公司：Alphabet (Google) * 公司首席技术官Amin Vahdat讨论了Google在AI基础设施、模型和未来愿景方面的进展与战略[1] 核心观点与论据 **AI模型进展与竞争态势** * Gemini 3模型在所有基准测试中都达到了最先进的水平[5] * 公司认为AI竞赛仍处于早期阶段（第一局）[8] * 竞争环境（如Claude、ChatGPT、Gemini）正在推动所有参与者变得更好[122] * 当前AI进步的速度感觉比摩尔定律更快，模型能力大约每3-6个月感觉就提升一倍[118] * 评估标准正变得越来越好，越来越关注真实世界的用例[120] **全栈整合与协同设计是核心优势** * 公司被认为是市场上最全栈的公司，从TPU硬件到应用层[11] * 真正的“秘密武器”是能够跨全栈协作以解决最终问题[12] * TPU等硬件并非孤立设计，而是与DeepMind以及搜索、广告、YouTube、云等不同用例共同设计的[12] * 基础设施团队与Demis Hassabis（DeepMind）的研究团队紧密合作，进行硬件和软件的协同设计[13][17] **专用计算（XPU）的效率与挑战** * 专用计算（包括GPU、TPU等）相较于通用架构，能在成本、规模和功耗等多个维度带来至少10倍的巨大提升[50][53] * 专用化的核心挑战在于硬件设计到大规模部署的交付周期长达三年[29] * 如果能将硬件交付周期从三年缩短到三个月，将从效率和能力上彻底改变世界，但目前尚不知如何实现[31][35] * 更现实的可能是将周期缩短至2年或18个月[47] **数据中心与未来基础设施展望** * 公司正在探索太空数据中心的潜力，其优势包括：24/7太阳能供电（无需电池）、无云层遮挡、以及通过太空卫星网络互联可能带来50%的延迟降低[57][60] * 太空数据中心面临冷却、维护等许多待解决的问题[60][62] * 当前基础设施的部署和维护方式难以规模化，需要彻底重新思考[64] * 数据中心规模正从早期的10兆瓦（MW）向10吉瓦（GW）发展，增长达1000倍[66][68] * 在太空实现吉瓦级规模的数据中心可能超过五年，但尚难确定具体时间表[69] **对效率与需求的看法** * 公司在软件、模型、硬件和能效方面进行了巨大投资，且效率提升的速度前所未见[80] * 然而，模型能力的增长和围绕它们的应用（如智能体、编程）会立即消耗掉所有效率提升[80] * 一种普遍的观点是“效率将拯救一切”，但这可能比一些人认为的要更晚实现[81] **AI的变革性影响与关键用例** * AI当前最具影响力的方面是能够近乎即时地获取跨领域的专家级见解，即使这些见解并非原创[90] * 这改变了游戏规则，因为它能节省大量专家的人力时间[92] * 研究和学习是AI最具附加值的用例，虽然讨论得不多，但却是人类最普遍的活动[100] * AI有机会为每位患者提供医生，为每位学习者提供老师，并根据个体需求进行个性化定制[103] * 个性化是AI普及的最后一步，目前已非常接近实现[108] 其他重要内容 **产品与合作伙伴关系** * TPU完全作为Google Cloud Platform（GCP）的产品提供，同时GCP也与NVIDIA深度合作，提供大量GPU产品[19][21] * 公司与Cisco等合作伙伴在基础设施方面有紧密合作[125][127] **当前担忧与瓶颈** * 最担忧的问题每周都在变化，但速度（交付、迭代能力）是贯穿所有问题的通用担忧[72] * 其他担忧包括能源、供应链以及内存价格（特别是DRAM与HBM之间的比例）[72][74] * 引用行业人士观点，内存供应紧张可能持续到2028年底[74][77] **行业前景** * AI被视为自互联网以来最大的革命，其影响将比互联网更大[124] * 这不会是一个赢家通吃的环境[124] * 无论是在技术栈顶层还是基础设施层工作，现在都是对技术行业产生影响力的最佳时机[125]