谷歌宁愿少卖云算力，也要先喂饱 Gemini：皮查伊把话说透了

一场播客访谈里，主持人问桑达尔·皮查伊：外界普遍认为，谷歌已经放弃前沿模型的竞争，只打算做”够用就好”的模型塞进搜索、地图和 Gmail。皮查伊的回应很直接——”这个判断错得很离谱。”

这句话背后是一组更硬的数字：Gemini 4 Argon 上线后的前 72 小时，使用量接近 25 万亿 token，大约是 Gemini 3.0 同期的三倍。而谷歌现在的问题不是没人用，是算力不够用。

一分钟速览

• Argon 上线 72 小时消耗近 25 万亿 token，供给端仍然吃紧
• 谷歌把算力优先分配给前沿研究团队，云业务为此放弃部分短期收入
• Argon 发布四周内，代码变更提交量增加约 30%，回滚次数减少约三分之一
• 皮查伊：现在仍是”智能体协助研究员”，离完全自主的递归式自我改进还很远
• 下一个范式是多智能体长期协作，个人和企业都会拥有常驻的 agent 团队

“25% 的代码由 AI 写”这个指标已经失效

去年皮查伊给过一个明确数字：谷歌内部 25% 的代码由 AI 生成。这次主持人再问，他改口了——”这个比例已经没有太大意义”，因为 AI 已经深度嵌入开发流程，单独统计”AI 写了多少行”无法反映真实情况。

谷歌现在看的是另外三个指标：代码变更提交量、回滚次数、以及开发者敢不敢把 AI 放到百万行级别的复杂项目上。Argon 发布后的四周里，提交量涨了约 30%，回滚少了约三分之一。前者说明产出变快，后者说明质量没有跟着崩——这两个数字放在一起，才勉强能说明”AI 编程”到底有没有用。

算力分配的第一原则：先保研究，再谈云

这是整场访谈里最有信息量的一段。云业务卖算力是实打实的收入，AI 研究烧算力是实打实的成本，两者抢的是同一批 GPU。皮查伊给出的排序很干脆：首先保障前沿 AI 研究和模型开发，再根据长期规划、需求预测和合同安排把剩下的算力分给各业务线。

他承认代价：”云业务也因此放弃了部分短期收入。”但他同时补了一句常被忽略的话——适当的约束也能激发创造力，推动算法效率的突破。翻译过来就是：算力永远不够，谁能在受限条件下把效率做上去，谁才拿得到下一轮的门票。

递归式自我改进：承认方向，否认速度

主持人问得相当尖锐：模型还不能完全按人的意愿行事，行业却在追求让模型自己改进自己，这难道不该踩一脚刹车？

皮查伊把问题拆成三层。第一层是事实：Argon 的开发过程中，模型确实参与了改进模型的工作，但仍有研究人员在环，属于”智能体协助研究员”，不是科幻里的智能爆炸。第二层是安全：不能只靠对齐，还要实时监测运行时行为、沙箱隔离、异常干预，以及把控制权交到企业客户手里。第三层是制度：行业需要更完善的标准、独立评估机构，最后才是监管——他拿会计准则和独立审计做了类比。

值得注意的是，他并没有否认明年 RSI 会继续推进。这是谷歌高管第一次把”自我改进”从研究话题挪到路线图话题上。

世界模型与交互：屏幕不会消失，但要变得不重要

谷歌是少数同时押注大语言模型和世界模型的公司。皮查伊的解释是，理解物理规律、准确模拟现实世界是智能的基础，Argon 在具身推理上的表现就受益于世界模型的积累，未来两条路线可能在新架构里合流。

至于交互，他不同意”聊天框取代一切”的极端说法。界面仍有价值——看视频、欣赏 AI 生成的内容都需要屏幕；真正要减少的是”用户为了使用技术而付出的精力”。Gemini 的目标是让人不必先想清楚”我这是在聊天还是在派活”，系统自己判断并持续在后台执行。

趋势洞察

这场访谈真正透露的，是巨头竞争的重心已经从”模型分数”转向”算力调度权”。当一个 CEO 愿意公开说云业务为研究让路，说明前沿模型的战略价值被放在了财务报表之上。对行业而言，这意味着三件事：一是算力仍将长期紧缺，推理成本不会快速下降；二是”AI 写代码”的评估方式要从比例转向质量指标；三是 RSI 已经进入工程讨论，安全投入会从合规成本变成产品差异点。

至于”谷歌还行不行”这个问题，25 万亿 token 是最直白的回答——至少在容量打满之前，它没有退场的打算。