搜索框将消失,AI Agent 将接管你的所有复杂任务 | 谷歌 CEO最新对话实录

4月7日，Alphabet兼谷歌首席执行官Sundar Pichai接受了Stripe联合创始人John Collison与投资者Elad Gil的对话访谈。本次对话深入探讨了谷歌在AI竞赛中的全栈竞争力、Transformer架构的起源与真实商业回报、搜索业务向AI Agent的范式转型、年均1800亿美元资本支出的底层逻辑，以及算力供应链的物理瓶颈等话题。

Sundar Pichai指出，Transformer架构的诞生并非纯粹的实验室研究产物，而是为了解决谷歌翻译与语音识别在TPU上的推理效率瓶颈。他反驳了“谷歌未能从该架构获益”的观点，强调谷歌早已通过BERT和MUM等模型实现了搜索质量的跨越式提升，并获得了巨大的投资回报。

Sundar Pichai表示，垂直整合是谷歌的核心战略，公司正处于从模型、基础设施到应用的指数级进化周期中。他认为延迟是衡量产品底层架构稳健性的关键指标，谷歌在增加功能的同时将搜索延迟降低了30%，这是核心竞争力的体现。

针对1800亿美元的巨额资本支出，Sundar指出，目前的投入并非盲目扩张，而是受到晶圆产能、能源供应、行政许可及内存产出的硬性物理约束。他认为内存是当前最关键的短缺组件，这种供应限制正迫使行业进入效率提升的压缩周期。

他预测，到2027年，AI Agent将深度重塑企业管理工作流，实现无人工干预的自动化业务预测。同时，搜索框在未来十年可能消失，搜索业务将从“单行提示词返回结果”进化为管理大量长期、异步任务的“AI Agent 任务执行器”，未来的交互界面将由底层编码模型和安全框架重新定义。

01

谷歌早已从 Transformer 架构中获得巨大的搜索回报

在谷歌与AI 发展的历史中，人们常讨论 Transformer 架构虽诞生于谷歌，却在公司外部通过 ChatGPT 等产品实现了商业化。你对此有何感悟？此外，你们是否已经完成了相关研究并从中获得了预期的投资回报？

Sundar Pichai:这确实是个值得探讨的话题，其中存在不少误解。Transformer 是在大量 TPUs 研发的背景下诞生的，在很大程度上是为了解决特定的产品需求。当时团队正致力于提升翻译质量。以 TPUs 为例，当语音识别技术成熟并需要推向 20 亿用户时，我们面临芯片短缺的挑战，必须攻克推理效率的难关。它出自我们的研究团队，但其核心驱动力是解决产品瓶颈。

Transformer 问世后立即投入了实战。人们往往低估了 BERT 和 MUM 的影响力，因为我们对搜索质量的衡量极其严苛。在谷歌搜索大幅领先行业的阶段，搜索质量的几次重大飞跃正是由 BERT 和 MUM 驱动的。我们构建了 Transformer 并迅速应用于搜索业务，以增强对语言、网页内容及用户查询的理解，并在此基础上持续迭代。同时，我们也开始了内部产品化进程，例如 LaMDA 项目。虽然我们并非首个对外发布此类 AI 的公司，但这并不代表我们只做研究而不顾产品。

关于产品化进程，我想补充一点，我们甚至完整构思过类似 ChatGPT 的产品，那就是 LaMDA。如果你还记得，当时内部有一位工程师认为 AI 具有感知力，他当时交流的对象可以看作是 ChatGPT 的早期版本。在我们的产品路线图中，类似的产品早已存在，谷歌最终在约九个月后正式发布。事实上，在 2022 年的谷歌 I/O 大会上，我们推出了名为 AI Test Kitchen 的实验室产品，其核心就是 LaMDA。由于当时内部尚未完成经过 RLHF 处理的端到端版本，出于安全性考量，我们对其进行了严格限制。当时的测试版本表现出了一定程度的攻击性，在那个时点我们无法将其公之于众。

此外，作为一家对搜索质量有极高标准的公司，我们对产品发布的门槛设定得更高。我们在探索最佳发布路径的过程中，OpenAI 与微软达成了协议。回看过去，这一切在当时并非显而易见。我认为他们在 GitHub 的代码端捕捉到了关键信号。这可能是我们当时忽略的一点，在代码领域，能力的跨越式提升比单纯在语言领域更为显著。如果你将 AI 用于编程，GPT-2、GPT-3 乃至 GPT-4 之间的代差会更加突出。所以，我认为这不仅是研究转产品的问题，更是多重因素共同作用的结果。

ChatGPT 的低调发布及其后续的爆发让所有人感到意外。你如何理解这种“惊喜时刻”在行业中的地位？

Sundar Pichai:我对这些时刻的理解是，在消费级互联网行业，惊喜总是常态。当年我和埃拉德在谷歌时，YouTube 出现了，随后我们完成了收购。再看脸书，当 Instagram 崛起时情况也类似。现在人们看待这些往事已不再觉得具有戏剧性，纯粹是因为脸书买下了它。

在消费级互联网领域，随时可能有几个人聚在一起做出原型并在无数尝试中脱颖而出。我并非要贬低任何成就，但这类时刻必然会发生。车库创业者或许很难制造出比 iPhone 更好的硬件，但在消费级互联网领域，情况完全不同。你必须意识到这种行业节奏并将其内化。

02

Gemini与搜索的未来形态

谷歌长期将速度作为核心竞争力，从早期的搜索耗时展示到现在的Gemini。站在 2026 年，基于 TPUs 运行的 Gemini 在速度上依然出众，这是否是一种明确的产品战略？另外，搜索团队在功能大幅增加的情况下是如何平衡延迟预算的？

Sundar Pichai:我始终将延迟视为卓越产品的关键特征，它反映了底层技术架构的稳健性。此外，发布、迭代和更新周期的速度也同样重要。在不断提升能力的同时平衡延迟是极具挑战的，这就涉及到了Scaling Law 的平衡。

关于延迟预算的分配，以搜索团队为例，子团队拥有毫秒级的延迟预算。如果你开发的功能削减了 3 毫秒耗时，你只能为预算赢得 1.5 毫秒，剩余的 1.5 毫秒则回馈给用户。根据任务类型，有的团队预算只有 10 毫秒，且必须通过极其严苛的审查。过去五年，我们在功能大幅增加的情况下，依然将搜索延迟降低了 30%。这就是我们在 Gemini 中坚持的原则，确保能力与速度并存。我们的 Flash 模型已具备 Pro 模型约 90% 的能力，但速度更快且部署成本更低，垂直整合在其中发挥了巨大作用。

现在许多人将聊天视为新界面，虽然搜索已经整合了AI 结果，但目前的讨论热点是 AI Agent 流程，未来每个人都将拥有直接执行任务的私人代理，比如不再是提供旅行攻略，而是直接预订行程。你如何看待搜索的未来？它会是一个分发机制，还是某种全新的产品形态？十年后搜索框是否还会以目前这种“输入单行提示词并返回排名结果”的形式存在，抑或是进化成完全不同的形态？

Sundar Pichai:我认为每一次技术变革都让搜索的能力边界得以拓宽。我们必须不断吸收新能力。以移动端转型为例，当用户走出地铁站时，他们需要的不是网页链接，而是具体的行动指引。未来，大量信息查询在搜索中将演变为AI Agent 化的任务执行。

它会持续演进。搜索将成为管理大量事务的管理器。我目前就在使用一些 AI 协作系统，有一群 AI 在执行任务。我可以预见搜索也将演变成这种模式，高效地帮你完成事务。但在目前的 AI 搜索模式中，用户已经开始进行深度研究查询，这超出了原本的定义。用户正在适应这种变化，开始执行长期且异步的任务。

（关于未来的交互界面）设备的形态和输入输出模式必将发生巨变。预测十年后可能会让人决策瘫痪，但我们可以聚焦未来一年，因为技术曲线非常陡峭。模型在一年内就会发生天翻地覆的变化。顺着这条曲线前行本身就充满激情，这并非零和博弈。人们通过 AI 创造价值的能力正处于爆发式增长的曲线上。只要你持续创新并处于最前沿，增长空间就会不断扩大。就像抖音出现后，YouTube 依然表现出色。我们正在并行推进搜索和 Gemini，它们虽有重叠，但在未来会走向截然不同的路径。

03

谷歌2025 的转折点

回想2025 年春夏，市场对谷歌的情绪非常负面，认为搜索业务正遭受降维打击，谷歌股价一度徘徊在 150 美元。但现在人们看到谷歌拥有从应用、模型到 TPUs 的全栈能力，还有 Waymo 和 YouTube 等业务。你认为投资者在去年误解了什么？是 Gemini 2.5 或 Gemini 3 的发布让外界彻底改变了看法吗？

Sundar Pichai:当时市场过于关注短期波动，但对我而言，奥弗顿窗口（Overton Window）已经发生了位移。公司正是为这一时刻而建的。垂直整合战略并非偶然，我们当时已在研发第七代 TPUs。早在 2016 年我们就明确了建设 AI 数据中心的蓝图，公司一直以 AI 优先的方式运营。

我们在前沿模型方面曾一度落后，但内部技术储备深厚。从全栈角度看，我们拥有研究、基础设施和所有核心平台。AI 是一项共性技术，它可以全面加速搜索、YouTube、云服务到 Waymo 的所有业务。我从不认为这是一个零和时刻。相反，一切都将迎来十倍级的增长，市场容得下其他竞争者。正如谷歌崛起后，亚马逊和脸书依然取得了巨大成功。我们往往低估了行业的增长前景，但作为一家公司，我们必须在执行力上做得更好。

（关于转折点的标志）我认为真正的转折点可能是 Gemini 2.5，特别是在多模态领域的前沿表现。这要归功于谷歌 DeepMind 团队。我们前期投入了巨大的固定成本，但从第一天起就将 Gemini 设计为原生多模态。随着 Nano Banana 等 AI 的整合，这种技术优势开始全面显现。这是一个动态的前沿阵地。两三个顶级实验室正在激烈角逐，每个月都可能互有领先。这种竞争态势非常激烈，正如我们所预期的那样。

04 

AGI时刻

其他实验室常觉得谷歌并不那么深度认同AGI 愿景，这是否影响了你们构建产品的方向？此外，现在科技高管们都处于一种极度的 AI 狂热状态，在你的感知中，有哪些瞬间让你觉得触碰到了AGI？

Sundar Pichai:我们将资本支出从300 亿扩大到了约 1800 亿，如果不相信这条技术曲线，就不可能做出这种规模的投入。这在很大程度上只是表达方式的差异。由于我们体量巨大且产品触达广泛，沟通方式可能更稳健。但我们的创始人绝对是 AGI 的坚定信徒。在谷歌，我们对 AGI 的认知从未缺失。

那种质疑在我看来并没有意义。部分原因在于，如果你是一家新兴公司，或者更倾向于纯粹的研究实验室，你可能会将总部设在旧金山。这些细微的属性确实会产生一些影响，但在基础层面，无论是对技术曲线的预判，还是我们对技术的内化方式，眼界上并没有区别。事实上，即使在公司内部，也有一群人始终站在最前沿。我们不断启动 AI Agent，观察其能力边界，见证 AI Agent 习得新技能并处理复杂任务。对比三个月前后的表现，我们正在内部亲身经历这种指数级的技术进化。

（关于感知 AGI 的瞬间）我第一次感知到 AGI 的瞬间是在 2012 年，当时 Jeff Dean 展示了 Google Brain 的最早版本，那是神经网络首次识别出猫。2014 年左右，我与 Larry 参加了自动驾驶挑战赛，目睹了车辆在现场行驶。随后 Demis 展示早期模型时，模型表现出了我们所谓的想象力。类似的时刻有很多，技术进步是显而易见的。如果说当下最切身的感受，我认为是在编程时。当你交给 AI 一个复杂的任务，你甚至不需要打开集成开发环境，而是处于某种 AI Agent 管理环境中，看着它高效完成任务，那种力量感非常震撼。你可以将其称为感知到 AGI，确实会有那样的瞬间。绝对有这种感觉。真正让人惊讶的是技术曲线的斜率，我们在如此多的范式上进行改进，未来的进步空间非常清晰。

05

CEO的管理工具箱

作为CEO 往往面临信息脱节的风险，不能只靠团队报告或电子表格来管理。你如何确保自己不脱离实际的产品体验？除了日常使用 Gmail，你有哪些特殊的调研方法？

Sundar Pichai:我会进行深度的内部试用，也就是使用内部版本。我会专门抽出时间，高强度、专注地试用产品。这非常有帮助。就在两周前，我在健身房拉伸时，拿着装有Gemini Live 的手机，针对一个话题与它聊了整整 30 分钟。你会做这类尝试，有些表现惊艳，有些令人抓狂，但你能学到很多。我强迫自己以超级用户模式去试用，以此保持触感。X 平台也很有用，因为在那能听到最直接的原始反馈。

（关于处理用户反馈的方法）X 平台能提供最直观的评论，我会亲自关注。我告诉你一个很有用的方法，在内部我会调用 Antigravity，这是我们内部版的分析工具。我会查询，我们上线了这个功能，大家怎么看，告诉我讨论最多的五个缺点和五个优点。输入指令后，结果就出来了。我的生活确实因此变轻松了。在过去，我要花很多时间才能摸清用户感受。现在， AI Agent 在帮我完成这个过程。你必须权衡自己该花多少时间去亲自感受，以及这些工具是否真的发挥了作用。我也在经历这个过程，努力适应这个未来。

06

AI 对美国经济的真实拉动

回顾以往技术周期，互联网或SaaS 往往要很久才体现在 GDP 数据中。但在 AI 领域，我们从数据中心建设规模就能看到对经济的拉动。你如何展望未来三到五年，美国经济会因为 AI 而变得更大吗？如果会，规模会增加多少？此外，如何看待巨大的资本支出与回报之间的对齐关系？

Sundar Pichai:要让这些投入产生意义，回报必须在某个环节体现。大概两年半前，红杉资本有人写文章说，人们的投入规模非常巨大。当时的观点是这不合理，因为你需要同等规模的回报，可能得达到投资额的10 倍。从那时起，我得再去查查数据，但在某个时点，两者必须对齐。需要明确的是，我们现在正处于供应受限的状态，全方位的需求都在爆发。

（关于经济增长的预判）我明白。回看互联网对经济的影响，数字并不能完全捕捉我们对互联网的真实感受。也许如果没有互联网，经济增长甚至是负的。很难预判未来。我认为社会各层面都存在天然的抑制机制。显而易见的是，算力基础设施的建设曲线与模型改进的速度曲线并不是同步的，你已经在应对一条更受限的曲线了。此外，如何将技术负责任地渗透到社会中也是挑战。我们正在通过 Waymo 自动驾驶实践这一点。你可以让 Waymo 比人类司机更安全，但部署节奏必须非常谨慎。如何负责任地在社会中普及技术，这些环节都存在约束。美国经济比 10 年前大得多，即使 AI 能额外贡献半个百分点的增长，那也是极其巨大的。我预计情况会这样演变。

07

谷歌庞大的资本支出与2026年瓶颈预测

谷歌公布的资本支出预测在1750 亿到 1850 亿美元之间。即便想花 4000 亿，可能也因为内存产能不足、电力供应短缺及组件缺货而花不出去。你能具体列举一下这些瓶颈吗？此外，内存是否是你目前最担心的组件？

Sundar Pichai:甚至连合格的电工数量都不够。在某种程度上，你得追溯到最底层的晶圆产能，这才是硬性的物理约束。晶圆投产是一个根本限制。电力和能源问题相对好解决一些。行政许可审批和监管环境的周旋可能是更大的约束，这决定了你做事的节奏。

（关于建设提速的挑战）我觉得我们正在取得巨大进步。对美国来说，这至关重要。有些外部地区的建设速度非常惊人，我们真的需要学会如何大幅提速。你必须转变心态，思考在物理世界中如何将建设速度提高 10 倍。我担心这会成为一个长期约束。而且阻力可能会越来越大，这不只是几个决策者说我们要快就能解决的。我会说是晶圆投产、许可审批的能力。但我认为政府在这方面做了很多工作，大家意识到必须提高效率。接着是供应链中的关键组件，内存就是一个例子。短期内我们确实受限，但市场会做出反应。我认为所有经营公司的人，无论你对 AGI 的前景有多乐观，都得面对现实，你的看涨预测到底有多少误差空间，你能承受多大的利润波动。因为世界上有很多不可控的外部因素，大家都在根据这些约束做调整。

（关于内存组件的担忧）内存绝对是目前最关键的组件之一。领先的内存芯片公司不可能在一夜之间大幅提高产能，所以短期瓶颈是必然的，但长期来看会缓解。我认为这些限制也会逼出很多创新，我们将使这些硬件的效率提升 30 倍，所有的进化都在同步发生。

如果未来的模型改进依赖于自我提升，即模型开始编写代码和数据标注，这是否会导致寡头垄断？目前看起来这成了一场看谁手里有算力的“抢椅子游戏”，你觉得领先者是否会因为扩张上限而被对手追上？

Sundar Pichai:这是一个合理的思考框架。顺便说一下，我们刚刚发布了Gemma 4，这是一个非常优秀的开源模型。在特定领先地区之外的市场，它的表现非常亮眼。Gemma 4 与前沿模型的差距，从时间维度上看，既很大，又没那么大。Gemma 4 是基于 Gemini 3 架构的，这很奇妙，你谈论的是一组能装进 U 盘里的权重数据。这是一种很疯狂的属性，它不像航天火箭那样是庞然大物。

（关于资本冲破约束的动力）正是这些独特属性让我去反思现有的框架。在推理端，你说的思考方式很合理。我确实认为每个人都在试图通过资本的力量去冲破这些约束，这种动力是巨大的。看，还有其他约束，比如安全。这些 AI 模型肯定会彻底颠覆目前几乎所有的软件架构。也许颠覆已经发生了，只是我们还没意识到。

你认为所有软件都存在安全风险吗？比如像SSH 这样被尝试破解已久的协议，AI 的介入会带来什么影响？

Sundar Pichai:我谈论的是普通软件和大型平台，其中存在大量的零日漏洞。系统中存在一些无法回避的客观限制。关键在于这些漏洞如何渗透到社会中，以及会带来什么后果。这里存在一些相似性。我认为系统中可能存在隐藏的约束，甚至可能遭遇冲击。即便如此，我依然坚信未来充满机遇。有时，约束反而能激发创意。这种被迫的压力，可能会引发一些原本不会发生的深度对话。仅就安全领域而言，我认为未来需要更多目前尚不具备的协作。可能会出现一个剧烈的转折点。这些挑战是无法回避的。

08

谷歌从太空到机器人的前沿布局

谷歌拥有一套非常出色的投资组合，包括SpaceX、Anthropic 和 Waymo。在内部，除了 AI 和 TPU，还有哪些不为人知、或者可能在未来产生重大影响的瑰宝？量子计算会在哪个领域产生最大影响？

Sundar Pichai:我们一直在尝试推动一些长期项目，尽管在最初发布时，它们看起来有些异想天开。我们正处于探索太空数据中心的极早期阶段。回到刚才说的约束激发创意，如果你放眼未来20 年，你会把这些庞大的数据中心安置在何处，这些都是极难攻克的课题。现在的这类项目，就像是 2010 年时的 Waymo。量子计算本身也是此类项目之一。我们正投入巨大精力稳步推进，我对此充满期待。

（关于量子计算的影响力）在抽象层面，我认为量子计算是为了更好地模拟自然。既然自然界本质上是量子的，就需要量子系统来更精准地进行模拟。虽然我们可能会通过经典计算技术或高效的压缩算法，以一种出人意料的方式达成目标，但我从根本上认为量子计算在该领域更具优势。我们至今仍未完全掌握用于生产化肥的哈伯法中的复杂机制。直觉告诉我，在模拟天气、模拟现实等领域，量子计算将具有天然优势。只要量子计算能真正落地，它的应用前景将极其广阔。

（关于机器人与生物制药）谷歌 DeepMind 团队正在深入探索机器人技术。谷歌在机器人领域曾因进入过早而受挫，事实证明，AI 是十几年前那些想法中缺失的关键环。现在的 Gemini 机器人模型在空间推理等方面已达到业界领先水平。我们正与波士顿动力、Agile 等公司开展深度合作。此外，我们还在投资 Wing 的无人机交付，预计不久将有 4000 万美国人享受到这项服务。还有 Isomorphic，我们的思路是利用这些专用模型，优化药物研发中的所有关键环节。虽然临床试验依然漫长，但我们可以大幅提升研发的成功率。

优秀的资本配置应当是将机会成本内部化，并将现金流投向价值最高的领域。在谷歌，由于项目之间高度异质化，你如何比较YouTube 算法优化、Waymo 规模化以及新 AI 技术研发这些性质迥异的项目？你们是如何决定砍掉 Loon 项目而保留 Waymo 的，这背后是定性的直觉还是定量的量化分析？

Sundar Pichai:这是一个很好的问题。由于TPU 的分配需求，我现在感触颇深。在某种程度上，甚至 Waymo 也需要 TPU。计算资源的紧缺让这个问题变得非常紧迫。我非常期待 AI 能作为助手，为这类决策提供参考。一旦所有数据能够打通并流动起来， AI 已经具备了辅助决策的能力。关键在于如何解锁这些数据。回顾谷歌的历史，我们的优势之一是能在周期早期做出深度技术导向的决策。

当我们考虑那些长期愿景时，决策反而更容易，因为初始投入相对较小。关键在于保持长期的专注和投入，并确保在底层技术上取得实质性突破。以量子计算为例，我们设定了明确的技术指标，比如逻辑量子比特错误率（Logical qubit error）、纠错能力、达到大型稳定逻辑量子比特阈值的时间表，并评估团队的执行力。这就是我们的评估方式。我们一直很自律，非常看重对早期核心技术进行深度下注，这让我们受益匪浅。我们需要不断评估这些项目的长期价值。这在某种程度上更像是一种直觉驱动的判断，即评估 5 到 10 年后的期权价值和潜在市场总量，并在假设爆发式增长的前提下，审视当前的决策是否合理。TPU 的投资就是一个完美的案例，我们多年来一直在稳步推进。Waymo 也是如此，两三年前，当外界普遍转向悲观、纷纷撤资时，我们反而加大了投入。

（关于项目去留的量化评估）这涉及到量化评估。我们关注 Waymo 驱动程序的底层技术演进，即软件驾驶汽车的安全性和可靠性。这是一个长期的过程，我们紧盯着技术曲线，设定目标并评估实际表现与预期曲线的拟合度。团队的表现极其出色。虽然也会遇到进展停滞的阶段，但这时需要对团队突破瓶颈的能力有信心。你越是能深入到技术底层进行评估，就越能做出明智的决策。

Waymo 现在的突破是否源于几年前转向端到端深度学习的技术底座切换？此外，如果想走在曲线最前沿，谷歌是否会考虑将更多硬件业务内部化？回看历史，你认为谷歌在资本杠杆上是否过于保守，比如持有过多净现金而非更激进地投入新举措？

Sundar Pichai:我们刚才谈到了机器人。你可以把Waymo 看作是一个机器人。虽然过去三年才起步的团队在某些方面可能进展更快，但 Waymo 是一个极其复杂的集成系统。这有点像台积电或 SpaceX 的发射任务，涉及极其复杂的系统整合。Waymo 内部有很多不为人知的技术积淀，这种工艺和时间的积累非常关键。但我同意，端到端的方法确实是这一过程中的重要加速器。

（关于硬件战略）我们持开放态度。从 Waymo 和 TPU 的经验中，我学到的是，如果想走在曲线最前沿，特别是在涉及安全和监管的领域，必须亲自掌握产品反馈闭环。我认为拥有第一方硬件最终将变得至关重要。

以 Waymo 为例，如果它能更早成熟，我肯定会更早投入资金。我们致力于成为资本的优秀管家。只要我们看好投资资本回报率，就会倾尽全力投入。但当我们认为存在暂时无法有效利用的闲置资金时，我们会寻找其他途径。这就是我们投资 Stripe、SpaceX、Anthropic 等公司的逻辑。我们始终以管家的心态来审视这些决策。随着 AI 浪潮的到来，部署资本的机会显著增多，我们也正在加大力度。这种心态从未改变。如果有更早的投入机会，我非常乐意在 Waymo 还没达到目前的成熟度之前就投入更多。但在那个阶段，出于对安全性的极致追求，有些投入未必是正确选择。也许我们曾做错过决策，但我们的方法是，只要对某个方向产生坚定的信心，就愿意投入资本去完成它。

09

算力预算的精细化管理

过去研发支出主要是人力，但现在TPU 成本已不可忽略。在谷歌内部，你们是否有一个总体的 TPU 预算？在分配资源时，是同时分配人力和算力吗？对于谷歌云，如何处理内部需求与外部客户算力承诺之间的矛盾？

Sundar Pichai:谷歌一直都有算力预算。即便在传统的计算模式下，我们也一直设有算力预算。在机器学习领域，我们广泛使用了TPU 和 GPU。我们在人力规划上非常严谨，但算力规划也是一直以来必须面对的课题。在机器学习算力投入上，我们经历过相对充裕的阶段，也经历过公司整体资源受限的时期。但现在的限制确实非常严重。我每周至少会专门花一小时，以非常细致的程度思考这个问题。我会查看并评估各个项目和团队正在使用的算力单元，掌握这些信息。在当前环境下，我认为这样做至关重要。

（关于云服务的分配）我们会提前规划。谷歌云团队在进行前瞻性规划并制定计划。公司为此提供资金，同时满足内部需求。作为规划的一部分，我们也会与客户签署长期承诺。凡是我们对客户承诺的内容都是不可撼动的，这些是合同义务。通过超前规划可以解决很多问题。尽管目前大家都处于受限的环境中，谷歌云团队可能也会觉得算力不如预期的充裕，但通过提前规划可以妥善应对。

10

 AI Agent 化的未来

谷歌云的功能非常庞大复杂，让AI 充当编排层是否是未来的正确方式？此外，用户何时能使用上有状态、具备任务持久性的 AI Agent？另外，为什么谷歌文档的搜索目前比 Gmail 搜索更困难，未来会有改进吗？

Sundar Pichai:AI 作为各类需求的编排层具有极大的潜力。即便在企业内部，作为首席执行官，你并不缺乏数据，难点在于如何将数据整合。过去这往往意味着需要启动一个庞大的类 ERP 项目来连接所有数据源。现在 AI 能够以一种对终端用户有意义的方式充当编排层，看到这种转变令人欣慰。我认为我们还有很大的提升空间，但这确实是一个巨大的机遇。

（关于持久性任务）从方向上看，我们希望赋予用户这种能力，让他们能够以可靠且安全的方式运行持久的长时任务。这需要通盘考虑身份验证和访问权限等问题。我认为这就是未来，是一个 AI Agent 化的未来。将这种能力带给消费者是我们正在关注的一个令人兴奋的前沿领域。我认为未来的消费者界面底层将具备完整的编码模型，并拥有合适的安全框架、技能以及在云端或本地安全运行持久任务的能力。所有这些基础组件正在汇聚。目前世界上可能只有千分之一的人生活在这样的未来中，他们正在为自己构建工具，但将其推向大众市场是一个非常令人兴奋的前沿。

（关于文档搜索的改进）虽然我的感受没有你描述的那么强烈，但这种描述与我的经历很有共鸣。我已经在脑海中梳理要把这段对话放给哪些负责该项目的团队听了，我知道该去找谁。我们确实可以把它做得更好。随着 AI 深度集成到包括谷歌文档在内的这些服务中，未来几个月你会看到显著的改进。最初的版本只是简单地将 AI 嵌入，但随着时间推移，如何保留上下文、如何利用缓存以及如何精准提取信息，我们在这方面可以取得很大进展。

11

工作流的结构性重组

谷歌是否在重新审视工作流、团队构成以及对设计师的能力要求？内部工作流是否有重大转变？

Sundar Pichai:这可以看作是同心圆。谷歌内部有一些小组的转变非常深刻。对我来说，目前的重大任务是如何将这些转变扩散到更多小组，特别是在2026 年。早期由于技术容易崩溃，我们无法全面推行，虽然能看到新世界的曙光，但它还是半成品。但今年我感觉到曲线发生了剧烈变化。

我看到 GDM 以及一些软件工程小组已经彻底改变了工作流程。他们在内部使用一套名为 Jet Ski 的系统，也就是外部所称的 Antigravity。用户生活在其中，处于一个 AI Agent 管理的世界并以这种新方式工作。就在上周，我们把这套系统推向了搜索团队。在大型组织中，变革管理是技术普及的一大难点，而对于小公司来说，切换起来可能很容易。

12 

谷歌第一个完全 Agent 化的业务预测

目前企业在使用AI 上仍有差距，面临 Prompt 技巧掌握、代码库共享、数据权限引擎重写以及角色定义模糊等挑战。你认为这种智能的普及会是什么样子？谷歌第一个完全 Agent 化的业务预测会出现在哪个季度？

Sundar Pichai:Gemini 企业团队和 Antigravity 团队都在精准地处理这些问题。你提到的这些正是我们的产品路线图。我们在内部使用中不断遇到这些障碍并设法解决，这正是我们正在交付的产品。普及仍在一个点状发生的过程中。比如谷歌的 SRE 团队突然发现某些环节可以创建自动化工作流。但如何更系统地开展、如何集中化处理技能、如何让模型和全员复用，这些都是关键。身份访问控制是非常困难的问题，也是限制普及的核心障碍，我们必须极其严肃地对待安全性。

（关于自动预测的未来）我预计在某些领域， 2027 年将是重要的拐点。届时这会成为产出预测的核心工作流。或许在一段时间内仍会用传统方式校验，但那个交叉点迟早会到来。我预计 2027 年会是这些转变深刻发生的一年。初创公司拥有一个优势，那就是拥有更多 AI 原生的团队，这可以通过面试等流程实现。而对于我们，则需要经历重新培训和架构转型。这是年轻公司的优势，而我们必须推动这种转型。

谷歌内部目前有什么让你感到兴奋的小项目吗？

Sundar Pichai:这可能会让人感到惊讶。当我们决定研发太空数据中心时，起步团队非常小，只有几个人和很少的预算去完成第一个里程碑。我认为从小处着手很重要，哪怕是一个宏大的构想。

昨天我花时间听取了关于后训练改进的汇报，那是一个人在讲述他们正在做的改进。听完后我觉得这将在产品上展现为一个巨大的飞跃。这种不断发生的微小飞跃正是这个时代的动力所在。我确信有一天我们会公布这些成果。包括太空数据中心和新的机器学习技术。