这是一场难得的深度访谈应该是我近期看到对Sundar Pichai最具信息密度的访谈没有之一。GoogleAlphabetCEO 桑达尔·皮查伊Sundar Pichai在执掌公司过十年之际从2015年开始与Stripe联合创始人John Collison以及知名科技投资人 Elad Gil 进行了长达一个多小时的对话。访谈发布于当地时间2026年4月7日彼时Google不仅稳坐全球最大科技公司之列更在AI竞赛中占据核心位置——2026年的资本开支计划已飙升至1750亿美元区间。三位对话者的背景值得一提。桑达尔·皮查伊自2015年出任Google CEO后兼任 Alphabet CEO亲历了从移动互联网到AI时代的全部关键节点。John Collison作为 Stripe的联合创始人运营着一家年处理1.9万亿美元全球支付的公司且还在经营图书出版业务以及一家酒吧。Elad Gil则是硅谷最活跃的天使投资人之一同时也是多家AI公司的早期支持者。这场对话之所以值得关注是因为它触及了当下科技行业最核心的几个问题Google到底有没有在AI竞赛中“掉队”Transformer明明是谷歌发明的为什么ChatGPT却由OpenAI抢先推出当CapEx从300亿美元暴涨到近1800亿美元时资源配置的逻辑是什么算力约束到底有多严重Google Search谷歌搜索这个产品形态还能存在多久以及一个听起来有点疯狂的问题——Google为什么开始认真考虑在太空建数据中心更重要的背景是就在大约一年前2025年春夏市场对Google的情绪极度悲观。“Search已死”的论调甚嚣尘上Google股价在150美元附近徘徊。而到访谈录制时市场已经完成了情绪急剧反转。皮查伊在这场对话中第一次系统性回应了那段低谷期的内部判断以及他为什么在那个时刻“非常清楚地感到公司就是为这个时刻而生的”。一、Transformer 的“前世今生”一个被严重误读的故事访谈开场就切入了一个在AI圈被反复讨论的话题Transformer架构诞生于Google但真正将其产品化的却是Google之外的公司——尤其是OpenAI的ChatGPT。这个事实在过去几年被无数次提起几乎成了Google“起了个大早、赶了个晚集”的经典注脚。Pichai对此的回应非常直接“我觉得这件事其实值得好好聊一聊因为它被严重误解了。”他首先纠正了一个基本认知Transformer 并不是什么纯粹的象牙塔研究它是在 TPUGoogle自研芯片的背景下为了解决具体的产品问题而诞生的。“当时团队在思考如何把翻译做得更好而TPU的起源则是——语音识别已经可以工作了但你突然需要把它提供给20亿用户我们根本没有足够的芯片来做推理。”换句话说Transformer 从一开始就是产品导向的。而且 Transformer 被立刻投入了使用。Pichai 提到了BERT和MUM——这两个基于 Transformer 的模型在搜索质量上带来了巨大的跃升。“人们低估了这一点因为我们对搜索质量的衡量极其严格那段时间搜索质量出现的一些大幅度提升正是因为 BERT 和 MUM。我们构建了 Transformer然后立刻在搜索中使用它来改善语言理解、理解网页内容、理解用户的查询。”但事情还不止于此。Pichai 进一步透露Google 甚至在内部已经构思了与ChatGPT本质上相同的产品——那就是 LaMDA。“我可以更进一步说我们甚至完全构想出了ChatGPT 这种聊天产品的雏形它就是 LaMDA。当时有一位内部工程师认为它像是有了意识sentient你可以理解为他当时在跟Google内部的一个ChatGPT早期版本对话。”他用了一个颇为文学化的表达“我们甚至在多元宇宙的某个平行世界里已经有了这个产品的版本。”那为什么 Google 没有率先发布Pichai 给出了两个关键原因第一当时内部版本的安全性不过关。“我们内部没有一个端到端做过 RLHF基于人类反馈的强化学习的版本我看到的那个版本在某种程度上还是相当有毒性的toxic我们不可能在那个时候把它放出去。”第二Google 作为一家拥有搜索质量“洁癖”的公司对产品质量的门槛天然更高。“也许我们对‘什么是可接受的产品质量才能发布’这件事标准更高一些。但这不是说……我们一直在想办法把它推出去。”2022年的 Google I/O 上Google 实际上发布了一个叫 AI Test Kitchen 的东西底层就是 LaMDA但被刻意做了约束。大约九个月后Google 就跟进发布了自己的版本。Pichai还提到一个很关键的细节。“我想说的是即使是OpenAI发布ChatGPT的时候他们和微软的交易也只是提前几个月才谈成。现在回头看好像一切都很清楚但当时远没有这么明朗。”在他看来OpenAI 之所抓住先机很大程度上是因为在编程场景里看到了模型能力突然变强的信号——“OpenAI在编程方面也很幸运地通过GitHub看到了苗头而 Google 当时可能没有第一时间抓住这个信号。”因为相比纯粹的语言对话模型在写代码这件事上的进步更容易被直接感知——“编程方面的能力跃升可能比纯语言方面更加明显比如从GPT-2到GPT-3再到GPT-4的能力跳跃在写代码时可能更容易看出来。”John Collison在这里做了一个重要补充他记得跟一些参与ChatGPT开发的人聊过当时是在感恩节那一周发布的“有点像是被悄悄放出来的这并不是一个盛大的发布。它显然出乎了所有人的意料。”Pichai 对这类“惊喜时刻”的理解很通透。他说“但我内化这类时刻的方式是如果你身处消费互联网领域你就一定会遇到惊喜。”他举了两个例子Google 当年有Google Video Search然后YouTube横空出世结果Google收购了YouTubeFacebook也遇到了Instagram的崛起结果Facebook买了Instagram。“没有人会用特别戏剧化的眼光看待那些时刻。”他的观点是在消费互联网领域三个人坐在一起做原型、不断推出各种东西这是常态。“我不是在试图淡化什么但我只是说你总会遇到这样的时刻没有人能在车库里醒来然后做出一个更好的 iPhone。消费互联网就不是那样运作的。你只需要意识到这一点并且将其内化。”二、速度作为产品哲学毫秒级的延迟要求话题从Transformer转到了Google的产品理念。John Collison提出了一个观察速度一直是 Google 试图进行差异化的核心维度。最初的 Google 搜索以快著称甚至会在搜索结果中显示查询耗时来“炫耀”。然后是 Gmail 的快速搜索Chrome 浏览器的加载速度。而现在在 AI 服务领域运行在 TPU 上的 Gemini 同样以速度见长。“我用所有的 AI 服务来做不同的事情但 Gemini 在 TPU 上就是非常快。”Pichai 的回应揭示了 Google 内部对延迟的极致要求。“我一直把速度——在这里我们称之为延迟latency——内化为一个伟大产品的标志性特征之一。而且它几乎总是反映了产品底层技术实现做得好不好。”他紧接着区分了两种速度一种是产品本身的响应速度延迟另一种是产品发布和迭代的速度。“两者都很重要。”但关于延迟他给出了一个具体的例子。Google 搜索团队现在为子团队设定了以毫秒为单位的“延迟预算”运作方式是这样的如果你做了一个优化减少了3毫秒的延迟你可以获得50%的“延迟积分”相当于1.5毫秒存入你的延迟预算而另外1.5毫秒则直接传递给用户。不同的团队根据其工作性质可能会获得30毫秒或10毫秒的延迟预算。你可以使用这个预算但必须接受严格的审查。John Collison 插了一句“作为参考人类大概在低于几百毫秒的级别就能感知到延迟差异对吧”Pichai 确认了这一点并补充说“我上次看了仪表板和相关指标在过去五年中我们实际上把搜索延迟改善了30%。但你想想功能层面发生了多大的进步。”这种对延迟的执念直接影响了 Gemini 模型的产品策略。Pichai 解释道“这就是为什么在 Gemini 中我们非常深入地思考能力与速度之间的平衡。Gemini Flash 模型的能力大约是 Gemini Pro 模型的90%但速度快得多、服务成本低得多而且垂直整合在这方面帮了大忙。”三、Search 的未来从搜索引擎到智能体管理器接着大家就聊到了谷歌的搜素业务Search。很多人在谈论聊天作为新的交互界面Gemini 已经被融入搜索agentic flows智能体工作流成为热词与其让用户输入查询不如让智能体直接帮你完成任务。问题是Search 还有未来吗Pichai 的回答传递出一种很典型的 Google 式思路搜索不是突然换了一套玩法而是在一轮轮技术升级中慢慢变得更懂用户到底想干什么。他说“我感觉在搜索中每一次技术变革你都能用它做更多的事。”他举了个很生活化的例子“你从纽约地铁站出来打开手机并不是想看一堆网页链接你真正想知道的是‘我现在该往哪走’”。换句话说用户要的不是信息本身而是一个能直接帮他完成目的的答案。展望未来他认为搜索中大量的信息检索查询将变成智能体agentic。“你会在搜索中完成任务你会有很多并行运行的线程。”被问到搜索十年后是否还存在时Pichai 给出了一个非常有画面感的回答“搜索会变成一个智能体管理器agent manager你在其中完成大量不同的事情。”他还提到自己现在就在使用 Google 内部的 Antigravity——一个专门管理多智能体协作的平台。按他的描述未来你不会只是在搜索框里“查资料”而是会有一群 AI 智能体同时帮你处理不同任务而搜索会变成这些任务背后的统一入口和调度中枢。John Collison 试图把问题推的更犀利「搜索框」这个产品形态本身在十年或N年后还会不会继续留在界面上Pichai 并没有给出一个斩钉截铁的“会”或“不会”。他反而指出设备形态本身会发生变化输入/输出方式会发生根本性改变。“如果你老是试图把十年后的世界一次性想清楚反而容易把自己想住最后什么都做不了。但我们很幸运地处在这样一个时刻——你只需要想一年以后的事曲线就已经足够陡峭了模型在一年时间内就会有剧烈的变化光是做好一年后的事就已经足够令人兴奋了。而在过去你可能需要坐下来设想五年后的样子。”Pichai 反复强调了一个关键观点这不是一个零和博弈。“我觉得很多人在这种时刻低估的是它离零和博弈太远了。人们能够做到的事情的价值也在某种疯狂的曲线上增长。”他举了 YouTube 的例子——即使 TikTok 和 Instagram 存在YouTube 依然发展得很好。“你越是把它看成零和博弈它看起来就越困难。但只要你还在创新的前沿只要产品还在进化它就可能不是零和的。”他进一步说“Google 目前同时在做搜索和 Gemini。它们在某些方面会重叠在某些方面会深刻地分化。我觉得同时拥有两者并拥抱它是一件好事。”四、一年前的至暗时刻Google 150美元股价背后的“大误解”John Collison 在这里把时间拉回到大约一年前2025年春夏当时市场对 Google 的情绪极为负面主流观点是“Search 要完了”Google 的核心商业模式也受到非议。Google 股价徘徊在150美元附近。“现在人们意识到当时很傻。”Collison 说。Google 从上到下从应用层、到模型层、到TPU、到Waymo、到YouTube拥有一套完整的技术栈。他问 Pichai“投资者们在一年前到底误解了什么”Pichai 的回答非常坦诚。“那段时期的情绪显然非常内卷式的invert-focused。但对我来说在那个时刻非常清楚的是‘嘿奥弗顿窗口Overton window移动了。’我感觉公司就是为那个时刻而生的。”编者按奥弗顿窗口可以通俗理解成一件事在当下到底算不算主流能接受、能公开讲、能认真去做的范围所以“奥弗顿窗口移动了”意思就是原本还显得激进、边缘、没那么容易被接受的事突然变成了大家都觉得合理的方向。也就是AI突然进入了主流世界在这种意义上他觉得 Google 恰恰就是为这一刻而生的。他强调垂直整合不是偶然。“我们当时已经在做第七代 TPU 了。我记得是2016年的Google I/O我们宣布了TPU并谈到我们正在建设AI数据中心。”从那时起Google就已经在以“AI为先”的方式运营。他坦言“我承认我们在前沿LLM模型方面确实落后了但我们在内部拥有所有的能力——研究团队、基础设施团队、所有平台我们只是需要把这些发展到位来迎接这个AI时刻。”而让他真正兴奋的是全栈视角。“当我从全栈来看的时候我们有研究团队、基础设施团队、所有的平台我们在很多业务上都进行了有有意的投资和投入。”他突然提到杠杆效应“天哪我们有一个共同的技术它可以加速所有这些业务。从搜索到 YouTube 到 Cloud 到 Waymo全都依赖于同一条技术进步线。这是一种高度杠杆化的进步方式。”他再次强调了非零和的观点“我没有把它看成零和时刻。我感觉所有东西未来都将扩大10倍而且还会有空间留给其他人。回过头看自从 Google 出现以来Amazon 发展得很好Facebook 也是我们低估了所有这些东西的增长场景。”那么外界大概是从什么时候对Google有明显改观的Pichai 认为转折点大概是 Gemini 2.5 发布的时候尤其是它在多模态能力上真正进入第一梯队。“这要归功于 Google DeepMind 团队Google 在前期其实为此付出了更高的研发成本因为从一开始Gemini 就是按照‘原生多模态’这个方向去设计的。”说这话的时候他特别提到 Nano Banana就是证明。但他也非常清醒“这是一个极其动态的前沿。我觉得有两三个实验室在非常激烈地互相推动。在任何一个月我们会觉得‘哦太好了我们在这方面做得很好。’然后又‘哦糟糕有几个地方落后了。’几个月后画面又会变化。前沿技术就是如此激烈正如大家所见的那样。”五、Google 是否“不够信仰 AGI”Elad Gil 引出了一个在AI圈被广泛讨论的观点在很多外部研究者眼里常常觉得 Google 团队跟另外几家头部实验室的最大的不同是“Google没那么 AGI-pilled”也就是说觉得Google 内部对 AGI 即将到来的信念不如其他实验室那么强烈。Pichai 的回应分几个层次。第一层他先拿行动说话。“如果 Google 不是认真看待这条技术曲线就不会把资本开支从 300 亿美元一路拉到大约 1800 亿美元。”第二层他觉得这件事很大程度上是表达方式不同而不是判断不同。因为 Google 体量更大产品覆盖全球用户所以说话方式天然会更克制一点不太会像一些更年轻、纯研究导向的实验室那样把“AGI要来了”天天挂在嘴边。“也许我们谈论这件事的语言方式可能有所不同。”他说。他随即为Google的AGI基因正名“Google 的创始人们大概是 AGI-pilled 的。而且别忘了在某个时间点上Demis Hassabis、Jeff Dean、Ilya Sutskever、Dario Amodei 这些后来定义了整个 AI 时代的重要人物曾经都在 Google。”这个意思其实很明确你不能一边承认这些人是AGI时代的核心推动者一边又说Google不懂 AGI。John Collison立刻顺着这个点开了个玩笑“这个反驳很好就像是在问对方你过去二十年到底有没有认真看这个行业”当然Pichai 也承认一些年轻公司或者纯研究实验室尤其是总部在旧金山的那批团队文化氛围、组织形态、表达习惯确实会跟Google不太一样所以外界看起来会感觉“味道不同”。但在他看来这种差异更多是表面的不是根本性的。说到底大家对技术进展的理解并没有外界想象得那么分裂。他还补了一句挺重要的话“即便在 Google 内部也有一批人是天天泡在最前沿里的他们每天都在启动智能体、观察这些系统到底能做什么、看着它们学会新技能再回头对比三个月前它们只能做什么。我们在内部切身感受着这种指数级变化。”也就是说Google 并不是在远远旁观这波浪潮而是在公司内部非常具体地感受变革。聊到这里John Collison 提到自己看到过一条很有意思的推文大意是如果你想理解今天的硅谷先得接受一个现实几乎每个科技高管现在都有严重的AI精神病AI psychosis每天都花大量时间写代码、跟AI对话。他觉得这话虽然夸张但并不是完全没道理。于是他顺势问 Pichai你最近有没有什么瞬间真的让你感觉“AGI时刻”了Pichai 的回答很有画面感。他说自己第一次“感受到 AGI”是在2012年当时Jeff Dean给他看Google Brain很早期的成果——“就是神经网络识别出一只猫的那一次。”再后来是 2014 年左右他和Larry Page一起去看DARPA挑战赛看到自动驾驶汽车还有Demis给他展示一些早期模型表现出某种接近“想象力”的能力时他也有类似感觉。但最近让他感受最强烈的还是编程。他说“现在有些时候你给智能体一个复杂任务自己甚至根本不用打开 IDE只是在一个智能体管理界面里看着它一步一步把任务做完看到它有多强大……你可以管这叫「感受到 AGI」。”他还讲了一个小故事“我最近做了一个小的业余项目做了一会儿之后我想哦我好奇它用了什么编程语言也就是说在那之前我甚至都没必要关心实现细节东西已经先跑通了。那种感觉就像魔法一样。”最后Pichai 给了一个总结“真正让人震惊的是曲线的斜率模型变强的速度和程度而且是在很多维度上同时进步。很明显前方还会有更大的进步。”六、1800亿美元CapEx与供应链的“霍尔木兹海峡”接下来对话转向了2026年最具定义性的特征之一供应约束。Google 已公开宣布2026年CapEx将在1750亿到1850亿美元之间。John Collison 提出了一个尖锐的观察有趣的是即使 Google 想花4000亿美元的 CapEx它也花不出去——因为没有那么多内存、没有那么多电力、没有那么多各种组件。你甚至找不到足够的电工。接下来话题落到了 2026 年 AI 行业最绕不开的一个现实供应约束不是你想花钱就一定花得出去真正卡脖子的是供给。Google 已公开宣布2026 年的资本开支CapEx将在1750亿到1850亿美元之间。John Collison 提出了一个尖锐的观察“即使 Google 想花4000亿美元的 CapEx它也花不出去因为没有那么多内存、没有那么多电力、没有那么多零部件你甚至找不到足够的电工。”Pichai 逐一拆解了各种瓶颈。首先是最根本的限制其实是晶圆产能。也就是说芯片生产从源头上就有上限。你往前追最后都会追到一个现实问题晶圆厂一年能开出多少片晶圆这本身就是硬约束。不是你下单多产能就能立刻变出来。其次是电力和能源。Pichai 觉得这一层相对还更容易想办法解决一些但真正麻烦的地方往往在于建设速度不够快尤其是审批、许可、监管这些流程。哪怕像得州、内华达、蒙大拿这样的地方土地 plenty政策环境也相对欢迎增长你要把东西真正建起来速度还是未必跟得上需求。说到这里Pichai 讲了一句分量很重的话“看中国建设的速度会让人真的生出一种敬畏感。我真的觉得我们需要学会更快地建设东西需要转换思维方式来想在物理世界中把建设速度提升到10倍到底需要什么条件”但与此同时他也提到阻力正在变多比如一些地方开始对数据中心建设设限甚至直接搞禁令。在各种关键部件里Pichai特别点名了「内存」。他说“内存现在绝对是最关键的瓶颈之一。”当被问到这个问题短期内会不会缓解时他的回答相当直接“头部内存厂商短时间内不可能突然把产能大幅拉起来。所以短期内这些限制还会持续存在只能随着时间慢慢放松。”这时Elad Gil 抛出了一个更深的问题这种供给紧张是否会强化寡头垄断格局他的逻辑是这样的如果模型的下一轮进步越来越依赖“自我进化”比如模型开始自己写代码、自己做更多数据标注、自己生成更多训练材料那么谁手里现在握着最多算力谁就更容易在这场竞赛里越跑越快。反过来说如果所有人拿到的算力都差不多都被供应限制卡在同一个天花板下那领先者能拉开的距离反而也有限。Pichai 说这确实是一个合理的思考框架。但他同时也提醒AI 模型有一些很特殊的属性会让这个逻辑没那么简单。他举了 Gemma 4 的例子。Gemma 4 是 Google 最新发布的一个很强的开源模型底层基于 Gemini 3 架构。Pichai 的意思是从最前沿模型到 Gemma 4 之间当然有差距但这个差距也没有大到不可逾越尤其如果按“时间差”来算其实没有人们想象中那么遥远。他还提到一件让他始终感到不可思议的事实你说的是一组权重可以装进一个U盘里。John Collison也感叹你运行一个数据中心几个月最后产出居然就是一个平面文件听起来像是一个 Word 文档。那就是你的模型。”Pichai 也笑着回应“这东西又不是一枚 SpaceX 火箭。”他的意思是AI 模型的制造过程虽然极其昂贵、极其复杂但最后“交付出来”的那个东西本体其实非常轻。这和造火箭、造工厂、造汽车完全不是一种工业逻辑。所以他对“供给约束一定会把行业锁死成寡头局面”这件事持保留态度。John Collison 又打了个比方说这有点像“霍尔木兹海峡”。你可以让油价随便涨但如果全球市场里每天突然少了 2000 万桶原油那最后一定会有人买不到油。内存也同理——最终到了某个时点有些人就是拿不到他们想要的内存。Pichai 还提到另一个很容易被低估的限制「安全」。“大概率已经能够破解几乎所有的常规软件这事儿可能已经在发生了可能就在我们坐在这里说话的时候。”他指的不是去破解什么超级底层的加密算法而是更现实的问题——普通软件、大型平台上的漏洞尤其是零日漏洞会越来越多。John Collison 分享了一个有趣的市场信号“有人告诉我零日漏洞的黑市价格正在下降因为AI导致供应在增长。”Pichai 回应“我一点都不意外。”不过Pichai 对整体前景仍然是谨慎乐观的。“我真心认为前方有很多上行空间。一些约束可能反而是有益的因为约束激发创造力。它迫使一个压缩周期让你变得更高效也会迫使大家去面对一些原本不愿意正视的重要问题。”换句话说约束有时反而会倒逼创造力。在被问到AI是否会让美国经济更大时Pichai打了个类比。“美国经济比十年前大了很多哪怕只多增长半个百分点那也是巨大的贡献。我预计事情会按这个方向展开。”但他也指出就像互联网对 GDP 增长的影响一样GDP数据并不能完全反映出技术带来的全部价值——消费者剩余等很难被统计数据反映。比如用户的便利、节省的时间、体验的提升这些都很难被统计数字完整捕捉。七、Google 的“隐藏宝石”太空数据中心、量子计算、机器人与无人机快递Elad Gil 接着问了一个很有意思的问题Google 这些年投了那么多项目是否有外界还没完全意识到价值的“隐藏宝石”毕竟Google 持有 SpaceX 大约10%的股份、Anthropic 大约10%的股份、Waymo 的多数股权内部还有 TPU、量子计算等一系列技术。Pichai 的第一个回答出人意料“Google正处于思考太空数据中心的最早期阶段。”他为什么会想到这个方向他说这源于前面提到的「约束问题」。“如果你把视角拉到20年后未来大规模数据中心到底应该建在哪儿”Pichai 的意思是说如果你真的从长期看这可能是一个必须提前思考的问题。他将其比作2010年的 Waymo很多人现在看起来有些疯狂但放到长周期里它可能至关重要。说到量子计算Pichai 的态度就更明确了Google 在量子领域的进展一直走在前沿最近刚发布了重要的研究成果。当被问到量子计算最大的影响领域时Pichai 的回答偏向直觉判断“从一个更抽象的角度看量子计算很像是为了更准确地模拟自然世界而生的。既然自然本身就是量子的你就需要量子系统来更好地模拟它。”他也承认经典计算通过足够强的压缩、抽象和算法优化也许能解决其中一部分问题但他从根上还是觉得量子在这里会有天然优势。他举了一个具体例子“人类至今仍然不完全理解用于肥料生产的哈伯法Haber process——也就是制造化肥所用的那套化学过程。”John Collison 听到这里还打趣了一句说这可能跟 Pichai 大学学过冶金工程有关系。Pichai 自己也说他的直觉一直是在模拟天气、模拟现实等方面量子计算会有更大的潜力。接着他讲了一个关于技术演化的观察“技术的历史是这样的先把技术做到能用的规模然后人们的创造力会自己在上面长出新的应用。”他最喜欢的例子是“手机GPS催生了Uber”。“没有任何一个在做手机的人会预测到这是平台变革的结果。我有信心量子会有很多很多应用如果你真的能让它工作起来的话。”说到机器人Pichai 也提到 Google DeepMind 团队在这条线上投入很深。他的判断是“Google 其实以前有点进场太早了很多十年前、十五年前看起来不成熟的机器人想法真正缺少的不是机械结构本身而是 AI 这个关键要素。如今 Gemini Robotics 在空间推理等方向达到了SOTA最前沿水平所以 Google 又开始重新认真推进这件事。”有意思的是Google 在机器人领域现在又和 Boston Dynamics、Agility 这些公司重新建立合作关系。Pichai 自己还说这里面带着一点“讽刺意味”因为 Google 当年在机器人上折腾过很久后来又转了一圈回来。当被问到未来是否会考虑重新将硬件内部化re-internalizing hardwarePichai没有说死只是表示“我们会保持非常开放的心态”。不过他也补了一句从 Waymo 和 TPU 的经验来看“拥有第一方硬件最终会变得非常重要”。 换句话说很多事情做到最后你还是会发现自家硬件能力很难绕开。另一条线是 WingGoogle 的无人机送货业务。Pichai 透露“在某个合理的时间范围内我说的不是很多年以后会有 4000 万美国人可以使用 Wing 的送货服务。”这个表态其实已经相当激进了。最后他们还聊到了 Isomorphic Labs这家公司专注于用 AI 改进药物发现的整个流程。John Collison 评价它是自己见过“最聪明的一种做法”之一因为它并不是只盯着“设计一个分子”这个单点而是在更大范围内思考药物研发这整条链路上哪些环节都可以被 AI 改造。八、资本配置的艺术如何在 YouTube、Waymo 和量子计算之间做选择John Collison 提了一个“最John式的问题”来自Pichai的评价在 Google 这种项目极度异质化的公司里资本是如何配置的如果你在传统商学院里学资本配置通常很简单比如你是波音比较两个项目的IRR16%和19%那就选19%的。但Google 不是这种公司。Google 面对的是一堆完全不同类型的项目——比如给 YouTube 更多钱让推荐算法更强、用户停留更久、变现更高或者给 Waymo 更多钱让它更快扩张或者投一个五年后才可能有回报的新 AI 方向。它们的性质、风险、回报周期全都不一样根本不是放进一个表格就能直接比较的。Pichai 坦言他此刻对这个问题的感受比以往任何时候都更深——“原因很现实因为TPU的分配有限。在某种意义上我甚至感受到连Waymo也需要TPU了。”也就是说算力使得这个问题比以前更加突出。不过他也说了一件让他很期待的事“在我们做的所有事情中我真的很期待AI至少AI作为资本配置这件事上的一个伙伴。我觉得模型已经有这个能力了一旦我们能把所有数据连接起来并打通。所以这是把所有数据打通的问题。”至于Google在资本配置上的观点Pichai 觉得他们的一个优势在于“很多决定是在技术周期非常早的时候就做出来了。而在那个阶段反而更容易下注因为初始投入还比较小。但一旦决定做就会保持长期承诺确保在底层技术上真的持续推进。”以量子计算为例Google 不是靠感觉它很酷来投的而是会看一些“非常底层、非常具体的技术指标”。举例来说他们会围绕逻辑量子比特的纠错率去设目标看什么时候能做到稳定的大规模逻辑量子比特团队有没有按节奏往前走。当然再往上一层Pichai 也承认很多决策里还是有强烈的直觉成分。“你会凭一种直觉去想五到十年后这个方向如果真的跑通它的期权价值有多大总市场空间有多大TAM如果按一个很疯狂的增长曲线去算这笔投入还合理吗”他提到TPU 当年的下注其实就是这样做出来的。Waymo 是另一个经典案例。Pichai 提到“大约两三年前当外界对 Waymo 已经明显悲观的时候Google 反而选择了继续加大投入。”John Collison 马上追问Waymo 从那个令人惊艳的 Demo 到真正商业化中间走了那么久Google 为什么没有中途失去信心Pichai 的回答是关键不在于外界情绪而在于底层技术曲线是不是还在进步。“Google一直在跟踪 Waymo Driver也就是自动驾驶底层系统在安全性和可靠性上的真实进展看那条曲线有没有继续往正确方向走。”Pichai 承认“中间当然有一些阶段进展停滞了但那恰恰是最考验你对团队质量有没有信心的时候你得相信团队有能力穿过那个卡点突破那些阶段继续往前。”他的核心判断是“你越是能在更深的技术层面评估你往往能做出更好的决策。”关于 Waymo 近年来的突破是否主要源于从“手工启发式规则”转向“端到端的深度学习路线”这一转变Pichai 的看法更加微妙。他承认端到端方法至关重要但也强调Waymo 不是一个单点突破的问题而是一个高度复杂的系统集成问题。“就像你看 TSMC 或 SpaceX 发射这类东西往往看的是非常复杂的系统集成。Waymo 有一些隐藏实力时间的沉淀、做事的技艺craft、系统整合能力是重要的。”Collison 还问了一个资本市场的老问题Google 历史上是不是一直有点“太保守了”公司长期保持大量净现金核心业务增长也很好资本成本并不高手上还有那么多潜在好项目那是不是应该更大胆一点用更多杠杆、投更多钱Pichai拿Waymo举了个例子“如果 Waymo 更早达到今天这样的成熟度那他当然愿意更早投更多钱进去。”言下之意是当年它还没有走到那个节点。但他强调Google一直以“好的资本管家”自居不只是对内投资对外部投资也是如此。比如Google投Stripe、SpaceX、Anthropic在他看来都属于这种思路的体现。“现在随着AI的变革有更多机会可以以好的方式部署资本所以我们正在这样做。”但他说到最后又留下了一句意味深长的话“我会很乐意更早在 Waymo 投入更多资本只不过当时Waymo还没有达到我们所需要的成熟度。而且在某一段时间里Google 对 Waymo 的推进方式从安全角度看是非常谨慎的但事后回头看那种‘过于安全优先’的做法其实并不完全对。”九、TPU 预算CEO 每周花一小时盯的东西资本配置的话题接着就落到了一个更现实的问题上在技术成本远超人力成本的新时代Google 内部的预算到底是怎么做的John Collison的提问切中要害。过去在科技公司研发费用的大头就是员工招多少工程师、养多少团队差不多就决定了研发花多少钱所以控制研发支出基本等于控制人头数。但现在情况完全不同了——TPU、GPU、训练和推理算力这些东西都越来越贵。于是问题就变成了Google 现在做预算时是不是不光要给团队“人头预算”还要给“算力预算”这两部分钱是放在一起算还是分开算他还半开玩笑地补了一句“我这是替朋友问的asking for a friend。”现场自然笑了一下。Pichai 的回答其实挺能说明今天大公司管理层的变化。他说“Google 一直有计算预算即使在传统计算时代。但到了今天机器学习相关的算力规划已经变得异常关键。Google 既经历过算力宽裕的阶段也经历过全公司层面的算力约束。但现在的情况是这种紧张已经变得非常真实而且非常尖锐。”他说得很坦白在这种情况下你必须花比以前多得多的时间去管这件事。接着他给了一个具体细节“至少我每周会专门拿出一个小时来思考这个问题而且是在相当细粒度的层面上。我会知道各个项目和各个团队正在使用多少计算单元也会亲自去看这些数据、评估这些使用情况。在某种意义上我觉得这是现在非常重要的事情。”关于 Google Cloud 的算力怎么分配Pichai 解释说这主要通过前瞻性规划来解决。Cloud 团队做前瞻性计划内部需求也做前瞻性计划。与外部客户签订的长期承诺是神圣不可侵犯的sacrosanct因为这本质上是合同义务必须优先保证。”他承认Cloud 团队肯定也觉得自己没有足够的算力“需要提前规划来解决这个问题。”十、AI 在企业内的扩散模型已经够聪明了但组织还没准备好说到这里John Collison 又把话题往前推了一步。他提到一个自己观察到的现象现在很多公司其实已经面临一种“智能过剩intelligence overhang”的局面。什么意思就是模型本身已经很强了抽象能力、推理能力看上去都不差但企业真正把这些能力用起来的程度远远跟不上模型本身的进步速度。他举了几个特别实际的障碍。第一是人本身还没学会怎么高质量地用 AI。比如工程师写提示词这件事看起来简单其实真要用得好是需要提示技巧。比如在 Stripe 内部得知道该调哪些工具、用什么方式提问效果才会好。第二是AI写出来的代码放到多人协作环境里并不总是那么顺。因为AI写代码太快改动范围也可能很大结果就是代码经常在正式发布前已经被来回改了好几轮。这样一来多个人在同一个代码库里协作复杂度反而会上升。第三也是他觉得最大的障碍之一是数据访问。理论上你当然希望自己的智能体能回答类似这样的问题“我们公司全球每天有多少人在问‘这笔交易现在是什么状态’” 但现实是这些信息散落在各个系统里权限体系又很复杂很多老的权限引擎甚至得重写智能体根本拿不到完整信息。第四是角色定义的问题。过去大家默认工程师写代码、产品经理写 PRD、设计师做设计。但到了 AI 时代这套分工会不会变化传统岗位边界是不是还成立这其实也是很多企业还没想明白的事。Pichai 对这些问题的回应挺直接。他说“老实讲现在很多团队正在解决的恰恰就是这些问题。Gemini 的企业团队、Antigravity 团队他们的路线图里核心就是这些事先在 Google 内部自己用自己撞墙自己发现问题再把解决方案做成产品推向外部。”说到 Google 内部的 AI 采用情况Pichai 用了一个很形象的比喻「同心圆」。他的意思是Google 内部不是所有团队同时发生变化而是有些团队已经变得很不一样了有些团队还在外圈。对他来说接下来很重要的一件事就是在 2026 年把这种变化一层一层扩散到更多团队里去。他提到了 Google 内部正在用的一套工具。外部叫 Antigravity内部还有个有点怪的名字叫 Jet Ski。Google DeepMind 和一些软件工程团队已经是真的换了一种工作方式。用他的话说就是你“生活在一个智能体管理器的世界里你有各种工作流很多任务是靠智能体协同完成的你整个工作的方式都不一样了。”但他也特别提到就在前一周这套东西才刚刚推给Google的搜索团队。也就是说即便是 Google 这样最前沿的大公司内部扩散也不是一夜完成的而是一步一步推过去的。Pichai 很坦率地说“在大型组织中「变更管理」是技术扩散中最困难的部分。这对小公司来说可能很简单但对 Google 这样的大公司是真正的挑战。尤其是身份验证、权限控制这些问题非常麻烦。Google 对安全的要求又特别高犯错的代价也更大所以我们必须非常谨慎。”但他也认为正因为如此“当我们解决了这些问题我们会以一种更稳健的方式推出这会有帮助。”当被问到“非工程岗位什么时候也会大规模进入这种AI工作流”时Pichai 给了一个明确判断“2027年将是一些深刻变革发生的重要拐点。”这里他还聊到了一个很有意思的未来场景全自动的业务预测。John Collison 说Stripe 每年会做几次正式的业务预测本质上就是把公司当前的业务状态扔进一个系统里然后重新算出未来的收入和增长情况。他顺着这个思路问以后会不会出现一种情况整个预测过程里完全没有人参与全都交给 AI 来做比如 Google 第一次“完全由智能体完成的预测”会发生在哪个季度Pichai 的回答依然是2027 年在某些领域里这种级别的变化确实很可能会出现。当然他也承认新公司在这件事上天然有优势。“更AI原生的团队你可以通过面试流程筛选出来。而对我们来说我们需要再培训、转型等等。”十一、消费者AI的未来与Google产品的小改进接下来话题轻松了一点转向了消费者 AI 和产品体验。Collison 提了一个很有意思的观察像 OpenClaw 这类产品之所以开始显出产品市场契合度PMF一个很重要的原因是它让普通用户第一次真正拥有了“有状态的 AI”stateful AI。所谓“有状态”你可以简单理解成AI不是一次性回答完问题就结束它可以持续长期执行任务。他举例说如果你想让AI“每天早上帮我整理我感兴趣的新闻并发送给我”这种涉及持久性persistence的需求目前主流的AI应用都不支持。Pichai 认同这个方向。“我觉得从方向上说你希望给用户提供持久的、长期运行任务的能力以可靠、安全的方式。你需要思考身份认证、访问权限等问题。但我认为那就是未来那就是智能体的未来。”他说“为消费者带来这样的能力是我们正在探索的一个令人兴奋的前沿。”Collison 还提到一个叫 Dreamer 的产品——这是 Stripe 前 CTO 创办、后来被 Meta 收购的公司在消费者“有状态的AI”这条线上做得非常不错用户甚至可以给自己定制一些小应用。Pichai 对此的展望是未来的消费者界面底层很可能会有一整套完整的「编程模型」有正确的工具框架和技能有可以在云端和本地长期运行的能力所有这些基础模块primitives都在汇聚。”他认为目前全世界大概只有0.1%的人在“活在这个未来”——“他们在为自己构建东西但把这带到大众应用这是一个非常令人兴奋的前沿。”后面他们还聊了两个更具体的产品建议。第一个是 GCP也就是 Google Cloud Platform。Collison 先夸了一句说 Google Cloud 最近在 MCP 这件事上做得挺好AI 现在可以更自然地、以程序化方式去调用 Google Cloud。对 Google Cloud 这种功能极多、入口复杂、导航困难的平台来说这其实是一个很大的机会。过去 Google Cloud 的“毛病”是东西太多用户找不到。但如果以后你只需要对 AI 说一句“帮我把这个 Google Cloud 功能开一下”那产品表面积再大也不那么可怕了。Pichai 的反应倒是挺谦虚。他说“我觉得我们可以做得好很多。但你说得对这是一个巨大的机会。”第二个产品吐槽则更生活化。Collison 说他一直觉得 Google Docs 的搜索体验比 Gmail 难用太多。邮件搜索为什么还凑合因为邮件里你往往还能记住一些独特关键词。但文档不是这样。你要搜“2026 budget”结果整个公司里所有文档都可能有这两个词你就永远找不到你真正想找的那个文件。说完他笑着问了一句“Sundar Pichai 自己会不会也有这个烦恼”Pichai 一开始说自己没有感受得那么强烈但很快又承认“你这么一描述我的体验也确实是这样。”然后他还开了个玩笑说“我脑子里已经浮现出该把这段对话发给谁听了。”与此同时他也承诺随着 AI 更多地整合进这些服务未来几个月大家应该会看到明显改善。最后Pichai 还聊了聊自己怎么保持和产品的真实连接感。他的做法很简单频繁使用内部测试版dogfooding专门留出时间密集使用产品。“就在两周前我在健身房拉伸的时候还拿着手机用 Gemini Live我就跟它说‘我要在一个话题上跟你聊完整的30分钟。’”结果有些体验很好有些很让人沮丧但他学到了很多。与此同时他还会在 X前 Twitter上关注用户的原始反馈。更有意思的是他现在甚至会用 Google 内部的 Antigravity 来帮自己“整理用户反馈”。他会直接问它“我们刚发布了这个功能现在大家怎么看把讨论里最差的五条和最好的五条总结给我。”然后系统就会把这些信息收回来。Pichai 最后笑着说了一句我的生活有没有因此变轻松确实有。十二、最小的起点最大的想象太空数据中心与一次后训练对话再往后他们聊到Google 内部那些从小做起的项目Google目前有什么小而令人兴奋的事情时Pichai 又提到了太空数据中心。他说“决定做太空数据中心的时候我们是以一个非常小的团队开始的。真的就是几个人带着一个小预算去达到第一个里程碑。我觉得以小做起很重要即使它是一个大想法。”他举的第二个例子更具体也更能说明当下这个时代的感觉。“昨天我花时间听了一个人在讲解他们在后训练post-training方面做的一个改进。我在听的时候想‘哦这会在某个方面表现为一个很棒的跃升。’”他没有透露细节只说“有一天我们会发表它”。但他最后那句话很能概括这个时代的气氛“这就是这个时刻持续让人兴奋的地方。”