#謝爾蓋・布林
布林坦承Google低估Transformer,“還被OpenAI挖走了Ilya”
我們在AI方面犯了錯誤,而OpenAI抓住了機會。最近Google創始人謝爾蓋・布林回母校史丹佛演講,公開復盤Google的奮鬥史:從誕生、崛起,再到AI比拚中大意掉隊,以及靠Gemini 3逆風翻盤……他重新審視Google這些年的幸運與失誤,並對AI未來冷靜判斷:一開始沒想創業,想要賣技術結果沒人買。Transformer發佈後,我們錯誤地低估了AI,把機會拱手讓給了OpenAI。Google的學術積累和全端技術為Google重回世界一流AI提供了保障。我從Google眼鏡中得到的教訓是,不要過早地將想法商業化。量子計算和材料科學是被低估的未來技術,不建議學比較文學。至於為何他退休後又回歸Google,他也給出了自己的答案:生命的意義在於找到你的熱情,並不懈地為之奮鬥。Google的誕生始於一把“撬開”萬物的鑰匙Google的發展歷程始於1995年的史丹佛大學。那時拉里·佩奇正在考慮去史丹佛讀研,而受指派帶他參觀學校的正是塞吉·布林,不過那時,布林還是個喜歡“撬鎖”的自由青年。據他所說,那是段充滿創造力的時光,在史丹佛讀博期間,他從MIT一位擅長撬鎖的朋友那裡學會了這項技能。他會從辦公室的窗戶爬到腳手架上,然後偷溜進其它房間,把房間電腦裡的所有軟體都複製一份,然後自己做了一把能打開史丹佛所有門的萬能鑰匙。不過這項技能並沒有讓他成為詹姆斯邦德,因為他碰到了拉里。在那時,網際網路才剛剛興起,布林也乘著這股東風做起了披薩線上訂購的買賣,他當時設定的運作模式是:使用者網站下單→系統把訂單傳真給披薩店。看起來似乎很合理,結果實際上披薩店老闆根本不看傳真……於是項目泡湯了。好在擅長資料探勘的布林碰上了專注網路連結結構的拉里,他們二人開始共同致力於一個名為“數位圖書館”的項目,並基於此開發了BackRub搜尋演算法。該引擎可以通過連結來確定全球資訊網上各個網頁的重要性,而這就是Google的前身。不過當他們最初嘗試將BackRub授權給網際網路公司使用,卻都以失敗告終,陰差陽錯之下他們決定自己創業。創業伊始很是順利,他們成功收穫了一些天使投資。但布林也表示,對於他當時中斷博士學業的決定,他的父母其實並不贊同,好在他的導師很支援他,並告訴他,如果失敗了,就回去找他。但後來布林再也沒有返回校園,因為Google成功了。從學術領頭羊到AI掉隊他們將BackRub更名為Google。這個名字源自一個數學表示式,代表數字1後面帶100個零,也代表了布林和拉里的野心:整合全球資訊,供大眾使用,使人人受益。在接下來的幾年裡,Google開始積極營造學術氛圍,注重對基礎研發的投入,並吸納了很多博士生加入。伴隨著濃厚的學術背景,Google總是樂於嘗試富有挑戰性的內容,創新、打破常規是早期Google最鮮明的特徵。比如,Google第一台伺服器的機箱是由樂高積木搭建而成,Google瀏覽器的第一幅塗鴉嵌入了一個小火柴人,以告訴使用者們,“我們的員工都翹班去參加火人節”了。Google還會為他們養的第一條狗Yoshka寫員工觀察日誌。(咳咳)而近來隨著技術複雜度的提升,他們開始著重聘請數學和電腦科學領域的出色人才,以及具備一定計算技能的物理學家。這也為Google搶佔AI市場提供了先機:2012年Google發表Cat paper證明了無監督學習的可行性,讓行業看到了大規模神經網路的潛力;Google也是最早把深度學習大規模工程化的公司之一。當時業內最頂尖的AI專家都匯聚於此,比如Hinton、吳恩達、llya、哈薩比斯、Dario Amodei、卡帕西……群星薈萃組成了Google豪華的AI夢之隊。不過布林也坦誠表示:Google後續犯了大錯。在Transformer論文發表後,Google內部並沒有給予足夠重視,也沒有加大計算資源的投入,因為擔心聊天AI“會說蠢話”,所以不敢輕易推向市場。而反觀OpenAI則抓住了機會,甚至還從Google挖走了llya他們。但幸運的是,Google受益於其長期的研發歷史,包括Google大腦團隊以及對早期神經網路的投入,Google在AI領域仍舊保持技術優勢。Google很早就為AI開發了專用的TPU晶片,也是最早使用GPU的公司之一,擁有大規模的資料中心、自研半導體、深度學習演算法等全端技術。所以即使AI正在以日新月異的速度變化,且行業競爭激烈,Google都能始終處於領先。至於AI到底能發展到多麼智能,布林說他也不知道,但他相信,技術會賦予人們更多的能力,無論是工作、創業、健康還是生活,AI都擁有巨大的潛力,這點毋庸置疑。布林:我不是下一個賈伯斯雖然AI難以被精準預測,但布林也給出了他對大學生們的建議,那就是——利用好AI。就他個人而言,無論是給家人朋友挑選禮物,還是為產品構思新想法,抑或是藝術創作,他現在都會經常性求助AI。但AI不會完全取代他完成所有事情,通常情況是讓AI給出五個想法,然後從中收穫啟發、完善自己的想法。他也建議學生們繼續追隨對電腦科學的熱情,雖然AI在編碼方面表現出色,但更好的編碼能力有助於開發更好的AI,所以編碼仍然至關重要。相反他並不推薦比較文學專業,因為他認為,AI在這方面顯然更擅長,更容易做創造性工作。量子計算和材料科學也可能是被低估的、具有長期影響的未來技術,或許可以重點關注AI和量子計算在材料科學中的應用。而對於大學本身,他也建議重新思考其定位。知識的傳播正在通過線上平台和AI變得普遍化,要最大限度地擴大學校的影響力,就不能只侷限於固定地點和實體建築。在未來的一百年裡,大學的意義可能會發生翻天覆地的改變,跨地域遠端教育都是可預見的發展路徑。在創業上,布林則使用了Google眼鏡的前車之鑑舉例,他告誡年輕的創業者們,不要過早地將不成熟的想法商業化,而沒有在成本控制和消費者體驗上做好充足準備。布林說,在當初發Google眼鏡時,他有些飄了,覺得自己就是下一個賈伯斯,可以一下子就推出成功的產品。但事實證明,賈伯斯是非常獨一無二的。所以回顧這段失敗的經歷,布林總結道:如果當你的想法被外界所期待,成本卻在不斷增加,ddl正在push你交付產品,那麼在此之前,一定要充分打磨你的想法。不要陷入被期望裹挾的惡性循環,而無法給自己足夠的時間去完善產品。布林最後也談及了他從Google“退休”又“復出”的經歷。那時他想要發展自己的愛好,去研究物理學,結果在家呆的時間一長,發現自己越來越遲鈍、狀態越來越差。於是他意識到,是時候回到辦公室了。他開始越來越多地把精力投入到Gemini研發中,不僅參與技術討論,還深入程式碼層面和訓練細節,幫助推動公司核心AI產品的發展。另外他也透露,自己長期保持思維敏銳的方法之一就是經常在駕車時和Gemini進行對話,比如“我想建一個資料中心,需要多少兆瓦的電力,以及成本是多少”類似的問題。不過總的來說,他認為關於“退休”這個決定,現在看來是個很大的錯誤。 (量子位)
8 年後回到史丹佛,Google創始人謝爾蓋·布林復盤:AI為什麼落後,又如何實現絕地反擊?
現在的大學生該選什麼專業?未來一百年的大學會是什麼樣子?業界 AI 如此強勢,學界還能做什麼?Google在過去二十多年裡做對了什麼,又有那些遺憾?謝爾蓋·布林訪談內容劃重點1.Google在AI浪潮早期曾出現決策失誤Google在Transformer論文發表後曾錯失機會。他們擔心聊天機器人會說“蠢話”而未敢快速推廣技術,這導致公司在AI商業化部署上失去了先機,讓競爭對手搶佔了優勢。2.GoogleAI核心優勢在於全端基礎設施儘管早期有失誤,但Google在AI領域的持續競爭力源於其對深層基礎技術的長期投入。例如十多年前Google就開始開發的AI專用晶片(TPU)以及大規模資料中心。這種對演算法、半導體和計算設施的全面掌控,使其能夠站在現代AI的前沿。3.未來AI的突破點可能是演算法AI未來發展的方向將更多地依賴於演算法進步和潛在的新架構,而不是僅僅通過擴巨量資料和計算規模。在過去十年中,演算法的進步速度實際上已經超過了計算能力的增長速度。4.AI做那種創造性的事更容易不應該僅僅因為覺得AI 擅長寫程式碼就轉去學比較文學,AI 在比較文學上可能表現得更好。不是要不尊重比較文學專業的學生,但當你使用 AI 寫程式碼的時候,有時候它並不奏效,像是它會犯一個相當重大的錯誤。然而,你在一篇關於比較文學的論文裡把一句話寫錯了,並不會真的有那種後果。AI做一些那種創造性的事情更容易。5.建議年輕人將AI作為增強個人能力的工具AI是一個強大的賦能工具,可以用來頭腦風暴、獲取專業知識概覽,學生們應該積極利用它來增強自身的個體能力。在史丹佛大學工程學院百年慶典的收官活動上,Google聯合創始人謝爾蓋・布林重返母校,與校長 Jonathan Levin 以及工程學院院長 Jennifer Widom 展開了一場對談。布林於 1993 年進入史丹佛工程學院,攻讀電腦科學研究生。讀研期間,他結識了拉里・佩奇。兩人共同開發了一種搜尋演算法,並於 1998 年創辦了Google。回顧Google的來時路,布林坦言 8 年前提出 Transformer 時,他們沒有予以足夠的重視,而且因為擔心聊天機器人說蠢話而害怕將其展示給世人。但他同時認為,他們這些年也做了很多正確的事情,比如投資研發 TPU 並建立規模龐大的資料中心。對於未來,布林也表達了一些自己的看法,比如認為大學未來可能不應該再限制於某個地理位置,學界未來應該投身更具探索性質的研究,材料等科研方向可能被低估了……以下是這場對話內容的摘錄。Google 早期做對了什麼?學術基因、敢碰難題校長:Google 已經是一家市值 4 兆美元的公司,業務範圍極其廣泛。你們這些年肯定做了很多正確的決定。有沒有什麼是你們在建立 Google 初期就做對的事情?布林: 我覺得早期的話,Larry 一直非常有雄心。他現在也是。對你提出的每個計畫,他幾乎都會說「這不夠有野心」。我們確實很早就有了非常宏大的使命宣言 —— 整合全球資訊。我認為這是創辦公司的一個很好的理念基礎。另外,我們建立了一家相當學術化的公司。我和 Larry 都是從博士項目出來的,當時很多創業公司是大學生創辦的。我確實認為這會稍微改變你思考問題的方式。我們從早期就非常重視基礎研發投入。校長:我覺得有充分的理由說 Google 是過去 25 年全球最具創新力的公司。無論是產品創新,還是很多重大決策,比如收購 YouTube 發展視訊業務、收購 DoubleClick 做廣告、還有 Waymo。技術創新從一開始就很突出,現在做晶片也是。大公司保持高度創新是很難的,每個人都在這方面掙扎,但你們做到了。很多人認為你個人在這方面有很大影響。你是怎麼思考培育創新文化的?布林:部分原因就是敢於嘗試。因為我們有學術根基,可能更傾向於嘗試困難的事情。進入過去十年左右,困難的事情變得越來越有價值。以 AI 為例,它所需的計算量、所需的高深數學,這些都是技術上深奧且具有挑戰性的問題。命運的安排使得這些在當今世界變得重要。曾經有一段時間,你可以做 pets.com,任何東西都可以加個.com。技術深度要求不高,懂點網路就行。現在我們招的人比我當時要合格得多。我當時算是偏數學的電腦專業,因為本科同時學了數學和電腦,這在我那屆比較少見。但現在我們從史丹佛和其他頂級項目招的人,數學和電腦都很強,還有很多物理學家,因為物理學家必須做高深數學,而且他們的很多工作受限於計算能力,所以他們也需要計算技能。我覺得我們只是運氣好,在那個方向上稍微早一點就確定了方向。Transformer 論文發了我們卻沒當回事校長: 談談 AI 吧。每個人都在關注它。你回到 Google 從事這方面的工作。你們在很多方面都處於前沿,競爭非常激烈。投入 AI 基礎設施的資本達到數千億美元,單個公司層面都是這樣。你怎麼看當前 AI 領域的格局?布林:我們確實在某些方面搞砸了 —— 我們投資不足,大約八年前發佈 Transformer 論文時沒有足夠重視。我們沒有太當回事,沒有投資擴展計算規模。而且我們太害怕把它展示給使用者,因為聊天機器人會說蠢話。OpenAI 抓住了機會,他們做得很好。這是非常聰明的洞察,而且是我們的人比如 Ilya 去那裡做的這些事。但我確實認為我們仍然受益於那段漫長的歷史。我們在神經網路的研發上有很長的積累,可以追溯到 Google Brain。這也有點運氣成分。雇到 Jeff Dean 不是運氣 —— 能得到他我們很幸運 —— 但我們當時就有「深度技術很重要」的心態,所以我們雇了他。我們從 DEC(迪吉多)挖了很多人,因為他們當時有頂級研究實驗室。Jeff 對神經網路很有熱情,源於他大學時的實驗。他 16 歲時就在做治療第三世界疾病和研究神經網路之類的瘋狂事情。他建立了整個團隊。當時在我負責的 Google X 部門,我讓他做他想做的。他說「我們能區分貓和狗了」,我說「好吧,酷」。但你要信任你的技術人員。很快他們就開發出各種演算法和神經網路,用於我們的一些搜尋功能。然後有人提出了 Transformer,我們能做的事情越來越多。所以我們有基礎,有研發積累。確實有幾年投資不足,沒有足夠重視。但我們當時也開發了晶片,TPU 大概有 12 年歷史了。最初我們用 GPU,可能是最早使用 GPU 的公司之一,然後用 FPGA,然後開發自己的晶片,現在已經迭代了無數代。對深度技術的信任、獲取更多計算能力、開發演算法 —— 同時我們長期以來一直是計算的大投資者,資料中心規模很大。除了亞馬遜 AWS,很少有公司有那種規模的資料中心、自己的半導體、深度學習演算法等所有這些堆疊元件,能夠在現代 AI 前沿競爭。AI 會寫程式碼了還要學電腦嗎?校長:我們這裡大約有 250 名學生,很多是本科生,相當多的人還沒選專業,因為史丹佛給本科生很大的靈活性。幾年前我們可以預測大量學生會選電腦科學作為專業。你是否建議他們繼續選電腦科學?布林:我選電腦科學是因為我對它有熱情,所以對我來說是很自然的選擇。你可以說我也很幸運,因為我正好在一個如此具有變革性的領域。我不會因為 AI 現在程式設計能力還不錯就不選電腦科學。AI 在很多事情上都相當不錯。程式設計之所以受關注是因為它有很大的市場價值,所以很多人追求它。而且更好的程式設計能帶來更好的 AI,所以像我們這樣的公司非常重視它。我們大量使用它來程式設計,甚至用於演算法創意。所以我不會因為 AI 擅長程式設計就轉去學比較文學。說實話,AI 在比較文學方面可能更強。我無意冒犯比較文學專業的學生,但當 AI 寫程式碼時,有時候會犯相當嚴重的錯誤。而在比較文學論文裡寫錯一句話不會有那麼嚴重的後果。所以 AI 做一些創意性的事情其實更容易。未來一百年大學還會是現在這個樣子嗎?校長:今年是工程學院的百年紀念。如果你是院長,要啟動學院的第二個百年,你會怎麼思考?布林:我想我會重新思考大學意味著什麼。我知道這聽起來有點煩人 —— 這是 Larry 會說的那種話,我會對他很惱火。但我們有這個地理上集中的東西,有建築,有豪華的報告廳。但現實是,現在資訊傳播非常快。很多大學已經上線了開放課程,任何人都可以上網學習,可以和 AI 聊天。那麼擁有一所大學意味著什麼?如果你想最大化影響力,限制在地理位置可能不會那麼有效。當然,灣區是個特殊的地方。但我不知道在未來一個世紀,工程學院和大學的概念是否還會和以前一樣。人們到處移動,遠端工作,跨地域協作。這有點矛盾,因為我們正試圖讓人們回到辦公室,我確實認為他們在一起工作效果更好,但那是在特定規模下。如果你有一百人在那邊,他們不一定要和另外一百人在同一個地方。我越來越看到一些個人創造新事物,不管有沒有學位。雖然我們雇了很多學術明星,但我們也雇了大量沒有學士學位的人,他們就是在某個奇怪的角落自己摸索出來的。我不認為我能神奇地給你新配方,但我覺得這種形式不太可能是未來一百年的模式。大公司基礎研究這麼強學術界還能做什麼?學生提問 1:Google 很大程度上源自您在學術界完成的 PageRank 研究。而在今天,越來越多的創新由工業界主導,您是否仍然認為「從學術到產業」的這條路徑依然重要?如果重要,又該如何去強化它?布林:說實話,我可能只能回答一句:我也不太確定。我讀研究生的時候,一個新想法從被提出,到真正具有商業價值,往往要經歷幾十年的時間。在這樣的時間尺度下,學術研究是非常合理的:你有足夠的自由,可以慢慢思考、申請經費、反覆試驗,一個問題可以研究二三十年,最後才慢慢「滲透」到產業裡,可能是被大公司吸收,也可能變成一家創業公司。但如果這個時間被大幅壓縮呢?如果一個想法從出現到落地只需要幾年,甚至更短,那這條路徑是否還同樣成立?我覺得這是一個值得重新思考的問題。當然,有些事情仍然是有意義的。即便是在 AI 領域,我們也會持續關注史丹佛等高校的研究,偶爾招聘一些研究人員,或者展開合作。但很多情況下,你很難說這些工作一定 “必須” 在學術界先醞釀很長時間 —— 比如某種新的 attention 機制,可能在大學裡實驗兩年,隨後就被帶進了工業界。但問題是,工業界本身也在做同樣的事情。所以在這些方面,學術界的 “先行期” 未必有特別不可替代的優勢。也許在更激進、更底層的創新上,情況會不一樣。比如全新的模型架構、全新的計算範式。這類方向,工業界雖然一旦決定投入就能擴展得非常快,但最初的探索,可能仍然更適合在學術環境中進行。量子計算就是一個例子。這個想法在上世紀八十年代左右被提出,之後很長時間都停留在理論和實驗室階段。現在,一方面有很多公司在推進量子計算的工程化,另一方面,大學實驗室仍在嘗試各種完全不同的實現路徑。這類方向正好處在學術和產業的邊界上。如果你提出了一種完全不同於主流路線的新方法 —— 比如既不是我們在做的超導量子位元,也不是很多初創公司在嘗試的離子阱方案 —— 那它可能確實需要在大學裡慢慢發酵幾年。這類問題非常困難,也很冒險,放在學術環境中是合理的。但一旦你真的確信它是可行且有前景的,最終你大機率還是會把它推進到商業化階段,以某種形式進入產業。所以,我很難給你一個明確、非黑即白的答案。因為現在的頭部科技公司,確實也在做大量基礎研究,而且在 AI 領域,我們已經開始看到這些長期投入的回報。這意味著,學術與產業之間的分工比例正在發生變化。但我仍然相信,有些研究 —— 那種需要十年甚至更久、以純探索為主的研究 —— 產業界往往是不願意承擔的,因為它們的時間跨度實在太長,不符合「上市時間」的邏輯。而這些,可能仍然是學術界不可替代的價值所在。Google Glass 的教訓別以為自己是下一個賈伯斯學生提問 2: 隨著 AI 以前所未有的速度加速,像我這樣年輕有抱負的創業者應該採取什麼心態來避免重蹈覆轍?布林:避免重蹈覆轍的心態?當你有很酷的新穿戴裝置想法時,在做涉及跳傘和飛艇的炫酷特技之前,一定要把它完全打磨好。這是一個建議。其實我喜歡我們當年在 Google Glass 上做的事情,但那是一個以前犯錯的例子。我試圖在它足夠成熟之前過快商業化,在成本效益和消費者體驗方面都沒準備好。我有點操之過急,以為自己是下一個賈伯斯,可以搞定這個東西。我想說的是,每個人都以為自己是下一個賈伯斯,我肯定犯過這個錯誤。但他是一個非常獨特的人。所以我建議確保你的想法在足夠長的時間裡得到充分發展,然後才進入那個必須不斷奔跑的階段 —— 外部期望增加,開支增加,你必須在某個時間交付。你可能沒有足夠的時間做完所有需要做的事情。你會陷入一種期望滾雪球的狀態,沒有給自己足夠的時間來處理。這是我會儘量避免的錯誤。AI 的下一個前沿方向是什麼?學生提問 3:我們看到很多 AI 公司通過擴展資料和計算來改進大語言模型。一旦資料和計算都用盡了,你認為下一個方向是什麼?會是新的架構,transformer 的替代品?還是更好的學習方法,比監督學習或強化學習更好的東西?布林:你提到的這些方向 —— 新架構、新訓練方法 —— 在我看來,其實早就已經比單純擴算力、擴資料更重要了。只是因為擴算力太顯眼了:建資料中心、買晶片,再加上 OpenAI、Anthropic 關於 scaling law 的那些論文,很容易讓人覺得一切進步都來自 scaling。但如果你仔細對比,會發現過去十年裡,演算法層面的進步,其實跑得比算力提升還快。我讀研時見過一張關於 N-body 問題的圖 —— 就是引力系統裡大量粒子相互作用的計算。從上世紀五十年代到九十年代,算力遵循摩爾定律暴漲,但真正讓問題可解的,是演算法改進,而且演算法的進步幅度遠遠超過了算力增長。所以我認為,像我們這樣的公司當然不會放棄站在算力前沿,但那更像是甜點。真正的主菜,還是演算法上的突破。院長:我也補充一句。對算力不夠這件事,我們在大學裡其實早就非常熟悉了。高校根本不可能擁有和工業界同量級的算力,差距非常明顯。但這反而逼著我們去做另一類創新:在算力受限的情況下,如何把事情做好,如何用更少的資源做更多的事。這些研究我們已經做了很久,而且會持續做下去。什麼技術被嚴重低估了?學生提問 4:你們認為那種新興技術的長期影響被嚴重低估了?布林:顯然我不能回答 AI—— 很難說它被低估,即便從某種意義上講它可能仍然被低估,但它已經不算是「新興」了。很多人會提到量子計算,討論它最終能帶來什麼。我個人也很支援量子計算相關的研究,但要說這是我最有把握的答案,其實也不是。這裡面的不確定性太多了。從計算理論上說,我們甚至都還不知道 P 是否不等於 NP。整個計算領域裡,還有大量最基礎的問題沒有答案。而且量子演算法通常只對非常特定、結構性很強的問題有效。所以這一方向我很看好,但要精準回答被低估,其實不太容易。如果一定要說的話,我可能會把目光投向材料科學 —— 無論是 AI 還是量子計算,在材料領域的應用潛力都巨大。如果我們能創造出性能全面提升的新材料,可能帶來的變化幾乎是無限的。校長:我其實也在想材料科學這個方向,而且正因為你提到了被低估這個詞。現在關於技術創新機會的討論非常熱烈,像聚變能源、量子計算這些方向,其實已經得到了相當多的關注,很難說它們被忽視了。AI 更不用說。但材料科學在我看來,確實是一個被低估的方向。此外,還有生物與健康領域 —— 尤其是分子科學層面的機會非常多,正在發生一場不小的革命,只是它們目前得到的關注度,明顯不如 AI。院長:我正好想說同樣的事情。我能明顯感覺到「聚光燈」在不同領域之間移動,而現在,聚光燈幾乎全部打在了 AI 上。但在此之前,它曾經照在生物領域,而這束光不應該熄滅。合成生物學裡正在發生很多非常令人興奮的事情。所以我覺得,我們需要把這束聚光燈稍微拉寬一點。 (invest wallstreet)
巴菲特退休前大舉買入!Google創始人回歸,親手拆掉“剎車片”
一年前,Google似乎是垂死病中,被OpenAI打得滿地找牙。一年後,戲劇性的一幕出現了,為OpenAI提供算力供給的輝達、亞馬遜、微軟、甲骨文股價連續下跌,而左手Gemini 模型右手豐富變現場景的Google,股價持續上漲,僅7 個月就翻番。一年前,在2024年GoogleI/O開發者大會時,Open AI 創始人奧爾特曼曾直接嘲諷Gemini產品,甚至對發佈會佈置提出質疑:“我無法不去思考OpenAI和Google之間的美學差異。”一年後,巴菲特在退休前,首次建倉買入了Google。段永平也評論道:“現在市場上的大模型很多,10年後能活下來的大機率不會超過10%。我會猜Gemini,因為背後的Google很強大,而且已經醒了。”其實今年9月下旬,在雲棲小鎮,遇到的一位朋友曾對我說,“現在重倉Google還不算晚”。這位朋友或許不精通程式碼,但多次探訪矽谷,讓他得出了一個結論:Google已經追上來了,它在AI 領域很快將再度爆發。兩個月後的上周,Google正式發佈Gemini 3.0 Pro,它在20個基準測試中狂攬19項領先,在Humanity‘s Last Exam測試中以41%的精準率遠超GPT-5 Pro的31.64%,徹底扭轉了Google在AI競賽中的態勢,甚至Google用自研TPU晶片最佳化模型計算效率,隨帶帶崩了“輝達神話”。好消息是,我這位朋友看得挺準;壞消息是,我沒重倉。另一個好消息是,今年 4 月初,我也建議過發小重倉Google;壞消息是,他真的重倉了,並持有到現在。我們都看好Google會王者歸來,與Google聯合創始人謝爾蓋·布林的回歸密不可分。一言以蔽之,就是布林重新回到台前,給Google拆掉了“剎車片”,換裝“大馬力發動機”,Gemini 模型實現趕超,並全面整合進Google“全家桶”,加速資本化,會再造Google。2022年底,OpenAI的ChatGPT橫空出世,迅速席捲全球,整個科技行業為之震動。而彼時的Google,在反壟斷的威懾下,業務反應遲緩,在大模型領域毫無作為。Google當時確實已經處於“紅色警報”狀態,公司上下都意識到了大事不妙。為了抵禦ChatGPT 的攻勢,Google推出了 Bard倉促應戰,但Bard 的糟糕表現反而引發新一輪質疑。雪上加霜的是,Google搜尋市場份額在2024年底首次跌破90%,巨頭的核心業務遭遇前所未有的挑戰。外界開始用“大公司病”、“掉隊”、“落伍”來形容Google,這家曾經定義網際網路時代的科技巨頭,似乎要out了。GoogleCEO皮查伊或許是一個合格的職業經理人,但面對OpenAI 的大舉攻勢,就顯得經驗不足,或者說他並不是一個統帥,彼時的Google需要的不是“看家”的CEO,而是需要一個統帥,將Google從士氣低落、進度落後的困境中拉出來的卡利斯瑪型統帥。而能勝任這個職責的,只有創始人。2019年,Google創始人就逐漸隱退,但“紅色警報”還是打斷了布林的退休生活。除了要拯救親手締造的公司,大模型重塑網際網路乃至世界的前景,也是促使布林回歸的重要原因,那是屬於工程師的浪漫。布林的回歸並非象徵性的指導和戰略規劃,而是實實在在的下場幹活。他並沒有選擇坐在高管套房裡,直接入駐了被稱為“Building 43”的工程中心,和工程師坐在一起,寫程式碼、解難題。更為關鍵的是,布林回歸後提交了多年來的首個程式碼,這一行為在工程師內部產生了地震般的效應。他專注於解決模型在長邏輯鏈推理上的“長尾問題”,這一方向由皮查伊推動的,旨在彌補此前因短期目標導嚮導致的忽視領域,但卻是由布林在工程上解決。布林親自提交程式碼,讓Google重新找回了駭客精神,激發了整個工程團隊的鬥志和創新活力。在Open AI 衝擊下,當時Google的工程師團隊一度士氣渙散,人才流失。面對OpenAI的瘋狂挖角,布林親自打電話挽留核心研究員,修改薪酬激勵,以確保對頂尖人才的回報具有足夠吸引。為了與OpenAI競爭收購AI編碼平台Windsurf,Google以約24億美元的成本,成功引進其創始人兼CEO Varun Mohan等核心研發成員加入Google DeepMind,同時獲得Windsurf技術的非獨家使用權。科技公司的創新能力基礎是人才,需要激發人才的創造力,布林的回歸後,相當於對Google的創新引擎進行了一次重啟,全面AI 化。每個工程師都被要求在工作中用AI 工具來提升效率,尤其是在搜尋、YouTube、Gmail等核心業務部門,都開展“氛圍程式設計(vibe coding)”的計畫,工程師必須上手試用自家AI工具,邊用邊反饋。這一做法其實是復興了Google“dogfooding”的傳統:自己人先吃自己造的產品。無論是Cider(程式設計助手)、NotebookLM(文件理解)、Gems(定製AI)還是新出的圖像生成工具,Google員工都是第一批試用者。這一改革,讓Google重回了AI 產品的迭代路徑:小步快跑,不斷迭代,上下同步。至此,Google也從職責分明的部門式公司,開始向交叉協同的AI 原生組織演進。回歸後,布林面對的不僅是技術挑戰,還有Google內部日益嚴重的官僚主義。十幾年前,正是年輕、扁平化充滿朝氣的Google,一舉摧毀了雅虎在搜尋、微軟在瀏覽器市場的統治地位。但在布林回歸前,Google自己也從屠龍少年,變成了惡龍,躺在搜尋市場的壟斷地位上,公司規模日漸臃腫,部門壁壘森嚴,審批流程無比複雜,對新技術的反應愈發遲鈍,“幾千人個人可以否決一個產品,但沒有一個人能真正拍板上馬一個產品”。布林不僅要寫程式碼,也不得不與一個由“非親自招聘的員工”建立的官僚體系作鬥爭。在一次採訪中,布林透露:“最近我就在公司內部鬧了場不小的爭執,因為我們當時有一份清單,列著那些工具可以用來寫程式碼、那些不能用來寫程式碼。而Gemini居然在禁止列表裡。”經過激烈爭論,布林最終打破了這一荒謬規定,為Google全面使用 Gemini的程式碼能力釋放鋪平了道路,也加速了Gemini 的迭代速度。“你能想像那種感覺嗎?一個公司裡明明是你沒親自雇的那些人,卻形成了官僚主義體系,然後你這個創始人回頭反而要去對抗它,這真的是非常怪異的體驗。”布林在那次採訪中直言不諱地道出了他的挫折感。布林讓皮查伊幫忙著手清除官僚主義問題,其實某種程度上,皮查伊並非沒覺察到Google陷入了官僚主義的困境中,但他只是被任命的CEO,在山頭林立的Google,他並非擁有絕對話語權的話事人,除非,他擁有絕對的授權。這個授權只有創始人們有。布林與佩奇仍共同持有Google母公司Alphabet的87.4%的B類投票股,這賦予了他們51.4%的總投票權。這一股權結構為布林的改革提供了合法性基礎,使他能授權皮查伊迅速變革。變革來的是如此迅猛。從2023年起,Google開啟了“效率提升計畫”,通過裁員、重組,重新最佳化資源配置,將更多資源匯聚於AI、雲端運算等具有戰略意義的領域。2023 年的大規模裁員行動,波及人數約1.2萬,佔當時員工總數的6%。2025年2月,Google針對人力營運與雲端運算部門實施裁員,並面向美國員工推出自願離職方案。2025年3月,Google再次對雲端運算團隊進行最佳化。裁減了營運支援崗位,並將部分職位轉移至印度、墨西哥城等成本較低的地區。除了裁員,布林還主導了Google Brain與DeepMind的合併,將Google內部兩個最強的AI實驗室“縫”在了一起。這一整合將DeepMind在強化學習、神經科學啟發AI上的深厚積累,和GoogleBrain在大規模機器學習系統上的優勢結合。但是,布林厭惡官僚主義,但並非全然否定規則。他認為,如果一個基層的“小人物”敢於對他說“不”或讓他“滾蛋”,這反而是公司文化健康的標誌。科技公司必須保持平等的氛圍,否則就會被官僚主義所淹沒,最終死於平庸和傲慢。布林的回歸解決了公司內部權力分散的問題。作為聯合創始人,他擁有超越職業經理人的權威和影響力,能夠有效打破部門壁壘,推動資源整合。可以說,布林的回歸,為Google這家“大象”般的公司,重新注入了初創企業般的活力與靈活性。隨著組織障礙的清除,Google積攢多年的技術儲備開始全面爆發。Google在AI 領域的全端技術優勢逐漸顯現。Gemini系列從設計之初便堅定地走上了原生多模態路線,而不是在單模態模型上後期縫補,從而徹底避開了GPT-4等競品的後天短板。這種天生多模態設計讓Gemini能夠輕鬆處理各種模態混排輸入輸出,自然湧現出了跨模態推理能力。模型架構上,Gemini仍以Transformer 架構為基礎,加入多查詢注意力等最佳化,並採用混合專家(MoE)稀疏啟動機制,只點亮當前輸入需要的子網路,大幅提升了訓練和推理效率。Gemini 3.0在多模態、推理、Agent這三條最難突破的線路上,全線突破。Google獨特的高品質資料來源,通過模型稀疏啟動等技術,也能大幅降低推理成本,實現更好的成本效益。但Google的野心不僅於此,當整個科技行業都匍匐於輝達腳下,如飢似渴地等待輝達“施捨”GPU 訂單時,Google另闢蹊徑,推出了自研TPU晶片。GoogleAI基礎設施負責人Amin Vahdat在全體員工大會上表示:“公司必須每六個月就把服務容量翻一倍,才能滿足人工智慧服務的需求。”2025年發佈的第七代TPU “Ironwood” 支援了Google的千倍算力擴張計畫。這使得即使Google仍離不開輝達 GPU,但起碼不會被勒住脖子。其實,如果純粹比拚模型分數,OpenAI 仍有翻盤希望,但它的“阿喀琉斯之踵”在於:它缺少應用入口、缺少場景,缺少能將token 轉化為利潤的變現管道。時至今日,ChatGPT付費使用者佔比仍只有個位數。Open AI 沒有的,Google都有,並且應有盡有。2025年,Google在搜尋、Android系統、Chrome瀏覽器、YouTube、硬體乃至手機等核心業務,都在圍繞基座大模型Gemini進行重構,比如Google chrome 瀏覽器月活躍使用者已達20億。Google推出了全新的AI Mode,不再侷限於傳統搜尋的“關鍵詞匹配”,而是允許使用者以自然語言提出複雜問題,並自動生成結構化答案。從模型到應用,Google正利用其龐大的生態系統,重新定義AI話語權,只要使用者還留在Google生態裡,它就不愁不能變現,2025 財年第三季度,Google營收首次突破1000億美元大關。皮查伊更是披露了野心:“Google已不再把自己視為一家搜尋公司,而是要成為下一代計算平台的建立者。”就在Google潛心磨刀霍霍時,Open AI 其實也沒閒著,奧爾特曼在全球尋找政企合作夥伴,簽署名義規模高達1.4兆美元的AI基礎設施建設計畫,‌與輝達、甲骨文、英特爾等科技巨頭通過相互投資和訂單搞“循環注資”。除了搞錢,OPenAI 也嘗試著賺錢,在ChatGPT推出規模達50人的群聊功能,打入社交和線上會議室賽道;發佈基於 Chromium 的AI瀏覽器Atlas;在嘗試為ChatGPT加入官方電商與廣告功能;加緊與喬納森·艾維合作開發AI時代的消費級硬體裝置,等等。OpenAI早就偏離自詡的“矽谷科技巨頭反抗者”定位,更像是一個沒有找到商業模式的“瘸腿版”Google。但資源的窘迫,迫使OpenAI 只能專注於打造 ChatGPT 這個超級入口,但Google可以在搜尋、Android、Workspace 等多個平台逐步佈局AI能力。Gemini 3的強勢表現更是強化了Google全端、多平台的優勢,OpenAI也不得不公開承認Google的領先。奧爾特曼在一份備忘錄中告訴員工,Google近期在AI領域取得的進展,尤其是Gemini 3項目,可能會給OpenAI帶來“短期壓力”。他罕見地表示:“這看起來是一個很棒的模型。”即使管理科學、公司治理日漸完善,但在競爭激烈的科技行業,創始人對科技公司仍有不可替代的價值。我們一直強調的是,創始人是公司的第一位員工,也是最後一位員工,他沒辦法完全離場。布林回歸前後的Google,就是明證。是的,那位朋友在雲棲大會上,看著人潮湧動,還說了一句,“你看,馬雲回來後,就是不一樣。” (創業邦)