目录
- Gemini 3与用户共同构建通用人工智能 [00:00:00 - 00:10:00]
- 产品反馈如何推动模型进化 [00:10:00 - 00:20:00]
- 从科研传统走向工程思维 [00:20:00 - 00:30:00]
- 统一模型与多模态创新 [00:30:00 - 00:40:00]
- 科学探索与规模化之间的平衡 [00:40:00 - 00:50:00]
- 追赶、创新与DeepMind的未来 [00:50:00 - 00:52:31]
Gemini 3与用户共同构建通用人工智能
Logan Kilpatrick：Gemini 3,我们现在坐在这儿,大家的反馈好像特别积极,这个模型给人的感觉不错。我对这些进展感到非常兴奋,我对这项研究感到兴奋。其实,我们在很多维度上都推进了Frontier。我们就是要这样构建通用人工智能,我们希望用正确的方式来做这件事。这就是我们投入全部心思和所有创新的地方。
Koray Kavukcuoglu：这并不是一项躲在某个实验室里的纯研究工作，这更像是我们和全世界一起做的事情，这是一个全新的世界，对吧
Logan Kilpatrick：有一项新技术正在定义用户的很多期待，从某种意义上说，我们是在和客户一起共同构建通用人工智能 这样一来，突然就有更多人可以成为建设者
Koray Kavukcuoglu：让任何东西都活起来，让任何东西都活起来，对吧，我觉得接下来的六个月，可能会和过去六个月，以及在之前的六个月一样令人兴奋
Logan Kilpatrick：我们很幸运能生活在这个时代，这一切正在此刻发生，这非常令人兴奋，大家好，欢迎回到Release Notes 也就是算版本说明环节，我叫Logan Kilpatrick [00:00:58]
Koray Kavukcuoglu：今天我在DeepMind团队，很荣幸今天能请到Koray Kavukcuoglu 他是DeepMind的首席技术官，也是谷歌新任的Chief AI Architect。谢谢你来参加，我很期待和你聊聊
Logan Kilpatrick：我也是，对，我也非常期待，谢谢你的邀请，当然 Gemini 3 我们现在坐在这儿，我们已经发布了这个模型，大家的反馈好像特别积极，我觉得我们发布之前
Koray Kavukcuoglu：显然已经对这个模型会有多好，有过一些预判，排行榜看起来很棒，但我觉得把它交到用户手里，真正发布出去，就像，那一直都是检验，对吧，我是说
Logan Kilpatrick：我们一直在做benchmark Benchmark是第一步，然后我们一直在做测试，我们一直算是和可信的测试人员一起，还有之前的发布之类的，这样你就会感觉到，对这是个不错的模型，它有能力，它并不完美，对吧，不过我觉得我确实挺满意大家的反馈，大家好像都喜欢这个模型，而且我觉得我们觉得有意思的那些东西 [00:01:50]
Koray Kavukcuoglu：他们也觉得有意思，所以到目前为止，这挺好的 这挺好的，对，我们昨天聊的时候，话题一直围绕着一件事，就是珍惜现在这一刻，进展并没有放慢，我觉得这点也很打动，我回想起上次坐在你旁边的时候，那是在谷歌IO大会，我们发布Gemini 2.5的时候，当时我们听Demis和Sergey 谈AI之类的话题，我觉得进展并没有放慢，这真的挺有意思，比如我们发布Gemini 2.5的时候，它给人的感觉是一个，业界最先进的模型，也感觉我们确实在很多方面，推进了Frontier 我觉得3.0又做到了这一点，我很好奇关于scaling [00:02:16]
Logan Kilpatrick：能不能继续下去的讨论，继续往哪发展，你现在是什么感觉，对我对这个进展感到非常兴奋，我对这项研究感到兴奋，你真正身处研究一线的时候，会发现这件事的各个方面，都有很多令人兴奋的地方，对吧，我是说从数据 pre-training post training 到处都是，我们能看到很多令人兴奋的东西，我们能看到很多进展，也有很多新想法，说到底，整件事靠的就是创新，靠的就是想法，对吧，我们做的事情越有影响力，越能落到现实世界里，越有人使用，你就会得到越多想法，因为你的发挥空间变大了，你能获得的信号种类也增加了，我觉得问题会变得更难，问题的种类也会更多，对吧，随着这些变化 我觉得我们会受到挑战，而这些挑战是好事，我觉得这也是推动我们，朝着构建智能这个方向前进的动力，对吧，事情就是这样发生的，我觉得有时候，如果你只看一两个benchmark 就会看到挤压，但我觉得这很正常，因为benchmark都是在某件事，还构成挑战的时候定义出来的，你定义出了那个benchmark 然后当然随着技术进步，那个benchmark就不再代表frontier了，它也不再定义frontier 接下来你就会定义一个新的benchmark 这在机器学习里很正常，对吧 benchmark和模型开发总是相辅相成，你需要benchmark来指导模型开发，但只有当你接近下一个frontier的时候，才知道它是什么，这样你才能用新的benchmark把它定义出来，对 [00:03:49]
Koray Kavukcuoglu：我也有这种感觉，有几个benchmark 比如最早的HLE所有模型的表现都很糟，只有1%或2% 我觉得现在最新的DeepThink已经到了40%多，这挺不可思议的 ARK AGIR最开始的时候，所有模型几乎都做不了多少，现在已经到了40%多，所以这挺有意思，还有一点也很有意思，就是那些比较固定多少经受住了时间考验的Benchmark 至于为什么会这样，我并不了解其中的背景，我觉得他们可能快要饱和了，不过以GPQA Diamond为例，它一直保留下来，尽管我们的成绩可能只挤出1%之类的提升 [00:04:41]
Logan Kilpatrick：那里面的问题确实很难，对，我是说那些难题我们现在还是做不到，对吧，而且他们依然在测试某种能力，但如果你想想我们在GPQA上的情况，它并不是说你现在到了20%多，还需要一路走到90%多，对吧，也就是说你已经快接近那个位置了，所以它定义为尚未解决的问题数量，当然是在减少，所以到了某个阶段，找到新的frontier 新的benchmark是件好事，而定义benchmark真的很重要，对吧，因为如果你把benchmark 看成进步的定义，而这两者不一定总是对得上，对吧，这里面有一件事，就是进步和benchmark之间，是有区别的，理想情况下，两者百分之百一致，但他们从来不会百分之百一致，对我来说 衡量进步最重要的标准，就是我们的模型进入现实世界，科学家用它们，学生用它们，律师用它们，工程师也用它们，然后人们用它们做各种各样的事，写作，创意写作，写邮件，有简单的，也有难的，对吧，这个范围很重要，还有不同的话题，不同的领域，如果你能继续在这些地方提供更大的价值
Koray Kavukcuoglu：我觉得这就是进步，而这些benchmark能帮你量化这一点，对，你怎么看这件事，比如从Gemini 2.5到Gemini 3 或者不管怎样，我们也可以选你想讨论的，任何一次模型版本变化，我们是在什么地方爬山，而且现在benchmark多的数不清，在这种情况下，实际上你可以选择，自己想在哪些地方爬山，那你是怎么考虑Gemini整体的，或者更具体的说，怎么考虑Pro模型的，我们要在哪些地方尝试爬山，我觉得有几个重要的领域，对吧，其中一个就是指令遵循很重要 [00:06:40]
Logan Kilpatrick：指令遵循就是说，模型需要理解用户的请求，还要能够按照请求去做，对吧，你不希望模型只是回答，他觉得自己应该回答的内容，对吧，所以指令遵循能力很重要，而这也是我们一直在做的事，另外对我们来说，国际化也很重要，谷歌是一家非常国际化的公司，我们希望触达全世界的每一个人，所以这一部分很重要
Koray Kavukcuoglu：而且至少就3.0 Pro而言，我今天早上和Tossy聊天时，他提到这个模型在一些，我们过去一直做的不太好的语言上，表现好的不可思议，看到这一点真的很棒 [00:07:46]
Logan Kilpatrick：所以你得不断把注意力，放在其中一些领域上，对吧，它们可能看起来不像是知识的frontier 但它们真的很重要，因为你希望能和那里的用户互动，因为正如我刚才说的，关键就是从用户那里获得那个信号，然后如果你转到更偏技术的领域 function calls, tool calls,agency的操作，还有代码，这些都很重要，对吧，我觉得function calls和tool calls很重要，因为它们带来的是一种完全不同的智能倍增效果，一方面模型能够自然的使用我们自己创建的各种工具和函数，然后把它们用到自己的推理中，另一方面模型还可以自己编写工具，对吧，你可以这样想，模型在某种意义上本身也是工具，所以这一点很重要，显然代码很重要 不只是因为我们都是软件工程师，还因为我们知道有了代码，你实际上可以构建笔记本电脑上发生的任何事情，而在你的笔记本电脑上发生的，不只是软件工程，让任何东西活起来，让任何东西活起来，对吧，对，所以我们现在做的很多事情，都发生在数字世界里，而代码是这一切的基础，它让你能够接入生活中，发生的几乎所有事情，不是所有事情，但有很多事情，所以我觉得这两件事结合起来，也让用户能够触达很多东西，我举vibcoding这个例子，对吧，我喜欢这个，为什么，因为很多人都很有创造力，他们有想法，而你突然就能让他们变得更有生产力，对吧，也就是说用一种，你只要把想法写下来 就能看到应用出现在眼前的方式，从有创造力变得更有生产力，而且这就像我是说，大多数时候他都能用，而他一旦能用，效果就很好，对吧
产品反馈如何推动模型进化
Logan Kilpatrick：对吧，这太酷了，我觉得这个循环很棒，所以突然之间，你就让更多人成了构建者，开始做东西 [00:09:59]
Koray Kavukcuoglu：我是说这很棒，我很喜欢，对谢谢你做出这个，这就是AI Studio的推介词，我很感谢，我们会把这一段剪出来，我们会放到网上，你刚才提到的一个，有意思的话题，就是我们是怎么做的，其实作为Gemini 3 这一节点的一部分，我们推出了Google Anti-Gravity 这是一个新的 Agency编程平台，从模型的角度看，你觉得拥有这样的产品脚手架 [00:10:09]
Logan Kilpatrick：通过爬山来提升质量，有多重要，显然是的，工具调用和编程，对对我来说，这非常重要，我觉得anti-gravity 作为一个产品本身，确实很让人兴奋，但从模型的角度看，如果你想想，它其实是双向的，对吧，我们先聊聊模型这一边，从模型的角度看，能够和最终用户，也就是软件工程师，进行这样的整合，并且直接向他们学习，了解模型，需要在哪些地方改进，这对我们非常关键，我是说在有些领域也是这样，比如Gemini App 出于同样的原因也很重要，对吧，我是说直接了解用户非常重要 AntiGravity是这样 AI Studio也是这样，所以拥有这些我们密切合作的产品，然后理解和学习，获取用户信号，我觉得这非常重要，而AntiGravity 一直是非常关键的发布合作伙伴，他们加入的时间还不长，对吧，但在我们发布流程的最后两三周里，他们的反馈起了非常关键的作用 Search AI Mode也是一样，还有AI Overview Event 我们从那里也能得到很多反馈，所以对我来说和产品整合并获得这些信号，是我们理解情况的主要驱动力，当然我们有Benchmark 所以我们知道该怎么推动STEM 科学数学以及那类智能的发展，但我们真正理解现实世界里的使用场景也很重要, 因为我是说它必须在现实世界里有用。对,而在你新的Chief AI Architect职位上, [00:11:30]
Koray Kavukcuoglu：你现在还负责确保我们不只是拥有好的模型, 还要让产品真正拿这些模型来实现, 并且在谷歌各处打造出算是很棒的产品体验。我的意思是,显然我觉得这对用户来说是正确的做法, 让Gemini 3和所有产品服务在第一天就上线，对谷歌来说是个很棒的成就，我觉得以后还会有更多产品服务，希望如此，从DeepMind的角度看，你觉得这么做会增加多少额外的复杂性，从某种意义上说，一年半以前日子简单一些，当然，但我们是在构建智能，对吧 [00:12:17]
Logan Kilpatrick：很多人会问我，你身上有两个角色，我是说我算是有两个头衔，但它们其实是同一件事，如果我们要构建智能，就得通过产品来做，通过产品和用户连接起来，在开这个角色上，我要做的就是，确保谷歌的产品，能用上最好的现有技术，我们不是要去做产品，我是说我们不是做产品的人，我们是技术开发者，对吧，我们开发技术做模型，当然我是说，大家对任何事情都是开放的，我是说大家都很开放，但对我来说，最重要的是把模型和技术，以可能做到的最好方式提供出来，然后和产品团队合作，让他们能在这个AI世界里，做出最好的产品，因为这是一个全新的世界，对吧 有一种新技术正在定义用户的很多期待，定义产品应该怎么运行，应该保留哪些信息，以及用这项新技术，还能做的所有新事情，所以对我来说，就是和所有产品合作，把这些能力推广到谷歌各处，我觉得这很让人兴奋，无论是从产品角度，还是从用户能得到什么的角度，也包括从我刚才说的那个角度，这就是我们的主要驱动力，对我们来说，真正重要的是感受到用户的需求，得到用户的反馈信号，这对我们很关键，所以我才想做这件事，因为我们就是要这样构建通用人工智能 我们就是要通过产品来构建智能，我觉得事情会这样发生，这很适合你以后发一条推文，因为我确实觉得这很有意思，我也认同这个看法，我们在某种意义上 [00:13:47]
Koray Kavukcuoglu：是在和客户和其他PA一起构建通用人工智能 它不是一项在某个实验室里，独自进行的纯研究工作，这是我们和现实世界一起完成的共同努力，而且我觉得这实际上也是一个 [00:14:38]
Logan Kilpatrick：非常trusted tested的系统，我们正在更多的采用一种工程思维，我觉得在这件事上，采用工程思维很重要，因为一件东西如果工程做得好，你就知道它是稳健的，用起来也是安全的，所以我们是在现实世界里做事，也在采用各种trusted tested的构建理念，我觉得这一点也体现在，我们怎么看待安全和安保上，对吧，我们会再次从工程思维出发，从底层，从一开始就考虑这些问题，而不是等到最后才加上去，对吧，我们不会，我是说，当我们做post-training模型，做pre-training查看数据时，大家始终都要考虑这件事，我们有安全团队吗，当然，我们有安全团队，他们会带来所有相关的技术，我们还有安保团队，他们会带来所有相关技术 同时让Gemini的每个人都深度参与开发过程，把这当成第一原则，而且这些团队本身就是我们post-training团队的一部分，对吧，所以当我们开发这些模型，做迭代准备发布候选版本时，就像我们会看GPQA 这类benchmark一样，我们也会看安全和安保指标，我觉得这说明 [00:15:45]
Koray Kavukcuoglu：这种工程思维很重要，对我完全同意，我觉得这对谷歌来说也很自然，这也很有帮助，因为现在要把Gemini模型推出去，需要大家协作，而且规模也非常大
Logan Kilpatrick：我是说关于Gemini 3 我觉得我们刚才还在回顾这件事，对我来说,重要的一点是,这个模型是一个非常Google团队共同完成的模型。
Koray Kavukcuoglu：我们应该去看看数据,这可能是,我是说有些阿波罗计划,NASA项目或许也有很多人参与,但我觉得这是一次规模庞大的Google全球协作,所有团队都参与其中,才把它做成了,这很不可思议。
Logan Kilpatrick：每次Gemini发布新版本，都会调动来自这个大洲，欧洲亚洲，以及世界各地的人，我们在世界各地都有团队，他们都会参与进来，而且不只是GDM团队，对吧，是谷歌各地的所有团队，这是一项规模很大的协作工作，我们会和AIMO的同步发布，也会和Gemini App同步发布，对吧，这些都不容易做到，因为在开发过程中，他们就是我们的一部分，他们一直和我们一起做，只有这样，等模型准备好之后，我们才能在第一天，同时一起推出所有东西，我们一直就是这么做的，我们说谷歌各地都参与，并不只是说那些，积极尝试构建模型的人，所有产品团队，也都在完成各自的工作，对，我有一个问题 [00:16:48]
Koray Kavukcuoglu：可能也不算有争议 Gemini 3在很多benchmark上，算是SOTA 很多benchmark都是这样，我们也在谷歌的各种产品和服务，以及合作伙伴生态的各种入口上，同步发布，大家的反馈非常积极，总的来说，这个模型给人的感觉不错，如果把时间快进，我知道，先敲敲木头，如果我们把时间快进到，下一次谷歌重大模型发布，你现在的清单上，还有没有什么事情，会希望我们做到这个，那个还有那个，或者说Gemini还能怎样变得更好，还是我们就该好好享受 Gemini 3这一刻，还是，我觉得我们应该做的更多，对吧 [00:17:42]
Logan Kilpatrick：我们当然应该享受这一刻，因为享受一天这一刻，也是件好事，对，这可是漫长的一天，而且我觉得，大家都在认可这个模型，所以我也希望团队能享受这一刻，对吧，但与此同时，我们审视每个领域时，也都会看到不足，对吧，比如说，他的写作能力完美吗，不，他的写作能力并不完美，他的编程能力完美吗，它的编程能力也不完美，我是说尤其是在agent式的行动和编程这块，我觉得还有很大的提升空间，这是最让人兴奋的增长领域之一，我们需要找出还能做的更多的地方，然后继续做的更多，对吧，我觉得我们已经走了很长一段路，这个模型我想说差不多能服务90% 95%会以某种方式接触编程的人，至于这些人是软件工程师，还是想做点东西的创意工作者 对,我愿意相信这个模型就是他们能用的最好工具,对吧?但可能还是有一些情况我们需要做得更好。
Koray Kavukcuoglu：对,关于编程和2Use,我还有一个比较尖锐的问题。如果你回头看Gemini的发展历程,你觉得这到底是怎么回事?显然,1.0非常重视Multimodal,而到了2.0,我们开始让一些Agency的基础设施运转起来。你有没有感觉为什么我们，我先说明一点，我觉得我们的进步速度看起来很快，但是为什么，这只是因为我们有所侧重吗，为什么我们从一开始，在agency的to use上就没做到最先进，但是比如说multimodal 我们从一开始就是这样，说真的
从科研传统走向工程思维
Koray Kavukcuoglu：说真的 Gemini 1在multimodal上，就是当时最先进的，而且这种领先，我们保持了很长时间，我不觉得这是刻意安排的 [00:19:59]
Logan Kilpatrick：我觉得怎么说呢，老实讲，如果一定要说有什么原因回头想想，我觉得这和我们使用模型有关，也和开发环境紧密联系现实世界有关，我们联系的越紧密就越能理解这些现实中正在发生的真实需求，我觉得在Gemini的发展过程中，我们一开始所处的位置，当然谷歌的AI研究有着非常悠久的历史，对吧，我们这里有那么多出色的研究人员，还有谷歌做AI研究的悠久历史，我觉得这很好，但Gemini也是一个从那个研究环境，走向我们刚才说的这种工程思维的过程，然后进入一个和产品真正紧密相连的领域，对吧，你看这个团队我得说，我真的很自豪，因为这个团队现在大多数还是由人组成的，包括我在内，对吧 四五年前我们还在写论文，还在研究AI 而现在我们已经站在这项技术的frontier上了，而且这项技术是通过面向用户的产品，由你们开发出来的，这是完全不同的一种思维方式，我们每六个月做出一个模型，然后每一个半月更新一次，这是一次很大的转变
Koray Kavukcuoglu：我觉得我们已经走过了这个转变，对我很喜欢这一点 Gemini 3的进展太棒了，另一个我一直在想的问题就是，我们总体上怎么看生成媒体模型，我觉得从历史上看，它们算不上什么大事，我的意思不是说它们没有受到重视，它们受到了重视也一直很有意思，但我觉得到了VIO3.1 再加上Nano Banana模型，我们再把它们做成外部产品这件事上，取得了很大的成功，我很好奇在我们想要构建通用人工智能的这个目标下，你是怎么看这件事的，有时候我觉得自己有时能说服自己，视频模型好像并不属于这套叙事，但我觉得这不是真的，我觉得总体来说，你能理解这个世界，理解物理，以及其他所有这些东西，所以我很好奇，你怎么看这些东西，是怎样交织在一起的 [00:21:25]
Logan Kilpatrick：如果你回到十年十五年前 generative model 主要还是用在图像上的，对吧，因为我们能更好的观察，比如到底发生了什么，而且理解世界，理解物理，这个想法，也是用图像做generative model 等等的主要推动力，我们用generative models 做过的一些令人兴奋的事情，可以追溯到大概十年前，不是很久以前，十年前，感觉像是二十年前，对吧，二十年前，我们还在做图像模型，对吧，我的意思是，我刚才之所以这么说，是因为我读博士的时候，我们还在做生成图像模型，对吧，那时候大家都在做这些模型，我们经历过那个阶段，我的意思是当时有一种东西叫pixel ks 对吧 他们就是图像生成模型，某种程度上，我觉得发生的事情是我们也有了一个很大的认识，那就是文本其实是能让进展非常快的更好领域，但我觉得图像模型回归是很自然的，而且在GDM你们很早就有非常强的图像视频和音频模型了，我想这可能就是我试图解释的事情，我觉得把这些东西结合起来是很自然的，所以我们现在的方向是，我们一直在谈multimodality 对吧，当然自然而然的，我们一直在谈输入和输出的multimodality 这就是我们的发展方向，对吧，你看随着技术发展，这两个不同领域之间的架构和想法，已经在彼此融合，过去这些架构之间差别很大，对吧，但现在它们正在越来越多的走到一起 所以这并不是说我们在强行塞进什么东西，现在发生的事情是，技术自然而然的在区域融合，随着技术区域融合，这是因为大家都明白，哪里还能提高效率，想法又在往哪个方向发展，而我们也看到了共同的路径，我觉得这条共同的路径正在很好的汇合，所以nano banana算是最早出现的几个时刻之一，对吧，比如说你可以反复调整图像，也可以和模型对话，因为文字模型拥有很多对世界的理解，对吧，也就是说从文字里，他们获得了很多对世界的理解，而图像模型则是从另一个角度理解这个世界，所以我觉得把这两者结合起来，就会得到一些让人兴奋的东西 因为我觉得人们会感觉，这个模型理解了，他们想要传达出去的neurons [00:24:56]
Koray Kavukcuoglu：我还有一个关于nanobanana的问题，你觉得我们是不是应该，给所有模型都取些滑稽的名字，你觉得那会有帮助吗，不太会，你看我是说，我觉得我们并不是故意这么做的 [00:25:03]
Logan Kilpatrick：如果Gemini 3不叫Gemini 3 你觉得我们会给它取什么名字，一个很荒唐的名字，我不知道，我不擅长取名字，我觉得我喜欢，我是喜欢，我是说它叫Rift Runner 对吧，就是Rift Runner 我们其实会用Gemini模型，那些名字是代号，我们也会用Gemini模型来想这些代号，而Nano Banana不是这么来的，我们没有用Gemini 对吧，关于它有个故事，我觉得应该在哪发表过，我是说只要这些东西是自然形成的，而且有自己的生命力，我就很满意，因为我觉得做这些模型的团队，算是和它建立起某种联系，对它们有好处，对，然后等我们发布它们的时候，我觉得这只是，我是说这之所以发生，是因为我们当时用代号测试这个模型，对吧 在LM Arena上，大家都很喜欢它，而且我觉得我不知道，我愿意相信它是自然形成的，算是慢慢流行起来了，我不确定你能不能设计出一个流程，专门生成这种效果，我同意你的看法，我也是这么感觉的，如果有这种东西，我们就应该用它，如果没有
Koray Kavukcuoglu：那取些标准的名字也不错，对我们应该聊聊Nano Banana Pro 这是我们最新，目前最先进的图像生成模型，建立在Gemini 3 Pro之上，我觉得这个团队，我是说其实当时他们差不多也快做完了 Nino Banana当时已经有了早期信号，说明也许可以把它做成专业版，也就是说，在一些更细致的使用场景里，比如文字渲染，对世界的理解之类，你可以获得高得多的性能，有什么事情是你现在特别想到的，我知道我们手头有很多事情，不过我觉得这可能就是 [00:26:33]
Logan Kilpatrick：我们看到不同技术之间的alignment 开始发挥作用的地方，对吧，我说因为对于Gemini模型，我们一直都说，每个模型版本其实都是一个model family 对吧，比如我们有pro flash flash light 这就是一个model family 因为模型大小不同，在速度准确率成本，以及类似这些方面，就会有不同的取舍，随着这些东西逐渐汇合，当然图像这边也有同样的情况，对，所以我觉得团队自然而然会想，好那这里有3.0 pro architecture 我们能不能利用第一版学到的一切，再把规模做大，把这个模型进一步调成生成图像的模型，我觉得最后我们得到的东西，能力强多了，能理解非常复杂的东西 比如说一些最让人兴奋的用力，就是你手里有一大批非常复杂的文档，你可以把这些文档输入进去，让这些模型帮你回答问题，你也可以让它根据这些内容，生成一张信息图，然后它真的能做到，对吧，所以这就是这种自然的输入modality 输入和输出modality 发挥作用的地方
Koray Kavukcuoglu：而且效果很好，对感觉像魔法一样，我也不知道，希望到这个视频发布的时候，大家已经看过这些例子了，不过我觉得看到很多内部案例，被大家分享出来，真的特别酷
Logan Kilpatrick：太不可思议了，是的我同意，你看到这一点的时候会很兴奋，因为你会突然说，天啊，对，那么多文字，概念，还有复杂的东西，全都在一张图里解释清楚了，真是很好的方式，你看到这些东西的时候，会觉得这真的挺不错的，对吧，你会意识到，这个模型确实有这个能力，而且 [00:28:43]
Koray Kavukcuoglu：是的，它里面还有很多细微之处，这也很有意思，我有一个相关的问题，大概是在去年12月 2024年12月，好 Tulsi当时承诺，我们会有统一的 Gemini Model Checkpoint 我觉得你刚才描述的，其实就是我们现在，已经非常接近那个目标了，也就是从历史上看 Architecture原本是，在图像生成这件事上，统一起来的，我明白了，对，我想知道，你觉得是不是这样，我想这应该是一个目标，也就是我们希望，这些东西真正融入模型，对，而且总有一些很自然的因素，会阻止这件事发生，我很好奇如果有的话，会是哪些情境，或者说更高层面的情况，对你看我刚才也说了
统一模型与多模态创新
Koray Kavukcuoglu：对你看我刚才也说了 [00:29:57]
Logan Kilpatrick：技术和architecture 正在逐渐对齐，所以我们会定期看到这种情况发生，大家都在尝试，但这只是一个假设，而且你不能在这件事上，只凭意识形态行事，科学方法就是科学方法，我们会尝试各种东西，提出一个假设，然后看结果，有时候有效，有时候没用，但这就是我们一步步走过来的过程，我们正在越来越接近，我很确定在不久的将来，我们会看到一些东西逐渐合在一起，我觉得慢慢的，它会越来越像一个单一的模型，但这需要很多创新，对吧，你看这很难仔细想想就知道 output space对于模型来说非常关键，因为你的learning signal就来自那里，对吧，现在我们的learning signal 来自代码和文本 这基本上就是推动output space的主要因素，所以你在这方面做得不错，现在能生成图像这件事是，我觉得我们对图像质量的要求，已经调得很高了，这很难做到，对吧，真正生成出高质量的图像，让每个像素都做到精准，是很难的，而且图像在概念上也必须非常连贯，每个像素的质量都很重要，但它和整张图的总体概念是否契合，也很重要，这很重要，对吧，要训练出一个两者都能做到的东西更难，我是这么看的，我觉得这肯定是有可能的，这是有可能做到的，关键只是要在模型里找到合适的创新，让这件事实现，对我喜欢这个，我很期待，如果我们有的话，希望也能让我们的服务更轻松一些，这个我不知道 [00:30:54]
Koray Kavukcuoglu：这是单独一个model checkpoint 很难说，这是不可能的，我同意你的看法，眼下我们坐在这里，而DeepMind可能拥有世界上最好的几款AI产品，这条脉络挺有意思的，至少希望如此 AI Studio里的Vibe Coding Gemini App Anti-Gravity 而且放眼谷歌，这种情况现在也正在发生，我们有一个很棒最先进的Gemini 3模型，现在还有Nano Banana 还有Vio这些模型都算是在frontier上，大概10年前甚至15年前，世界看起来都很不一样，我有点好奇，想问问你个人是怎么走到今天这一步的，你昨天跟我们聊天时提到过一件事，这件事我之前完全不知道，我后来把这件事告诉另一个人，对方也是一样，说自己完全不知道，你是DeepMind的第一位深度学习研究员，我觉得沿着这条脉络 走到我们今天所在的地方，感觉像是一次疯狂的跨越，从当时人们对这项技术，完全不感兴趣开始，我不知道你是多久以前，开始在DeepMind工作的，大概十年 2012年 13年，对，这太不可思议了 13年前人们还没有，对这项技术感到兴奋，而现在已经走到了这一步，当然我想DeepMind当时，是对这项技术感到兴奋的，如今它已经真的在驱动，所有这些产品，而且成了最核心的东西，我很好奇，你回头想想这段经历，脑子里首先想到的是什么 AT [00:32:41]
Logan Kilpatrick：这让你意外吗，还是说这一切当时就很明显，我觉得这是一个充满希望的，积极的结果，也就是最理想的情形，对吧，我是这么说的，我读博士的时候，我觉得所有读博士的人，应该都有同样的感受，你会相信自己做的事情很重要，或者将来会变得重要，对吧，你真的对那个主题很感兴趣，你觉得它会产生很大的影响，我当时也是这么想的，所以当Demis和Shane联系我，我们聊过之后，我对DeepMind真的非常兴奋，得知有这样一个地方，我当时真的很兴奋，因为它确实是真正专注于构建智能，而深度学习就是它的核心，而且其实我和我的朋友Carol Greger 当时都在延位于纽约大学的实验室里，我们是在同一时间加入DeepMind 我只是想说的具体一点，那时候竟然会有一家专注于深度学习，甚至专注于AI的创业公司，是很不寻常的，所以我觉得那非常有远见，也是一个很棒的地方，真的让人很兴奋，后来我组建了深度学习团队，它发展起来了，我觉得我喜欢的一点，我是说我做深度学习的方法，一直是把它看成一种，你该如何处理问题的思维方式，而第一原则始终是以学习为基础，这就是deep mind的方向，一切都压住在学习上，这是一段令人兴奋的旅程，从我们当时的起点开始，一路经历了强化学习 agent 以及我们做过的一切，至少我是这么想的，你会去做这些事情，我会带着希望，期待结果是积极的 但我回头想想，会说我们其实很幸运，对吧，我们能生活在这个时代，是很幸运的，因为我觉得很多人都做过AI 或者做过自己真正热爱的领域，他们当时都觉得，这就是属于他们的时代，事情也会在这个时候开花结果，但这件事现在正在发生，而且我们也得意识到 AI之所以现在正在发生，不只是因为机器学习和深度学习，还因为硬件的发展，已经到了某个阶段，互联网和数据，也已经到了某个阶段，对吧，所以很多事情正好汇聚到了一起，我也觉得自己很幸运，能真正从事AI 一路走到这个时刻，我觉得回头想想，我的感受就是，没错，我们从事AI是一系列选择，而我也做了一些具体选择 决定从事AI 但与此同时，我也觉得自己很幸运，在这个时候
Koray Kavukcuoglu：我们处在这样的位置上，这非常令人兴奋，对我同意你的看法，我喜欢你这么说，我很好奇，我当时在看Thinking Game 也在进一步了解这件事，我那时候没参与AlphaFold 所以我唯一了解的背景，就是读相关资料，看别人谈论它，我很好奇，你回头看这些事情，也亲身经历了其中很多之后，今天和以前相比，有哪些不同，我先举一个例子来引出这个问题，这个例子就是你刚才在镜头外提到的事情，不过这不完全是你的原话，你当时大概是说，我们已经摸索出该怎么做出这些模型，并把它们带给全世界，这基本上就是你想表达的意思，我也同意，我很好奇这种感觉是不是，或者说这和之前几代模型的情况，有哪些相似又有哪些不同 [00:36:06]
Logan Kilpatrick：我觉得怎么组织团队，以及哪些文化特质对成功很重要，把困难的科学和技术问题，转化成成功的结果，我觉得我们通过做过的许多项目，学会了很多这方面的东西，从DQN AlphaGo AlphaZero 一直到AlphaFold 所有这些事情都产生了相当大的影响，而且通过这些项目，我们学到了如何围绕特定目标，特定使命来组织团队，如何组织成更大的团队，我记得DeepMind早期的时候，我们做一个项目，可能会有25个人，还会和这25个人一起写论文，然后所有人都会对我们说 25个人肯定不可能都参与了这项工作，我会说没错，他们确实都参与了，对吧，我的意思是，我们会这样组织团队，因为在科学和研究领域 这并不常见，对吧，对，我觉得那些知识和那种思维方式很关键，我们就是在这个过程中发展起来的，我觉得这非常重要，与此同时，我觉得正如我们之前聊到的，最近两三年也是这样，对吧，我们把这一点和一种想法结合了起来，那就是现在这更像是一种工程思维，我们有一条正在开发的模型主线，我们也学会了如何围绕这条组线进行探索，如何用这些模型进行探索，我觉得一个很好的例子就是deepthink模型，每次看到它或者想到它，我都会觉得挺开心的，我们参加EMO比赛 ISPC比赛和ICPC比赛时，用的就是这些模型，我觉得这是个特别酷特别好的例子，因为我们会进行探索 你会挑一些很大的目标，比如说EMO比赛很重要，对吧，那里的题真的很难，还有，我要向所有参加这些比赛的学生致敬，真的很厉害，而且既然能把一个模型放到那里用，你当然会想为它定制一些东西，我们算是这样做的，我们会把这当成一个机会，去改进现有的东西，或者想出一些，能和现有模型兼容的新点子，因为我们相信，现有这项技术是有通用性的 DeepThink就是这样做出来的，然后我们想出一些东西，再把它开放给所有人使用，对吧，这样所有人都能使用，那个实际上用于IMO比赛的模型，只是把你刚才说的 [00:38:46]
Koray Kavukcuoglu：和论文里的25个人做个类比，我觉得放到今天，你看我敢肯定会有一份 Gemini 3贡献者名单，很快就会发布，或者已经发布了 2500 大概有2500个人，而且我敢肯定，人们会保守一点，对，我敢肯定，人们会觉得，不可能有2500个人真的参与了，但他们确实参与了，但他们确实参与了
Logan Kilpatrick：这太不可思议了，现在看到有些问题的规模 [00:39:57]
科学探索与规模化之间的平衡
Logan Kilpatrick：现在看到有些问题的规模，竟然这么大，也很让人着迷，对确实，我觉得这对我们很重要，这也是谷歌很棒的一点，这里有很多人在各自的领域里，都是非常厉害的专家，我们也受益于谷歌的全栈式做法，对吧，我们确实从中受益，所以每一层都有专家，从数据中心，芯片到网络，再到如何大规模运行这些东西，对吧，这些东西又回到了工程思维，他们已经到了无法彼此分开的程度，对吧，我们设计模型时，会知道它要运行在哪种硬件上，而我们设计下一代硬件时，也会知道模型可能会发展到哪里，但这很美妙，对吧，我的意思是要协调好这一切，当然得有成千上万的人一起工作，一起贡献 我觉得我们需要认识到这一点，这是一件很美好的事，很棒，对这可不是件容易做到的事，有一条有意思的线索 [00:40:52]
Koray Kavukcuoglu：是回到DeepMind的传统，也就是采取各种不同的科学方法，努力解决这些非常有意思的问题，而到了今天，我们已经知道这项技术，在很多方面都能发挥作用，我们真正需要做的，只是继续把它规模做大，当然要持续这么做，也需要不断创新，但我很好奇，在今天这个时代，你怎么看DeepMind 要怎么在两者之间取得平衡，一边纯粹做科学探索，另一边又只是想把Gemini继续做大，也许可以用你最喜欢的一个例子，也就是Gemini Diffusion 来说明这种决策 [00:41:00]
Logan Kilpatrick：是怎么在某种程度上变成现实的，这才是最关键的事，对吧，找到这个平衡很重要，即使到了现在，别人问我 Gemini最大的风险是什么，当然我也经常思考这个问题 Gemini最大的风险，就是失去创新，因为我真的不相信，我们已经找到了那个配方，接下来只要照着执行就行了，我不相信这一套，如果我们的目标是构建智能，并且我们要做到这一点，当然会通过用户和产品来实现，但外面的问题非常有挑战性，我们的目标本身依然很有挑战，而且就摆在那里，我不觉得我们已经找到了那个配方，不是只要扩大规模或者执行就行，能让这一切成为可能的是创新 你可以把创新想成不同的规模，或者是和你现在拥有的东西存在不同切入方向的创新，当然我们有Gemini模型，在Gemini项目内部，我们也做了很多探索，我们探索新的架构，探索新的想法，也探索不同的做事方式，我们必须这么做，我们会继续这么做，所有创新都是从这里来的，但与此同时，我觉得DeepMind 或者说整个Google DeepMind 也在做更多探索，我觉得这对我们非常关键，我们必须做这些事，因为再说一次，可能有些东西单靠Gemini项目本身限制太多，没法去探索，所以我觉得我们能做的最好的事，就是在Google DeepMind里做，也在Google Research里做，对吧，我们会探索各种各样的想法 然后把这些想法带进来，因为说到底Gemini不是那个架构，对吧 Gemini是你想要实现的目标，你想要实现的目标是智能，而你想通过产品来实现它，让整个谷歌都真正运行在这个AI引擎上，从某种意义上说，具体用的是什么架构并不重要，我们现在有一些东西，也有让它不断发展的方法，我们会沿着这条路继续发展，而推动这一切的引擎就是创新，永远都会是创新，所以找到这个平衡，或者找到用不同方式做到这一点的机会，我觉得非常关键，对我还有一个相关的问题，在IO大会上，我和Sirgate坐下来聊，我当时对他说差不多是这样 [00:43:26]
Koray Kavukcuoglu：当时我在IO大会上亲身感受到这一点，你把这么多人聚在一起，发布这些模型，带来这样的创新，在这个过程中，你会感受到人性的温度，这真的很有意思，我之所以提到这个，是因为当时我也坐在你旁边，听他们说话，我多少也感受到了你的温度，我这么说是很个人化的，因为我觉得，这也体现了整个DeepMind的运作方式，我觉得Demis也是这样，他身上有很深的科学根基，但同时他身边也都是友善亲切善良的人，有件事很有意思，我不知道大家是否充分意识到，这种文化有多重要，以及它是怎么体现出来的，我很好奇，当你考虑如何帮助塑造和运营这一切时，这一点对你来说又是怎么体现出来的，首先我是说非常感谢 [00:44:10]
Logan Kilpatrick：你把我说的都不好意思了，但我觉得重要的是，我相信我们拥有的这支团队，也相信要信任别人，给他们机会，而团队这一点很重要，我觉得至少对我来说，我也可以说，这是我在DeepMind的工作的过程中，学到的东西，因为那时候我们是一个小团队，当然团队里的信任，就是这样建立起来的，然后随着团队壮大，你要想办法维持这种信任，我觉得重要的是，要营造这样的环境，让大家觉得好，我们真的在乎，解决那些有挑战性的技术和科学问题，并且产生真正影响现实世界的成果，我觉得我们现在做的依然是这件事，对吧，就像我说的 Jemini就是为了这个构建智能，是一个技术性很强 也很有挑战的科学问题，我们必须用这样的方式去面对它，也必须带着那份谦逊去面对它，对吧，我们必须不断质疑自己，希望团队也有这样的感受，所以我总是在说，我真的为这支团队感到骄傲，他们合作的非常好，就像今天我们刚才，还在楼上的茶水间聊天，对吧，我是说我对他们说，是的这很累也很难，是的我们都筋疲力尽了，但事情就是这样，我们没有一套完美的结构，来做这件事，大家聚到一起工作，互相支持，这很难，但我觉得真正让它变得有趣，让你愿意去解决那些特别难的问题的，很大程度上是有一支合适的团队聚在一起，一起工作 我觉得关键在于要看清我们手上这项技术的潜力，我不能肯定的说 20年后它还会是完全一样的LLM Architecture 我确定不会，对吧，所以我觉得推动新的探索是正确的做法，就像我们之前说的，整个GDM和Google Research一起，都必须和学术研究界开展合作，总体来说，我们必须向很多不同的方向推进，我觉得这完全没问题，至于什么是对的，什么是错的，我觉得这不是重要的讨论，我觉得真正重要的是这些能力，以及这些能力在现实世界中的展示，他们应该自己说明一切，对，我还有最后一个问题，我也很好奇，想听听你对此有什么反思 [00:46:46]
Koray Kavukcuoglu：我感觉对我个人来说，我在谷歌的第一年半多一点，感觉像是，其实我挺喜欢这种某种程度上，谷歌像个挑战者的故事，尽管我们有基础设施上的各种优势
Logan Kilpatrick：但对我个人来说，这体现的是努力，你是什么时候加入的 2024年4月 2024年，对所以说到AI Studio
Koray Kavukcuoglu：当时我们在做这个产品，对，哦对了，我想起来了，我们有三万个用户，没有收入，而且当时还处在 Gemini模型生命周期，非常早期的阶段，快进到今天，情况显然已经不一样了，过去这几天，随着这个模型陆续推出，我之前不断收到很多人的消息，来自这个生态系统各处的人，我确定你也收到了，很多这样的消息，人们，我觉得是真正开始意识到，这件事终于发生了，但我很好奇，从你的角度看，你有没有也感受到那种挑战者的处境，我当时是相信我们会走到这一步的，这也是我加入谷歌的原因，但你也有这种感觉吗，我还很好奇，你觉得当我们跨过这个转折点之后，这会怎样体现到团队身上，我当然有，而且在那之前就有了 [00:47:56]
Logan Kilpatrick：因为当LM真正显现出他们的强大时，对吧，说实话，我觉得我们就是frontier AI实验室，对吧，在DipMind是这样，但与此同时，我也觉得好吧，有些东西我们作为研究人员，投入的还不够多，应该投入更多，这对我来说也是一个很大的教训，对吧，所以我总是很谨慎，我们需要广撒网，这一点很重要，这种探索很重要，重点不是这个architecture 也不是那个architecture 而且从我们开始，更加认真的对待LIM以来，我一直很坦诚的和团队说，从大约两年半前，开始Gemini项目也是这样，我觉得我一直都很坦诚地告诉团队，我们在这方面离最先进水平还差得远，有很多事情我们还不知道该怎么做，有很多事情我们知道该怎么做 但我们还没有达到那个水平，这是一个追赶的过程，而且我们已经追赶了很长一段时间，我觉得现在我们已经进入了领先者的行列，我对我们的工作节奏感觉很好，也很有信心，我们算是进入了一个不错的节奏，我们的配合很好，我们的节奏很好，不过是的 [00:49:41]
追赶、创新与DeepMind的未来
Logan Kilpatrick：不过是的，我们一直都在追赶，你得对自己诚实，对吧，比如当你在追赶别人时，你得看看别人正在做什么，然后能学什么就学什么，不过你得为自己做创新，这就是我们做的事，我觉得从某种意义上说，这是一个很好的弱者逆袭故事，对吧，比如我们为自己做了创新，我们也找到了自己的解决方案，无论是技术模型流程，还是我们的运作方式，对吧，而且这套东西是我们独有的，对吧，我们和整个谷歌一起运作，你看看我们在做什么，这是完全不同的规模，我从来没把这些事情看成这样，有人有时也会说谷歌太大了，很难做，我觉得我们可以把这一点变成自己的优势，因为我们有一些独特的事情可以做，所以我对我们现在的状况挺满意 不过我们得在这个过程中学习，也得在这个过程中创新，这是实现我们现在这些成果的一条好路子，而且还有很多事情要做，对吧，我觉得我们算是还在追赶，我们正在赶上，总会有人拿我们比较，但我们的目标是构建智能，对吧，我们想做到这一点，我们希望用正确的方式来做这件事，所以我们把所有的思考和所有的创新都放在这上面 [00:50:54]
Koray Kavukcuoglu：我觉得接下来的六个月，可能会和过去六个月，以及在之前的六个月一样令人兴奋，谢谢你抽时间坐下来聊聊，这次聊得特别开心，我希望明年IO大会之前，我们还能再坐下来聊一次，感觉那还要等很久，但时间会不知不觉就到了，我敢肯定，像下周这样的会议，肯定会有讨论IO2026年的规划，把一切都落实下来，谢谢你抽时间来聊，再次恭喜你DeepMind团队，以及模型研究团队的每一个人，做出了Gemini 3 Nano Banana Pro 还有其他所有这些成果，对非常感谢，能进行这次交谈感觉太棒了 [00:51:23]
Logan Kilpatrick：这也是一段很棒的旅程，很高兴能和整个团队一起，也很高兴能和你分享这些，很棒，非常感谢你邀请我来，我们准备了一份特别的小礼物，感谢你
Koray Kavukcuoglu：也恭喜你和团队做成了这件事，不错，谢谢，非常贴切 1500分，一楼俱乐部，第一个模型，对吧 1501分，用来，第一个模型，你太客气了，非常感谢 [00:52:16]