(yàn)：增加周測(cè)。學(xué)生聽到要多考試可能會(huì)崩潰。但結(jié)果是：測(cè)試變多，學(xué)生為了備考主動(dòng)使用引導(dǎo)式學(xué)習(xí)的時(shí)間變長(zhǎng)，學(xué)習(xí)效果反而更好。這就是我們需要重新想象學(xué)習(xí)流程的例子，而不是把技術(shù)硬套在現(xiàn)有結(jié)構(gòu)上。我們通過和教師、學(xué)校、學(xué)區(qū)交流，得到了很多有趣的實(shí)驗(yàn)和創(chuàng)新結(jié)論。我們?nèi)蕴幵诜浅Ｔ缙诘碾A段，但大家對(duì)認(rèn)知卸載等問題的擔(dān)憂是真實(shí)的，我們必須認(rèn)真對(duì)待。

主持人：這一點(diǎn)我想繼續(xù)聊。和很多技術(shù)、尤其是 AI 一樣，大家擔(dān)心的是：有抱負(fù)的人會(huì)正確使用它，能力大幅提升；而用錯(cuò)方式或不用的人，差距會(huì)被拉得更大。《紐約時(shí)報(bào)》最近有篇文章，不只是學(xué)生，教師也在用 ChatGPT，有些學(xué)生對(duì)此不滿。東北大學(xué)有學(xué)生發(fā)現(xiàn)，教授的幻燈片里有拼寫錯(cuò)誤、圖片里出現(xiàn)多余肢體，這些都是 AI 生成的痕跡。你如何看待這種可能加劇社會(huì)分化的問題？

Laya Ibrahim：這讓我想到當(dāng)年把電腦引入課堂和大學(xué)的時(shí)候。我們能從那段歷史里吸取很多經(jīng)驗(yàn)。一方面，我們可以主動(dòng)做一些事情；另一方面，我們也在召集各方領(lǐng)導(dǎo)者，從體系層面探討應(yīng)對(duì)方式。我們把管理者聚在一起，討論在各自機(jī)構(gòu)里建立負(fù)責(zé)任使用技術(shù)的框架。

現(xiàn)在的情況有點(diǎn)混亂，大家各行其是，而我們需要一種探索性的共識(shí)：AI 不會(huì)消失，公平的使用機(jī)會(huì)和素養(yǎng)至關(guān)重要。有些學(xué)生為了領(lǐng)先而用 AI，有些學(xué)生因?yàn)楹ε卤灰暈樽鞅锥桓矣茫@就會(huì)造成分化，我們也觀察到了性別上的差異。我們能做的，是把領(lǐng)導(dǎo)者聚在一起，探討如何開啟新篇章，如何在最大化收益的同時(shí)建立護(hù)欄、降低風(fēng)險(xiǎn)。去年年底，我、James 和幾位同事共同舉辦了一場(chǎng)活動(dòng)，分享最佳實(shí)踐，交流哪些有效、哪些無效，我們的研究者也參與其中。我們還為教師提供實(shí)操培訓(xùn)，教他們負(fù)責(zé)任地使用工具。這更多是為了釋放生產(chǎn)力和潛力，而不是替代。激勵(lì)機(jī)制的設(shè)計(jì)也必須跟上，這一點(diǎn)毫無疑問。

前沿科技進(jìn)展：量子計(jì)算、

材料科學(xué)、氣象預(yù)測(cè)、太空計(jì)劃

主持人：請(qǐng)問 James：量子計(jì)算的現(xiàn)狀如何？它的發(fā)展速度比很多人預(yù)期的更快。

James Manyika：我們有一支頂尖的量子 AI 團(tuán)隊(duì)，正在做突破性的工作。總的來說，量子計(jì)算的進(jìn)展比大眾認(rèn)知的要快。量子計(jì)算的終極目標(biāo)，是構(gòu)建完全容錯(cuò)的量子計(jì)算機(jī)，路線有很多種。主流方向是超導(dǎo)量子比特，也是我們團(tuán)隊(duì)在做的，全球很多團(tuán)隊(duì)都在研究這條路，復(fù)雜度很高，但被認(rèn)為是最有希望的方向。此外還有中性原子等多種技術(shù)路線。

具體進(jìn)展：底層芯片進(jìn)步巨大，比如我們的 Willow 芯片，一年半前取得重大里程碑。它完成了一項(xiàng)叫 RCS 的基準(zhǔn)測(cè)試，一臺(tái)頂級(jí)經(jīng)典超算需要 100 億年才能完成，而它只用了不到 5 分鐘，還能以突破性的方式糾錯(cuò)。

量子計(jì)算一直以來的另一個(gè)核心障礙是平滑糾錯(cuò)：如何在擴(kuò)容、增加量子比特的同時(shí)降低錯(cuò)誤率。這是真正的突破，也是我們獲得年度突破獎(jiǎng)的原因，是我們首次證明可以實(shí)現(xiàn)閾值以下糾錯(cuò) —— 系統(tǒng)擴(kuò)容，錯(cuò)誤率反而下降，這正是我們想要的結(jié)果。

另一個(gè)重大突破在去年年底：之前所有的基準(zhǔn)測(cè)試，包括我剛才說的，都只用于 benchmark，沒有實(shí)際用途。而去年我們首次實(shí)現(xiàn)了有實(shí)際價(jià)值的計(jì)算，也就是Quantum Echoes，相關(guān)成果登上了《自然》封面。它完成了一項(xiàng)有用的計(jì)算：研究分子的自旋動(dòng)力學(xué)，這是其他方式無法實(shí)現(xiàn)的。我們還和伯克利的團(tuán)隊(duì)合作，他們通過核磁共振實(shí)驗(yàn)在實(shí)驗(yàn)室驗(yàn)證了結(jié)果。這是第一個(gè)有實(shí)用價(jià)值的量子計(jì)算案例。

綜合來看，量子計(jì)算的進(jìn)展比大家以為的 “還要幾十年” 要快得多。未來五年左右，我們會(huì)開始看到量子計(jì)算的實(shí)用化應(yīng)用，非常令人期待。

主持人：材料科學(xué)是 AI 研究中相對(duì)被忽視的領(lǐng)域，AI 可以通過預(yù)測(cè)技術(shù)發(fā)現(xiàn)新材料。Laya，介紹一下目前的進(jìn)展。

Laya Ibrahim：這回到我們的核心思路：AI 能幫助我們解開哪些根源性問題、加深對(duì)世界的基礎(chǔ)理解，從而為整個(gè)領(lǐng)域打開大門。AlphaFold 就是其中之一。你提到的 AlphaGeometry（是 DeepMind 開發(fā)的、能自動(dòng)解決高難度奧林匹克幾何證明題的 AI 系統(tǒng)，達(dá)到了國(guó)際數(shù)學(xué)奧林匹克“IMO”金牌選手的水平。），還有我們的材料科學(xué)項(xiàng)目，都非常令人興奮。我們把已知的 4 萬種穩(wěn)定晶體，拓展到了 40 多萬種，目前正在實(shí)驗(yàn)室和研究中測(cè)試。這意味著什么？你可以想象更優(yōu)質(zhì)的電動(dòng)汽車電池、超級(jí)計(jì)算機(jī)的超導(dǎo)體。很多突破都要依靠新材料實(shí)現(xiàn)。我們?nèi)蕴幵谠缙陔A段，但我們相信這是一個(gè)很有前景的方向，有可能改變我們的生活和工作方式。

主持人：發(fā)現(xiàn)新材料之后，會(huì)帶來什么？比如像 T 恤一樣薄，但保暖性媲美冬裝的材料？

Laya Ibrahim：沒錯(cuò)。你身邊的所有東西，都可以通過新材料重新想象。比如電池、電動(dòng)汽車，如何讓車身更輕、續(xù)航更長(zhǎng)、充電更快，突破現(xiàn)有物理限制。這些都有可能通過基礎(chǔ)材料的突破實(shí)現(xiàn)。

主持人：接下來是氣象預(yù)測(cè)，谷歌在很多方向上都在深耕 AI 氣象。

James Manyika：我們有一個(gè)非常龐大的氣象項(xiàng)目，由 DeepMind 和谷歌研究共同推進(jìn)。氣象預(yù)測(cè)的維度很多：普通天氣預(yù)報(bào)，下周、明天天氣如何，Graphcast（ 是 Google DeepMind 于 2023 年推出的、基于圖神經(jīng)網(wǎng)絡(luò)“GNN”的全球中期天氣預(yù)報(bào) AI 模型，是氣象預(yù)測(cè)領(lǐng)域的里程碑式突破）來自 DeepMind，是目前業(yè)內(nèi)頂尖的模型。我們還在預(yù)測(cè)其他氣象事件：季風(fēng)、颶風(fēng)、洪水等極端天氣。

我舉一個(gè)影響生命安全的例子：業(yè)內(nèi)早就知道，如果洪水預(yù)警能提前 6 天以上發(fā)出，就能挽救生命。聯(lián)合國(guó)估計(jì)，這樣能減少一半的災(zāi)害損失。這一直是一個(gè)難題。兩年半前，我們的團(tuán)隊(duì)構(gòu)建了預(yù)測(cè)河流洪水的模型，在孟加拉國(guó)試點(diǎn)成功。如今，我們的洪水預(yù)測(cè)已經(jīng)覆蓋 150 個(gè)國(guó)家、20 億人。這就是從突破性創(chuàng)新到社會(huì)實(shí)際價(jià)值的典型案例。我們還和國(guó)家颶風(fēng)中心合作，可以提前 15 天預(yù)測(cè)颶風(fēng)的 50 條不同路徑，并且成功追蹤了颶風(fēng) Melissa。這類信息對(duì)災(zāi)害應(yīng)急意義重大，也能用于航班調(diào)度等日常場(chǎng)景。

主持人：最后一個(gè)項(xiàng)目：Project Suncatcher（ 谷歌的 “太空 AI 數(shù)據(jù)中心” 計(jì)劃，在地球軌道部署由太陽能衛(wèi)星組成的星座，搭載 TPU，利用太空無限太陽能進(jìn)行 AI 計(jì)算）是什么？

James Manyika：這是典型的谷歌式瘋狂構(gòu)想。我們思考：今天如何訓(xùn)練 AI 系統(tǒng)？100 年之后，考慮到訓(xùn)練模型需要的算力和能源，會(huì)怎么做？100 年后，我們肯定會(huì)在太空訓(xùn)練，畢竟太陽的能量是地球的百萬億倍，而且 24 小時(shí)不間斷。為什么不現(xiàn)在就朝著這個(gè)未來邁進(jìn)？ Project Suncatcher 項(xiàng)目就是這樣一個(gè)谷歌式登月計(jì)劃。

我們已經(jīng)完成了幾個(gè)關(guān)鍵里程碑，計(jì)劃把 TPU，一款專用 AI 芯片，送入太空進(jìn)行訓(xùn)練。我們真的要把芯片送上太空。第一個(gè)里程碑是我們希望 2027 年在太空完成若干次訓(xùn)練任務(wù)。這就是 Project Suncatcher，一步步走向那個(gè)未來。有人會(huì)聯(lián)想到 Dyson Sphere（是物理學(xué)家弗里曼?戴森在 1960 年提出的科幻級(jí)巨型工程構(gòu)想，核心是用巨大結(jié)構(gòu)完全包裹恒星，捕獲其幾乎全部能量，是 II 型文明的標(biāo)志性能源方案），利用太陽系、甚至銀河系的能量。一位前谷歌員工曾提出：如果要走向 AGI，地球可能會(huì)布滿數(shù)據(jù)中心；但如果把數(shù)據(jù)中心放到太空，地球就能留給人類生活。敬請(qǐng)關(guān)注，我們下一個(gè)里程碑在 2027 年，希望能完成太空訓(xùn)練。

https://www.youtube.com/watch?v=MkZRak7lVcA

聲明：本文為 AI 前線整理，不代表平臺(tái)觀點(diǎn)，未經(jīng)許可禁止轉(zhuǎn)載。

會(huì)議推薦

InfoQ 2026 全年會(huì)議規(guī)劃已上線！從 AI Infra 到 Agentic AI，從 AI 工程化到產(chǎn)業(yè)落地，從技術(shù)前沿到行業(yè)應(yīng)用，全面覆蓋 AI 與軟件開發(fā)核心賽道！集結(jié)全球技術(shù)先鋒，拆解真實(shí)生產(chǎn)案例、深挖技術(shù)與產(chǎn)業(yè)落地痛點(diǎn)，探索前沿領(lǐng)域、聚焦產(chǎn)業(yè)賦能，獲取實(shí)戰(zhàn)落地方案與前瞻產(chǎn)業(yè)洞察，高效實(shí)現(xiàn)技術(shù)價(jià)值轉(zhuǎn)化。把握行業(yè)變革關(guān)鍵節(jié)點(diǎn)，搶占 2026 智能升級(jí)發(fā)展先機(jī)！

今日薦文

你也「在看」嗎？