文章核心观点 - 谷歌CEO确认RSI是Gemini 4 Argon研发的关键助力，并预计从明年开始Agent将更深介入模型研发流程，帮助打造更强下一代模型 [1][2] - 谷歌坚持站在AI技术最前沿，通过前沿模型提前看到新能力并为未来做准备，同时覆盖能力与效率的帕累托最优边界 [19][25] - 行业正走向多Agent协同完成任务的范式，未来每个人都将拥有一套始终在线、持续干活的多Agent系统 [52][53] - 为保障前沿AI研发算力，谷歌云随时可能主动放弃部分短期收入，前沿研究算力保障是绝对前提 [92][128] - 随着算力需求指数级增长，太空数据中心将成为非常合理的方案，TPU已送上太空等待传回"Hello World" [146][149][150] Gemini 4 Argon与RSI - Gemini 4 Argon在编程、数学、科学和知识工作等多项基准测试中击败OpenAI与Anthropic的公开模型 [6] - 发布后72小时内Token使用量逼近25万亿，约为同期Gemini 3.0的3倍 [10] - 公司目前仍受到算力不足的约束，已发现Gemini 4一些需要提升的地方并将着手解决 [11][13] - RSI是开发Gemini 4 Argon的关键助力，但距离RSI终极形态还很远，目前Agent已深入模型开发各环节并以自动化方式协助AI研究员共同构建模型 [31][32][33] - 预计明年RSI演进路径将继续延伸，帮助造出更强的下一代模型 [34] - Argon部署给开发者后出现明显拐点，能解决过去模型无法处理的问题 [22] - Argon发布后4周内代码变更单数量增长30%，rollback减少近三分之一，员工用它写出更多且质量更高的代码 [73][74] - Gemini 4 Argon输出Token上限已达100万，更早的Gemini模型率先把输入侧上下文窗口扩展到100万Token [154][155] 前沿模型战略与产品布局 - 公司明确否认放弃冲击AI最前沿，站在技术前沿是刻在谷歌DNA里的信念 [8] - 只有站在AI行业最前沿才能比别人更早看到新能力出现并为未来做充分准备 [19] - 部分云客户明确要求必须使用最前沿的模型 [20] - 不同规模能力的模型都有自己的位置，公司推出Flash和Flash-Lite等产品覆盖能力与效率的整个平衡区间 [23][25] - 公司核心目标是打造世界级、AI原生的产品体验，既包括对现有产品改造升级，也包括对全新体验重新设计，两条路径并行推进 [84][85] - 面对OpenAI步步紧逼，公司拉响红色警报，但行业各方都在互相内卷、带着紧迫感回应 [80][82] 多Agent与交互范式 - 前沿正走向多Agent协同完成任务的新阶段，捕捉到该新范式令人兴奋 [52] - 未来无论消费端还是企业端，每个人都将会拥有一套始终在线、持续为自己干活的多Agent系统 [53] - AI时代技术应当无缝适应人类生活方式和日常活动，AI可随时响应、了解上下文、后台持续运行并保持交互连贯 [57] - 真正的无缝交互应让技术隐于无形并主动契合用户自身使用节奏，但并不意味着AI彻底失去界面 [57][58] - Gemini Agent具备云端7×24小时持续运行能力，底层采用按需启动的微型虚拟机架构，从runtime、harness到模型整套系统均采用无界面服务设计 [59][60] - 该Agent支持跨产品无缝协作并维持用户上下文连贯性，可在Workspace、搜索或Gemini中直接调用 [61][62] - Pro或Ultra用户打开Gemini应用已能看到Chat和Task两个入口，已开始提供Agent式体验，Argon推出后该能力大幅加速 [65][66] - 很快将打通Gemini、Google搜索与Gmail，用户只需把要求告诉Gemini即可直接办完事 [68] 算力分配与云业务取舍 - 确保充足算力投入并始终占据AI技术前沿是最基础且最优先的战略要务，自2015年推动AI-first以来AI已成为贯穿搜索、云业务及Waymo等所有业务线的核心底层能力 [90][91] - 必须优先保障研究与模型开发的算力需求，该原则没有妥协余地，其他所有业务均建立在此基础之上 [92] - 云团队基于业务目标、市场需求信号及签署合同规划长期算力路径，但任何企业都需做出取舍 [93][94] - 2024年规划未预见到Agent编程的燎原式起飞，算力短缺是AI时代共同痛点，每家公司都缺算力 [97][98] - 公司尽量以前瞻两到三年视角规划算力，分配算力首要目标是确保Google DeepMind获得最先进最充足的算力支持 [98][100] - 若客户今天希望采购2027年算力确实很难满足，去年曾短期对外租赁一部分算力帮助客户 [105][106] - 谷歌云随时可能主动放弃一部分短期收入，该情况已在发生 [128] - 即使AI研究人员也面临约束，约束有时反而激发创造力促使找到更高效算法突破，如减少内存使用 [130] - 建设算力基础设施需凑齐内存、电力、电工和土地等一整套资源，组成要素可能达2000种甚至更多，任一环节受限都可能形成瓶颈导致某些部分过度建设 [118][119][120] - 若给出足够长时间，公司相信规划建设的算力最终都能找到实际用途 [122] 安全与对齐 - 安全不能只押在一层防线上，还要依靠一整套纵深防御体系，各公司在对齐方面投入大量精力但仍是活跃且存在明显缺口的研究领域 [35][36] - 公司不会只依赖对齐工作，还投入大量资源在模型运行时进行实时监控，通过遥测技术掌握系统动态，一旦发现意外行为即可实时介入 [37][38] - 监控、架构以及通过沙箱和隔离机制让模型在接受监控同时继续完成任务，是持续加码的重点方向 [39] - 部署模型时必须把控制权交给客户和企业，他们应有权决定模型部署在哪里、不同模型可接触哪些数据 [40] - 行业应建立更完善标准形成跨行业统一规范，让独立评估机构有能力开展评估，类似金融领域会计准则与独立审计机构，并让监管力量参与其中 [46][47][48] 世界模型与AGI路径 - 模型需要理解物理规律并以高保真方式模拟世界，这些是构成智能的关键基础模块 [133][134] - Argon在具身推理基准测试上达到业界最佳水平，背后正是构建世界模型时积累的经验 [135][136] - 预计未来会出现某种架构把这些方向全部汇聚，但目前智能前沿仍然参差不齐，公司希望站在所有可行路径的前沿 [137][138] - 公司并行探索多条路径，研究合成数据如何使用、持续学习如何推进以及怎样设计更高效架构，并拿出相当一部分算力投入这些研究押注 [153][157][158] - 前沿模型和研究探索应始终相互配合，包括世界模型，有些想法会逐渐成熟最终直接进入主线模型 [159][160] 太空数据中心 - 太空项目刚走了两三年，公司很确定太空数据中心未来会成为非常合理的路径 [145][146] - 把设施部署在次同步轨道就能全天候利用最丰富的能源形式，随着未来算力需求指数级增长该方案会越来越有意义 [146][147] - 项目极具挑战性，团队已制定严谨里程碑，把TPU送上太空是非常令人兴奋的节点，团队正等待从太空传回"Hello World" [148][149][150] - 公司对太空技术下重注，类比量子计算已走约10年、Waymo走了将近20年，新兴技术问世之初带有科幻色彩但10到20年后大多深度融入现实 [142][144][145] 行业竞争与宏观判断 - 行业正处于飞速迭代时期，谁也不敢歇着，进入AI时代每家公司都必须带着紧迫感做出回应 [79][82] - 不倾向于用"外挂AI"与"AI原生"的二元框架思考问题，该问题永远可以倒过来问 [82][83] - 从铁路到光纤几乎每次重大技术变革都伴随基础设施过度建设，若把时间拉得足够长今天建设规模完全合理 [109][110] - 公司正处于可能是有史以来影响最深远技术的早期阶段，算力不同于光纤且并未闲置，每天都在使用且每天受到容量限制 [111][112] - 经营公司时先观察需求信号再看通过合同锁定的收入机会，然后与底层技术能力一起权衡，以既有信心又有进取心同时足够克制严谨的方式规划算力 [112][114] - 若问会不会出现过度建设答案是会，因为某些关键要素可能突然受限，外部经济冲击和宏观风险始终存在 [117][121] - AI有机会从根源上把许多昂贵产品和服务的成本打下来，还能帮助找到新材料真正改变原有发展轨迹 [175]