Google CEO Deep Dive: 10 Years as CEO, Lows, Reversals, and Regrets

近日，谷歌 CEO 桑达尔·皮查伊在执掌公司十周年之际，接受了支付巨头 Stripe 联创约翰·克里森（John Collison）和科技天使投资人埃拉德·吉尔（Elad Gil）的联合访谈。

访谈中，皮查伊回顾了谷歌在 AI 浪潮中从被动到领先的历程。他正面回应了那段令谷歌人 “意难平” 的历史：明明 Transformer 架构诞生于谷歌，最后却成了 OpenAI 推出 ChatGPT，并且成为颠覆搜索行业的基石。

他承认，外界对此 “有点误解”，Transformer 从一开始就是为了解决翻译质量而生，并非纸上谈兵的研究。之所以没有及时发布，部分原因是谷歌对搜索质量有 “更高门槛”，内部早期版本 “毒性太强” 不敢发布。

面对当前 AI 竞赛，皮查伊认为市场远非零和游戏，“价值增长曲线极其陡峭”。他还透露，自己每周至少花一个小时亲自审批算力分配，“这是当下最重要的事”。

在皮查伊看来，谷歌的全栈垂直整合是核心优势，包括从第七代 TPU 到模型再到应用，并透露 2026 年资本支出将达 1750 亿至 1850 亿美元。

关于资源瓶颈，他认为晶圆产能是 “根本约束”，警告2026 年将是一个 “供给紧缩之年”。但美国必须学会 “以 10 倍速度建设物理基础设施”。

他还证实，谷歌正在探索太空数据中心，“这就是 2010 年的 Waymo”，看似遥远，但已从小团队、小预算起步。

皮查伊坚信，搜索功能不会死，而是会进化成 “智能体管理器”。你只需下达命令，AI 智能体就能帮你完成任务。他甚至大胆预言：到 2027 年，谷歌内部的业务预测将完全由 AI 自动完成，不再需要人类插手。

以下为皮查伊访谈精炼版：

01 “我们不是慢，是门槛高”

问：大家总是会提起那段历史：Transformer 是谷歌发明的，最后却成了 ChatGPT 的基石。你现在怎么回头看这件事？

皮查伊：这件事其实有点被误解了。Transformer 不是凭空冒出来的。当时我们有一个很现实的需求：把翻译做得更好。TPU 也是一样。语音识别技术已经有了，但问题是，我们要服务二十亿用户，现有的芯片根本跑不动，必须先解决推理效率的问题。

问：所以 Transformer 一开始就是冲着产品去的？

皮查伊：是的，我们的研究团队从一开始就是奔着解决实际问题去的。Transformer 一出来，我们立刻就把它用到了搜索里。后面又做了 BERT（双向编码器表示）和 MUM（多任务统一模型），搜索质量在那段时间实现了巨大飞跃。其实我们内部也做出了类似 LaMDA（对话式语言模型）的产品，只不过没有抢在第一个推向市场。

问：换句话说，你们做了研究，也看到了回报，只是没有用它包打天下。

皮查伊：还不止是这样。ChatGPT 那种产品形态，我们内部其实也研究过，就是 LaMDA。你还记得吗？当时有个工程师觉得 LaMDA 有了意识（后来因此被停职、辞退 lol），那其实就是早期版 ChatGPT 的雏形。我们内部的产品版本早就有了，只不过比 ChatGPT 晚了大概九个月才发布。

实际上，早在 2022 年 I/O 大会上，我们就推出了 AI Test Kitchen，背后跑的就是 LaMDA。但我们做了很多限制，因为那个版本没有经过 RLHF（基于人类反馈的强化学习），说话 “毒性” 比较大，根本不敢直接放出去。

另外，谷歌对搜索质量的要求一直极高，产品发布的门槛也更高。即便 OpenAI 发布 ChatGPT 的时候，他们和微软的合作也才刚刚敲定不久。所以回过头看，ChatGPT 的成功并不是一件那么 “理所当然” 或 “板上钉钉” 的事。

我觉得 OpenAI 有一个很幸运的地方：他们通过 GitHub，在编程场景里先看到了机会。这个信号，我们当时可能漏掉了。

在编程这件事上，模型能力的进步比纯语言场景要明显得多。从 GPT-2 到 GPT-3，再到 GPT-4，你拿它写代码，每一步的跃升都比聊天更突出。这些因素叠加在一起，才有了后来的局面。所以我觉得，这事跟什么 “研究转化不成产品” 关系不大，而是别的因素凑在了一起。

问：我记得有人说，ChatGPT 发布的时候其实很低调，选在感恩节那一周，谁也没觉得它会变成后来的样子。就是个有趣的实验。

皮查伊：这就是消费互联网的常态，总会有意外。我们在谷歌的时候，做过 Google Video Search，后来 YouTube 出来了。Facebook 也是一样，Instagram 突然就冒出来了。没人会带着那种 “我要被颠覆了” 的戏剧感去看这些事，Facebook 的做法是直接把 Instagram 买了。

我的意思是，总有三五个人窝在一起搞原型，每天往外扔几百万个想法。我不是在贬低谁，但这种事一定会发生。你不可能在车库里随手就造出下一个 iPhone，但消费互联网就是这样。关键是你得意识到这一点，并且把它真正内化到组织的基因里。

02 搜索不会死

问：谷歌一直以 “快” 著称。最早的搜索把响应时间秀在结果页上，Gmail、Chrome 都比对手快一截。现在 Gemini 在 TPU 上跑，速度依然快得惊人。这是刻意的产品策略，还是有更复杂的原因？

皮查伊：速度其实分两种。一种是响应速度，也就是用户感知到的快慢；另一种是迭代速度，也就是我们推出新功能、改进产品的快慢。两者都重要。

你刚才问的是延迟。难就难在，我们要一边不断加新功能，一边还得保持快速响应。搜索团队现在是有毫秒级延迟预算的，比如你省下 3 毫秒，其中 1.5 毫秒要让给用户体验，另外 1.5 毫秒才算你给自己争取到的额度。

问：人类能感知到的延迟也就几百毫秒吧？

皮查伊：确实。但过去五年我们在增加一堆功能的同时，还把搜索延迟降了 30%。Gemini 也一样，Flash 模型拥有 Pro 模型的九成功力，但速度快得多、价格也便宜得多。垂直整合在这方面发挥了重要作用。

问：那你觉得搜索 10 年后还在吗？现在有人说聊天就是新界面，也有人说以后每个人都有自己的智能体，你可以直接命令它执行操作，不用亲自搜索了。

皮查伊：每次技术变革，搜索能做的事情都更多。用户的预期在变，你也得跟着变。以后很多 “查一下” 都会变成代理式的——你给个任务，智能体帮你完成。搜索会变成一个智能体管理器。我现在用的 Antigravity，里面已经有一堆智能体在干活了。

问：那种输入一行关键词、返回一堆链接的形态，还会存在吗？

皮查伊：现在的搜索 AI 模式里，已经有人在上面做深度研究了，跟你说的不太一样，但大家就这么用起来了。以后会有越来越多长时间运行的任务，而且可以是异步的。

问：你刚才说搜索会变成智能体管理器。但十年后，那个搜索框会不会还在，只是大家已经不拿它当回事了？

皮查伊：设备形态会变，输入输出的方式也会变。不过说实话，现在想十年后容易把自己想瘫痪。我们很幸运，处在一个只看未来一年就足够兴奋的时刻。曲线太陡了，一年后模型已经完全不同。光是跟着曲线跑，本身就足够激动人心了。

而且很多人没意识到，这是个扩张性的时刻，不是一场零和游戏。你看 YouTube，TikTok 和 Instagram 都发展起来了，我们不照样活得好好的？你越觉得别人起来你就得死，它就真的会变成零和游戏。但只要你自己在创新，就不会。

我们现在同时做搜索和 Gemini，两者有重叠，也会逐渐分化。同时拥有它们，我觉得是有益的。

问：2025 年春夏之际，市场对谷歌的未来悲观到极点，都说搜索完了，你们的股价跌到 150 美元左右。现在回头看，那显然是个误解。谷歌在整个技术栈上，无论是应用、模型还是 TPU，以及 Waymo、YouTube 和所有那些很酷的押注，都表现优异。你觉得投资者当时看错了什么？

皮查伊：当时大家的注意力全在 “反转” 上，也就是所谓的 “OpenAI 逆袭”。但对我来说，那个时刻反而让我觉得，谷歌就是为这个时刻而生的。这种垂直整合并非偶然或随意为之。2016 年我们就在 I/O 大会上发布了 TPU，并承诺要建 AI 数据中心，如今已经更迭到第七代。那一年，公司还确定了 “AI First” 的方向，这不仅仅是口号。

我们在前沿大模型上确实落后了一步，但内部有所有必需的能力，剩下的就是执行。让我兴奋的是，从全栈看，我们有研究团队、基础设施团队，还有各个业务平台。而 AI 恰好能同时加速所有这些业务，包括搜索、YouTube、云、Waymo，它们全都在一条曲线上。这是非常高效的杠杆。

我当时就不觉得这是零和游戏。一切都会扩大十倍，其他人也会有空间。谷歌崛起之后，亚马逊和 Facebook 不也做得很好吗？我们总低估增长带来的空间。所以我的重点很简单：执行得更好。

问：有没有一个标志性的时刻，让外界觉得 “谷歌终于回来了”？是 Gemini 3 吗？

皮查伊：大家真正开始注意到这个趋势，应该是 Gemini 2.5。尤其是多模态能力，直接站到了前沿。这要归功于 Google DeepMind 团队。我们一开始就为多模态付出了不少固定成本，Gemini 从第一天起就是奔着这个方向设计的。到 Gemini 2.5 的时候，优势开始显现了。比如 Nano Banana，你能看到所有东西整合在一起的效果。

不过这个领域变化太快了。两三个头部实验室互相推着跑，这个月你觉得 “太好了，这块我们领先了”，下个月就 “糟糕，那边落后了”。几个月后格局可能又不一样。前沿竞争就是这么激烈。

03 一年砸 1800 亿美元探索 AGI

问：有些外部研究员觉得，谷歌和其他头部实验室有个区别：谷歌没那么 “迷 AGI”。换句话说，谷歌不太相信 AGI 马上就能实现，也不太围着这个想法加速狂奔。你觉得这个观察对吗？如果对，会不会影响你们对未来方向的判断？

皮查伊：你看我们的资本支出，从 300 亿美元涨到了 1800 亿美元。不真心相信这个曲线，谁会这么砸钱？

我觉得这事很大程度上是语义问题。我们是一家大公司，产品覆盖太多人、太多层面，说话的方式可能不一样。但你要说谷歌不懂 AGI，那说不通。许多创始人本身就是 AGI 迷，德米斯·哈萨比斯（Demis Hassabis）、杰夫·迪恩（Jeff Dean）、伊利亚·苏茨克维（Ilya Sutskever）以及达里奥·阿莫代伊（Dario Amodei），这些人当年都曾在谷歌效力。

我觉得，之所以外界看起来觉得我们有分歧，部分原因可能是地理位置决定的，比如旧金山聚集了更多年轻公司和研究实验室。但这些只是表象。在根子上，大家对技术曲线的判断、对如何理解和应用 AI，其实没有本质的不同。

真正的差距在于，你有没有在一线见证过变化。在我们公司，有一群人天天跑在最前面，亲手部署和测试 AI 智能体，看着它们一步步获得新技能、搞定复杂任务。你再回头看看三个月前它们那点本事，就能实实在在地感受到指数级增长带来的冲击。

问：我很好奇，你最近感受到 AGI 时刻即将到来是什么时候？

皮查伊：我第一次有那种感觉，是在 2012 年。当时，迪恩演示了最早版本的 Google Brain，这个神经网络识别出了一只猫。后来我和拉里·佩奇（Larry Page）去了 DARPA 挑战赛，看汽车自动驾驶。德米斯演示早期模型，模型展现出我们称之为 “想象力” 的东西。

这样的时刻还有很多。最近的话，最直观的是编程领域的飞速进步。你给编程智能体一个复杂任务，从头到尾不用打开 IDE（集成开发环境），就看着它在管理器里完成任务。那种感觉，你可以叫它 AGI 时刻。

问：我前几天自己做个小项目，跑起来之后才发现，我连它用的什么编程语言都不知道，还得专门问它。感觉就像魔法。

皮查伊：没错。曲线的斜率（变强的速度）才真正让人吃惊。你回头看三个月前，就知道进步有多大。

问：说到这种亲身体验，我很好奇你是怎么保持跟产品的真实触感的。科技产品太抽象了，你不能光看报告和 PPT。除了每天用 Gmail 这些常规操作，你怎么确保自己不脱离用户？

皮查伊：我会用内部版本，专门安排时间密集使用。两周前我在健身房锻炼，手机开着 Gemini Live，接下来 30 分钟就一个话题跟它死磕。有的体验很好，有些令人沮丧，但你学到东西。我会逼自己用 “超级用户” 的方式去用。我强迫自己以那种 “超级用户” 模式使用它们，以此来保持接触。X（推特）也有帮助，因为有时你能得到最直接的反馈。

另外，我现在会去 Antigravity（我们的内部版本）里直接问 AI：“我们发了这个功能，大家觉得怎么样？告诉我最差的五条和最好的五条评论。” 它直接给你拉出来。我的生活变容易了吗？确实。

过去我得花很多时间试图去了解情况，现在 AI 智能体帮我做这部分工作。当然我自己该花的体验时间还是得花，这是个学习过程。我也在努力适应这个未来。

问：你刚才说这不是零和游戏，生产力的提升也实实在在。但回顾之前的技术周期，互联网、移动、SaaS，都是花了很长时间才体现在 GDP 里。AI 这边，我们已经看到数据中心建设在拉动 GDP 增长了。你觉得未来三五年，美国经济会因为 AI 变得更大吗？会增长多少？

皮查伊：为了让这些回报有意义，总得在某个地方体现出来。我记得红杉有个人写过一篇文章，说大家投了这么多钱，回报要对得上才行。

当然，这已经是两年半前的事了。当时有人说这不合逻辑，因为回报率必须达到一定水平才算合理。但现在，投资规模可能已经增长了 10 倍，我们需要重新审视这些数字。在某个节点上，账必须算得过来。非常明确的是，我们现在是供给受限，我们在所有应用领域都看到了强劲的算力需求。

问：我毫不怀疑这是个巨大的市场。问题是，很多人算账的方式可能不对。比如他们拿 Token 预算去比工程师工资，我觉得软件工程的市场比任何人想的都大，供给增加反而会让市场扩张十倍。我不是质疑资本支出和回报的关系，我就是好奇，你觉得增长到底能有多大？

皮查伊：回顾互联网的发展，GDP 增长的数字其实没完全反映出我们感受到的那种变化。也许没有互联网，GDP 增长会是负的。很难做出精准的预测，社会各层面都有自然的抑制机制。

最明显的一个例子：算力建设曲线和模型改进曲线截然不同，前者更慢。然后你还得考虑，怎么把技术扩散到社会里？Waymo 就是个例子。它比人类司机安全，但你推出的速度还是得谨慎，所有这些层面都存在限制。美国经济比十年前大得多，哪怕增长率只提高半个百分点，也是巨大贡献。我觉得会朝这个方向走。

04 供应链警报：内存、电工

问：你提到供给限制，这确实是 2026 年的一个决定性特征。你说谷歌的资本支出大概在 1800 亿美元？

皮查伊：1750 亿美元到 1850 亿之间。

问：有意思的是，就算谷歌想花 4000 亿美元，也花不出去，因为内存不够，电力不够，各种组件都不够。你能谈谈这些瓶颈吗？

皮查伊：你甚至连需要的电工都找不着。

问：说说都有哪些瓶颈。

皮查伊：说到底要回到晶圆产能上，那是根本限制。电力和能源相对更容易解决，但许可和监管环境是个大问题，拖慢了你做事的速度。

问：得克萨斯、内华达、蒙大拿等州有的是土地，但还是不够？

皮查伊：我们正取得巨大进步，但美国确实需要学学怎么建得更快。你看中国的建设速度，让人惊叹。我们需要转变心态，想想怎么把实体世界的建设速度提高十倍。这会是真正的制约因素。而且阻力会越来越大，不是几个人说 “我们要加快建设” 就能解决的。

问：还有数据中心暂停令这类问题。

皮查伊：晶圆产能、审批许可、建设速度，这些都是瓶颈。政府已经做了不少事，大家也意识到需要改进。然后是供应链里的关键组件，内存就是个典型。短期内所有人都被卡在这里。

我们这些做公司的，不管你多 “迷恋 AGI”，都得面对一个现实问题：你的判断不可能百分之百准确，总有一个误差范围。你得想清楚，你到底有多看好未来的发展？你能承受多大的利润压缩空间？因为外部因素随时可能出问题。每个人都在根据这些不确定因素做出调整。

问：所以内存是你觉得最大的组件瓶颈？

皮查伊：绝对是目前最关键的之一。

问：你说这是短期的。市场会通过涨价来刺激供应吗？

皮查伊：领先的内存厂商不可能大幅扩产。短期会受限，但慢慢会缓解。而且这种限制会倒逼创新——我们会把效率提高 30 倍。这些事是同时发生的。

问：这是不是会强化寡头格局？模型自我改进、自己写代码、自己标注数据，算力就是抢椅子游戏。谁的算力多，谁就能跑得更远。但如果大家的算力按比例分配，那实际上就给人设置了上限。你觉得这个说法对吗？

皮查伊：有一定道理。但我们刚发布了 Gemma 4，一个非常好的开源模型。中国的模型非常好，但我认为在中国以外，这也是一个非常好的开源模型。Gemma 4 的前沿水平，与 Gemini 3 的架构相比，虽然差距非常大，但从发布时间上看，两者相隔并不算太久。它不像 SpaceX 火箭那种庞然大物。

问：我一直觉得很震撼：你跑一个数据中心好几个月，最后出来的就是一个平面文件，一个 Word 文档一样的东西，那就是你的模型，太神奇了！

皮查伊：这件事的特殊性让我想挑战刚才那个框架。至少从推理角度看，你说的有道理。但每个人都在想办法用资本的力量去突破这些限制，这个激励是巨大的。

问：可你刚才也说了，世界上的内存就那么多。2026、2027 年的供应问题，光靠资本激励解决不了。这可能正是模型出现更多分化的时候。

皮查伊：对，但要跟晶圆产能、审批许可这些因素放在一起看。整体平衡下来，限制可能没有想象中那么严重。你得通盘考虑所有东西，包括资本。

问：按理说大家愿意投更多钱，但撞上 2026、2027 的现实瓶颈了。就像霍尔木兹海峡，你油价定多高都行，但每天减少 2000 万桶供应，就必须有 2000 万桶的需求被消灭。内存也一样，最后一定有人拿不到。

皮查伊：当然，还有安全等其他限制。但关键在于，这些模型很快就会突破几乎所有现有软件的承载极限——或许它们已经突破了，只是我们坐在这里，还浑然不觉。

问：所以供应限制反而逼着你做优化，变得更高效。

皮查伊：对，它逼着你去进行一些必要的对话。就拿安全来说，我们需要更多的协调，但今天这种协调还远远不够。总有一天会有一个时刻——可能来得还很突然。你不能一厢情愿地希望这些问题自己消失。

05 三颗 “隐藏宝石”

问：说到这，谷歌的投资组合确实让人印象深刻。你们投了 SpaceX，我记得很久以前大概占了 10%？还有 Anthropic，也是 10% 左右。Waymo 持有多数股权。内部还有 TPU、量子计算，还有其他人们可能不知道、或者低估了的 “隐藏宝石” 吗？

皮查伊：我们一直在做各种长期项目，刚宣布的时候，稍微边缘一点的看起来都有点荒唐。比如太空数据中心，我们现在就在最早期阶段。你刚才说限制激发创造力，正好就是这个道理。

从 20 年的长远视角来看，你打算把这些数据中心建在哪里？这个问题很难，但这就是我们今天在思考的事情，就像 2010 年我们开始做 Waymo 一样。量子计算也是其中之一，我们正在坚定地推进，我对此感到很兴奋。

问：你觉得量子计算最大的影响会在哪些领域？大家主要聊分子建模和密码学。但也有人在开发抗量子密码学（指能够抵御量子计算攻击的新型密码技术），而分子建模这边，深度学习已经很强了，AlphaFold 就是例子。量子真的会很重要吗？如果会，它将在哪里产生最大的影响？

皮查伊：从抽象层面来说，我觉得量子计算机更适合用来模拟自然。因为自然本身遵循的就是量子力学的规律，用量子系统去模拟它，会更直接、更高效。当然，经典计算机加上足够的压缩算法，理论上也可能做到，但我直觉上觉得量子会更有优势。

举个例子：我们到现在都还没完全搞懂化肥生产中的 “哈伯法”（Haber process），还有很多复杂的自然现象。我的直觉是，在模拟天气、模拟现实这些领域，量子计算最终会胜出。

技术史告诉我们一个道理：你把一个东西做到能用之后，人们会在它上面找到各种你当初完全没想到的应用。我总喜欢举这个例子：手机加上 GPS，后来成就了 Uber。当年做手机的人，谁也想不到这个。所以我相信，只要把量子计算机真正做出来，它的应用会多到超出所有人的想象。

问：抱歉打断你，请继续谈谈你刚才提到的那些超前项目。

皮查伊：Google DeepMind 团队在深入做机器人。谷歌其实很早就涉足过机器人领域，但当时太早了。现在回头看，AI 就是当年缺的那块拼图。Gemini Robotics 模型在空间推理上已经是顶尖水平。有意思的是，我们现在反过来跟波士顿动力、Agile 这些公司合作，一起往前推。

还有 Wing，无人机配送。我们在扩大规模，不久将来会有 4000 万美国人能用上 Wing 的服务，这不是多少年后的事，而是很快就能实现。这些长期项目，都是一点一点积累出来的。

另外还有 Isomorphic。

问：Isomorphic 确实很让人兴奋。

皮查伊：对，我们专注于用模型去改进药物发现的每一个环节。虽然后面还有三期临床试验等程序，但有了 AI 的帮助，让我们更有把握走向成功。

06 后悔没早投 Waymo

问：谷歌的资本到底是怎么分配的？教科书上说，资本配置就是把钱往回报最高的地方放。波音的例子就很典型：国防合同内部收益率（IRR）为 16%，新客机 19%，所有人都会选后者。但谷歌的项目根本没法这么算。给 YouTube 多投钱，算法一优化，用户停留时间变长，收入就会增加。给 Waymo 多投钱，加速扩张，但不知道什么时候才能大规模赚钱。投一个 AI 研究项目，五年后都未必有结果。这三个项目的回报曲线完全不一样，你怎么比较？

皮查伊：这是个好问题。讽刺的是，现在比以往任何时候都更常遇到这个问题，因为 TPU 的分配。在某种程度上，连 Waymo 都需要 TPU，算力让资本配置问题变得格外突出。

顺便说一句，我特别期待 AI 能帮我做这件事。一旦我们把所有数据打通，模型其实已经能胜任了，现在卡在数据解锁上。我觉得这很快会有帮助。

回过头看，谷歌有一个很大的优势：我们经常在非常早期的阶段就做出决定。这和公司的技术基因有很大关系。

对于长期项目来说，早期阶段其实更容易，因为一开始需要的资金并不多。真正难的是长期持续投入，并且不断评估基础技术的进展。拿量子计算来举例，我们怎么判断该不该继续投？我们会看逻辑量子比特的错误率，看什么时候能达到稳定的大规模逻辑量子比特的阈值，看团队能不能突破这些技术难关。

我学到的一个很重要的经验是：要在早期就深度押注技术。

从长期来看，你其实是在用直觉判断一个项目 5 到 10 年后的期权价值和潜在市场大小。你先假设一个非常激进的增长曲线，然后反过来推演：这个决策到底合不合理？

TPU 的投资就是这样做的，我们一直在稳步投入。Waymo 也是，大约两三年前，全世界都对自动驾驶悲观到了极点，我们反而加大了投资。别人在退缩，我们在加注。

问：回到你刚才说的资本配置。谷歌确实会砍项目，Loon（热气球网络计划）就停了，但 Waymo 熬了那么久你们一直没放弃。你们当时看到了什么？这是个定性判断还是定量判断？怎么决定砍这个留那个项目？

皮查伊：我们确实有一些量化指标。比如看 Waymo 的驾驶系统，看它的安全性和可靠性在如何进步。这是一条长期的曲线，你先设定好目标，然后持续跟踪执行情况。我们的团队一直非常出色。有些阶段进展确实比较慢，但你要相信团队能够突破。你越能在深层技术层面做出评估，决策就越准确。至少我是这么做的。

问：我听过一种说法：Waymo 早期是靠手绘地图和启发式规则，能处理的情况很有限。真正的突破是几年前转向端到端深度学习，正好赶上 Transformer 浪潮。如果 Waymo 是五年前才开始做，会不会跟现在差不多？还是说那十几年的积累其实必不可少？

皮查伊：你可以把 Waymo 看作一个机器人。按理说，过去三年才开始做机器人的人，进展应该更快。但 Waymo 不一样，它是一个高度集成的系统，不像台积电或 SpaceX 那样，只在单一维度上拼技术复杂度。对于这种系统集成来说，时机和工艺的积累非常关键。话虽这么说，但端到端的方法确实会成为一个加速器。

问：所以持续培养一个团队，本身就是巨大的优势。你们一直在投资，等到技术起飞的那一刻，就值了。这很聪明。那延伸到其他领域呢？比如机器人，你们会重新自己搞硬件，还是主要靠合作伙伴？

皮查伊：我们保持开放心态。但从 Waymo 和 TPU 我学到一点：在涉及安全、监管的领域，你需要第一手的产品反馈循环。拥有第一方硬件最终会变得非常重要。

07 每周亲自评估分配算力

问：以前研发主要花在人员工资上，技术成本是次要的。现在 TPU 算力成了预算的大头。谷歌内部具体怎么运作？有一个总的 TPU 预算吗？分项目的时候，以前按人头给预算，现在是 “人头 + 算力” 预算？季度评审怎么搞？

皮查伊：我们一直都有算力预算，但现在算力真的严重受限。我每周至少花一个小时，很细致地看各项目各团队用了多少算力，评估怎么分配。这件事现在是重中之重。

问：所以算力成了稀缺资源，你要确保它花在最值得的地方。

皮查伊：没错。

问：那谷歌云呢？你们一边自己要用算力，一边还要卖给客户。这个矛盾怎么处理？

皮查伊：靠提前规划。云团队做前瞻性计划，我们对客户的承诺是坚决要履行的。大家都在受限的世界里运作，云团队也总说算力不够，但提前规划能解决大部分问题。

问：说到谷歌云，GCP/MCP（AI 助手与谷歌云交互协议）很好用，你们的 AI 可以直接通过编程方式调用谷歌云，几乎什么都能做，就差核心权限设置了。以前谷歌云最大的痛点是功能太多太杂，登录之后要建组织、建项目、找服务，非常麻烦。现在这些都不重要了，你直接说 “加这个功能” 就行。AI 读懂了所有 API 文档，成了一个导航层。这个体验太好了。

皮查伊：AI 作为编排层，能处理你想到的任何事。企业内部也一样，CEO 不缺数据，缺的是把数据放一起的方法。以前得搞个大 ERP 项目，现在 AI 就是那个编排层。

问：产品越复杂，AI 导航的好处越大。Stripe 也有这个体会，但 GCP 的效应应该更明显。

皮查伊：我们还能做得更好，但你说得对，机会巨大。

问：OpenClaw 这类产品让我感兴趣的是，它们允许消费者使用有状态的 AI。比如 “每天早上把我感兴趣的新闻汇总发给我”，这种需要持久记忆的事情，主流 AI 应用都做不了。这个功能快来了吗？

皮查伊：方向上是肯定的。用户需要以可靠、安全的方式运行持久、长期的任务。身份、权限这些问题要想清楚。但这就是 AI 智能体的未来，为消费者带来这种能力，是我们正在探索的、令人兴奋的前沿。

问：这也是我想提的。Dreamer，就是前 Stripe CTO 的公司，刚被 Meta 收了，他们在有状态 AI（Stateful AI）这方面做得特别好。你可以自己做小应用，体验很流畅。让人有惊喜感。‌（注：有状态 AI‌是指在多步骤交互或复杂工作流中，AI 能保留并利用历史上下文、记忆和状态信息的 AI 系统。）

皮查伊：消费级界面底层会有完整的编码模型，加上合适的工具和技能，再加上云端安全持久运行的能力。这些基础组件正在汇聚。今天大概只有 0.1% 的人活在这个未来里，他们在给自己造东西。但把它推向大众市场，是一个令人兴奋的前沿。

问：我参与的那些公司，哪怕是最近才成立的，都彻底改变了产品开发、工程实践、甚至设计团队的定位。谷歌也在重新思考这些吗？工作流程有大变化吗？

皮查伊：可以用同心圆来理解。有些团队已经深刻转变了，我的任务是把这种变化扩散出去。早期很多东西是半残废的，想推也推不动。但今年曲线在急剧转变。Google DeepMind 和有些软件工程团队已经活在智能体管理器里了，他们用的内部工具叫 Jet Ski，其实就是 Antigravity。上周我们刚把它推给搜索团队。在大公司里，变更管理是技术扩散的最大难点，小公司切换起来快得多。

问：我想补充几个 AI 实际落地中遇到的问题。第一，工程师需要时间学会怎么有效提示 AI，而且每个公司还有自己特定的知识。第二，AI 生成的代码库共享起来很难，因为改动范围大、代码变动快，多人协作变得复杂。第三，除了工程领域，数据权限是大问题——你想让智能体回答 “这个交易状态怎么样”，公司知道这些信息，但权限引擎需要重写。第四，角色定义也在变，工程、产品、设计这些角色可能需要合并。总之，模型能力已经达到了相应水平，但我们用得还远远不够。你怎么看？

皮查伊：你提到的这些问题，Gemini 企业团队和 Antigravity 团队正在一个一个解决。这就是我们的路线图。我们在内部使用、遇到障碍、克服障碍，然后变成产品往外推。身份访问控制是真实存在的难题，我们对安全的要求又特别高，所以必须谨慎。但也正因为如此，当我们解决问题的时候，推出来的东西会更稳健。我们现在就在经历这个固定成本阶段。

08 AI 接棒人类时间表

问：谷歌每年会做几次正式的业务预测。理论上，你可以让 AI 完全自动完成这件事，不需要任何人参与。你觉得谷歌第一次实现完全由 AI 智能体来做预测，会是在哪个季度？

皮查伊：我预计 2027 年会是重要的转折点。一开始还会有人负责核查，但会慢慢切换过去。2027 年，这些转变会非常明显地发生。

问：所以除了工程流程之外，那些非工程的流程，你觉得 2027 年也会真正启动 AI 化？

皮查伊：对。这也是初创公司的优势，他们可以招 AI 原生的团队，从头就是这套玩法。而我们要做再培训、做转型。年轻公司在这方面确实有优势，我们必须自己推动这个转型。

问：现在谷歌内部有什么让你兴奋的小项目？

皮查伊：说出来可能让人意外。太空数据中心，我们就是从几个人的小团队开始的，拿着很小的预算去实现第一个里程碑。大想法也要从小处着手。

风险提示及免责条款

市场有风险，投资需谨慎。本文不构成个人投资建议，也未考虑到个别用户特殊的投资目标、财务状况或需要。用户应考虑本文中的任何意见、观点或结论是否符合其特定状况。据此投资，责任自负。