摘要
谷歌联合创始人谢尔盖·布林在斯坦福大学访谈中首次复盘，承认谷歌在AI浪潮初期因战略保守而落后。尽管谷歌在八年前发布了Transformer论文，但公司内部在算力扩展上投入不足，并因担心聊天机器人输出不当信息而迟疑于产品化，错失了商业化先机。布林于2022年底回归一线，亲自参与Gemini模型研发，并主导推出Gemini 3系列模型与第七代TPU Ironwood芯片，实现了技术反击。谷歌的核心优势在于其全栈技术能力，包括芯片、模型和应用生态的深度整合。布林判断，未来AI的决胜点在于算法效率而非单纯的算力扩张，并建议年轻人将AI视为增强个人创造力的工具。
线索
谷歌的AI战略展现了其作为科技巨头的独特韧性与长期投资价值。其核心投资机会在于“全栈自主可控”的护城河：从底层TPU芯片、高效算法架构（如MoE），到原生多模态模型，再到与搜索、Workspace等核心应用的无缝整合，形成了难以复制的闭环生态。这种软硬一体的能力使其在算力紧缺环境下仍能快速迭代，并可能通过算法效率的突破实现弯道超车。然而，风险同样存在：一是执行风险，能否持续将实验室技术快速转化为稳定可靠的产品；二是竞争风险，AI领域创新速度极快，OpenAI等对手同样在快速进步；三是文化风险，布林提及的“搜索巨头包袱”是否会在未来再次成为其颠覆性创新的阻碍，仍需观察。
正文
2025年12月13日，谷歌联合创始人谢尔盖·布林现身斯坦福大学工程学院的百年校庆活动，首次公开复盘谷歌在AI领域的战略得失。
布林坦言，尽管谷歌早在八年前发布了奠定现代AI基础的Transformer论文，但公司内部并未给予足够的战略重视。他承认：“我们当时在算力扩展上的投入过于保守，甚至可以说是有些胆怯。”这种胆怯源于谷歌作为搜索巨头的顾虑，担心聊天机器人可能会输出错误信息或不当言论，导致其在产品化路径上迟疑不决。这种犹豫给了OpenAI发展的机会窗口，后者通过ChatGPT迅速占据了市场前沿。
为扭转局面，布林于2022年底重返一线，亲自管理AI业务。他并未局限于高层管理，而是直接投身于Gemini模型的研发中。布林透露，他现在每天上下班的路上都会与内部版本的Gemini进行语音对话以测试其极限，并表示：“你们现在公开版用到的模型版本其实相当古老，我自己在车里用的那个版本要强得多，大概几周后我们就会把它推向市场。”
谷歌的反击基于其深厚的技术积累，体现在三个层面：
在芯片层，谷歌推出了第七代TPU Ironwood，为Gemini 3系列模型的性能提供了硬件支撑，在性能、能效比和互联带宽上显示出优势。
在模型层，Gemini 3系列具备原生多模态能力和超长上下文窗口。与竞争对手将多模态能力进行接口缝合不同，Gemini 3从基础架构层面就统一支持文本、代码、图像、音频和视频的理解与生成。
在应用层，谷歌将模型能力深度融入其核心应用生态。在Workspace生产力套件中，Gemini被嵌入日常工作流；在搜索产品中，传统链接列表转变为由Gemini驱动的摘要性、多模态答案。此外，结合Veo等视频生成应用，谷歌展示了模型能力的商业化落地。
布林认为，尽管谷歌错过了Transformer技术商业化的最佳窗口，但其人才库和基础研究功底使其能够迅速调整策略。谷歌对TPU项目的投入始于12年前，这种软硬一体的长期积累是其快速迭代的护城河。
谈及行业普遍关注的Scaling Law（扩展定律），布林给出了一个反直觉的判断：真正的决胜点可能在于算法效率。他指出，过去十年算法层面的进步速度已经跑赢了单纯的算力扩张速度。因此，谷歌在Gemini 3的研发中，不再单纯追求参数量膨胀，而是转向更高效的MoE（混合专家）架构和长上下文处理能力。
对于AI的未来，布林表示尚不清楚智能是否存在天花板，AI是否能做到人类无法做到的事情。他建议年轻一代不必过分焦虑于职业替代，而应学会利用AI来提升创造力。当被问及专业选择时，他表示自己不会因为AI擅长写代码就转去学比较文学，并认为AI在处理创造性任务时可能更容易，因为这类任务中错误的后果不如编程那样严重。
在问答环节，布林还分享了对创业的建议，认为应确保想法充分酝酿和开发到足够成熟的阶段再推向市场，避免因过早商业化而陷入被动。对于被低估的技术，他提到了量子计算和材料科学。
发布时间
2025-12-14 09:33:17
评论 ( 0 )