Google 首席 AI 架構師：Gemini 逆風翻盤的18個關鍵

如果不是親耳聽到，很難想像一家科技巨頭會在鏡頭前承認：“兩年半前，我們遠遠落後了。”在這次訪談裡，DeepMind CTO、Google 首席 AI 架構師 Koray Kavukcuoglu 罕見地拆開了過去兩年 Google 的真實處境——不是領先、不是規模，而是被時代加速甩在身後、再一點點追上來的過程。

他沒有炫耀參數，也沒有談模型的“神蹟”，而是把重點放在更底層、更殘酷的問題上：一家全球最強的 AI 實驗室，如何在巨大的慣性中重新學會創新、學會工程化、學會組織協作、學會把技術真正變成產品？

Gemini 的故事只是表層。真正發生變化的，是 Google 這家公司的骨架與節奏。

原文訪談連結：https://www.youtube.com/watch?v=fXtna7UrL44
以下是根據訪談實錄整理的關鍵議題，希望也能幫你更清晰地讀懂 Google 的這次“重構”。

一、真正的起點不是突破，而是承認自己落後了

訪談中最刺耳也最重要的一句話，出現在結尾：

“當 Gemini 項目開始時，我們離最先進水平還很遠，那是一個追趕。”

這句話標誌著一個巨大的認知轉折：Google 承認自己在 LLM 起跑線上是真正的落後者。不是“狀態不好”這種輕描淡寫，而是“遠遠落後”。這意味著 DeepMind 必須拋棄此前十年建立的自信，從最基礎的使用者使用場景重新學習。

而這種承認，是一切變化的源頭。Koray 在訪談裡反覆強調：真正的轉折不是某個新技術，而是 Google 接受自己必須重新建立訓練方式、產品方式、工程方式以及組織方式。

二、為什麼中國使用者最先明顯感覺到 Gemini 變好了？

訪談一開始，主持人提到一個特別中國的反饋：Gemini 3 在中國使用者中被形容為“像 Windows XP 一樣穩定好使”。Koray 很有興致地解釋，這不是模型本身突然“智商暴漲”，而是 Google 終於把“模型 × UI × 任務鏈路”統一到了一起。

以前的大模型“聰明”，但不“好使”。而 Gemini 3 的轉折來自：

• 使用者介面更直覺
• 任務拆解更穩定
• 模型更能理解人類意圖
• 產品團隊從訓練階段就介入模型設計
• 真實使用者使用資料可以直接反哺訓練

換句話說，Google 終於開始像一家做產品的公司在做大模型。這是 Gemini 3 變化最直觀的原因，也是中國使用者最先體會到的原因。

三、Benchmark 正在失效，但真實世界永遠不會

外界批評 Google 的 benchmark 成績起伏不定，但 Koray 的解釋很罕見地觸及本質：主流 benchmark 正在靠近它們的自然上限。GPQA、ARC-AGI 等“智商題”已經被模型頂住，HLE 這種曾經難得離譜的測評如今也能“持續提升”。

Benchmark 會枯竭，但真實世界不會。學生寫作、科學研究、專業翻譯、複雜跨語境對話、跨語言表達……這些場景永遠無法被一個固定測試集窮盡。Google 把模型的最終價值從“得分”轉向“能不能幫人完成任務”。這是 Gemini 的第一性原理轉變。

四、Gemini 3 的核心不是智力提升，而是讓模型“能幹活”

從 Gemini 3 開始，Google 清晰確立了三個優先順序最高的能力方向。

第一是 指令遵從。模型要能“無二義性地理解和執行使用者的真實意圖”。這對使用者體驗影響巨大，比提升推理指標更重要。

第二是 國際化能力。Google 的使用者覆蓋超過 200 個國家，“理解全球不同文化語境”成為模型能力的底層指標，而不是翻譯能力的延伸。

第三是 工具呼叫與程式碼執行。這是未來智能體的基礎，模型必須不僅能理解問題，還能執行任務、運行工具鏈、處理工程環境中的真實任務。

三者加在一起，構成了 Google 的 “Gemini 設計哲學”：智能不是來自“更聰明的對話”，而來自“更可靠的執行”。

五、為什麼多模態強的 Google，起初 Agent 卻不好用？

這是主持人問得最尖銳的問題，也是外界最想知道的矛盾。Koray 的答案意外樸素：研究員可以在實驗室推動視覺理解，但 Agent 的任務不是研究員能想出來的，是使用者逼出來的。

真正的 Agent 場景來自：

• 創作者的任務鏈路
• 學生的寫作流程
• 工程師的工具呼叫模式
• 商業使用者的複雜需求

也就是說，Google 走了一條與 OpenAI 不同的路徑：不是“demo 優先”，而是“真實使用者需求優先”。Agent 的能力不是靠酷炫演示驅動的，而是靠“讓百萬使用者每天用”驅動的。

六、Google 真正的反超武器：模型、產品、工程第一次被統一

Koray 多次強調一個過去被低估的事實：Gemini 3 不是“模型團隊”的勝利，而是“工程、產品、模型、安全”第一次從第一天就被捏在一起推進。

以往是：

• 模型訓練完了，產品團隊接盤
• 安全團隊在最後做稽核
• 工程團隊負責部署

而今天是：

• 產品團隊從訓練最初就參與
• 安全成為訓練目標，而不是後置規則
• 真實使用者資料（AI Studio、AI Overviews、Anti-Gravity）直接反哺模型
• 使用成本、延遲、推理路徑都在訓練階段就被最佳化

Google 終於建構出了一個“模型 × 產品 × 工程”的統一體系。這是它在 2024–2025 年真正反超的結構性基礎。

七、Nano Banana Pro 的突破不是“畫圖變好看”，而是“理解世界結構”

外界關注圖像模型總是看“清晰度”、“風格”，但 Koray 在訪談中反覆強調，真正的突破來自：

• 理解 PDF、表格、圖表等複雜文件結構
• 具備結構化的視覺推理
• 第一次能生成“概念一致的資訊圖”

一句值得記下的話是：

“當一個模型能把複雜概念精準地用一張資訊圖表達出來，你就能感受到真正的理解。”

這是多模態模型的真正價值，也直接指向 Agent 的未來能力。

八、多模態不是功能加法，而是真正的“世界模型”入口

Koray 給出了一個簡潔但極具說服力的框架：

文字是線性的，視覺是空間的，音訊是時序的。真實世界不是只靠線性序列能描述的。因此一個真正智能的模型必須同時具備三種感知維度。

這也是為什麼 Google 在推進統一多模態模型上比任何公司都更加堅持——不是因為多模態“更炫酷”，而是因為它是理解世界的基礎。

九、統一模型並不是“把視覺塞進語言模型”，而是一場架構革命

外界經常把“統一模型”理解成方向正確的趨勢，但 Koray 的解釋更具技術深度。他指出：文字和圖像的輸出結構根本不同——文字是一維的，圖像是二維的。這意味著訓練方式、損失函數、最佳化器、token 化方式都要重新發明。

統一模型不是“時代潮流”這麼簡單，而是 必須突破的工程極限。Google 的敘事沒有浪漫，也沒有玄學，只有工程難題。

十、DeepMind 的文化基因：謙遜、科學與大規模協作

這部分是整場訪談裡最“人味”的地方。

DeepMind 的文化由三部分組成：

• 科學心態 —— 所有問題回到實驗與學習，而不是路徑依賴。
• 謙遜 —— 那句“我們不知道終極配方”不是客套，而是策略。
• 協作能力 —— 從 25 個人寫論文到 2500 人一起推進單一模型。

在一個公司試圖從科研轉型為工程、從工程轉型為產品的過程中，這種文化結構變得至關重要。

十一、規模是 Google 的最大難題，也是最大武器

Koray 承認：規模越大，一致性越難。但規模本身就是推進力。

Google 能夠同時推進統一模型、多產品落地、跨部門協作、全球化資料管線、超大規模訓練與部署，是因為它擁有世界上最成熟的基礎設施鏈路。

過去兩年，這條鏈路從“沉睡”變回“主力”，重啟了 Google 的攻勢。

十二、安全不是限制能力，而是訓練能力

Google 與 OpenAI 在安全策略上最大的差異不是嚴格程度，而是方式：安全不是“訓練後加過濾器”，而是“訓練中學會安全”。

這是“讓模型可靠”的關鍵，並且天然適配 Google 的基礎設施規模。

十三、統一模型與專用模型不是路線爭奪，而是成本最佳化

Koray 說得很實在：這不是意識形態問題，而是效率問題。未來一定會同時存在統一模型與專用模型，Google 的策略是用合適的工具做合適的任務，而不是堅持單一範式。

這種務實，是 Google 過去缺失、現在重新找到的品質。

十四、Google 的真正底氣：基礎設施的重新啟動

“我們能成功，不是因為我們更聰明，而是因為基礎設施足夠強。”Koray 的這句話其實深刻揭示了大模型時代的一個底層事實——智能規模化不是靠天才，而是靠管線。

能訓練、能部署、能迭代、能處理全球資料、能保持安全一致性的，是基礎設施，而不是演算法。

十五、Google 不相信有單一路徑，也不相信“持續擴參”能走到終點

他說：

“我們不知道最終配方。”

這句話的潛台詞是：

• 擴參不是終局
• 統一模型不是最終答案
• 多模態不是最後形態
• 未來模型的路線還遠未定型

這種“帶著不確定性繼續前行”的姿態，反而比某些公司宣稱的“xxx 是通往 AGI 的唯一路徑”更具有長壽感。

十六、下一階段的重點：推理、執行與真正的自主性

Gemini 3 的故事才剛開始。Google 的下一個目標是：

• 深層推理
• 多步任務執行
• 在複雜場景中的魯棒性

從“會回答”到“會行動”，這是整個行業的共同方向，但 Google 給出了相對清晰的內部路徑。

十七、Google 內部的時間結構：研究 × 工程 × 產品的等權分配

Koray 透露，團隊的時間分配不是研究優先，而是三者等權。這意味著一個模型從訓練到使用的全過程是統一推進的，而不是線性流程。

這是模型“真正可用”的關鍵原因。

十八、Gemini 是一個全公司規模的“科學工程項目”

訪談的最後，Koray 用“全公司的科學工程任務”來形容 Gemini 的誕生。那更像是一種內部視角的註腳：模型的進步來自結構性調整，而結構性調整本身比模型更難。訓練、資料、工程、產品、安全、協作……這些環節重新對齊，才構成了今天的 Gemini。

過去兩年，Google 不是在尋找捷徑，而是在恢復一個體系應有的速度和一致性。

當這些基礎再次穩固起來，一個屬於 Google 的節奏也重新出現了。 (硅星人Pro)