Cheeky Pint 播客最近请到了 Google CEO Sundar Pichai，跟 Stripe CEO John Collison 和投资人 Elad Gil 聊了一个多小时。内容比我预想的有意思得多——不是那种"AI 将改变一切"的公关话术，而是大量内部决策细节、时间线和对行业判断的坦白。
挑几个值得关注的点。
Transformer 的真相：它是被逼出来的
外界一直有个叙事：谷歌发明了 Transformer，结果被 OpenAI 拿去做出了 ChatGPT，自己反而落后了。Pichai 的回应是把时间线拉回去看。
Transformer 的研发背景是 TPU——谷歌自研的芯片。当时团队面对的实际问题是：语音识别效果不错，但要推给 20 亿用户，算力不够。怎么解决推理效率？怎么让翻译更好？Transformer 是在这些具体产品问题的压力下诞生的，不是实验室里纯粹的学术探索。
而且谷歌立刻就把 Transformer 用在了搜索上。BERT 和 MUM 带来的搜索质量提升，Pichai 说"人们低估了"。
至于 LaMDA——谷歌内部的对话式 AI 原型，比 ChatGPT 早了很久。Pichai 提到一个细节：LaMDA 早期版本没有经过 RLHF（人类反馈强化学习），毒性很高，"不可能在那时候放出去"。2022 年 Google I/O 上发布的 AI Test Kitchen 就是 LaMDA，但做了大量限制。
所以问题不是"谷歌没有做产品化"，而是产品标准和发布时间窗口的判断出了偏差。
搜索的未来：不是消亡，是变成 Agent 管理器
Elad Gil 直接问了一个尖锐的问题：十年后搜索还存在吗？
Pichai 的回答是搜索会持续进化，变成一个"Agent 管理器"——你不再输入一行查询，而是让搜索帮你完成长时间运行的任务，而且可以异步执行。
他说自己已经在用谷歌内部的 Antigravity（对外就是类似产品），体验是"一堆 Agent 在帮你做事"。搜索和 Gemini 会重叠，也会分化，两者都做、都拥抱这个局面，比二选一好。
这段对话里有一句话我觉得挺真实。Pichai 说："你可以让自己陷入对十年后事物的瘫痪思考中，但现在的曲线这么陡，光是想一年后就足够令人兴奋了。"
速度是产品战略，不是副产品
谷歌从第一天起就把速度当作差异化卖点——搜索结果下方显示耗时就是最直观的例子。Pichai 说这个传统还在继续，而且到了更极端的程度。
搜索团队现在有四个子团队，每个团队有毫秒级的"延迟预算"。如果你发布的代码能减少 3 毫秒延迟，你赚 1.5 毫秒的预算，另一半返还给用户。有的人预算是 30 毫秒，有的人只有 10 毫秒，都有严格审核。
过去五年搜索延迟改善了 30%——在功能不断增加的前提下做到的。Gemini 的 flash 模型设计目标也很明确：能力达到 pro 模型的 90%，但快得多。
2026 年的真实约束：内存、晶圆、电工
这是整场访谈里最务实的部分。谷歌 2026 年资本支出 1750 到 1850 亿美元，但 Pichai 说即使想花 4000 亿也花不出去。
瓶颈不是钱，是物理世界的硬约束：
- 晶圆产能：最根本的限制
- 内存：短期内最关键的组件，"领先的内存公司没有办法大幅提高产能"
- 电力和审批：电力相对可解，但审批许可和监管环境是速度问题
- 甚至电工："你找不到我们需要那么多电工"
他对中国建设速度的评价很直接："你对中国能多快地建成东西感到惊叹。我们需要学会更快地做事。"
Elad Gil 提了一个有意思的观点：当内存和算力都是硬约束时，行业其实进入了一个"抢椅子游戏"——谁现在拥有算力谁就领先，而这种限制客观上给后来者留了窗口，因为没有人能无限拉大差距。
Waymo：为什么没有放弃
谷歌砍掉过不少项目，Loon 就是其中之一。但 Waymo 从演示到商业化走了十几年，一直没有被砍。为什么？
Pichai 的判断逻辑是看底层技术曲线：Waymo 驾驶系统在安全性和可靠性上的进步有没有达到里程碑？团队质量能不能突破瓶颈期？如果答案是肯定的，就继续投。
他还提到一个反思——如果 Waymo 更早成熟，他会更早加大投入。但在安全和成熟度没有达到之前，"Waymo 安全第一"的策略反而不是正确的做法。
Elad 说现在只要可以就每天坐 Waymo 上班。这大概是最好的产品反馈了。
长期赌注：太空数据中心和量子计算
Pichai 透露的几个长期项目：
- 太空数据中心：从一个几个人、小预算的团队起步。20 年展望下，数据中心放哪里？
- 量子计算：目标是大体积稳定逻辑量子比特。Pichai 认为量子计算在模拟自然（天气、化学反应等）方面会有优势。他还提到"我们至今还不理解化肥的哈伯法"——很多复杂过程经典计算搞不定
- Gemini Robotics：空间推理方面已经达到 SOTA，正在和 Boston Dynamics 等公司合作
- Wing 无人机送货：短期内 4000 万美国人能用上
- Isomorphic：用 AI 改进药物发现全流程
太空数据中心这个点子听起来像科幻小说，但 Pichai 的说法是"即使是大想法也要从小做起"，跟当年 Waymo 的起步方式一样。
AI 在企业内的扩散：2027 年是拐点
John Collison 描述了他看到的 AI 落地障碍：工程师需要时间学会高效使用 AI 写代码；AI 生成的代码库协作困难（改动太快、爆炸半径大）；非工程部门最大的问题是数据访问权限；角色定义也需要重新思考。
Pichai 的回应是：这些正是 Gemini 企业团队和 Antigravity 团队在做的事情。身份访问控制是"非常困难的问题"，谷歌因为安全标准高，反而走得慢一些，但解决之后会带来更稳健的方案。
他预测 2027 年是非工程流程全面 Agent 化的重要转折点——比如企业预测、财务规划这类工作，AI 可以完全没人参与地跑完。
几个有意思的细节
- Pichai 自己怎么用 AI：他会专门留"专注时间"高强度使用内部版本。在健身房拉伸时，用 Gemini Live 跟 AI 聊 30 分钟同一个话题。"有些有效，有些很让人沮丧，但你学到了很多东西。"
- 关于"AGI 教徒"：有人觉得谷歌不像其他实验室那样相信 AGI 即将到来。Pichai 的回应很简洁："我们的资本支出从 300 亿增加到 1800 亿。如果你不看好那条曲线，你不会这么做。"
- 模型的本质：Elad Gil 感慨了一句——"你运行一个数据中心几个月，然后你的输出就是一个平面文件。就像一个 Word 文档，那就是你的模型。"Pichai 补充说 Gemma 4 的权重可以放进 U 盘。
- Google Docs 搜索比 Gmail 难：John Collison 抱怨在 Google Slides 里搜"2026 预算"永远找不到正确的那个。Pichai 说他没有那么强烈地感受到，但被描述时觉得确实如此，而且承诺"接下来几个月会有显著改进"。
最后
这场访谈没有那种"AI 将重塑一切"的宏大宣言。Pichai 更多的是在讲具体的约束、具体的权衡、具体的时间线。谷歌的全栈布局（TPU、模型、应用、云、Waymo）让它在 AI 时代有独特的杠杆优势，但同时也意味着它要处理更复杂的管理问题——如何在几十个异构项目之间分配资本和算力。
他有一句概括自己想法的话，我觉得挺准确地捕捉了当下这个时刻："约束激发创造力。"