⾕歌CEO⽪查伊深度訪談：AI競賽、搜索未來與技術複利
⽪查伊明確預測，2027年將是⼀個歷史性的分⽔嶺。屆時，諸如企業年度業績預測這類複雜的非技術性⼯作流，將歷史性地轉變為以AI主導的⾃動化流程⸺即使起初仍有⼈⼯核對，很快也將完全過渡。⼯程研發領域是早期採⽤者，但到2027年，這種深刻的轉變將廣泛蔓延到企業的各類核⼼⼯作流之中。
吳子嘉／分析報導
⼀、關於⾕歌「起⼤早趕晚集」的誤解
外界長期流傳⼀種說法：⾕歌發明了Transformer這⼀⼤模型核⼼技術，卻讓OpenAI搶先將其做成了產品。⽪查伊對此提出了不同的解釋。
他指出，⾕歌開發Transformer，最初是為了配合⾃研的TPU（專⽤AI晶片），解決具體的⼯程問 題⸺如何讓翻譯、語⾳識別等功能在⾯向⼆⼗億⽤⼾的規模下快速運⾏。這項技術誕⽣後，立刻被整合進了搜索引擎，催⽣了BERT和MUM兩個語⾔模型，使⾕歌的搜索質量在那段時間實現了巨⼤⾶躍，將競爭對⼿遠遠甩在⾝後。
⾄於為何沒有搶先推出類似ChatGPT的對話產品，⽪查伊的解釋是：⾕歌內部確實開發了LAMDA對話模型，也在2022年Google I/O上以「AI Test Kitchen」的形式做了限制性展⽰。但當時的內部版本存在嚴重問題⸺模型很容易說出有毒或冒犯性的語⾔，尚未完成基於⼈類反饋的對⿑流程
（RLHF）。作為⼀家服務數⼗億⽤⼾的搜索公司，⾕歌對產品質量的容忍底線遠比⼀家初創公司要嚴苛。
⽪查伊坦承，OpenAI在GitHub上觀察到代碼⽣成能⼒的巨⼤潛⼒，這是⼀個⾕歌當時忽略的重要信號。他承認，從GPT-2到GPT-3再到GPT-4，在寫代碼這個維度上技術的躍遷特別明顯。他的態度是：⾯向消費者的互聯網⾏業，永遠會有出⼈意料的突發事件⸺就像⾕歌做視頻搜索時YouTube橫空出世，或者臉書存在時Instagram異軍突起。這是⾏業常態，不是誰的失誤，也不能簡單歸因於某⼀⽅的戰略缺失。
⼆、搜索引擎的未來
⽪查伊對「搜索已死」的論斷明確表⽰反對。他認為，每⼀次技術變⾰都意味著搜索能做更多的事情，⽽不是被取代。
他描述了搜索未來的演化路徑：傳統搜索是「輸入⼀⾏關鍵詞，返回⼀批排序網⾴」；⽽未來的搜索將進化為⼀個智能助⼿管理器⸺⽤⼾不再只是查找信息，⽽是把複雜的現實任務直接交給它去執⾏，它能同時並⾏處理多件事情。
他以⾃⼰正在使⽤的內部⼯具為例。這個內部代號為「摩托」、對外屬於Gemini產品線的平台，裡⾯有多個智能助⼿同時幫他處理各類任務。他認為這就是未來搜索形態的早期雛形。
⽪查伊強調，這場AI競賽並不是零和遊戲。AI算⼒作為⼀種新型供應加入市場，整個科技⽣態的規模將以指數級擴⼤，⾜以容納更多玩家共同繁榮。他舉例：抖⾳和Instagram出現後，YouTube依然發展得很好；⾕歌和Meta崛起後，亞⾺逊也同樣做⼤。越把它看成零和遊戲，路反⽽越難走。
三、2026年AI競賽的物理瓶頸
尽管⾕歌公佈的2026年資本⽀出計劃在1,750億⾄1,850億美元之間，⽪查伊坦承，即使想投入更多錢，現實世界的物理限制也讓它「花不出去」。他梳理了幾個核⼼瓶頸：
晶圓產能是最底層的限制因素。晶片的原材料供應存在根本性的天花板，無法在短期內⼤幅擴張。
⾼帶寬內存（HBM）短缺是⽬前最關鍵的零部件瓶頸。幾家頭部內存廠商不可能在短期內⼤幅提⾼產能，這意味著總有⼈買不到他們需要的內存。⽪查伊把這個情況類比為⽯油供不應求時的場景：不管需求多旺盛，如果每天從系統裡抽走的量超過產出，差距就無法彌補。
數據中⼼審批與基礎設施建設速度是另⼀個重要瓶頸。在德克薩斯州、內華達州、蒙⼤拿州這些⼟地充⾜的州，推進項⽬仍然受到監管流程的制約。⽪查伊對美國建設速度遠不及中國的現狀表⽰憂慮，認為需要在思維⽅式上做出轉變⸺認真思考如何在現實世界中把建造速度提⾼⼗倍。
電⼒與能源相對⽽⾔是較易解決的問題。
⽪查伊同時指出，這些物理限制並非純粹的阻礙。它們會倒逼全⾏業在模型效率和算法優化上實現數⼗倍的提升，帶來⼀個整合優化的週期，催⽣出本來不會發⽣的深度創新。
四、安全隱患：被低估的風險
⽪查伊提出了⼀個外界討論不多的警⽰：當前最頂尖的⼤模型，已經具備攻破市⾯上絕⼤多數軟件系統的能⼒。他認為，這種能⼒帶來的安全隱患是系統性的，不能假裝它不存在。
他引述了⼀個印證性的現象：⿊客市場上那些鮮為⼈知的零⽇漏洞（Zero-day vulnerabilities），其⿊市價格近期已經開始下跌⸺因為有了AI的幫助，這類漏洞被發現的速度和數量⼤幅提升。他認為這⼀趨勢完全在意料之中，也說明AI在安全攻防領域的影響⼒正在快速釋放。他呼籲⾏業加強協 作，共同應對這⼀課題。
五、⾕歌的長線硬科技佈局
⽪查伊回顧了幾項⾕歌長期押注、如今正在結出果實的技術⽅向：
Waymo⾃動駕駛是他舉的最核⼼案例。⾕歌從2010年就開始佈局，在全⾏業對⾃動駕駛感到悲觀的時候，⾕歌反⽽加⼤投入。⽪查伊認為，真正帶來突破的是近年借助Transformer⼤模型轉向端到端深度學習的模式轉變⸺從依賴程序員⼿⼯編寫規則，到讓模型⾃主學習複雜路況的應對⽅式。他
強調，Waymo是⼀個極其複雜的系統集成⼯程，⼯藝的積累和時間的沉澱⾄關重要，不是單純靠技術突破就能⼀步到位的。他本⼈現在每天乘坐Waymo上班。
量⼦計算是他另⼀個長期看好的⽅向。⾕歌2024年底發布的Willow量⼦晶片是重要⾥程碑。⽪查伊認為，由於⾃然界本質上是量⼦的，量⼦計算機在模擬⾃然⽅⾯將具有傳統計算機無法企及的優勢，尤其在天氣模擬、分⼦建模等領域。他的預判是：⼀旦量⼦計算真正能夠穩定運⾏，它將像GPS加上智能⼿機催⽣出Uber⼀樣，衍⽣出無數今天尚未想到的應⽤場景。
機器⼈技術⽅⾯，⾕歌的Gemini機器⼈模型在空間推理⽅⾯的能⼒已經達到相當⾼的⽔準，補上了機器⼈技術長期缺失的關鍵拼圖。⾕歌正與波⼠頓動⼒等公司展開合作，持續推進。
Isomorphic Labs正在利⽤AI全⾯重塑藥物研發的所有環節，不僅僅是停留在分⼦設計層⾯，⽽是延伸到更廣闊的⽣物模型領域，致⼒於⼤幅提升臨床試驗的成功概率。
Wing無⼈機送貨正在擴⼤運營規模，計劃在合理的時間內覆蓋約四千萬美國⽤⼾。
太空數據中⼼是⽬前仍在極早期探索階段的構想。⾯對未來地⾯算⼒空間趨於飽和的問題，⾕歌已有⼩型團隊開始思考如何在太空建設數據中⼼。⽪查伊以此說明，很多看似瘋狂的長期項⽬，都是從極⼩的投入、極早的時間點開始布局的。
六、⾕歌如何分配算⼒與資⾦
⽪查伊坦承，在AI算⼒極度緊缺的當下，算⼒分配已成為他最頭疼的管理難題之⼀。他每週⾄少花⼀個⼩時，細緻追蹤每個項⽬和每個團隊的算⼒消耗，確保⾕歌寶貴的計算資源被⽤在最值得的地⽅。
在資⾦分配的哲學上，他表達了幾個原則：
其⼀，對長期技術下注要儘可能早，初期投入可以很⼩，但必須保持長期承諾，持續追蹤底層技術指標的進展。他舉量⼦計算為例：評估標準是邏輯量⼦比特的數量⽬標、容錯率是否達標、團隊能否按預期推進。
其⼆，要從長遠的視⾓去估算項⽬的期權價值⸺設想某個技術在五到⼗年後如果獲得指數級增長，那今天的投入是否合理。⾕歌在TPU和Waymo上的持續投入，都是這⼀邏輯的體現。
其三，對外部投資（如Stripe、SpaceX）也同樣秉持負責任的態度，不是因為找不到內部⽤途才投，⽽是在確認回報率⾜夠⾼的前提下主動佈局。
七、企業端AI普及的現實障礙與2027年轉折點
⽪查伊與訪談者共同梳理了當前企業採⽤AI的主要瓶頸：
•提⽰詞學習⾨檻：要讓AI真正成為有效的⼯作助⼿，需要⼤量時間學習如何準確引導模型，⽽且這種技巧因公司業務不同⽽各異
•協作困難：AI⽣成代碼的變動幅度⼤，多⼈在同⼀代碼庫協同的難度顯著增加
•數據訪問權限：企業內部的數據孤島問題，以及誰有權限獲取哪些數據的規則體系，需要從底層重新設計
•安全合規⾨檻：⼤型企業出錯的代價極⾼，必須謹慎推進，⾝份認證與權限控制是最難啃的骨頭
⽪查伊明確預測，2027年將是⼀個歷史性的分⽔嶺。屆時，諸如企業年度業績預測這類複雜的非技術性⼯作流，將歷史性地轉變為以AI主導的⾃動化流程⸺即使起初仍有⼈⼯核對，很快也將完全過渡。⼯程研發領域是早期採⽤者，但到2027年，這種深刻的轉變將廣泛蔓延到企業的各類核⼼⼯作流之中。
⼀、關於⾕歌「起⼤早趕晚集」的誤解
外界長期流傳⼀種說法：⾕歌發明了Transformer這⼀⼤模型核⼼技術，卻讓OpenAI搶先將其做成了產品。⽪查伊對此提出了不同的解釋。
他指出，⾕歌開發Transformer，最初是為了配合⾃研的TPU（專⽤AI晶片），解決具體的⼯程問 題⸺如何讓翻譯、語⾳識別等功能在⾯向⼆⼗億⽤⼾的規模下快速運⾏。這項技術誕⽣後，立刻被整合進了搜索引擎，催⽣了BERT和MUM兩個語⾔模型，使⾕歌的搜索質量在那段時間實現了巨⼤⾶躍，將競爭對⼿遠遠甩在⾝後。
⾄於為何沒有搶先推出類似ChatGPT的對話產品，⽪查伊的解釋是：⾕歌內部確實開發了LAMDA對話模型，也在2022年Google I/O上以「AI Test Kitchen」的形式做了限制性展⽰。但當時的內部版本存在嚴重問題⸺模型很容易說出有毒或冒犯性的語⾔，尚未完成基於⼈類反饋的對⿑流程
（RLHF）。作為⼀家服務數⼗億⽤⼾的搜索公司，⾕歌對產品質量的容忍底線遠比⼀家初創公司要嚴苛。
⽪查伊坦承，OpenAI在GitHub上觀察到代碼⽣成能⼒的巨⼤潛⼒，這是⼀個⾕歌當時忽略的重要信號。他承認，從GPT-2到GPT-3再到GPT-4，在寫代碼這個維度上技術的躍遷特別明顯。他的態度是：⾯向消費者的互聯網⾏業，永遠會有出⼈意料的突發事件⸺就像⾕歌做視頻搜索時YouTube橫空出世，或者臉書存在時Instagram異軍突起。這是⾏業常態，不是誰的失誤，也不能簡單歸因於某⼀⽅的戰略缺失。
⼆、搜索引擎的未來
⽪查伊對「搜索已死」的論斷明確表⽰反對。他認為，每⼀次技術變⾰都意味著搜索能做更多的事情，⽽不是被取代。
他描述了搜索未來的演化路徑：傳統搜索是「輸入⼀⾏關鍵詞，返回⼀批排序網⾴」；⽽未來的搜索將進化為⼀個智能助⼿管理器⸺⽤⼾不再只是查找信息，⽽是把複雜的現實任務直接交給它去執⾏，它能同時並⾏處理多件事情。
他以⾃⼰正在使⽤的內部⼯具為例。這個內部代號為「摩托」、對外屬於Gemini產品線的平台，裡⾯有多個智能助⼿同時幫他處理各類任務。他認為這就是未來搜索形態的早期雛形。
⽪查伊強調，這場AI競賽並不是零和遊戲。AI算⼒作為⼀種新型供應加入市場，整個科技⽣態的規模將以指數級擴⼤，⾜以容納更多玩家共同繁榮。他舉例：抖⾳和Instagram出現後，YouTube依然發展得很好；⾕歌和Meta崛起後，亞⾺逊也同樣做⼤。越把它看成零和遊戲，路反⽽越難走。
三、2026年AI競賽的物理瓶頸
尽管⾕歌公佈的2026年資本⽀出計劃在1,750億⾄1,850億美元之間，⽪查伊坦承，即使想投入更多錢，現實世界的物理限制也讓它「花不出去」。他梳理了幾個核⼼瓶頸：
晶圓產能是最底層的限制因素。晶片的原材料供應存在根本性的天花板，無法在短期內⼤幅擴張。
⾼帶寬內存（HBM）短缺是⽬前最關鍵的零部件瓶頸。幾家頭部內存廠商不可能在短期內⼤幅提⾼產能，這意味著總有⼈買不到他們需要的內存。⽪查伊把這個情況類比為⽯油供不應求時的場景：不管需求多旺盛，如果每天從系統裡抽走的量超過產出，差距就無法彌補。
數據中⼼審批與基礎設施建設速度是另⼀個重要瓶頸。在德克薩斯州、內華達州、蒙⼤拿州這些⼟地充⾜的州，推進項⽬仍然受到監管流程的制約。⽪查伊對美國建設速度遠不及中國的現狀表⽰憂慮，認為需要在思維⽅式上做出轉變⸺認真思考如何在現實世界中把建造速度提⾼⼗倍。
電⼒與能源相對⽽⾔是較易解決的問題。
⽪查伊同時指出，這些物理限制並非純粹的阻礙。它們會倒逼全⾏業在模型效率和算法優化上實現數⼗倍的提升，帶來⼀個整合優化的週期，催⽣出本來不會發⽣的深度創新。
四、安全隱患：被低估的風險
⽪查伊提出了⼀個外界討論不多的警⽰：當前最頂尖的⼤模型，已經具備攻破市⾯上絕⼤多數軟件系統的能⼒。他認為，這種能⼒帶來的安全隱患是系統性的，不能假裝它不存在。
他引述了⼀個印證性的現象：⿊客市場上那些鮮為⼈知的零⽇漏洞（Zero-day vulnerabilities），其⿊市價格近期已經開始下跌⸺因為有了AI的幫助，這類漏洞被發現的速度和數量⼤幅提升。他認為這⼀趨勢完全在意料之中，也說明AI在安全攻防領域的影響⼒正在快速釋放。他呼籲⾏業加強協 作，共同應對這⼀課題。
五、⾕歌的長線硬科技佈局
⽪查伊回顧了幾項⾕歌長期押注、如今正在結出果實的技術⽅向：
Waymo⾃動駕駛是他舉的最核⼼案例。⾕歌從2010年就開始佈局，在全⾏業對⾃動駕駛感到悲觀的時候，⾕歌反⽽加⼤投入。⽪查伊認為，真正帶來突破的是近年借助Transformer⼤模型轉向端到端深度學習的模式轉變⸺從依賴程序員⼿⼯編寫規則，到讓模型⾃主學習複雜路況的應對⽅式。他
強調，Waymo是⼀個極其複雜的系統集成⼯程，⼯藝的積累和時間的沉澱⾄關重要，不是單純靠技術突破就能⼀步到位的。他本⼈現在每天乘坐Waymo上班。
量⼦計算是他另⼀個長期看好的⽅向。⾕歌2024年底發布的Willow量⼦晶片是重要⾥程碑。⽪查伊認為，由於⾃然界本質上是量⼦的，量⼦計算機在模擬⾃然⽅⾯將具有傳統計算機無法企及的優勢，尤其在天氣模擬、分⼦建模等領域。他的預判是：⼀旦量⼦計算真正能夠穩定運⾏，它將像GPS加上智能⼿機催⽣出Uber⼀樣，衍⽣出無數今天尚未想到的應⽤場景。
機器⼈技術⽅⾯，⾕歌的Gemini機器⼈模型在空間推理⽅⾯的能⼒已經達到相當⾼的⽔準，補上了機器⼈技術長期缺失的關鍵拼圖。⾕歌正與波⼠頓動⼒等公司展開合作，持續推進。
Isomorphic Labs正在利⽤AI全⾯重塑藥物研發的所有環節，不僅僅是停留在分⼦設計層⾯，⽽是延伸到更廣闊的⽣物模型領域，致⼒於⼤幅提升臨床試驗的成功概率。
Wing無⼈機送貨正在擴⼤運營規模，計劃在合理的時間內覆蓋約四千萬美國⽤⼾。
太空數據中⼼是⽬前仍在極早期探索階段的構想。⾯對未來地⾯算⼒空間趨於飽和的問題，⾕歌已有⼩型團隊開始思考如何在太空建設數據中⼼。⽪查伊以此說明，很多看似瘋狂的長期項⽬，都是從極⼩的投入、極早的時間點開始布局的。
六、⾕歌如何分配算⼒與資⾦
⽪查伊坦承，在AI算⼒極度緊缺的當下，算⼒分配已成為他最頭疼的管理難題之⼀。他每週⾄少花⼀個⼩時，細緻追蹤每個項⽬和每個團隊的算⼒消耗，確保⾕歌寶貴的計算資源被⽤在最值得的地⽅。
在資⾦分配的哲學上，他表達了幾個原則：
其⼀，對長期技術下注要儘可能早，初期投入可以很⼩，但必須保持長期承諾，持續追蹤底層技術指標的進展。他舉量⼦計算為例：評估標準是邏輯量⼦比特的數量⽬標、容錯率是否達標、團隊能否按預期推進。
其⼆，要從長遠的視⾓去估算項⽬的期權價值⸺設想某個技術在五到⼗年後如果獲得指數級增長，那今天的投入是否合理。⾕歌在TPU和Waymo上的持續投入，都是這⼀邏輯的體現。
其三，對外部投資（如Stripe、SpaceX）也同樣秉持負責任的態度，不是因為找不到內部⽤途才投，⽽是在確認回報率⾜夠⾼的前提下主動佈局。
七、企業端AI普及的現實障礙與2027年轉折點
⽪查伊與訪談者共同梳理了當前企業採⽤AI的主要瓶頸：
•提⽰詞學習⾨檻：要讓AI真正成為有效的⼯作助⼿，需要⼤量時間學習如何準確引導模型，⽽且這種技巧因公司業務不同⽽各異
•協作困難：AI⽣成代碼的變動幅度⼤，多⼈在同⼀代碼庫協同的難度顯著增加
•數據訪問權限：企業內部的數據孤島問題，以及誰有權限獲取哪些數據的規則體系，需要從底層重新設計
•安全合規⾨檻：⼤型企業出錯的代價極⾼，必須謹慎推進，⾝份認證與權限控制是最難啃的骨頭
⽪查伊明確預測，2027年將是⼀個歷史性的分⽔嶺。屆時，諸如企業年度業績預測這類複雜的非技術性⼯作流，將歷史性地轉變為以AI主導的⾃動化流程⸺即使起初仍有⼈⼯核對，很快也將完全過渡。⼯程研發領域是早期採⽤者，但到2027年，這種深刻的轉變將廣泛蔓延到企業的各類核⼼⼯作流之中。