- 影片：Sundar Pichai: Path To Recursive Self-Improvement, Compute Allocation Dilemma, Future AI Interfaces（Big Technology Podcast，2026-10-20，45:30）
- 配套：深度導讀、中英雙語同步播放器
說明與版權聲明：本頁僅供個人技術學習、研究與語言交流之用。影片與訪談內容的完整版權歸原頻道 Big Technology Podcast（主持人 Alex Kantrowitz）與受訪者所屬的 Google／Alphabet 所有；本頁僅另行製作繁體中文譯文，不是官方翻譯。譯文由 AI 模型翻譯與審校，未經人工校稿，也未逐句對照原音，可能有誤聽或誤譯，內容以影片原音為準。權利人如要求下架，將立即移除本頁。
章節 1：開場（00:00）
00:00 我們正處於有史以來影響最深遠的技術的早期階段。這跟當年的光纖不一樣，不是閒置的暗光纖，我們正在使用它。對 AI 研究人員來說，運算資源越大，AI 就越好。你會給研究人員盡可能大的運算資源，即使這會犧牲眼前的獲利，比如雲端業務。因此，我們今天擁有的運算資源，是我在 2024 年所做決策的結果。如今顯然，不管從哪個角度看，每個人都吃緊，不只我們，其他公司也是，大家都希望手上有規劃量的 2 倍。
00:36 Google 版的 Muse 或 Dots 產品在哪裡？消費者和企業的使用者，都將能使用某種多 agent 架構，隨時為他們運作、處理事情。因此，感覺這是一個充滿無限可能的時刻。Alphabet 執行長 Sundar Pichai（桑達爾．皮蔡）加入我們，暢談 Google 在 AI 前沿競爭的計畫、頂尖 AI 研究與公司雲端業務之間的平衡，以及未來介面的樣貌。
01:06 今天 Sundar 親自來到 Mountain View 的攝影棚。Sundar，很高興見到你。歡迎來到節目。謝謝，Alex。很高興來到這裡。
章節 2：Google 的前沿 AI 策略（01:14）
01:14 Google 帶著 Gemini 4 Argon 重回前沿。白話來說，這意味著它是世界領先的模型，打破了各項基準測試紀錄，它在各種基準測試中擊敗了 OpenAI 和 Anthropic 的公開模型，包括寫程式、數學、科學和知識工作。過去大家的普遍看法是 Google 基本上已經放棄了前沿，認為它只打算打造夠快、夠好的模型並用於自家產品中，不再追求前沿 AI。
01:44 但那是錯的。我是說，大錯特錯。我想我們非常堅定地要站在前沿。我認為這是我們的 DNA。我們不會選擇其他方式。我們思考 AI 前沿至今已經遠遠超過 10 年了。前沿確實變化非常快。競爭非常激烈。非常令人興奮。我對 Argon 的成果感到無比滿意。
02:17 我們在這上面花了不少時間。我們確保對它進行了安全測試，並謹慎部署。鑑於它的能力，我們花費的時間比其他模型稍微長了一些。但我認為在各方面，無論是 agentic 任務、知識工作、寫程式或創意任務，我認為 Argon 是非常優秀的前沿模型之一。自我們推出以來的最初 72 小時內，消耗了近 25 兆 tokens，大約是 Gemini 3.0 最初 72 小時的 3 倍。
02:56 而且我們在提供服務時，容量吃緊。雖然令人興奮，但前沿總是有需要改進的地方，它非常動態，你必須不斷推動模型演進。我們也能看到一些我們需要改進的領域。所以我們也會在所有這些方面持續努力。哪些領域？以任何特定模型來看，
03:27 跟哪怕只是 2 個月前的模型相比，Argon 在所有方面都全面更好。但這個領域演進得太快了。即使以寫程式為例，也有一些局部環節是我們知道需要做得更好的。而且有明確的回饋，所以我們會把它做得更好。
章節 3：前沿模型真的重要嗎？（03:47）
03:47 讓我至少為「為什麼標準模型對 Google 來說可能就夠用了」提出論點。好，我要代為轉達大家對此的說法。那就是當今的 AI 前沿正變得如此優秀，而且 AI 的基準線也變得如此之高，使得前沿其實只對特定類型的任務有價值。如果你擁有標準模型，其實就能用標準模型打造出極佳的產品。以 Meta Muse 為例。Meta 是以優秀但非頂尖的模型打造了 Muse。
04:20 如果你需要做生物學研究之類的事，也許前沿確實必不可少。但那些主張「Google 其實不需要前沿」的人，他們會說：「你只需要那些標準模型，把它們放進 Google 地圖、Gmail 和 Google 搜尋等產品中，再以 Meta 為例，那樣就足夠了。」你對此有何看法？這絕對不是我思考這件事的方式，完全不是。我認為我們深度致力於推動最先進技術，並切實拓展這項技術所能企及的極限。
04:59 從 Transformer 一路走來，這就是我們一直走的路。所以你會看到我們繼續這樣做。我認為當你處於前沿時，你能更早洞察即將湧現的能力。比其他人更早，這有助於你更好地為未來做準備。我們很幸運在消費者和企業端都擁有廣泛的機會。我們有些雲端客戶肯定想要處於前沿的模型。
05:32 我認為在遞迴自我改進（RSI）的時代，前沿模型將更擅長開發下一代模型。因此我認為，在這方面前沿很重要。在內部，透過向我們的開發者部署 Argon，我們確實看到了一個陡峭的轉折點。它確實解決了我們之前模型無法解決的問題。因此，站在前沿讓你置身於創新前沿，也有助於你推動創新。
06:05 各種尺寸與能力的模型都有其發揮空間。我們一向如此，這就是為什麼我們推出了 Flash、Flash-Lite 等等。我同意你的看法，不一定非要用最前沿的模型，也能開發出非常好的產品體驗，因為它們往往速度較慢，成本也更高。但我們重視帕雷托前緣，因此我們致力於把所有這些都做好。
章節 4：AI agent 的未來（06:35）
06:35 你說過開發前沿能讓你預見未來的走向。是的。你在地平線上看到了什麼？讓這個時刻如此令人興奮的是，你打造了某個成果，你認為那是數月努力的結晶，把它推出去，卻已經清楚看見前方還有進步空間，對吧？我想，我們大家都一直在研究這些長時程 agentic 能力。
07:08 但顯然前沿將會由多個這類 agent 協同工作來完成任務，對吧？這就是一個正在發展、令人興奮的新典範的例子。而且對我來說也很清楚，消費者 與企業端的使用者都將能使用某種多 agent 架構，隨時為他們運作、處理事情。因此，感覺這是一個充滿無限可能的時刻。
章節 5：遞迴自我改進（07:39）
07:39 你提到了遞迴自我改進。這指的是模型實質上讓自己變得更好。沒錯。也許不需要人類介入。人們稱之為智慧爆發，或預期會聽到像 foom 的一聲，然後 AI 突然就擁有超人類的能力。事實上，我想 Sergey（Brin）當時正在與 Google DeepMind 的研究人員進行圓桌討論，他談到 Argon 時表示，Argon 的核心創新之一，就是更依賴模型來協助開發模型，對吧？
08:15 我們最近都看到了 AI 模型的發展情況。它們對齊得很好，但並非完美對齊，而這些缺陷是個大問題。顯然科技界，現在連更廣大的世界都知道 Hugging Face 事件：OpenAI 的 bot 突破圍堵、入侵 Hugging Face，還做了些瘋狂的事。Google 也出現過 bot 取得存取權的情況。我想它們當時在猜測密碼，結果存取了不該存取的網站。
08:45 它們停下來了。但這些模型已有足夠的證據顯示它們並沒有完全按照 我們希望的方式運作，以至於追求這種遞迴自我改進 甚至讓模型加速變得更好，這種想法有點令人發毛。這讓我感到害怕。難道你不認為這裡存在合理的擔憂，並且應該採取行動讓科技業對此冷靜下來嗎？
09:18 嗯，或許我把你的問題拆成幾個部分來談。首先，我們先談談 RSI 本身，你是對的。Sergey 提到在我們開發 Argon 的過程中，RSI 是一個關鍵的貢獻因素。但必須非常明確地說，在目前的發展光譜中，我們距離 RSI 的終極狀態之類的情境還相當遙遠，對吧？所以今天比較正確的描述是：在模型開發的各個面向，RSI 迴圈與 AI 研究人員並行運作，對吧？
09:55 所以我會說，幾乎可以看成是 agent 以某種自動化的方式協助 AI 研究人員，一起打造這些模型。所以我認為至少了解我們今天所處的階段是有益的，這非常令人興奮，我預計隨著進入明年，這個演進過程將持續取得進展。第二個問題圍繞在安全性上。安全來自縱深防禦。
10:27 你提到了對齊。顯然，我們都在投入大量工作，以確保模型盡可能對齊。但這是一個活躍的研究領域，仍有明顯的缺口。但這並非我們依賴的唯一手段，對吧？所以除了在對齊方面所做的工作之外，我們在這些模型運作時的即時監控上投入了大量心力。確保你對正在發生的事情有良好的遙測，以便在看到非預期行為時能夠即時介入。
11:04 以及怎麼做、用什麼架構來做，如何確保一切都在沙箱中隔離，又能在即時監控期間繼續完成任務。這些都是我們正在投入的領域。顯然，我們部署這些模型時，也讓企業客戶擁有控制權，包括即時監控，以及自行決定部署在哪裡、這些模型可以存取哪些類型的資料等等。因此，所有這些工作都非常非常重要，我們自己也做了很多這樣的工作。
11:39 我認為整個產業必須持續提升水準，花時間把所有這些做好，包括投入所需的運算資源，以確保能安全地部署這些模型。第三部分是，這一切到底夠不夠？這就是為什麼我認為業界有很多討論，而且有擔憂是合情合理的，但面對令人擔憂的事，正確的面對方式是及早思考我們還能多做些什麼。
12:15 我想就整個產業而言，你確實看得到在對齊、安全性測試等方面的工作量增加，也就是在我們部署這些模型的同時。我認為下一步將是制定更好的標準，建立跨產業的標準來規範我們該如何執行這些工作，包括藉由獨立評估單位進行評估的能力。如果你看看財務控制等領域，我們有會計準則，我們有獨立稽核人員等等，對吧？
12:49 因此，這些都是我們整個產業朝此方向努力的下一個自然步驟，而在經歷這一切的過程中，法規最終也會發揮作用。
章節 6：世界模型與通往 AGI 的路（12:58）
12:58 好，問你一個技術問題。Google 有點獨特，因為你們既研究語言或 LLM（大型語言模型）這一端，這始於 Transformer，同時你們也投入世界模型。而且外面有一些 AI 研究團隊，像 OpenAI，基本上已經認定 LLM 就是通往 AGI（通用人工智慧）的道路，他們實際上縮減了一部分世界模型的研究，也就是試圖理解物理世界的 AI 模型。
13:29 但你們兩者都在投入。請稍微談談，為什麼你認為世界模型這一端很重要。身為人類，顯然會感知周遭的世界，並接收所有這些輸入。確保這些模型能夠理解物理定律、高保真度地模擬世界。我認為所有這些都是邁向智慧的關鍵基石。而我們正致力於將其應用在所有可能的場景中。
14:05 以機器人這樣的領域為例。如果你看具身推理基準測試，Argon 達到最先進水準並非偶然，對吧？我想在許多這類基準測試中確實都是如此。而這一切也都源自我們在建構世界模型方面的經驗。因此，本質上我預期未來會出現能將這一切融會貫通的架構。但對我們而言，我們認為在今天，
14:37 在智慧這條鋸齒狀前沿上，我們希望能站在所有可能途徑的前沿，我認為這將有助於推動更好的研究、獲得更深刻的洞見，並打造出好得多的 AGI 模型。這就是我們的想法。
章節 7：Google 的運算資源兩難與 AI 基礎建設（14:56）
14:56 對，在 Argon 發表後我看了你的 Twitter，全都是真實世界的實際應用。不像文字或生成文字的模型那樣。好的，我想和你談談，你們如何在雲端與 AI 研究之間分配運算資源，這是你們最珍貴的資源。這是關於 Google 的一個大議題。有人曾向我建議，Google 應該退出 AI 研究這場賽局，把所有的雲端運算資源和晶片拿去賣就好。
15:31 看看現在的商業世界，Nvidia 基本上光是這麼做，就成了一家市值五兆美元的公司。雲端部門想把這些運算資源以高加價賣出，而 AI 研究部門則需要超大規模的運算資源來打造最頂尖的 AI，兩者之間存在拉鋸。你曾說過，你很大一部分的工作就是設法配置運算資源。你是怎麼做到的？又該如何平衡這兩者？我認為對我們來說，最根本的起點是
16:07 確保我們有投資在保持 AI 前沿地位所需的運算資源上。所以早在 2015 年，我就說過公司要以 AI first 為方向。因此 AI 是貫穿我們所做一切的關鍵橫向要素。從搜尋、雲端到 Waymo，涵蓋我們所做的一切。所以我認為這對我們來說是最根本的起點。確保無論在研究還是模型開發上，我們都擁有足夠所需的運算資源。
16:39 除此之外，我們有這些各自擁有長遠計畫的獨立業務，他們利用這些長遠計畫向前推估，而我們會為所有業務規劃運算資源。因此雲端團隊有他們的業務、預測和需求訊號。他們有已簽約的合約。有了這些幫助，我們就能為他們規劃長期的運算資源發展軌跡。我認為我們很幸運能擁有這麼多廣泛的機會。
17:10 我想世界上沒有哪家公司不是時時刻刻都在做取捨。但我們運作的第一原理，是確保我們有足夠的運算資源投資在前沿領域。這是不可妥協的，其他一切都是以此為基礎運作。沒錯。我認為你在這些對話中看到的是，如果現在坐下來看，別忘了我們是自己在建造運算資源和資料中心。所以需要很長的前置時間。因此我們今天擁有的運算資源，是我在 2024 年所做決策的結果。
17:43 即使回想一年前的今天，去年 agentic coding 的爆發都還沒發生。所以如今顯然，不管從哪個角度看，每個人都吃緊，不只我們，其他公司也是，大家都希望手上有規劃量的 2 倍。我認為這就是這一行的常態，對吧？在任何特定時刻，我們都在規劃未來兩到三年所需要的東西。所以我認為你會發現自己做的一些決定，從兩年後來看可能顯得不夠理想，對吧？
18:17 這取決於當時的最先進技術發展到哪裡。所以關於這點，我不會花太多時間去想。我對運算資源配置的思考方式，是確保 Google DeepMind 無論在研究或前沿模型開發上，在運算資源的取得上都處於最頂尖的地位，對吧？在那之後，我們會為所有的業務進行規劃。我認為能把我們的運算資源也提供給其他人是一件好事，就像我們過去所做的那樣。這讓我們能擴大規模，在盡可能最廣泛的應用場景中進行真實測試，
18:51 在真實世界中檢驗它，並確保我們在整個 AI 技術堆疊的每一層也都處於技術尖端。簡短提一下，之前有個 podcast，Ben Horowitz 轉述 Andy Jassy 說過類似「運算資源到 2028 年前都賣光了」這樣的話。對。你也看到同樣的情況嗎？對，這很合理，如果今天有客戶來找我們要求 2027 年的運算資源，那是極其困難的。
19:21 就連去年，我們向外租用了一些短期運算資源，部分原因也是為了配合某些客戶、幫上他們的忙。但沒錯，我想我們都在面對類似的時間表。
章節 8：AI 是否建設過度？（19:36）
19:36 一個關於泡沫的問題。嗯。有人談到每一次技術變革都經歷過過度建設。嗯。鐵路，嗯。光纖。嗯。你認為這裡有過度建設嗎？這取決於你觀察的時間維度。這種建設規模，如果我放眼夠長的時間維度，對我來說完全合理。我們正處於有史以來影響最深遠的技術的早期階段。
20:07 而且這跟當年的光纖不一樣，不是閒置的暗光纖，我們正在使用它。我們每天都面臨容量吃緊。應用層面與底層技術都在迅速進步，對吧？但經營一家公司，我面對當下的方式是：觀察需求訊號，檢視以合約形式取得的已承諾營收機會。再與底層技術能力、我們的內部評測、內部使用狀況，以及模型發展軌跡互相權衡。
20:44 基於這一切，你採取有信心、積極，但有紀律的做法來規劃運算資源。但談到整體經濟，各方承擔風險的程度差異非常大。所以這對我很難評論，我專注於自己作為一家公司所能掌控的事，並為此做規劃。如果你的問題是：是否可能存在過度建設？
21:14 是的，因為你可能會遇到某些受限的零組件。請記住，關鍵在於打造那些運算資源所需的整套要素。記憶體、電力、電工。沒錯，像那樣。大概有 2,000 個或更多的零組件，對吧？所以你在某些時候可能會受到限制。可能會有造成瓶頸的事情，然後就可能出現過度建設。也可能會出現外部衝擊，對吧？對經濟等等的衝擊。所以存在著總體風險。
21:46 在任何特定時刻，這一切都是有可能發生的。但是，我是否確信，只要時間夠長，我們規劃的運算資源就會派上用場？絕對確信，是的。好，關於這點還有一個問題。如果兩者都要兼顧，外界一直有一種想法：對 AI 研究人員來說，運算資源越大，AI 就越好。你曾說 AI 會和火與電一樣深遠，當時我就在現場，我們大家都笑了，現在我有點後悔那樣笑。
22:24 但如果你真的相信這點，邏輯就會是：給研究人員盡可能大的運算資源，即使這會犧牲眼前的獲利，比如雲端業務。你的看法呢？我們某種程度上都在這麼做，對吧？我認為我們的雲端業務在任何特定時刻都在放棄短期營收，因為我們正在進行運算資源取捨，以支援前沿 AI 的開發。
23:00 所以我認為你說的其實已經是事實了，對吧？但你也希望深思熟慮，對吧？即使對我們的 AI 研究人員來說，有些限制也是好事。這正是激發創造力的地方，能幫助你想出更高效的演算法突破，或許能使用更少記憶體等等。因此我們所承諾的，就是投入保持在前沿所需的一切，對吧？
23:33 這就是我的思考方式。
章節 9：AI 介面的未來（23:35）
23:35 我想知道你認為未來的介面會是什麼樣子，隨著 AI 開始普及，未來我們使用運算的方式會如何轉變。幾個月前我曾和 OpenAI 總裁 Greg Brockman 聊過這件事。他說了一段非常有意思的話。他說：『你想要的介面是什麼？你想要的產品是什麼？答案是你根本不想要介面。你不想要任何產品。你想要的是，就像你和我之間的介面是什麼？』基本上就是說，光靠交談就好。如果 AI 真的那麼聰明，或許就不該有螢幕，或是那麼多得去觸碰的按鈕之類的東西。
24:08 在 AI 時代，你對介面的樣貌有何看法？我的看法是，我確實覺得從歷史上看，運算一直是人類在適應運算。有了 AI 之後，情況將會反過來。這項技術將無縫融入並適應人類的生活與日常起居。所以有這麼一個面向。你會希望當你想和 AI 說話時，就能和它說話。
24:42 它掌握著脈絡。它可以在某處常駐運行，為你提供連續性。你不需要面對一堆複雜的事物。這很自然。這一切對我來說都說得通。然而對我來說，這並不代表它就不會有介面。你看，比如今天，我是說現在我甚至用手機，Gemini 語音模型已經非常厲害，我只要按下麥克風按鈕。我就可以東拉西扯。
25:12 大家是這麼叫的吧，rambler，對吧？我可以東拉西扯。它多少會依我的個人脈絡，聰明地修正。所以連我朋友的名字，像一些怪名字，它多少也能弄對，即使一開始猜錯。這太驚人了。我講完之後不用再回頭用退格鍵去編輯，對吧？它變得如此出色，真是令人驚嘆。但在某些時刻你仍然會需要介面，比如你可能會想娛樂自己，你可能會想看影片，所以你可能會要求你的 AI 製作某些東西，而你會想要觀看、消費它，對吧？
25:48 所以我認為，關鍵在於讓它盡可能無縫且自然，讓你不需要費力去適應任何介面，而是由這項技術在任何特定時刻適應你的工作方式。好，我要來放一下 OpenAI 的那些「金曲」了，因為去年你讓他們進入了 code red（紅色警戒）。我相信你知道。Gemini 表現非常出色，而 OpenAI 則嚴陣以待，我曾和 Sam Altman 談到來自 Google 的挑戰。
26:19 他說的是，他（嗤笑）認為 OpenAI 能夠抵擋你們，因為他們是從 AI 原生打造的，我不知道他是不是真的一字不差這麼說，但他暗示 Google 只是把 AI 外掛到現有產品上。關於外掛式——我不知道你是否接受這種說法——能否與 AI 原生產品競爭，你的看法是什麼？首先，這是一個非常動態的時刻。我認為我們都在互相鞭策激勵。OpenAI 同樣也大力推動著我們這家公司。
26:50 所以，這絕不僅僅是我們單方面對他們做些什麼等等。遠非如此。是啊，你們當時也進入了 code red。我是說，我知道關於到底是不是這樣還有爭議，但是 我們都得因應 AI 這一刻，我們所有人在任何特定時刻都必須以不同程度的急迫感來做出回應。你看，我想我們也一直在持續打造新產品。我是說，Gemini 是從零打造起來的。我指的是作為一項產品的 Gemini app。或者說，明天當我們所有人都在適應 agent 時，是把 agent 疊加到 ChatGPT 上，還是原生打造？
27:29 你會怎麼看這件事，對吧？所以，你總是可以把這些問題反問回去，對吧？對吧？所以我並不這麼看。我是說，我認為你想打造的是 AI 原生、且能勝出的世界級產品體驗，其中一部分是改造現有產品，一部分則是重新構思全新體驗，因此這些都將成為你如何因應這一刻的一部分。聊聊你如何看待未來這個 AI 介面的商業模式。舉例來說，如果我讓我的 agent 出去替我做某件事，而它推薦了一款產品，那它是否應該——我是說，即使有公開揭露，
28:08 如果我完成了購買，它是否能從銷售中抽成？或者當你思考如何從這些產品獲利時，有什麼計畫？我想，顯然我會先撇開企業端不談。我想、我想 好，對，這是消費者端的問題。所以如果是消費者端，我認為消費者會越來越看重這項技術的價值。他們會實質地——我是說以今天的軟體開發者為例。
28:39 我認為開發者願意為這些寫程式模型付費，對吧？因為這確實能幫助他們提高生產力。沒有人會想用 3 年前、甚至去年同期的寫程式方式來寫程式了。所以我想，當你提供價值時，就能獲得相應的價值。我認為消費性產品的歷史表明，如果你打造了一款消費性產品，我從未見過有哪款消費性產品真正擴展到數十億使用者、大家都在高強度使用，卻沒有搭配變現模式。
29:12 如果你為人們提供價值，其中自然就會有可獲取的內在價值。完全同意。因此，其本質可能會改變，對吧？我想你問的是 agent 在替你處理事務的情境。到頭來，你會有商業上的需求。agent 需要滿足那些商業需求。另一端的提供者將會從中看到價值。而且會有一種機制將其理清並成形。這就是一個高效系統所做的事。
29:43 但我認為重要的是，你正在打造那些世界級的消費者體驗，對吧？所以，我是在回答你的問題。我只是想確認一下 是的，當然。沒錯。我答應過自己只提一項產品功能需求，就一項。請說。來了。由 Gemini 驅動的 Gmail 搜尋功能，有沒有可能做到像你在存取 把 Gmail 接入 ChatGPT 介面時的 Gmail 搜尋那麼好用？
30:15 這到底是怎麼回事？我想，我們最近宣布的令人興奮的事情之一就是，為企業打造的統一 Gemini agent，我們已經宣布了這個消息，並且正將它帶給消費者，對吧？所以這些是在雲端全天候運行的常駐 agent。就像你實際上是在為每個查詢啟動一個 micro VM（微型虛擬機）。而且從執行環境（runtime）、harness 到模型，這全都是一項無介面服務（headless service），對吧？
30:52 而且它在任何地方都能運作。並且它隨時掌握著你的脈絡。嗯嗯。無論你是在 Google Workspace、Google 搜尋還是 Gemini 中，你都可以呼叫這個 agent。因此我認為 agent 將在顧客體驗方面推動這種整合，而這正是大家所期待的。沒錯。你說得對，當你擁有龐大的產品組合且快速推進時，總有些領域的進展會比其他領域更快。
31:23 這是個有道理的回饋，對吧？但我們正投入大量時間與心力，確保在打造 agentic 體驗時，這種整合與能力在所有這些產品介面上都能良好運作。好，這對介面問題來說也是個很好的回答。是的，確實如此。當人們思考 Google 下一步會往哪裡走時，總會有個問題：Google 版的 Muse 或 Dots 產品在哪裡？
章節 10：Google 如何回應 Muse 與 Dots（31:42）
31:52 那些產品最近有點憑空冒出來，而且迅速爆紅。你們有對應的版本嗎？你預期會打造一款與例如 Muse 競爭的新產品嗎？你看，我們今天就已經有了。我們的設想是這樣的，事實上，我們對 Gemini app 的目標描述就是成為個人化、主動且強大的助理，對吧？
32:23 這就是我們努力的方向。你看到我們今年在 Google I/O 上透過 Spark 介紹了它的早期版本。但實際上，如果你以 Pro 或 Ultra 使用者的身分打開 Gemini app，已經會看到「對話」和「任務」。嗯嗯。而且它們開始為你提供那種 agentic 體驗。有了 Argon，這項能力得到了大幅加速。而我們最近在企業活動中宣布的內容，也正在帶給消費者端。
32:56 但隨著時間推移，你很快就能在 Gemini 中提出要求，而那將會是一個連續體。你不需要去思考自己發起的是對話還是 agentic 任務。它就會自動做出正確的處理，並能在背景安全且常駐地運作，替你把事情辦好。從實證來看，回頭看去年進到我們 app 裡 Gemini 的請求，如果當時加以標記，大多數都會是對話。
33:31 但在 Gemini 中，已經有穩定成長的比例屬於 agentic 任務了。所以沒錯，我們將為我們的消費者帶來個人 agent。它能在 Gemini app 中運作，能在 Google 搜尋中運作，也能在 Gmail 中運作。你可以對它說話、呼叫它等等。但我們希望確保把它做對。它將由 Argon 驅動，因此我們非常期待能將它帶給我們的使用者。我有訂閱 Pro 方案。我已經在使用任務功能了，所以我很期待能更多地使用它。
34:03 好的。接下來有幾個隨機的問題。Google 已經向 Anthropic 承諾並投資了數百億美元。你在 Dario 身上看到了什麼，讓你們願意對他做出如此深度的承諾與投資？早在初期，當我們審視 Anthropic 的創始團隊時，我們就非常清楚，這是一個曾參與過最早一批 GPT 模型開發的世界級團隊。
34:34 所以我們很快就能評估出，他們將會站在前沿。因此我們一直試圖尋找並與處於技術尖端的公司建立合作關係。我們與 SpaceX 合作過，也與 Anthropic 合作過，這就是我們當時看到的，而我們有機會合作。其中一些合作關係也延伸到了我們的 TPU。所以我想這就是我們的切入方式。
章節 11：Apple、太空資料中心與 AI 寫程式（35:03）
35:03 好，關於 Apple，你們與他們建立了合作關係，將 Gemini 授權給他們以協助改進 Siri。這項合作關係是在擴大、縮小，還是停滯不前？我是說，你看，無論對我們還是對 Apple 而言，這項合作的目的，都是把 AI 的能力轉化為使用者更好的體驗。我認為 Apple 在整合方面做得非常出色，他們客製化了這些模型並將其內建至 Siri 中，
35:37 看到各界的反響非常棒。因此我們致力於做更多合作。你們打算和他們進行更多合作嗎？目前沒有具體內容可以評論，但這是一項進展順利的合作關係。太空資料中心。你們宣布過正在那方面投入更多。到目前為止，你們對該專案的可行性瞭解到了什麼？這是一個非常令人興奮的專案。這類專案總讓我想起在沙漠中觀看 DARPA Grand Challenge（DARPA 大挑戰賽）的那個時刻，
36:10 看著 Stanley 自駕車在其中競賽，它最終成為了 Waymo 的基礎，對吧？面對所有這些技術，你總是會處於某個看起來有點像科幻的時刻，但 10 到 20 年後，它確實會以實質有效的方式運作。我對太空也有同樣的感覺，我們一直相信要對這些技術大膽押注。量子運算就是一個絕佳的例子。量子運算我們大概走了 10 年，Waymo 則將近 20 年。
36:45 太空領域我們則才走了 2 到 3 年，對吧？對我來說很明確的是，這種做法在未來會非常合理——處於太陽同步軌道上，我的意思是，全天候取得我們所能接觸到最豐富的能源，對於我們未來將需要的指數級運算資源成長而言，會非常合理。話雖如此，這是一個極具挑戰性的專案。團隊有嚴謹的里程碑，因此將 TPU 晶片送上太空是一個超級令人興奮的里程碑。
37:19 而在我們談話的這段時間，我們正期待團隊那邊傳來 hello world 時刻（第一次成功運作）。所以我很期待看到這件事實現，我們也會繼續在這方面投資。你最近——大概是去年吧，你曾說過 Google 內部有 25% 的程式碼是由 AI 編寫的。現在這個數字是多少？我是說，我認為在我們今天的世界裡，那個數字幾乎已經 沒什麼意義了，因為我們現在經手的每一段程式碼，都深受 AI 影響。
37:54 例如我們現在追蹤 Argon 的使用情形，已經能看到這是一個轉折點。大家正在使用 Argon 來真正著手處理複雜的專案，對吧？包括影響數百萬行程式碼的專案。所以自從我們推出 Argon 以來的 4 週內，我們看到 CL（changelist，程式碼變更清單）的數量增加了 30%，而且更重要的是，幾乎同樣幅度的 回滾減少了三分之一，對吧？
38:28 因此我認為大家藉由它寫程式更有生產力，而且寫出了更好的程式碼。所以我想我們現在正在用更新的指標來追蹤它。談到對資料中心的反對聲浪，你對此有何看法，而且 如果你們無法按照自己想要的方式在美國建造資料中心，你們還能去哪裡？我們非常致力於以高度負責任的方式建造我們的資料中心。
38:59 我看我們進駐最久的一些社區裡最大的資料中心，也會親自去拜訪、跟當地居民交談。有些居民會跑來告訴我們，因為我們在這些社區的投資，他們的孩子得以去上大學。因此，我們也在那些社區中一同成長。所以對我而言，關鍵在於用正確的方式去做，提早與社區互動交流，以透明公開的方式進行。我們致力於確保帶來新增的電力，並且 100% 承擔這些專案的用電成本。
39:37 這包括了解對鄰里的影響，並確保儘早採取行動來應對這些影響等等。所以我想，只要做法得當，就能持續取得進展，但顯然我們也一直在持續將各方的回饋納入考量等等。我確實擔心並非每個人都以同樣的方式行事。是啊，人們對於自家後院出現資料中心感到驚訝。所以，我認為這些都很重要，作為一個產業，我們應該繼續做得更好。
40:10 但我們在 20 年的時間格局裡考慮太空資料中心等構想，部分原因正是為了確保我們，我們能夠把這些資料中心設在權衡取捨可能有所不同的地方。目前 AI 領域中，是否有某個尚未被證實的方向，是 Google 最努力想攻克的？大家討論過持續學習，讓這些 AI 在發布後能夠持續更新，而不是在每次對話階段結束後就遺忘。我們著眼於多項並行的押注。你看到我們在 Argon 上提供了 100 萬的輸出 token，對吧？
40:44 早期在我們的 Gemini 模型上，我們在輸入端就具備 100 萬的 context window（上下文視窗），對吧？這些都是我們不斷努力尋求突破的例子。像是，該如何看待合成資料？該如何看待持續學習？還有，該如何看待更高效的架構？所以，我們也確實將相當比例的運算資源投入到這些研究押注中。
41:15 因此，這始終是相輔相成的，包括我們的世界模型等等，對吧？所以，這些都是我們正在進行的押注。有時作為這些押注的一部分，浮現出的構想就會直接進入主線模型中。因此，也許我們不會全盤透露，但我認為我們在這些領域有多項押注。
章節 12：樂觀與 AI 的未來（41:42）
41:42 好的，我想以這個問題作結。像你這樣身處科技產業之中，本身就帶有一種與生俱來的樂觀，對吧？一種相信只要去打造，就能讓世界變得更好的信念。而這是深植於科技產業內部的特質。不過，事情總有一體兩面，對吧？這往往需要下注，甚至是大筆下注，並寄望於你正在投入的事物 會如你所願開花結果，但事情並不總是那樣發展。我給你舉個例子。
42:12 我剛去造訪了薩爾瓦多，這是我第一……嗯，我在相隔 5 年的時間裡去過，看到某個城鎮對 Bitcoin 和區塊鏈有著極其驚人的熱情，那裡工程熱火朝天、一片繁榮，但後來卻沒有像大家預期的那樣發展，而這次造訪時，那裡基本上成了鬼城，留下一堆未完工的建案。我認為要從事你們這份工作，需要一種即使押注沒有成功、也依然值得一試的樂觀。
42:50 而且那可能會帶來一些後果。所以，我很想聽聽你的看法。你在 Stanford 畢業典禮致詞中談到樂觀的必要，但那是一種細膩的樂觀，對吧？所以，我很想聽聽你的看法，你如何保持這種心態？那究竟是純粹的樂觀，還是某種有所保留的樂觀？你看，我確實抱持著深刻的信念，
43:22 改進科技並提升科技的可及性，能讓人們的生活變得更好。這是我一生中的切身體驗。這種深信不疑的樂觀便源自於此。但與此同時我一直覺得，人類的歷程始終在於努力駕馭科技，使其造福社會。所以，這種樂觀並不是隨心所欲地打造任何東西的樂觀，而是努力確保打造科技是為了服務人類、改善人類處境，
43:59 這必須是我們前進時的決定性目標，在這個框架下，我非常非常樂觀，而且我認為我們即將在許多領域看到的進展，目前還處於非常初期的階段。我們都在討論醫療保健等領域，但我認為許多進展還在後頭。以及在許多長期以來越來越昂貴的事物上，從根本上以更低的成本把東西做出來的能力。
44:32 發現新材料等等。我們能真正扭轉這條曲線。我認為站在今天，很難理解這一切的影響，但那些影響將會非常深遠。所以我非常樂觀。但我們理應對這項科技可能出錯的所有面向保持關注與擔憂。而這正是確保能解決這些疑慮的方式。所以我認為兩者是相輔相成的。Sundar，我知道你很少接受這類專訪。我非常感謝你今天撥空接受我的專訪，很高興有機會再次見到你並與你交流。
45:07 謝謝你，Alex。感謝，謝謝。大家好。非常感謝大家的收聽與收看，我們下期 Big Technology Podcast 再見。