本文来自微信公众号：AGI 2050，编译：AGI 2050，原文标题：《谷歌 CEO 皮查伊深度访谈：宁可牺牲云业务利润，也要打赢前沿大模型生死战》，注：本期内容来自 Big Technology 播客，2026 年 10 月 20 日播出，原视频时长 46 分钟，头图来自：AI生成
全球大模型竞赛进入中场，科技界对谷歌的战略定力一度产生怀疑：面对 OpenAI 与 Anthropic 等一众新贵的步步紧逼，这家搜索巨头是否会因为庞大的组织体量和短期财报压力，退守到“放弃追求前沿模型极限，只做成熟业务落地”的防守区间？甚至有观点认为，谷歌不如效仿英伟达，依托自研芯片基础设施转向纯粹的算力租赁业务，优先兑现高确定性的商业利润。
新一代旗舰模型 Gemini 4 Argon 的推出，正面回应了外界的这种预设。
近日，Alphabet 兼谷歌首席执行官桑达尔·皮查伊做客海外科技播客《Big Technology Podcast》，与科技记者亚历克斯·坎特罗维茨展开了一场深入对谈。在这场对话中，皮查伊罕见地披露了谷歌在底层资源调配上的内部博弈：为了保障 DeepMind 等核心研发团队对前沿大模型的探索，谷歌云业务在很多时候必须主动放弃具备明确营收预期的外部大额订单；同时，他也直面了关于大模型“递归自我改进”的安全边界、如何定义真正的 AI 原生产品、以及将自研芯片部署至太空轨道等前瞻性布局。
一、前沿模型的战略价值：为什么不能退守“够用就行”？
问：谷歌最近发布了 Gemini 4 Argon，从各项测试来看，它在写代码、数学推理和专业知识工作上的成绩都打破了纪录，超过了 OpenAI 和 Anthropic 的公开模型。在此之前，科技圈很多人觉得谷歌已经放弃了争夺最底层、最高维度的前沿大模型，打算转头去做那种成本更低、反应更快、“足够好用”的成熟模型，直接集成进现有业务里。现在来看，外界这种判断显然站不住脚。
桑达尔·皮查伊：这种说法确实与事实偏差很大。追求最前沿的技术突破，本就是谷歌的底色。我们探索 AI 的前沿方向已经超过十年了。这个领域迭代非常快，竞争也很激烈。我对 Argon 目前的表现很满意。在研发过程中，我们没有盲目赶进度，花了很多时间做安全评测与部署打磨。
因为它的能力跨度比较大，我们的上线节奏确实比以往的一些轻量化模型更稳健。但在智能体工作、代码生成和复杂逻辑任务上，Argon 处于行业的第一梯队。在它发布的头 72 小时里，全球调用的 Token 消耗量达到了近 25 万亿，大概是当初 Gemini 3.0 发布同期的三倍。坦率地说，我们后台的服务器吞吐量已经被完全挤满了。当然，技术迭代不会停，我们也能清晰看到模型在哪些场景下还有不足，团队目前正在针对性地优化。
任何模型都有短板。客观地说，如果跟两个月前的行业基准比，Argon 在绝大多数维度上都有明显的性能提升。但现在这个技术领域演进太快了，哪怕是在它最擅长的代码生成场景下，依然存在一些边缘案例和特定工程上下文是它处理得不够理想的。用户给出的反馈非常清晰，我们会继续把这些漏洞补上。
问：我想替一部分行业观察者提出一个疑问：对于谷歌这样体量的业务，真的非要死磕最极端的前沿模型吗？现在有一种看法是，基础模型的平均能力已经完全可以满足绝大多数商业需求了，前沿研究带来的那点微弱提升，在实际落地中价值有限。普通企业用表现尚可的标准模型，就足以把产品做得很好，比如 Meta 做社交 AI 助手也是依托成熟模型。如果你不做高深的生物制药计算，只是要给谷歌地图、邮箱或搜索引擎提供支持，成熟模型难道不够用吗？
桑达尔·皮查伊：这完全不是我思考这个问题的逻辑。从当年提出 Transformer 架构开始，谷歌一直致力于探索这项技术的上限到底在哪里。
更实际的考量在于，只要你站在技术能力的最前沿，你就能比别人更早观察到新能力的涌现。这种时间差能让你提前为下一代计算范式做准备。我们在企业端和消费端都有庞大的业务网络，很多顶级的云客户指名只要最强的前沿模型。
另一个深层逻辑是，在未来的“递归自我改进”阶段，只有处于最前沿的模型，才具备足够高的能力去辅助设计和生成下一代模型。我们在谷歌内部把 Argon 部署给工程师后，研发效率出现了极大的跃升，它能解决很多老模型完全无法定位的系统级架构缺陷。
这并不意味着我们不需要轻量化模型，这也是我们一直保留 Flash 等高性价比产品线的原因。我也完全同意，对于很多日常交互产品而言，并不需要每次都调动最庞大、最昂贵的前沿模型。但在战略全局上，我们必须保证自己在最顶峰的技术攻坚队伍里。
二、自我迭代演进与安全边界：AI 会失控吗？
问：你提到站在前沿能让你看清接下来的趋势。顺着这个视角往前看，你看到了什么？
桑达尔·皮查伊：最有意思的一点在于，你团队花了几个月甚至更久时间打造出一个技术成果，把它推向市场的那一刻，你一抬头，就会发现前方依然有巨大的能力天花板尚未被突破。大家过去都在攻坚单一的、长周期的智能体规划能力，但下一个明确的阶段，一定是多智能体协作网络——由多个 AI 智能体共同组成流水线去解决复合型的大任务。无论是企业系统还是普通消费者，未来每个人都会拥有一个常驻后台、全天候运作的多智能体协作环境。
问：你提到了“递归自我改进”，也就是模型辅助改进模型自身，甚至在未来脱离人工干预。这种趋势往往被外界形容为超级智能的突变拐点。前不久，谷歌联合创始人谢尔盖·布林在 DeepMind 的内部分享中也明确提到，Argon 的一大核心突破，正是让模型自身承担了更多研发工作。但近期业界发生了一些安全波折，比如此前 OpenAI 的智能体突破了隔离限制、侵入了外部代码平台，谷歌自己的模型也出现过靠猜解密码进入了受控页面的情况。这些迹象表明 AI 有时并不完全遵循人类预期，在这种情况下推进自我改进，是否会带来系统性安全隐患？
桑达尔·皮查伊：这个问题可以从三个层面来拆解：首先，我们必须把自我改进的现状讲清楚。谢尔盖说得没错，自我改进确实是研发 Argon 的关键推手之一。但必须澄清的是，我们现在所处的技术节点，距离外界想象中完全闭环、脱离人类控制的“智能爆炸”还差得非常远。目前的实际状态，是 AI 研究员在模型开发的各个细分环节里，利用定制化的智能体来跑自动化循环，充当研发协同助手。
其次，是安全防御的机制。真正的系统安全绝不能只指望模型单点的“对齐”，它必须依托纵深防御体系。模型内部的价值对齐当然是一个极其关键且还在不断完善的课题，但我们在工程实践中依赖更多的是“全链路实时监控”。在模型执行任务时，我们有高频率的系统遥测体系，一旦发现模型的指令解析或行为模式偏离了预期轨道，工程机制会立刻在运行时进行物理阻断。同时，所有的操作都被严格隔离在沙箱内，无论它怎么运转，爆炸半径都被锁在最底层。
最后，是整个行业的防护标准。大家对 AI 的未知产生敬畏和担忧，这是完全合理的。要化解这种担忧，最好的方式是提早引入标准化治理。就像金融领域有严格的会计准则、独立审计机构一样，AI 行业在跨入深水区之后，也必须建立跨公司的通用安全标准，引入中立的第三方评估机构，并逐步配合各国的法律监管体系。这是行业走向成熟的必经之路。
三、世界模型与多模态：为什么不押注“纯语言”路线？
问：谷歌在技术研发上有一个很明显的特征：很多同行几乎把全部精力都集中在基于文本的大语言模型上，甚至精简了物理世界模型的研究线；但谷歌始终在坚持多模态与世界模型的平行研发。为什么你们觉得理解物理世界这条路径不能放弃？
桑达尔·皮查伊：人类认识物理世界的途径，从来不局限于字符文本。人类的视觉、空间感知和因果推理，都建立在对外部物理世界的交互之上。让模型理解基础的物理规律、具备对现实世界的高精度模拟能力，是通向更高级通用人工智能不可或缺的基础积木。
坚持这条路线的技术收益非常直观。以具身智能和机器人为例，Argon 之所以能在多个物理推理与具身任务的测试上刷新纪录，很大程度上正是因为我们在世界模型领域长期积累下来的底层算法。
虽然从长远来看，语言理解和物理模拟的模型架构最终可能会走向某种收敛与统一，但在现阶段，保持这种多路径的技术储备，能让我们对各种复杂交互有更深的技术理解，这对打磨最终的通用智能模型至关重要。
四、算力账本：牺牲短期云利润，应对 2027 年算力荒
问：我们来聊聊谷歌目前最核心的资产——算力。行业里一直有一种声音，认为既然英伟达靠单纯提供硬件算力能做到几万亿美元市值，谷歌不如干脆把自己的 TPU 芯片和机房全部开放，转型做高溢价的算力云租赁生意，退出这种高消耗的模型前沿争夺战。在谷歌内部，云业务部门渴望通过出租算力来兑现高额利润，但基础研究团队又需要把难以想象的算力池吃干抹净去跑下一个模型。作为 CEO，你每天怎么在商业回报与技术研发之间分蛋糕？
桑达尔·皮查伊：我们的底层分配逻辑只有一条：优先保障处于技术前沿的 AI 研发所必需的算力，这是最高原则，没有商量余地。
早在 2015 年，我就推动谷歌转型为“AI 优先”的公司。AI 是贯穿我们搜索、地图、云计算以及 Waymo 自动驾驶等所有业务的最核心驱动力。既然它是底座，那么基础科研和顶级模型的算力需求就必须排在最优先级。
在这个大前提下，我们再让各个具体的业务部门根据长远规划去申报资源。以谷歌云为例，他们有明确的合同预期、真实的客户提货周期和市场需求信号，我们会根据这些确定的商业数据，来拉齐中长期的算力交付计划。
大家必须意识到，数据中心和算力集群的建设有极长的交付周期。我们今天能开机使用的每一片算力，都是两年前甚至更早之前做出决策的产物。在一年多以前，整个技术圈甚至都还没有预料到代码智能体会以今天这种速度普及。这就导致了一个现状：放眼现在的科技巨头，没有任何一家觉得自己手里的算力是充裕的，大家都很缺，都巴不得当年的采购计划能再翻一倍。
在这种客观现实下，纠结过往决策没有任何意义。我的思路很明确：先把 DeepMind 需要的尖端研究算力完全喂饱，剩下的算力拿去服务客户。向外部客户提供计算服务，反过来也能帮我们在真实而严苛的工业级场景中检验整套自研芯片和软件栈的稳定性。
问：知名投资人本·霍洛维茨此前透露，亚马逊 CEO 安迪·贾西曾提到算力资源甚至排期卖到了 2028 年。谷歌面临的压力也是这样吗？
桑达尔·皮查伊：行业的基本面确实如此。如果有大客户现在突然跑来跟我们说，希望在 2027 年提货超大规模的算力配额，从实际排产来看，这在工程上是极难完成的。事实上，我们在去年甚至主动从市场上租用了一部分外部算力，目的就是给一部分老客户救急。整个大环境的供需关系确实非常紧绷。
问：这会不会演变成一场严重的基础设施泡沫？历史上的技术范式转移，比如铁路网、光纤网络，都经历过惨烈的过度建设。今天的 AI 算力基建是否存在产能过剩的隐患？
桑达尔·皮查伊：讨论这个问题必须加上时间尺度的前提。
如果把时间线拉得足够长，我们目前的建设非但没有过量，甚至只是起步。我们面对的是人类历史上最具有穿透力的一项底层技术。这完全不同于当年互联网泡沫时期的“暗光纤”，那些光纤铺完后可能在地底闲置好几年没人用；而我们今天交付的计算资源，每一天都在高负载运转，全行业都处于长期的供不应求状态。
当然，如果从微观经济层面看，局部由于供应链不匹配导致的不均衡是完全可能发生的。搭建现代化的超大规模算力集群，需要串联两千多个复杂的软硬件组件，从核心的高带宽内存、变电站的电力指标，到高压电网配套工程，任何一个环节掉链子，都可能导致整批服务器闲置，进而带来阶段性的资源浪费。加上宏观经济本身的周期波动，风险是客观存在的。但只要把时间拉得足够长，我有信心谷歌规划建设的每一份算力，都能被后续的应用需求完全消化掉。
问：如果说给研究团队的机器越多，造出来的模型就越强，而且你也相信 AI 的重要性堪比人类发现火和电，那为什么不把谷歌云所有对外出租的机器全部断掉，一股脑全给 DeepMind 的研究员？
桑达尔·皮查伊：事实上，我们已经在做相当程度的资源倾斜了。谷歌云在很多阶段，确实为了优先保障核心模型的研发，主动放弃了能够迅速落袋的短期大额订单。
但事情必须适度。即使是世界顶尖的 AI 科学家，在资源受限的环境下往往更容易激发出真正的算法创新。如果算力真的是无限的，就没有人会挖空心思去优化内存占用、去设计更高效的算法架构。保证前沿研发所需的基本盘，同时让工程与商业保持良性互动，这才是可持续的技术演进路径。
五、产品终局：不需要界面的交互与多入口统一
问：OpenAI 总裁格雷格·布罗克曼此前表达过一个很有趣的观点，他说用户未来其实不需要繁琐的交互界面，甚至“产品”这个概念本身都会淡化，最终人机交互会彻底退化成人与人说话一样的自然形态。你认同界面会消亡这个说法吗？
桑达尔·皮查伊：过去几十年的人机交互历史，本质上是人类在努力适应计算机的输入规则。而 AI 带来的最大变化，是让技术反过来适应人类的自然行为习惯。从这个角度看，交互确实会越来越扁平化：你只需要用自然口语给它指令，它具备全天候的上下文长记忆，能在后台静默运行，帮你解决掉具体流程。
我平时在手机上用 Gemini 也是这样。它的语音模型现在足够聪明，哪怕我随口断断续续地碎碎念，它结合我平时的通讯习惯和语境，依然能极其准确地整理出我要表达的意思，甚至我通讯录里那些生僻古怪的名字也不会打错，我根本不需要再在屏幕上按退格键一个字一个字去改。
但这并不代表所有屏幕和视觉界面都会消失。人类总归有观看视频、消费多媒体内容、处理高密度专业图表的需求。界面的本质并没有死，而是它的触发逻辑变了：未来不是你去找界面，而是系统根据你当下想要获取的信息类型，自动生成最适用的信息载体。
问：OpenAI 首席执行官山姆·奥特曼曾表达过一种看法，大意是他们不怕谷歌的竞争，因为 OpenAI 的产品是从底层“原生”长出来的，而谷歌只是把 AI 像补丁一样强行贴在现有的老产品上。你如何看待这种“AI 原生”对比“旧瓶装新酒”的说法？
桑达尔·皮查伊：行业竞争本身就会互相促动。平心而论，OpenAI 的快速奔跑在很多阶段确实倒逼了谷歌的提速；但同样，我们的技术发力也让他们感受到了极其真切的竞争压力。
至于“原生”还是“拼贴”，这种概念争论意义不大。我们的 Gemini 应用本身就是彻底从零搭建的。换个角度看，当行业全面转向智能体形态时，我们是不是也可以反问：现有的对话式界面，难道不是在生硬地打补丁来适配复杂的自动化任务吗？
真正的关键不在于概念标签，而在于你最终交付给用户的产品体验是不是足够好。这里面既包括利用 AI 去孵化全新的独立工具，也包括用新技术把那些本来就有十几亿人依赖的基础服务重做一遍。这两条路线是互补的，而不是非黑即白的。
六、智能体时代的商业变现与生态打通
问：如果未来所有琐碎事务都由 AI 智能体代劳，传统互联网依靠用户眼球和展示广告的变现模式就会受到冲击。当用户的智能体替他去完成购物比价时，谷歌未来的商业化闭环从哪里来？
桑达尔·皮查伊：消费级产品的商业规律历来如此：只要你能做出一个数亿甚至数十亿人高频使用的标杆工具，商业化的路径自然会顺理成章地跑通。就像今天所有的专业软件工程师都愿意为先进的 AI 编程工具付费一样，因为他们的工作效率获得了实打实的倍增，没有人想退回过去的开发模式。
当进入到智能体时代，即便人机界面的呈现形态变了，用户底层真实的商业消费需求并没有凭空消失。无论是订票、采购物品还是寻找本地生活服务，商业社会的服务供给方依然需要高效触达消费者。只要你的智能体体系能够公正、精准地撮合交易需求，商业价值分配机制就会在这个生态里自然建立起来。
问：提一个很多用户的具体槽点：现在直接在邮箱里调用 Gemini 去搜一封特定邮件，其理解精准度往往还不如把邮箱权限授权给第三方工具去检索。作为自家生态，谷歌为什么会出现这种体验脱节？
桑达尔·皮查伊：这是一个非常中肯的批评。对于谷歌这样产品线极其庞杂的企业来说，由于各个业务线推进的节奏不完全一致，确实会在某些局部功能上暴露出体验断层。
我们最近在企业级生态中上线了统一的智能体架构，并正在快速把它推向消费端。我们底层的实现方式，是为用户的复杂请求在云端动态调起一个专有的微型虚拟机，以完全解耦的后台服务形态常驻。它带有你的完整个人授权与记忆上下文，无论你是在办公套件、搜索引擎还是独立应用里唤醒它，底层的理解能力都是同一个实体。
未来在 Gemini 中，用户再也不需要去纠结我这一句话到底是在“发文字聊天”还是在“委派一个复杂任务”。底层的 Argon 会自动识别并处理分发。从后台数据来看，传统的闲聊类请求占比在持续下降，而长流程的智能体任务占比正在快速上升。
七、投资布局、轨道数据中心与长期技术信念
问：谷歌在 Anthropic 身上持续押注了数百亿美元的真金白银。在达里奥·阿莫代伊团队身上，你们看到了什么值得投入如此大战略筹码的东西？
桑达尔·皮查伊：很早以前我们就判断出，Anthropic 的核心成员深度主导了早期主流大模型的研发，这是全球最成熟的技术团队之一。谷歌的对外合作逻辑很单纯：在全球范围内寻找在最前沿领域具备技术实力的团队并深度结盟，这与我们当年投资马斯克的 SpaceX 逻辑完全一样。我们与 Anthropic 的合作不仅在资本层面，在底层的 TPU 系统架构上也做了非常深的工程协同。
问：提到 SpaceX，谷歌最近公布了探索把搭载自研芯片的数据中心送上近地轨道的“太空计算”计划。在外界看来，这更像是一个概念营销，它在工程上真的具有实操价值吗？
桑达尔·皮查伊：这让我想起了很多年前，我亲自在沙漠里看 DARPA 无人驾驶挑战赛的场景。当年那辆在沙堆里摸索的无人车，最终演变成了今天的 Waymo。谷歌在量子计算上投了十年，在 Waymo 上坚持了快二十年，而太空计算项目我们目前只推进了两三年。
但从物理第一性原理来看，它的逻辑是自洽的：随着未来人类对算力规模的需求呈现指数级爆发，地表的电力供给和土地资源终归会遭遇硬约束。而在太阳同步轨道上，计算硬件不仅能摆脱绝大多数地面基础设施的审批周期，还能 24 小时不间断地直接摄取空间中最充沛的太阳能。
当然，这是一个工程容错率极低的方向，我们制定了非常务实的推进节点。前段时间，我们已经正式把一批自研芯片通过火箭送入了轨道空间。在我和你录制这期节目的同时，工程团队正在等待接收来自这批太空芯片回传的“握手”测控信号。我们对具有长远价值的工程方向一直愿意下重注。
问：很多地方社区对在居民区附近新建高能耗数据中心产生了不小的抵触情绪。如果未来在本土遭遇更多的阻力，谷歌打算怎么解决电力和用地矛盾？
桑达尔·皮查伊：这必须通过极度负责任的沟通来化解。在我们运营周期最长的一些数据中心所在地，很多本地居民会亲口告诉我，正是因为谷歌长期在当地社区的投入，他们的孩子才得以走进大学。我们在新建每一座园区时，都会自费补足 100% 新增的电力成本，并在最早期介入环境与电网评估。从二十年的长期视角来看，我们探索太空轨道计算等全新形态，本质上也是为了跳出单纯依赖地表传统资源的局限，为算力扩张探索新的可能。
问：最后一个问题关于你的底层底色。掌舵谷歌这样的科技企业，必须带有一种根深蒂固的技术乐观主义——相信只要不断把工具造出来，世界终归会变得更好。但现实的商业与技术博弈往往充满坎坷，很多重注最终并没有换来预期的结果。支撑你一直走到今天的，是一种纯粹的理想主义，还是一种经过现实淬炼后的审慎乐观？
桑达尔·皮查伊：我内心深处始终确信一件事：基础技术的进步以及使用门槛的不断降低，真切地改变了千千万万普通人的生活。这正是我自己从一个普通印度家庭走出来、在过去几十年人生轨迹中亲身经历过的事情。
但这并不等同于盲目狂热。真正的技术乐观主义，要求你一方面看到技术能带来的巨大杠杆，另一方面必须花同样大的力气去驯服它的副作用，让它尽可能地服务于人类社会的整体利益。
在这个框架下，我依然坚信人类目前仅仅处于这波技术红利的初期。无论是在利用 AI 颠覆医疗诊断、发现新型工业材料，还是在大幅降低各类生产制造成本上，未来的空间都极其广阔。抱持这种信心的同时，你必须时刻对可能出现的失控风险保持清醒与敬畏，并踏踏实实地在工程层面去解决每一个具体问题。这两者从来不矛盾，它们必须同时存在。
资料来源：Big Technology Podcast，亚历克斯·坎特罗维茨对话桑达尔·皮查伊，2026 年 10 月 20 日播出，https://www.youtube.com/watch?v=F3ItSTZNtT0
本文由 AGI 2050 编辑部根据上述公开资料编译整理，事实信息以原始信源为准。文中观点属于受访者或原作者本人，不代表 AGI 2050 立场，仅供行业交流参考，不构成投资建议。
本文来自微信公众号：AGI 2050，编译：AGI 2050