[谷歌] 谷歌首席AI架构师揭秘:谷歌如何用2年半完成AI逆袭
问：关于统一模型架构的愿景，目前面临哪些核心技术挑战？
卡武克乔格鲁：我们正稳步推进统一模型架构的探索，不同模态的模型确实呈现出架构收敛的趋势。但这本质上是一个遵循科学规律的探索过程，我们需要通过不断提出假设和验证来推进，成功与失败都是技术发展的必经之路。
当前的核心挑战在于模型输出空间的本质差异。模型现有的强大能力主要源于代码和文本提供的结构化学习信号，而图像生成则要求模型同时达到两个维度的标准：既要实现像素级的精确还原，又要确保视觉元素在整体概念上的高度连贯。这种双重标准使得训练一个能均衡处理多模态任务的模型变得尤为复杂。
我相信这个技术目标终将实现，但关键在于我们需要找到那个能够打破现状的关键创新点，从而让模型真正融会贯通不同模态的能力。
协作密码：从AlphaFold到Gemini的组织进化
问：作为DeepMind的第一位深度学习研究员，回顾这13年的旅程，你有何感想？
卡武克乔格鲁：2012年我加入DeepMind时，专注于深度学习的初创公司还很少见。当时我和我的朋友Carl Greger都在NYU的Yann Lab，我们同时加入了DeepMind。这个地方真正专注于构建智能，而深度学习正是其核心，这让我感到非常兴奋。从深度学习开始，到强化学习、智能体系统，我们始终秉持着以学习为核心的第一性原理。这段旅程确实令人振奋。
但我反思时也感到，我们很幸运能生活在这个时代。AI现在正在发生，不仅仅是因为机器学习和深度学习，还因为硬件演进达到了某种状态，互联网和数据也达到了某种状态。很多因素汇聚在一起，让我们能够见证这个时刻。我们做出了选择投身AI领域，但同时也非常幸运能在这个时代处于这个位置。
问：从AlphaFold到Gemini，您认为DeepMind在组织层面形成了哪些独特的能力？
卡武克乔格鲁：我们通过一系列重大项目积累了独特的经验。从早期的DQN、AlphaGo、AlphaZero到AlphaFold，每个项目都教会我们如何围绕明确目标、使命组建团队。在DeepMind创立初期，25人共同完成一个研究项目并联合发表论文的做法曾让学界惊讶，但这正是我们刻意培养的协作模式。
近年来，我们进一步将研究思维与工程思维深度融合。现在我们已经建立起模型主线的开发节奏，并学会在保持主线稳定的同时进行技术探索。DeepThink模型就是一个典范，我们选择国际数学奥林匹克竞赛这类极具挑战性的目标，但坚持基于通用模型架构进行优化，最终让竞赛级模型能够惠及所有用户。
问：从早期25人合作论文到如今Gemini 3可能涉及2500名贡献者，这种规模变化意味着什么？
卡武克乔格鲁：这种规模跃迁确实令人惊叹，但恰恰体现了谷歌作为技术生态系统的独特优势。我们拥有从芯片设计、数据中心架构到算法研发的全栈专家，这种深度整合能力让我们能够实现真正的端到端优化。
当模型设计与硬件研发形成双向反馈——我们基于硬件特性优化模型架构，同时根据模型需求定制下一代芯片——技术演进就进入了良性循环。这种紧密协同需要数千名顶尖专家的精密配合，而谷歌正具备这样的大规模协作能力。
在规模化与颠覆性创新之间：DeepMind的永恒平衡术
问：在当今时代，DeepMind如何平衡基础科学研究与Gemini模型的规模化扩展？
卡武克乔格鲁：保持这种平衡确实是我们面临的核心挑战。即便现在，当我思考Gemini发展的最大风险时，始终认为是创新源泉的枯竭。我从不相信我们已经找到了可以简单复制的"成功配方"，只需按图索骥就能实现智能。
真正的突破永远来自创新——无论是沿着现有技术路径的深化探索，还是开辟全新的研究方向。在Gemini项目内部，我们持续进行着架构创新和方法论实验，这是推动进步的根本动力。
但同时，Google DeepMind和Google Research正在更广阔的领域进行探索。有些前沿课题可能超出了当前Gemini项目的范畴，但这些探索至关重要。因为最终，Gemini代表的不是某个特定架构，而是我们构建通用智能的使命。技术架构会不断演进，但追求智能的目标始终如一。
人性的温度：DeepMind如何保持“逆袭”心态
问：在谷歌I/O大会上，人们能感受到DeepMind团队特有的人文关怀与温暖，这种文化是如何被塑造和体现的？
[物价飞涨的时候 这样省钱购物很爽]
还没人说话啊，我想来说几句
卡武克乔格鲁：我们正稳步推进统一模型架构的探索，不同模态的模型确实呈现出架构收敛的趋势。但这本质上是一个遵循科学规律的探索过程，我们需要通过不断提出假设和验证来推进，成功与失败都是技术发展的必经之路。
当前的核心挑战在于模型输出空间的本质差异。模型现有的强大能力主要源于代码和文本提供的结构化学习信号，而图像生成则要求模型同时达到两个维度的标准：既要实现像素级的精确还原，又要确保视觉元素在整体概念上的高度连贯。这种双重标准使得训练一个能均衡处理多模态任务的模型变得尤为复杂。
我相信这个技术目标终将实现，但关键在于我们需要找到那个能够打破现状的关键创新点，从而让模型真正融会贯通不同模态的能力。
协作密码：从AlphaFold到Gemini的组织进化
问：作为DeepMind的第一位深度学习研究员，回顾这13年的旅程，你有何感想？
卡武克乔格鲁：2012年我加入DeepMind时，专注于深度学习的初创公司还很少见。当时我和我的朋友Carl Greger都在NYU的Yann Lab，我们同时加入了DeepMind。这个地方真正专注于构建智能，而深度学习正是其核心，这让我感到非常兴奋。从深度学习开始，到强化学习、智能体系统，我们始终秉持着以学习为核心的第一性原理。这段旅程确实令人振奋。
但我反思时也感到，我们很幸运能生活在这个时代。AI现在正在发生，不仅仅是因为机器学习和深度学习，还因为硬件演进达到了某种状态，互联网和数据也达到了某种状态。很多因素汇聚在一起，让我们能够见证这个时刻。我们做出了选择投身AI领域，但同时也非常幸运能在这个时代处于这个位置。
问：从AlphaFold到Gemini，您认为DeepMind在组织层面形成了哪些独特的能力？
卡武克乔格鲁：我们通过一系列重大项目积累了独特的经验。从早期的DQN、AlphaGo、AlphaZero到AlphaFold，每个项目都教会我们如何围绕明确目标、使命组建团队。在DeepMind创立初期，25人共同完成一个研究项目并联合发表论文的做法曾让学界惊讶，但这正是我们刻意培养的协作模式。
近年来，我们进一步将研究思维与工程思维深度融合。现在我们已经建立起模型主线的开发节奏，并学会在保持主线稳定的同时进行技术探索。DeepThink模型就是一个典范，我们选择国际数学奥林匹克竞赛这类极具挑战性的目标，但坚持基于通用模型架构进行优化，最终让竞赛级模型能够惠及所有用户。
问：从早期25人合作论文到如今Gemini 3可能涉及2500名贡献者，这种规模变化意味着什么？
卡武克乔格鲁：这种规模跃迁确实令人惊叹，但恰恰体现了谷歌作为技术生态系统的独特优势。我们拥有从芯片设计、数据中心架构到算法研发的全栈专家，这种深度整合能力让我们能够实现真正的端到端优化。
当模型设计与硬件研发形成双向反馈——我们基于硬件特性优化模型架构，同时根据模型需求定制下一代芯片——技术演进就进入了良性循环。这种紧密协同需要数千名顶尖专家的精密配合，而谷歌正具备这样的大规模协作能力。
在规模化与颠覆性创新之间：DeepMind的永恒平衡术
问：在当今时代，DeepMind如何平衡基础科学研究与Gemini模型的规模化扩展？
卡武克乔格鲁：保持这种平衡确实是我们面临的核心挑战。即便现在，当我思考Gemini发展的最大风险时，始终认为是创新源泉的枯竭。我从不相信我们已经找到了可以简单复制的"成功配方"，只需按图索骥就能实现智能。
真正的突破永远来自创新——无论是沿着现有技术路径的深化探索，还是开辟全新的研究方向。在Gemini项目内部，我们持续进行着架构创新和方法论实验，这是推动进步的根本动力。
但同时，Google DeepMind和Google Research正在更广阔的领域进行探索。有些前沿课题可能超出了当前Gemini项目的范畴，但这些探索至关重要。因为最终，Gemini代表的不是某个特定架构，而是我们构建通用智能的使命。技术架构会不断演进，但追求智能的目标始终如一。
人性的温度：DeepMind如何保持“逆袭”心态
问：在谷歌I/O大会上，人们能感受到DeepMind团队特有的人文关怀与温暖，这种文化是如何被塑造和体现的？
[物价飞涨的时候 这样省钱购物很爽]
| 分享: |
| 注： | 在此页阅读全文 |
| 延伸阅读 | 更多... |
推荐: