谷歌逆袭之路：从承认落后到重塑AI时代

谷歌，这个曾定义深度学习黄金时代的科技巨头，经历了真正的危机后，选择从承认落后开始，踏上了一条重塑自我的道路。

“在很长一段时间里，这都是一场追赶。”

当谷歌首席AI架构师、DeepMind CTO Koray Kavukcuoglu在镜头前公开承认“曾被甩在后面”，人们不禁意识到：谷歌不仅要在技术上追赶，更要在心态上重新定位。

但这段逆风期已经成为过去式。

随着Gemini 3的发布，谷歌不仅在多项关键基准上重回前沿，更在搜索、YouTube、地图、Android等产品矩阵中实现了“同日上车”部署。这一举动证明，谷歌不仅追上了，更重塑了自己的组织方法论和技术路径。

在深度对话中，Kavukcuoglu罕见地拆解了这段“技术复兴”背后的故事：谷歌究竟如何在短短两年间扭转落后局面，实现系统性领先？

真正的起点：承认落后

Kavukcuoglu的坦率非常少见。“当我们开始做Gemini时，我们知道自己落后。但你必须足够诚实，承认现实，然后才可能创新。”

这实际上标志着一次内部共识的转折：仅靠长期研究传统已经无法跟上时代速度。

过去的DeepMind以科学突破闻名：AlphaGo、AlphaFold、MuZero等里程碑式成果建立了“技术领先者”的光环。然而，当模型要进入大规模用户场景时，这种研究驱动的节奏被事实证明无法直接转化为产品能力。

承认这一点，是谷歌重新起跑的第一步。

多模态：从锦上添花到底层架构的必然

在访谈中，Koray不止一次把“多模态”提到核心位置。他的解释没有宣传色彩，而是纯工程逻辑：世界不是线性的，因此理解世界的智能也不能是线性的。

文本只描述一维逻辑，图像代表空间结构，音频包含时间线索，而视频是这些维度的组合。一个能真正作为通用智能系统的模型，不可能只靠文字输入输出。

谷歌的选择是从架构级别开始统一，让不同模态的理解在同一个模型中共同训练。这是难度最高的路线，因为不仅要改动模型结构，还要重做token化方式、训练损失、优化器乃至推理路径。

但正是这种底层重构，使得Gemini能在图表解析、文档理解、跨模态任务等方面迅速拉开差距。外界常用“画得好不好看”来评判图像模型，而谷歌的思路则完全不同——多模态的意义在于让模型更理解世界，而不是生成漂亮图片。

谷歌加速的秘密：组织方式的彻底重写

Gemini真正的反转来自组织层面的变化。

过去的谷歌更像一条串行流水线：研究团队训练模型、工程团队负责部署、产品团队接手体验、安全团队从最后一环把关。这种结构在互联网产品时代有效，但在大模型时代会被放大出一个致命的后果——迭代缓慢且链路割裂。

而现在的谷歌，把所有团队重新组合成“并行系统”。Koray特别强调，从Gemini 3开始：产品经理从训练第一天就参与任务设计；工程团队同步优化推理路径与落地成本；安全策略嵌入训练过程，而不是上线前打补丁；真实用户数据直连训练管线，不再隔着层层组织结构。

这种变化让Gemini的迭代节奏第一次追上了竞争对手，也让模型更“像产品”——稳定、更懂意图、能执行真实任务，而不是只展示实验室能力。

Gemini体验的跃迁：智力提升并不是主因

过去一年，不少用户都感受到Gemini体验的明显改善。但Koray的解释并不是“模型更聪明了”，而是谷歌终于把“可用性”当成核心目标，包括：

第一，指令理解能力大幅提升。这是用户感受最直观的地方，也是模型走向执行智能的起点。

第二，国际化适配进入核心能力集。谷歌拥有全球用户，Gemini的训练过程首次系统性加入多文化、跨场景语料，而不是只做翻译。

第三，工具链与代码执行能力跃升。这奠定了Gemini走向Agent的基础——从“能回答”变成“能完成任务”。

Gemini的“变好”不是单点突破，而是系统工程成熟后的必然效果。

基础设施再次成为谷歌的底气

在谈到竞争优势时，Koray最强调的不是模型能力，而是基础设施——这是外界常常忽略的部分。

TPU、全球数据中心、跨产品分发能力、成熟的安全体系、构建在Search与Android之上的庞大调用入口……这些能力一旦与统一模型结合，就形成了很难被复制的网络效应。

Gemini的提升本质上是基础设施重新被激活。这也是谷歌能在短时间内从落后者重新回到行业中心的一大原因。

下一场AI战争：从语言智能走向行动智能

Koray对未来的判断清晰而直接：下一阶段的竞争不是谁模型更会聊天，而是谁能更好地完成多步骤任务。

这场竞争会发生在：工作流自动化、开发者工具链、企业任务智能化、搜索与信息组织方式、系统级AI（Android、Chrome、Workspace）

以下为Koray Kavukcuoglu主要观点：

...（此处保留原文中的主要观点部分）...

以下为对话全文（由AI协助翻译）

...（此处保留原文中的对话部分）...