谷歌AI“掌門人”最新專訪，9大關鍵信息解密

智東西
編譯｜萬貴霞
編輯｜云鵬

智東西1月8日消息，昨日，谷歌首席AI架構師兼DeepMind CTO科雷·卡武克喬格魯（Koray Kavukcuoglu）接受英國《金融時報》專訪，深入解讀了谷歌最新大語言模型Gemini 3的核心突破與戰略意義。

他認為，Gemini 3在多模態理解和智能體能力上邁出了一大步，并將其成功歸因于谷歌獨特的“全棧”優勢。

卡武克喬格魯還說，谷歌的目標始終是開發通用人工智能（AGI）。但實現這一宏偉目標的務實路徑，在于緊密圍繞用戶反饋進行產品化，而非空談理論。他將Gemini 3視為將抽象AI思維轉化為友好產品的關鍵一步。

此次發布的Gemini 3能夠根據用戶查詢，動態生成交互式應用和小部件，這一能力甚至觸動了競爭對手的神經。

外媒提到，OpenAI的聯合創始人兼CEO薩姆·阿爾特曼（Sam Altman）因此拉響“紅色警報”，加速改進ChatGPT，以趕上谷歌。

而谷歌正憑借其從芯片、數據中心到產品的完整技術棧，將前沿AI研究快速轉化為數十億用戶可觸達的產品體驗。

整個訪談在3200字左右，以下是核心信息提煉：

1、谷歌正將基礎AI研究與產品深度捆綁：其戰略核心是確保前沿AI能力能無縫對接至全系產品，這需要構建全新的基礎設施體系。

2、多模態理解是AI實用化的關鍵一躍：Gemini 3的核心突破在于能深入理解視頻、圖像、PDF等多元內容，改善信息獲取質量，同時將編程轉化為交互式學習工具。

3、AI需產品化且具備全棧能力：將抽象技術進展轉化為直觀的用戶界面和交互，并依托從芯片到云端的全棧技術，實現模型、產品設計與基礎設施的同步發布。

4、預訓練賦予模型潛力：模型能理解數據、挖掘潛在價值。

5、谷歌每一項技術研發都以用戶反饋為導向：堅持全棧方法與產品結合，圍繞數十億用戶的產品生態展開，這種從真實場景需求反推技術發展的模式。

6、通用人工智能（AGI）尚無定式：目前還沒有構建AGI的秘訣，當下重點是開發正確產品、理解用戶信號，以安全為核心并獲取用戶反饋。

7、模型應提供用戶所需信息，避免冗余和過度吹捧：谷歌做了大量研究來量化模型形象，“避免阿諛奉承”是考察維度之一。

8、智能體演進將重塑人機互動模式：AI下一階段在于利用模型構建更強大的智能體，實現用戶與內容更豐富、更普遍的深度連接與創造性互動。

9、Gemini 3基于Gemini 2.5開發：耗時六個月且整合了用戶反饋，接下來會收集消費者、開發者、企業等不同群體的反饋，彌合模型缺陷。

以下是谷歌首席AI架構師科雷·卡武克喬格魯與《金融時報》主持人梅麗莎·海基拉（Melissa Heikkil?）的訪談實錄，為方便閱讀，智東西在不改變原意的情況下對部分提問進行了精簡：

一、谷歌的首席AI架構師在做什么？如何打通研究與產品

主持人：您自2024年初起擔任DeepMind CTO，去年夏天又兼任谷歌首席AI架構師這一新職務。這個角色的主要職責是什么？

卡武克喬格魯：我們正在構建的是一項真正基礎性的技術，而我最核心的工作，是確保AI研發能夠與產品緊密銜接。

我們的目標是，讓谷歌旗下所有產品和業務領域，都能使用我們正在開發的頂尖AI技術。

在DeepMind，我們專注于前沿研究，目標是推動通用人工智能（AGI）的實現。但要做到這一點，必須與真實用戶保持緊密連接，而實現這一點的唯一途徑，就是通過產品。

▲谷歌的DeepMind（圖源：金融時報）

這是一項全新的技術形態，要實現大規模應用，需要配套建設全新的基礎設施。

我目前的重點工作，就是推動這種轉型：一方面構建基礎設施，另一方面與產品團隊深度協作，確保他們能夠使用最先進的技術，并以最合適的方式與用戶建立連接。

二、Gemini 3：發布的不只是模型本身，而是與產品同步推出、經過深度設計的交互體驗

主持人：對普通用戶來說，市面上已經出現了大量AI模型，看起來多是漸進式改進。甚至有人覺得OpenAI的GPT-5并未帶來太多驚喜。那么，Gemini 3的意義究竟在哪里？它如何幫助谷歌在AI競爭中取得優勢？

卡武克喬格魯：從我們的角度看，Gemini 3非常重要，因為它在多模態理解能力上實現了明顯躍升，而這一點對用戶至關重要。

現實世界中的信息并不只以文本形式存在，這也是為什么谷歌的AI研究和筆記助手NotebookLM這樣的產品會受到歡迎。因為用戶喜歡上傳各種類型的文檔，并圍繞這些內容提問。

隨著模型處理能力的提升，Gemini 3能夠更深入地理解視頻、圖片、PDF等多種內容形式，這本身就是一項重要進展。

▲谷歌的Gemini 3（圖源：金融時報）

我希望用戶能夠切實感受到這種變化，他們得到的不只是更準確的答案，而是信息形式和質量的整體提升。

AI的另一個關鍵點在于編程。如今，編程已經不再只是軟件工程師的專屬技能，而正逐漸演變為一種學習和表達方式。

借助Gemini的生成式界面，當用戶提出問題時，模型不僅會給出解釋性回答，還可能直接生成可視化結果、模擬過程或小工具，幫助用戶在實踐中理解和探索問題。

很多時候，人們提出問題后，獲得的是更直觀的答案，這些答案能夠在當場學到東西。

在我看來，真正關鍵的，是如何將這些概念性、抽象性的技術進展，轉化為切實可用、且具備長期影響力的用戶界面和交互方式。而將這一能力直接與產品結合，正是谷歌的獨特優勢。

我們發布的不只是模型本身，而是與產品同步推出、經過深度設計的交互體驗，并且這些體驗構建在我們已有的全棧技術體系之上。

在工程層面，我們還推出了名為Antigravity的AI驅動集成開發環境。

這是一種以智能體為核心的全新代碼構建方式，軟件可以在更高抽象層級上自主運行，減少人工干預。這之所以成為可能，是因為模型已經具備在抽象層面執行任務、并以智能體方式運作的能力。

三、模型訓練賦能，谷歌正全棧式將產品與技術結合

主持人：促成Gemini 3的關鍵研究和技術突破有哪些？

卡武克喬格魯：模型的開發涉及多個技術方向。首先是預訓練階段，我們通過架構改進，構建了更高效的模型結構，同時也更好地理解了訓練數據本身，這些改進顯著提升了模型性能。

預訓練賦予模型的是潛力，它讓模型能夠理解數據，不只是捕捉表層信息，而是挖掘其內在價值。而這種潛力，最終要通過后訓練階段，才能在產品中真正體現出來。在這個階段，模型會學習如何與用戶圍繞具體產品進行交互。

在訓練完成后，我們進一步推動模型展現出更高級的智能行為，使其具備更強的理解與編碼能力。比如，模型可以判斷某個問題適合用圖文表格呈現，而這些圖片可能來自實時搜索；在其他情況下，它則會選擇編寫一個小程序，用模擬或組件的方式來展示結果。

這些決策，都是模型基于其編碼能力和智能體能力自主完成的。正是訓練前、訓練后以及公司整體技術體系的協同作用，才使這些能力成為現實。

主持人：如此龐大的計算投入，怎么從中盈利？

卡武克喬格魯：最關鍵的有兩點。第一，我們采用的是全棧式方法，我認為我們在這方面在業內獨樹一幟。第二，我們始終將前沿技術與產品緊密結合。

我們開展的所有研究和技術開發，最終都會通過產品觸達用戶。谷歌的產品每天服務著數十億用戶，這讓我們能夠持續獲取真實需求，理解用戶希望如何使用這些技術。

對我們來說，每一項前沿研發都以用戶反饋為導向。這種務實的研發路徑，是我們非常重視、也區別于其他公司的地方。

四、谷歌的AI路徑選擇：以產品落地和用戶反饋驅動演進

主持人：谷歌曾表示，Gemini 3是邁向通用智能的重要一步。這是否已經接近人們所期待的通用人工智能形態？

卡武克喬格魯：坦率地說，我并不會這樣描述。我們確實以實現通用人工智能為目標，也在為此持續努力，但目前仍然沒有實現AGI的“秘訣”，這依然是一個研究問題。

正因為如此，開發正確的產品、做出正確的產品選擇、理解真實的用戶信號，才成為我們技術發展的核心指引。AGI最終必須造福用戶，而通向這一目標的唯一方式，就是以負責任的方式持續獲取用戶反饋。

當我們說從一開始就將安全作為模型設計的核心，這并不是一句口號，而是貫穿在產品和技術決策中的原則。

谷歌擁有長期積累的龐大用戶基礎，覆蓋數十億人。正是通過這些真實使用場景，我們才能判斷技術究竟應該解決哪些問題，這也是我們探索通用人工智能的重要路徑。

主持人：您提到，Gemini 3刻意避免了奉承和套話，這是生成式AI中常見的問題。你們是如何做到的？

卡武克喬格魯：模型的“形象”確實很重要。我們既與外部合作伙伴合作，也服務于谷歌內部的不同產品，而每個產品對模型表現都有不同要求。

我們做了大量研究，嘗試將模型的行為特征量化，“是否過度奉承”就是其中一個重要維度。坦率地說，沒有人能宣稱已經找到了完美答案。

但我們認為，已經在如何構建一個可控、且適用于廣泛場景的模型方面，邁出了重要一步。

核心原則是，模型應當提供用戶真正需要的信息，而不是輸出冗余內容或過度修飾的表達。在極少數場景下，這類表達可能有用，但在大多數情況下并無必要。

主持人：你會如何描述Gemini 3的“性格”？

卡武克喬格魯：我們并沒有刻意為Gemini設定明確的人格標簽。對我們來說，最重要的是產品是否好用、信息是否真實，以及語言是否清晰易懂。用戶體驗主要是在后訓練階段逐步形成的。

五、AI切實帶給人們生活便利，未來會在創造性使用中繼續學習

主持人：作為一名科學家，目前AI研究中最讓你感到興奮的是什么？

卡武克喬格魯：當前AI的發展速度非常快，原因在于這些模型已經在現實世界中產生了切實影響。人們正在將它們用于工作、學習和教育，并且確實帶來了積極變化。

對我來說，最令人興奮的是，我們正在探索如何利用這些模型構建更成熟的智能體。很多人談到智能體時，往往只關注代碼本身，但真正關鍵的是：人們如何使用這些智能體，以及在生活中哪些環節會真正依賴它們。

學習場景尤其讓我感到振奮。用戶突然能夠以更豐富的方式與已有內容互動，這極大拓展了信息與人的連接方式。隨著智能體能力持續提升，這種變化只會越來越普遍。

主持人：接下來，外界可以期待什么？

卡武克喬格魯：Gemini 3的開發周期大約為六個月，它是在Gemini 2.5的基礎上構建的，每一代更迭都整合了我們從用戶那里獲得的各種反饋和經驗。

▲Gemini的更迭（圖源：google blog）

接下來，我們會持續從消費者、開發者和企業等不同群體中收集反饋，重點放在理解這些信號上。模型不可避免會存在不足，而彌補這些不足正是關鍵過程。

通過這一過程，我們也能更清楚地看到用戶真正試圖解決的問題。當模型達到一定質量水平后，人們會以更具創造性的方式使用它，而我們的下一步，就是從這種創造性使用中繼續學習。

來源：金融時報