上一篇
谷歌Gemini 3发布：AI集体胜利与AGI共建新时代
谷歌AI取得重大集体成就：Gemini 3正式发布，参与规模堪比NASA登月计划！从芯片到算法的全栈专家通力合作，Koray与Logan深入解析工程协作的吸引力。
随着Gemini 3的推出，谷歌成功登顶人工智能领域的巅峰！
曾一度被视为处于“落后”位置的谷歌，如今正依靠其技术、战略与资源优势，全力夺回在生成式AI时代的主导权。
近期，谷歌DeepMind的首席技术官Koray Kavukcuoglu与谷歌AI Studio产品负责人Logan Kilpatrick深度探讨了Gemini 3的发布盛况、AI前沿创新及通往AGI的征程。
这场45分钟的对话聚焦于模型优化、工程协作与生成媒体的崛起，清晰揭示了谷歌AI的战略蓝图。
这次升级不仅是“又一个大模型问世”，而是谷歌向全球公开宣告——
我们将与全球用户携手，共同构建下一代智能系统。
与用户共创，一切才刚刚启程
Gemini 3的发布，标志着AI界进入“共建AGI”的全新阶段。
“我对当前的进展感到无比振奋。”在现场，Koray Kavukcuoglu难以抑制兴奋之情，
我们确实在多个维度上突破了技术边界。这正是我们构建AGI的方式：脚踏实地、全心投入。
这并非一次闭门造车的科研成果，而是一场面向全球用户的“共建实验”。
“我们正与用户协同，共同打造AGI。世界已经改变，新技术正在重塑人们的期待。”
他微笑着补充：“突然间，更多人能成为创造者，让任何想法变为现实。”我们正处在一个激动人心的时代。
Koray指出，许多人对AGI的想象仍停留在实验室的“象牙塔”模式，但现实恰恰相反——
“我们并非关起门来搞研究，而是在与整个世界共同构建AGI。”
他强调，AGI是可靠的系统工程。要构建稳定、安全、可靠的系统，就必须从最底层打好基础。
谷歌采用工程师的思维模式，事先就考虑这些因素。
他介绍，在Gemini的训练过程中，安全团队、安全技术乃至每位模型研发成员都直接参与了模型训练的后期阶段。“我们不会等到模型完成后才检测安全性，而是将安全性作为核心目标，与模型能力迭代同步推进。”
Gemini 3的发布不仅是一次模型迭代，更是一场涵盖谷歌各大团队的集体行动。Logan表示：“这可能是谷歌历史上参与人数最多的一次技术发布，规模仅次于NASA登月。”Koray对此点头赞同。
从2.5到3.0：Gemini持续加速进化
主持人Logan Kilpatrick是DeepMind团队成员。上次两人同台，还是在Gemini 2.5发布时的I/O大会上，聆听Dennis和Sergey探讨AI。
当时，Logan就觉得进展神速——如今看来，速度丝毫未减。
Koray对研究进展充满热情。他表示，无论是数据处理、预训练还是后训练，一切都离不开创新：
越贴近真实世界，模型的接触面越广，反馈信号越丰富，从中涌现的想法就越多。
我们面临的问题将越来越复杂，而正是这些挑战推动我们一步步走向智能的核心。
在某些基准测试上，AI已接近饱和。
许多人担忧，这是否意味着进展停滞？
Koray并不认同——
测试集本是当初技术未突破时设定的，因此一段时间后自然“被攻克”。
要提升模型能力，就需要不断设立新基准。这是机器学习的常态：基准推动模型发展，新模型又促使我们重新定义基准。
技术进步不靠“挤压分数”，而靠重新定义边界。
以GPQA、人类终极考试等高难度测试为例，最初模型几乎得零分，但现在能达到40%以上，这表明模型确实在进步。虽然“每次只提高1%”，但这些1%往往意味着突破了极其复杂的问题。
在Koray看来，最重要的进步衡量标准是——
用户实际在使用：
科学家、学生、律师、工程师都在用Gemini模型写作、编程、创作内容……
在真实世界中，AI模型能持续创造价值，这才是真正的进步。
落地应用是AGI的关键所在
如今，AI基准测试种类繁多。究竟如何决定在哪些方面持续发力？
谷歌一直重点关注以下两大领域。
指令遵循——模型必须理解用户请求，并按需回应。
国际化。“谷歌是全球性公司，我们必须确保模型适用于全球用户。”
谈到更技术性的领域，Koray特别提到几个关键词：
函数调用、工具调用、智能体行为、编程能力……
他解释：“AI模型不仅能自然调用各种工具和函数，更能自己编写这些工具。某种意义上，模型本身就是一种工具。”
这不仅为模型提供了推理能力，也拓展了其实际应用场景。
而代码能力的重要性，不仅因为“大家都是程序员”，更因为代码是数字世界的底层语言——只要会写代码，就能创造一切。
这意味着，谷歌让更多人拥有了“构建的能力”。
Logan提到这次Gemini 3发布还同步上线了谷歌新平台Anti-gravity，一个AI驱动的编程智能体平台。他好奇这种产品层面的“共建”对模型训练是否真有帮助。
Koray毫不犹豫地回答：“至关重要。”
在他看来，Anti-gravity不仅是一款产品，它让模型直接面对用户，尤其是开发者。谷歌能从中获取第一手使用反馈，了解模型需改进之处。他举例说：
不仅是Anti-gravity，AI Studio、Gemini App、搜索的AI摘要功能——我们通过这些产品获得了海量反馈。
正是这种与产品的深度整合，帮助我们洞悉用户的真实需求。
他强调：“AI模型要真正有用，必须在真实场景中落地。这才是关键。”
Gemini 3强大，但远未“完美”
Gemini 3刷新了多项基准测试，但谷歌清楚他们仍有长路要走。
他们很清楚——
写作、编程尚未完美。
特别是“智能体行为”和“工具使用”方面，Gemini还有很大提升空间。
Koray坦言：“并非有意忽视智能体与工具调用，我认为主因是——我们当时离真实世界的应用场景还不够近。”
他说，Gemini项目起初更多在研究环境中展开，但随着项目逐步产品化，它的“开发环境”也越来越贴近实际需求。越贴近用户，越能理解真实的技术挑战。
五年前，Gemini研究人员还在写论文、做研究。而现在，每六个月Gemini迭代一次，每月或每六周更新一次。
过去是25人署名论文，现在是2500人参与Gemini 3项目。
回首往昔，令人感慨万千！
他认为，这是谷歌的巨大优势之一——从芯片、数据中心、网络、工程到模型算法，每一层都有世界级专家，而Gemini正是在这种“全栈协作”基础上诞生的。
“这就是为什么需要几千人合作。这不是障碍，这是力量。”
统一架构：我们正接近“万能模型”
谈到多模态发展时，Logan提到Gemini V3、Nano Banana模型等图像与视频生成模型的进展，并好奇：“视频模型真是构建AGI的一部分吗？”
Koray回顾了过去十几年的发展：
最早的生成模型集中在图像，因为图像更易观察和理解世界中的物理规律。
过去，人们以为文本进展会慢，但事实证明文本是最易突破的领域。
现在，图像、视频、音频等多模态模型的能力正在回归，它们和文本模型的架构也正趋同。
他举例，Nano Banana模型首次让用户能与图像生成模型进行对话式交互，“文本模型带来的世界理解能力，和图像模型带来的感知能力，一旦结合，就会产生极大协同效应。”
他还解释：
现在模型架构确实越来越统一了，过去图像模型和文本模型的架构差异很大，但现在它们正自然融合，因为大家都在追求更高效率与表现力。
尽管趋势向统一架构迈进，但Koray指出：图像生成仍是难度极大的方向。
因为AI模型的学习信号主要来自输出空间，而现在的学习信号以代码和文本为主，图像则更难。
“图像不仅要像素级完美，还要概念上连贯。它每一个像素的存在都要契合整张图的主题。这种双重要求，训练起来特别困难。”
不过Koray也很乐观：“我们会继续寻找适合的模型创新，让统一模型真正成为现实。”
当Gemini模型能将大段复杂文本的核心概念，用一张图表达出来，那感觉就是魔法时刻。
他认为，这正是多模态模型的价值所在——AI模型不仅能理解抽象，还能用最直观的方式表达出来。
诚实面对落后，是唯一出路
加入谷歌初期，Logan有种“谷歌是AI界挑战者”的感觉。虽有技术底子，但外界并不看好。
Koray点头回应：“我当时也有同感。说实话，在大语言模型崛起的阶段，我们并不在最前线。”
这也是一次深刻教训——永远不要忽视新方向的重要性。
启动Gemini项目时，谷歌非常明确形势：“我们落后了，我们需要迎头赶上，我们还未掌握关键能力。”
初期，Gemini团队必须快速学习他人做法，同时找到自己的创新路径——无论是模型结构、训练流程、数据使用还是协作方式，都做了深度调整。
如今，他们找到了独属于谷歌、属于Gemini的系统打法。
外界常言，谷歌太大、太慢、不够灵活。但Koray有不同看法——
规模不是阻碍，是独特的力量源泉。
谷歌下一阶段如何超越自己？
Koray的回答一如既往冷静清晰：
我们一定会继续进步，每一个方向都有改进空间。
我们的目标一直很清晰——构建真正的智能。我们会把全部心思、创新力和资源投入到这条路上，行稳致远。
Gemini下一阶段永远在前线，也永远准备好革新。
参考资料：
https://www.youtube.com/watch?v=iFqDyWFuw1c&t=1s
https://fortune.com/2025/11/25/google-sleeping-giant-dark-horse-ai-race-gemini/
本文由主机测评网于2026-02-01发表在主机测评网_免费VPS_免费云服务器_免费独立服务器，如有疑问，请联系我们。
本文链接：https://vpshk.cn/20260222200.html
