“想靠自己去拼一套 Harness 來獲得優勢的時代，一年內就會結束。”

編譯 | 王啟隆

出品丨AI 科技大本營（ID：rgznai100）

今年最火爆的黑話莫過于 Harness Engineering。

全世界的技術博客都在連篇累牘地向程序員布道：底座模型不重要，套在模型外面的 Harness 才是真正的壁壘。

可就在無數開發者和初創公司瘋狂涌入這片“新金礦”、試圖通過搭建精妙的 Agent 中間件大賺一筆時，Google AI Studio 負責人 Logan 卻往所有人頭上澆了一盆冰水：

“每一行外部腳手架，都是對模型無能的妥協。這種紅利頂多還有 12 個月。”

大模型終將吞噬一切。

在硅谷，Logan Kilpatrick 可能是少數同時在 OpenAI 和谷歌干過最核心業務的人。2022 年底 ChatGPT 剛爆紅時，他是 OpenAI 的首任開發者關系負責人，硬生生把用戶從幾萬人帶到了幾百萬。2024 年，他轉投谷歌 DeepMind 負責 Gemini API 和開發者生態，并且在今年年初做了一個挺反常的決定——公開宣布卸下“PM（產品經理）”的頭銜，重回“技術成員（MTS）”的身份。

在這種技術重構的趨勢面前，谷歌自己也在動手。今年他們宣布將大火的 Gemini 開發者生態和命令行工具徹底并入全新的“反重力（Antigravity）”平臺，試圖用底座來徹底收口這套 Agent 秩序。

在紅杉資本合伙人 Sonya Huang 主持的這次深度訪談中，作為手握 13 個“十億用戶級產品”的大廠主管，Logan 毫無保留地戳破了硅谷各家關于失業、算力、以及大廠內部暗戰的真實細節：

• 模型很快就會把所有的 Harness 吃掉，市面上 90% 的 Agent 中間件公司最多只能活 12 個月。

• 很多團隊覺得做一個漂亮的工具箱、套個殼就是壁壘。但隨著模型底座的自我演進，這些外部的臟活累活很快都會被大模型在內部解決。

• 創業公司唯一的活路是去打垂直深水區，不要試圖在通用工具上和大廠死磕。

• AI 時代的商業邏輯變了：巨頭不再指望用你的在線時長（Eyeball Time）去換廣告，而是要直接交付結果。

• 過去二三十年，互聯網公司的本質是想盡辦法榨干你的屏幕時間。但在 Agent 時代，AI 幫人類把活都干了，用戶在軟件里逗留的時間一定會大幅減少。誰能用最短的時間、最少的點擊幫用戶解決完問題，誰才是贏家。

• Gemini 內部有一個被叫做“復仇者聯盟”的代碼團隊，Gemini 3.5 Flash 僅憑后訓練（Post-training）就干掉了以前所有的 Pro 模型。

• 大模型的性能躍升不只靠燒錢做預訓練，后訓練階段的剪枝和對齊，正在釋放出超乎想象的爆發力。

領取地址：https://s.csdn.cn/4nPsOp

把所有產品串起來的新主線

主持人：很高興邀請 Logan 來到節目。你負責 Google AI Studio 和 Gemini API。你的很多時間都在思考并為下一代開發者打造工具。

Logan：是的。

主持人：所以我很期待今天和你聊聊各種話題，從智能體式人工智能，到 AI 編程、世界模型等等。而且現在正好緊接著 Google I/O 大會之后，沒有比這更好的時機了。

我們先從智能體式人工智能（Agentic AI）開始。Sundar 在 I/O 開場時把這個時代稱為“Gemini 智能體時代”。對 Google 來說，智能體式人工智能意味著什么？

Logan：這是個很好的問題。我覺得，如果你當時有密切關注的話，我們其實在 Gemini 2.0 那會兒就已經稍微提到過其中一些東西，只是我覺得那時候還稍微早了一點。所以我認為現在這個時代，這個 Gemini 3.5 時代，才真正開始變成現實。

我們現在正處在智能體式編程、智能體式產品，以及圍繞 Gemini 展開的各種智能體的時代。對我們來說，這一層智能體能力——其實我們也在 I/O 上宣布了——是由 Anti-Gravity 智能體運行框架驅動的。它像是一條新的主線，把 Google 的所有產品串聯起來，并逐漸成為這些產品的共同基礎。

從歷史上看，在 Gemini 之前，其實 Google 那么多產品——也許有五十個——并沒有一條真正貫穿它們的主線。Gemini 出現之后，它開始成為這條主線，所有東西現在都在某種程度上使用 Gemini。而現在，這種情況也開始在 Anti-Gravity 上變成現實：隨著各類產品重新構建，朝著“原生智能體產品”轉型，真正開始代表用戶采取行動、幫助用戶完成事情，你會看到一條新的主線正在形成。我覺得這件事真的非常有意思。

主持人：不好意思，我確認一下，Anti-Gravity 是那個集成開發環境嗎？還是那個別的東西？

Logan：對，Anti-Gravity 包含很多東西。我覺得這本身也是我們的一個機會。它有一個核心的集成開發環境，也有一個如果你愿意的話以智能體為先的網頁體驗，還有命令行界面，也有軟件開發工具包。

但我其實覺得——雖然我不確定我們有沒有這樣明確表述過——它本質上真的是一整套生態系統，是我們打造出來的一組東西，目的是在開發者所處的任何場景中都能接住他們。比如你完全可以通過 Gemini API 來使用它，如果你希望有一個托管式智能體，而不想自己處理基礎設施層面的工作。

更有意思的是，它不只是 Anti-Gravity 這套生態系統本身。實際上，它也在驅動 Google 其他產品。Anti-Gravity 將會驅動搜索中的大量智能體能力、Gemini 應用中的智能體能力，以及云端、AI Studio 等多個場景，這真的非常令人興奮。

主持人：我明白了。也就是說，以前是 Gemini API——也就是語言模型——作為一條主線，把人工智能嵌入到每一個 Google 產品里。

Logan：對。

主持人：而現在不只是 API，而是這個編程運行框架。

Logan：沒錯。

主持人：這個框架會被用在這些產品里，因此真正推動更多智能體屬性的，是編程智能體本身。

Logan：對。

主持人：這樣理解公平嗎？

Logan：這個描述是公平的。我覺得如果說得更泛一點，它其實就是智能體運行框架。編程可以看作這個智能體運行框架的一個專門化用例。它當然很強大，但現實是，編程已經被證明是一個通用型智能體運行框架，同時它本身又非常適合編程。

主持人：那“智能體運行框架”和“編程運行框架”是同義詞嗎？

Logan：這里面肯定有細微差別。我覺得通過專門化、針對某類任務做優化，確實可以榨出更多性能。你也能看到這一點：比如 AI Studio 使用的智能體運行框架，從技術上講就稍微針對“氛圍式編程”這個用例做了定制；Gemini 應用所使用的智能體運行框架，也稍微針對那種面向消費者、全天候在線的智能體做了定制。

所以我覺得，你會有一個基礎運行框架，其中大概有 80% 的內容是相同的，然后你再根據編程或者其他具體用例做專門化。

最大化結果，不是最大化眼球

主持人：很有意思。你怎么看對現有業務的蠶食，尤其是現在你們在更積極地推進智能體能力？因為我能理解，如果你做的只是搜索或摘要，可能就沒有那么強的“被蠶食”的擔憂；但如果它真的在替我處理郵件、替我回復，那我還會不會自己去看郵箱？這樣一來，我可以想象你們產品上的人類停留時長、眼球時間，可能反而會因為智能體能力更強而減少。這種理解公平嗎？你怎么看這種“蠶食”？

Logan：這很有意思。我有一個觀察是，在一開始——我覺得 Sundar 也一直很好地講清了這一點——在當前這一輪人工智能時代剛開始時，大家都以為 AI 能替你回答問題這件事，會對搜索是個負和結果。

但實際上，最后發生的是，它對搜索極其正和。人們搜索得更多了，做的事情也更多了。

主持人：而且智能體也在搜索。

Logan：對，智能體也在搜索。實際上，這又是一個同時誕生出來的新市場：一邊是智能體做得越來越多，一邊是人類也在搜索得更多。所以我覺得，當然，世界上的人類時間總量是有限的，但從我目前對很多事情演變方式的早期感受來看，這看起來非常像是一個正和結果——無論從生態價值創造，還是從整體影響來看都是如此。

至于人類行為層面最終會如何發展，我覺得未來一兩年大致會比較清楚；但三到五年之后，當技術進一步提升、產品形態也可能和今天不太一樣的時候，就沒那么清楚了。

不過歸根結底，我認為這正是產品成功的定義。我們經常和 Demis 聊很多，他一直強調，打造技術的目的，就是讓它能替你去做事情。Google 的成功，大概不會表現為“盡可能讓用戶多盯著我們的產品看”；而會表現為“盡可能幫助用戶實現結果，讓他們完成自己真正想做的事，然后去生活，去做他們想做的事情”。所以我覺得，你會看到我們更傾向于走“最大化用戶結果”的路，而不是“最大化眼球停留”。

主持人：我腦子里一直有個詞，叫“智能體增長”。我最近私下里大量使用編程智能體，我會直接讓智能體替我做所有基礎設施方面的選擇。我會說，我不在乎用什么數據庫，你來決定就好。

Logan：對。

主持人：所以我才會問這個問題。這個現象今天在編程里已經存在了。我猜未來可能在很多事情上都會普遍發生，比如購物。那你覺得這會怎樣改變廣告的運作方式、價值捕獲的方式，以及那些聚合平臺的地位？我感覺這是個非常相似的趨勢。

Logan：這不完全準確，但這些事情之間很多時候其實只是彼此的代理變量。比如搜索引擎優化的運作方式，我覺得和現在所謂的“生成式引擎優化”——我都差點忘了那個詞，可能叫 GEO 吧——之類的機制，是直接相關的。

所以確實會感覺這些東西之間高度相關。我的猜測是，它最終看起來不會像我們現在以為的那樣，是一種特別劇烈的斷裂式轉變。因為這些事情往往是層層疊加、相互復合的。

主持人：如果用“爬、走、跑”來給智能體化程度打分，你覺得 Google 整套產品現在處在什么階段？

Logan：這是個很棒的問題。現在肯定還是“爬”的階段。我覺得其中一部分原因在于 Google 天生就有很強的產品張力：你想想看，我們有十幾款、總用戶量達到百億級的產品。

所以我其實覺得，我們有一些更偏實驗室性質的體驗，可能已經更接近“走”甚至“跑”。但如果說今天大多數產品體驗，我認為肯定還是更接近“爬”。

我覺得這也和我們作為產品守護者所承擔的責任有關。畢竟這些產品是很多人在使用的。我不認為廣大的長尾用戶已經準備好讓 AI 自動運行、替他們做完一切。他們大概還是想自己握著方向盤，只是在謹慎地邁出第一步。

而我覺得 Google 團隊，尤其是搜索團隊，也許是這方面最典型的例子。他們確實有很大責任，要以一種能把用戶帶上的方式來推進，而不是一下子徹底改變人們和互聯網、和產品之間的交互方式。

主持人：你覺得哪些產品最接近“走”這個階段？

Logan：這是個好問題。我覺得 Gemini 應用肯定是最接近“走”的。比如 Spark 這種場景里，一個 24 小時、7 天全天候在線的智能體，真的去替你執行一大堆操作，我覺得這是最前沿的用例之一。

我還覺得 Anti-Gravity 也是。你可能會有自主編程智能體，替你重建操作系統，代表你跑數十億個詞元，替你花幾千美元。我覺得這些都屬于更前沿的范疇。實際上，這些東西也出現在 GDM 里，多少和那個方向有關。

所以我覺得，GDM 采取的是一種非常前沿的視角；而 Google 的其他產品，則更像是在漸進式地往那里走。這對我來說也是合理的。

主持人：你覺得 Google 最終會有一兩個、兩三個使用 AI 的產品界面，還是會有成千上萬個？

Logan：很難說。我覺得這其實深深植根于人類如何消費產品的方式。我的感覺是，人類其實挺喜歡這種分隔感、這種專門化的產品設計。

如果最后出現一個“什么都能替你做”的產品，我覺得使用那種產品本身會帶來更多額外負擔。這大概會是默認狀態。當然，也許會有人拼出一種真正神奇的體驗，讓事情不是這樣；但我覺得對廣大的用戶來說，最終往往還是得投入更多心智負擔和時間，去讓一個通用型產品做成自己真正想做的事。相比之下，有一種簡單感是很好的：我點開日歷應用，它就只給我看日歷，我不用處理別的東西。

這也是我對幻燈片為什么能存在這么久的一個“熱觀點”：人們就是希望某一塊信息準確地待在同一個位置上。我們作為人類，其實已經非常習慣這種方式了。相比之下，生成式界面這個概念對我來說聽起來很酷，但問題是，我們的大腦真的適合那樣嗎？那會不會只是給我們增加更多認知負擔？

主持人：某些情況下，確實會這樣。

Logan：對，某些情況下肯定如此。我覺得還是需要有人——畢竟世界上有很多非常聰明的人——找到一種讓這種體驗變得更自然的方式。

但就我現在的感覺而言，我可能不會認為最后會變成一萬個產品那么極端。我猜更可能是：會出現更多不同的產品，分別去滿足不同的需求。

或者換個角度說，我也不知道這對 Google 來說會是什么樣子。但對整個生態系統來說，我認為會是“更多產品”。至于 Google 最終在戰略上會怎么決定：我們的用戶是愿意面對我們有一萬個產品，還是只有三個產品會更好？這會變成一個戰略選擇。

只有代碼智能體真正跑起來了嗎？

主持人：這完全說得通。我和企業客戶聊的時候，他們常說：“大家都在談智能體式人工智能，但我們唯一真正看到智能體有效運作的地方，就是編程智能體。”你同意這個看法嗎？

Logan：我覺得這取決于你對“有效運作”的門檻怎么定義，而這里面正好有很多細微差別。如果你真的想把非常復雜的任務卸載給模型，而這些任務所在的領域里，模型其實還沒有跨過質量門檻，那我覺得這個說法當然是成立的：它就是還解決不了問題。

但有一件事我一直很想測量。比如 OpenRouter 就會統計整體的詞元消耗量，所以你能看到一種趨勢：世界上的“智能用量”相比一年前增加了多少。

而與此平行，我其實更想測的是：平均一個任務、平均一次智能體運行，持續時間到底有多長。我不覺得他們會公布這種數據，但我感覺他們手里應該會有很有意思的數據，其他一些平臺 probably 也會有。

因為我確實覺得，你正在看到這種變化：一個新的模型能力上線，或者一個新模型發布之后，那種持續更長時間的任務會突然上升。也許現在這個曲線還很低，但你已經能看到一些早期信號，表明它正在抬頭。長時間運行任務正在出現，所有模型實驗室也都在說：“我們發布了這個新模型，它能夠自主工作三天”之類的話。

這當然是極端情況，但我覺得在實際中，你會看到這種能力正在很快地一點點滲透上來。這真的很有意思。

所以，即便企業今天在編程之外還沒有強烈感受到，他們今年也會開始感受到，因為其他那些用例也會變得好得多。

主持人：從 DeepMind 的角度來看，你覺得“長時程智能體”是一個關鍵績效指標嗎？或者說，它是不是那個最重要的關鍵績效指標？

Logan：它當然重要，絕對重要。我覺得對 DeepMind 來說，我們同時在做很多事情，這個之后也可以展開聊。我們有一整套非常龐大的不同押注組合。長時程智能體顯然很重要。

另外，具體到編程智能體，它也非常重要。因為如果你擁有一個很強的編程模型，那它顯然會成為你業務其他所有部分的加速器。所以，確保我們在這方面做到位，我覺得是非常優先的事情。

主持人：明白了。我想稍微切換一下話題，聊聊編程。

Logan：好。

主持人：我準備問個比較難的問題。我很多做開發的朋友以前長期都在用 Claude。后來 OpenAI 看到了這個情況，宣布進入“紅色警報”狀態，現在 Codex 也變得非常好了。我會說，我身邊的朋友現在大概一半用 Claude，一半用 Codex。但我幾乎沒怎么聽他們用 Gemini，這一直讓我挺困惑的。到底發生了什么？

Logan：這是個很好的問題。我還想給這個故事補充一部分背景，而這會讓它更有意思。去年 12 月的時候，外界敘事其實是 Google 贏了。Gemini 3 發布之后，我覺得那次模型能力提升是非常深刻的，外界很多聲音都在說 Google 實現了一次巨大躍遷，把這件事做成了。

而有意思的是，作為生態系統中的一員，你會看到敘事并不是說瞬間轉變了，而是下一陣風很快就吹到了“智能體式編程”這件事上。那就是假期期間一路延續到一月、再往后的那股浪潮。其實距離現在并沒有很久。

主持人：對，但感覺從那之后一直都處于曲速狀態。

Logan：當然，絕對是這樣。但這也是一個元層面的提醒：事情變化得可以有多快。

我覺得你的觀察并不是不合理。對我們來說，幕后真正發生的事，是我們正在盡可能快地推進編程這個方向的前沿。所以我覺得 Anti-Gravity 實際上是這里面非常重要的一部分。

一個重要教訓是：如果你自己沒有一個真的在做這件事的產品，那你其實很難為開發者這種長時程、復雜工作流場景做出一個優秀的編程模型。所以我覺得 Google 意識到了這一點。這也是為什么會有 Windsurf 那筆交易，為什么那些人會加入我們，并最終打造出 Anti-Gravity。

實際上，我們內部也一直在使用它。Sundar 在 I/O 上還展示過 Google 內部詞元消耗增長的圖表。所以你確實需要讓那個飛輪轉起來。而更宏觀地說，飛輪現在已經在轉了，只是模型進步確實需要時間。

但我非常有信心。我們現在負責代碼方向的那批人，我在內部把他們形容成“人工智能復仇者聯盟”。真的是 Google 里一些最頂尖的人在推動這塊巨石上山，大家都非常認真地在做這件事，想盡辦法往前推。

我覺得 3.5 Flash——即便外界對價格之類還有一些討論——已經是邁向這些能力真正落地的重要一步，也說明這些投入開始結出成果。它是一個 Flash模型，但從編程角度看，它比我們之前發布過的任何 Pro 模型都更強。而之前那些 Pro 模型其實已經非常好了。

這里還有另一條線索，就是大家總會忘記“預訓練窗口”這件事。我覺得很有意思的是，也許應該有人在網上專門跟蹤這個。也就是說，大規模訓練跑次、可用的算力集群這些因素，會如何影響進展。

這些“大跑次”本身就是這件事里非常有意思的一條主線。所以從外部看，可能會覺得“哦，你們是不是在某種意義上很落后”，但其實你完全錯過了上下文：不知道大規模訓練什么時候啟動，不知道大規模預訓練什么時候進行。

而 DeepMind 在預訓練上歷來都是非常強的，這顯然是我們的巨大優勢之一。我們有世界上最好的一批人。所以我也很期待看到這些努力真正結出果實。

另外也很酷的一點是，3.5 Flash 的提升全部都來自后訓練。這非常了不起。團隊僅靠后訓練就做出了這種級別的進步，甚至超過了之前的 Pro 模型，這是對他們工作的巨大證明，真的很棒。

主持人：你們內部對“自己先用起來”這件事有多執著？比如說，DeepMind 的人現在還被允許用其他模型嗎？還是說，大家都必須用 Gemini 這套運行框架，我們得把它打磨到極致？

Logan：我覺得使用其他模型其實非常健康，因為如果不這么做，有時候你真的很難把整個生態里到底發生了什么看明白。所以我自己會用所有模型，也會用所有產品。我覺得 DeepMind 其他很多人也是一樣的。

不過你當然還是得用 Gemini 模型。這對反饋飛輪非常有幫助。而且模型之所以會變得更好，正是因為 DeepMind 和更廣泛的 Google 內部，有超過十萬名非常優秀的工程師在使用這些模型、不斷給出反饋。

這本來就應該是 Google 的競爭優勢，因為我們擁有這種規模的工程資源、這種人才深度，還能跑 A/B 測試、做線上實驗等等。所以我覺得，所有模型都要用，但對絕大多數人來說，Gemini 仍然是日常主力，這很好。

主持人：你是否相信這樣一種敘事：一旦你擁有足夠好的智能體式編程模型，它就會加速研究進展的速度，并且形成一種自我強化的循環，也就是一種“軟起飛”？聽起來這似乎顯而易見是對的，但也可能是我自己喝了太多迷魂湯。你現在已經看到這種跡象了嗎？

Logan：我覺得你肯定能看到一些跡象。只是那些最早期、最明顯的跡象，更多還是體現在產品層面，而不是模型層面。

我覺得這里面的一部分背景是，這種更大規模訓練運行所需要的資源投入真的非常大。所以你當然還是需要有一個人坐在駕駛位上來做決策，因為你不可能隨便就動用一萬顆張量處理器去啟動一個訓練任務，結果那個任務其實根本沒太大意義。

但從產品角度看，你絕對已經能看到這種變化。比如我們團隊現在就有這種感受：我們用 Anti-Gravity 做出了移動應用，而且發布到全世界的速度，可能比 Google 歷史上任何一個團隊做移動應用都更快。Josh 的團隊做 Gemini 的 macOS 應用時也是如此，他們端到端交付一個 Mac 應用的速度，比 Google 歷史上任何一個團隊都更快。

而這一切就是因為智能體式編程。所以從產品角度看，這很棒。

代碼已經像一種狹義的超級智能

主持人：你以前說過，如果有一個系統能夠用代碼構建任何東西，人類在同一層級上就無法競爭，那就是一種“狹義超級智能”。你覺得我們已經到那個點了嗎？

Logan：很有意思。我覺得“狹義超級智能”這個例子本身就很值得觀察。因為在編程上，它現在確實已經有那種感覺了：編程能力實在是太強，以至于它確實有點像一種狹義超級智能。

當然，我也不確定具體怎么量化這件事，細節會影響判斷。但我覺得重要的是，就像你前面說的，它在代碼上確實工作得非常好。

如果它還能把其他很多事情也做得同樣好，那當然很好；但僅僅是“它能把代碼做好”這一點，本身就已經產生了極大的影響。所以我一直花很多時間，讓這個事實慢慢沉淀到我心里。因為我覺得，打造通用人工智能當然非常重要，也非常有意思；但如果“打造通用人工智能”這個敘事反而掩蓋了今天這項技術在現實中的能力，我覺得這其實是一種不太好的取舍。

所以我一直試圖同時把兩件事都放在腦子里：一方面，我們需要打造通用型技術；另一方面，僅僅擁有這樣一個擅長代碼的系統，本身就已經極其有影響力。而且我覺得，它并沒有削弱人類開發者的價值。它更像是對人類開發者的加速器。

以我自己作為開發者的感受來說，我覺得我在這個世界上擁有了更多行動能力。我覺得自己可以去解決更有野心的問題。以前我腦子里會有一些點子，但總覺得稍微有點超出能力范圍，只能說一句“要是能做出來就好了”。而現在我遇到的是相反的問題：我腦子里冒出一個點子時，會想“我大概還能把這個做得更有野心”。這實際上會額外帶來一層責任感，或者說一種負擔。因為我會覺得，我不能只做一個最小可行產品了，我得再往前走十步，因為技術已經允許我這么做。

而重新校準自己的野心水平，這也是我花了很多時間在思考的事。我覺得這種情況也會出現在其他那些“垂直領域超級智能”的場景里，會很有意思。

感覺像是，在我們真正“解決”通用智能之前，會先得到很多這樣的垂直領域超級智能。幾乎像是一種參差不齊的、鋸齒狀的超級智能。我覺得最后我們得到的會更像那樣。

主持人：你覺得下一個會達到超級智能水平的垂直領域是什么？

Logan：這是個好問題。最近我大概花了太多時間在想編程了，所以我得先停一下，想想其他領域。

我覺得其中一部分取決于哪些事情更容易驗證。顯然，那些可驗證性更強的領域，進展會更快。所以像數學、金融，實際上科學也可能會是一個非常有意思的領域。像這些多少有一定可驗證性的領域，真的有可能會很快起飛，這會很酷。

我還覺得，在關于“人工智能會如何影響世界”的更大敘事里，有一點很重要：從事情先后發生的順序來看，你其實會希望最先跑出來的是那些真正積極、有價值、對世界有重大正面影響的東西。這樣人們才能盡早理解這項技術究竟可能帶來怎樣的積極作用。

所以我覺得，科學可能會是一個非常有意思的方向。

主持人：是啊，現在數學證明之類的事情也很多。雖然我不是數學家，所以很多內容對我來說有點超綱。不過我前幾天看到一條很棒的推文：“為什么 Erd?s 會有那么多問題？”

Logan：對，這個梗很好。我喜歡。這個真的適合印在 T 恤上，太有意思了。

主持人：說到推特，我在這次訪談前翻了你的推特，所以我要當面讀一條你發過的內容。推特的好處就是，你所有的預測都有公開記錄。

Logan：我得趕緊打開那個自動刪推功能之類的東西了。

主持人：去年十月你發過一條：“到 2025 年底，每個人都能用氛圍式編程做出電子游戲。”現在看來，這會成真嗎？

Logan：感覺已經很接近了。當然，我說的不是 3A 大作，你還不能現在就做出下一代《使命召喚》或者《俠盜獵車手》。但我覺得這件事已經比以往任何時候都更接近了。

而關于電子游戲，其實有趣的一點在于，你最終需要連很多別的東西也一起搭出來，比如模型。我們剛才在鏡頭外也聊過，Three.js 就是個很好的例子。Three.js 讓很多以前做不到的事情變得可能，但它仍然有很多毛邊和問題，而這些并不是一個編程智能體本身就能解決的。

所以你還需要像精靈圖生成這樣的能力，而模型在原生狀態下又并不太擅長這些東西。因此，你需要一層編排機制和工具鏈，才能把這一切真正串起來。還有很多類似的事情，對于游戲體驗來說都是核心部分，它們需要很高的可靠性。

所以我覺得，這件事看起來已經觸手可及了，但實際上仍然需要大量產品腳手架層面的工作，才能創造出那種可復用、可反復游玩、具備足夠深度的體驗。而且這里面還需要一點品味。

主持人：你有沒有看到很多人在 AI Studio 和你們其他開發者平臺里做游戲？

Logan：有。其實我當時發那條推文，就是因為我們看了早期數據。當時在 AI Studio 里，好像有大約 20% 的應用都是游戲，也就是人們在嘗試做游戲。

主持人：那是最受歡迎的類別嗎？

Logan：現在已經不是最受歡迎的類別了。因為整個生態和用戶群體后來發生了變化。但游戲仍然非常多。

主持人：現在最受歡迎的類別是什么？

Logan：我記得大概有 20% 是金融相關的東西。

主持人：20%？大家這么喜歡盯著自己的錢看？

Logan：我覺得更準確地說，很多其實和加密貨幣有關。人們在金融領域做很多東西，也有很多個人效率相關的工具，還有很多生成式媒體相關的內容。畢竟 Google 整套生成式媒體能力非常強，團隊做得非常好。

但我也覺得 GDM 對游戲有一種天然偏愛。很明顯，Demis 非常在乎游戲，而且他最初之所以開始做人工智能，某種程度上也是因為游戲。所以我覺得我們還會在這方面做一些很有意思的嘗試。

另外，我們團隊在 Kaggle 那邊——也就是我們在 GDM 里做很多人工智能基準測試的那部分——會和 GDM 一起做一個叫 Game Arena 的東西，用游戲作為通向通用人工智能進展的代理指標來進行測試。這也和 GDM 的歷史有非常深的聯系。

主持人：那你覺得，我們距離這樣一個場景還有多遠：街上隨便一個普通人，只要有個好點子，就能用氛圍式編程做出一個真的很好玩、可游玩的游戲？

Logan：我想說，就是今年。真的。我覺得模型能力已經讓這件事變得可能了。

而我在產品側之所以開始興奮，正是因為——我們剛剛在鏡頭外也聊到這個生態里的創業公司——這件事已經是可能的了。問題看起來并不在于模型質量還有明顯缺口，而在于是否有人真正懂得打造一個優秀游戲需要什么，并以正確的方式把腳手架搭起來，讓這件事變成現實。

我覺得已經有人在這么做了。所以其中一部分問題其實是“可發現性”和“認知度”的問題：很多人甚至都不知道自己其實已經能做到這件事。另一部分則是，某些特定類別的模型能力也許還差那么一點點，我們距離跨過那道鴻溝，也許只差幾周或者幾個月；一旦跨過去，這件事對大多數人來說就會真正可用了。

世界模型的邊界正在變模糊

主持人：這正好引出我接下來想問你的“世界模型”。你覺得，用氛圍式編程做電子游戲，更可能會是“游戲引擎 + 編程智能體”的路徑，還是更可能是“世界模型”的路徑？

Logan：我覺得最終會發生的，是“世界模型”這個定義本身會變得模糊——我們待會兒可以結合 Omni 來聊這一點。

我認為，編程智能體最終看起來也會像某種世界模型式系統。但你如果想讓世界模型真正對現實任務有用，你實際上還是需要腳手架。所以這里又有很多很有意思的創業公司，正在研究：要怎樣給世界模型搭腳手架，才能把它們從那種天然非常開放的空間里，轉化成一種具體、可落地、能在重復場景中使用的東西。

也許會有人真的找到一套適合世界模型做游戲的腳手架。但就世界模型當前的天然屬性來看，我覺得它們并不太適合游戲。至少以現階段的形式是這樣。

不過它們的進展也非常驚人。所以誰知道呢，也許再過兩年，那個版本就可以了。但至少從短期看，我認為“編程智能體 + 某種游戲引擎”這條路，會在游戲角度帶來更多真正可用的成果。

主持人：這說得通。你剛才說“世界模型”的定義已經變模糊了。我們能拆開講講嗎？

Logan：可以。我覺得 Omni 就是一個例子。你知道，我們在 I/O 上發布了它。它可以接收任意輸入，生成任意輸出。

我覺得 Demis 把它向世界介紹成一種世界模型，其實是很合理的，因為它對世界的理解程度已經非常高了。從技術上講，它和我們以前做世界模型的方式還是不太一樣——不過我并不是架構專家，沒法精確解讀內部所有實現細節——但從架構角度看，它確實和過去不同。

而我覺得這反而是好事，因為它似乎更接近某些真正可擴展的方向。過去的世界模型一直有個問題，就是擴展性非常差，運行傳統的在線世界模型成本極其高昂。

主持人：對，比如 Genie 這類東西。

Logan：對。

主持人：所以如果把傳統世界模型理解成某種“動作條件視頻模型”，那么現在我們說“世界模型”時，實際上更像是在說一個“對世界有某種理解的模型”，而不再嚴格指那個技術意義上的動作條件視頻模型。

Logan：對。不過有意思的是，它不僅理解世界，而且它還有那種非常強的生成能力。這就是我覺得界線開始變模糊的地方。它雖然現在還不是實時的，但它可以完成很多你會用傳統世界模型去描述的那些用例，或者說，能生成出很多和那類世界模型在視覺上同樣能生成出來的東西。

這一點對我來說最有意思。所以我確實覺得，“世界模型”和“視頻模型”這條線之后會改變，會朝著一種過去不那么顯然的方向發展。

主持人：那它在底層是怎么工作的？在你能分享的范圍內，它是 Gemini 加視頻模型，還是完全不同的東西？

Logan：它是一個單一模型。我覺得這一點最重要。這其實也是最初的目標之一：歷史上，如果你想做這些事，你得訓練八個不同的模型。

過去的情況是，你有一個文本模型，比如基礎版 Gemini；你有音頻模型；有 Lyria 這樣的音樂模型；有 Nano Banana；有 Veo 視頻模型；我們還有一整套音頻模型。無論對我們還是對客戶來說，如果只用一個模型就能完成這些事，會好得多。

所以它確實是一種新的架構設置，讓這件事變得可能。它不是把請求路由到一堆不同模型上——雖然你其實完全可以想象我們以前就用那種方式，做一個“Gemini Omni”式的模型——但這次它是真正意義上的 Omni 模型。

而它現在首先落地的是目前效果最好的用例，也就是為什么目前真正開放出來的是視頻編輯能力。從技術上說，它在別的方面也能工作，只是質量還不夠完美，也還沒有達到最先進水平，所以我們還沒有把那些能力發布出來。

另外，這也只是 Omni 的第一輪模型轉動，是 Omni Flash 的第一版。所以之后我們還會有能力強得多、威力大得多的版本，這會非常令人期待。

主持人：所以我們其實可以把這個拍攝現場改一改，讓它看起來像……

Logan：對，對，對。我就想要這個。我們剛才在鏡頭外也說過，我們應該把這個用在片頭里，因為我覺得這會讓所有這些東西一下子更有能力。

我見過一些例子，那種細微到驚人的層次，讓我真正意識到：這背后真的是一種世界理解在發揮作用。

有一次我在做演講，站在臺上，旁邊是我朋友 Tulsi，她負責模型團隊。我不知道你之前有沒有邀請過她，她特別厲害。

當時我對觀眾席里的某個人隨口說了一句，讓他去改一下視頻。結果那個人真的直接拿了現場畫面，用 Omni 實時編輯，然后畫面里就出現了一只狗走上了舞臺。

在那個編輯后的視頻版本里，其他嘉賓會稍微低頭，看到那只狗，然后輕輕笑一下。而那時我還正在臺上高談闊論一些人工智能相關的廢話。

主持人：他們是在笑你的笑話嗎？

Logan：不是，不是笑我的笑話。他們是在笑那只走上來的狗。然后那只狗跳到我腿上，我會稍微示意一下，繼續說話，一邊說一邊順手摸摸它什么的。

而要把所有這些細微的反應都做對，里面真的有太多太多極其微妙的地方了。但模型完全做到了，表現非常出色。這個東西真的非常有意思，我現在還在試著吸收、消化這意味著什么——尤其是它會怎樣改變我們制作內容的方式，以及其他很多事情。

不是 AI 替身，而是把原內容放大

主持人：我是最看好生成式媒體的人之一，也一直在想這意味著什么。比如對我們的播客來說，視覺和內容本身一樣重要，甚至同等重要。

因為你首先得抓住別人的注意力，對吧？所以，好吧，我很期待去玩 Omni。

Logan：我也很期待。而且我覺得，作為一個做內容的人，你大概也會有類似感受。因為一直以來，就我個人而言，我其實非常堅持：我不會用 AI 來生成我自己產出的內容。那些都是我自己的文字，是我自己的聲音，是我自己的形象和照片出現在那里。我就是覺得，這里面有非常多真正有價值的東西，也有真實感。所以我寧愿那是我自己，而不是一個 AI 版的我。

而我特別喜歡 Omni 的一點在于，它不是在改變“我”。它改變的是其他那些部分，而那些并不是“我”。比如我們周圍的布景、咖啡桌，這些都不是我選的。所以我們的語言可以保持原樣，而你可以去改變這些不那么私人、不那么屬于人的部分，讓它們變得更有意思。我覺得這真的非常非常酷。

這也更像是我希望生成式媒體成為的樣子：不是一堆 AI 虛擬化身。

主持人：對，不是那種“水果島”視頻。

Logan：對，真的。它應該是原始內容，是那個人本人，那種“人的存在感”還在，只是被放大、被增強了。

主持人：非常有意思。好，我已經迫不及待想試試了。

Logan：對，我們錄完之后就該馬上發幾個提示詞試試，真的。

主持人：不過我其實也不討厭那些水果視頻。我很樂意生活在一個兩種內容都存在的世界里。

主持人：說到編程這邊，你們在 AI Studio 里上線了讓人們用氛圍式編程做 Android 應用的能力。

Logan：對，對。

主持人：我很想聽聽目前進展如何，以及你們打算把這件事帶到什么方向。

Logan：這件事非常令人興奮。我覺得對 AI Studio 來說，有一件很重要的戰略性事情——而且這其實來自很多生態反饋，也來自開發者和其他人的反饋——就是 Google 有太多產品了。人們在打造創業公司、把想法變成現實的各種旅程里，會以很多不同方式接觸 Google。

所以我們有一個非常核心的原則：怎樣把某些能力帶進 AI Studio，讓你能夠接觸到 Google 生態中的其他部分，而不用在 Google 的九個不同界面里來回切換。

Android 就是個很好的例子。它不僅符合這個原則，還能讓原本根本不會去做 Android 應用的人也能做出來。實際上，我人生中第一個 Android 應用，就是在 AI Studio 里做的。

主持人：很酷。那是什么應用？

Logan：不是加密貨幣應用，就是一個植物相關的。我那陣子在后院種樹。

主持人：哦，一個園藝應用。

Logan：對。所以我當時就是一邊試用，一邊隨手做了個園藝應用。我還沒有遇到那個真正讓我拍案交絕、一定要做成移動應用的點子，但我會繼續想，看看能不能做點什么，然后真的去應用商店里競爭一下。

主持人：你見過有哪種用氛圍式編程做出來的應用，已經在應用商店里飛起來了嗎？

Logan：這是個好問題。其實很值得做點 analysis。我不知道。我相信它一定在加速應用商店里的很多事情，但我還不知道到底有多少。我個人也還不認識哪個人是靠這種方式直接做成的。

不過我還想補充一個觀察。我們今天早上在看數據時，我記得上一次看，數字大槪是：自上周以來，AI Studio 里已經做出了 35 萬個 Android 應用。這個數字非常瘋狂。

更令人興奮的是，這 35 萬個應用里，很多原本壓根就不會有人去做。而且其中很多都是個人用途的。這也是為什么我覺得——也許“生成式界面”這個概念還要更遠一點——但“你親手構建軟件來解決自己的個人問題”這件事，現在已經非常真實了，而且人們真的在這么做。這幾乎已經成了這些產品最常見的用例之一。

另外，能夠解鎖手機本地的大量原生能力，我覺得也非常有意思。因為你的很多上下文信息原本散落在不同地方。所以我對這類機會越來越興奮，而 Android 也感覺正在變成“構建者的平臺”。

主持人：一個東西是應用，還是只是網頁，這件事還重要嗎？畢竟現在網頁也已經很強大了。

Logan：對，這一點也非常有意思。網頁當然很強大，但操作系統有一些能力是網頁根本無法真正解鎖的。比如很多原生層面的豐富性，會讓整個體驗顯得更豐富。

我實際上會拿短信體驗來想這個問題。對我來說，各大主流操作系統里的短信體驗，都比我用過的任何 AI 聊天應用更豐富。如果我能直接在我平時用的短信應用里和 AI 對話，而不是非得跳去另一個應用，我會高興得多。因為我覺得我們其實也已經被操作系統訓練成那樣了。

主持人：說得通。接下來我想問“模型吞掉運行框架”或者“模型吞掉腳手架”這件事。你怎么看？

模型會把腳手架吞進去

Logan：我覺得這是真的。我覺得這里面有一部分原因是，我們過去理解的“模型”已經不再只是模型了。

比如兩年前，大語言模型剛火起來的時候，所謂“模型”其實真的就只是一組權重而已。它就是一組權重，然后盡可能簡單地把詞元送進去，再把詞元吐出來。

但我覺得，隨著一步一步演進，我們現在雖然還叫它“模型”，還叫它 Gemini 3.5、GPT 某某、Claude 某某，但它其實已經不只是權重了。它已經變成了一個圍繞權重構建起來、不斷擴展蔓延的完整系統。這個系統支撐了很多下一代體驗：從智能體式工具調用，到各種托管工具、搜索、代碼執行等等。

模型現在會在容器里啟動，會帶著智能體運行框架等等。所以所謂腳手架，往往總是比那些真正內建到模型里的東西領先一兩步。然后接下來會發生的事就是：模型把這層腳手架吞進去，它變成原生模型系統的一部分。

當然，在某些場景下，外部腳手架依然有價值。搜索也許就是一個例子：很多人會用不同的搜索提供商，也有不同類型的搜索需求。所以也許模型可以原生使用搜索，但你依然還會想要一些額外能力。代碼執行也是類似的例子。

但現在給我的感覺是，智能體運行框架幾乎就是這件事最典型的例子。大家都在說：“我們得去做運行框架，真正的價值就在運行框架里。”但我覺得，也許再過 12 個月，這種說法至少不會以我們今天理解運行框架的方式成立了。模型會把其中很大一部分消化進去，變成模型上游自帶的能力。到時候真正的價值點會跑到別處，不再是“自己卷一個運行框架”，因為模型已經能原生做這件事。

主持人：但我原本以為，人們之所以自己做運行框架，是因為如果你用某個模型提供商給的運行框架，你就會被鎖定在它那里。很多應用公司想保留靈活性，所以才自己做運行框架。

Logan：對，我覺得這也是腳手架故事的一部分：一開始這也許確實是真的。但隨著模型能力提升，這件事會隨著時間推移變得越來越不成立。

實際上，如果一個模型連別人的運行框架都用不了，那你就不能說它是一個真正通用的模型。所以這一點其實非常重要。

幾周前我和別人聊的時候提到過，我們需要一個類似“運行框架基準”的東西，專門去衡量：不同模型適配各種運行框架的能力到底有多好。我覺得從整個生態的角度來看，這完全是個值得測量的事情。

我也很好奇最后會看到哪些模型表現最好。但我覺得從長期看，你會期望它們最終都能用所有運行框架。除非你真的完全超出了模型分布范圍；但那種情況下，即便你用的是自己做的運行框架，你照樣還是超出分布范圍。所以我不確定那是否真的那么重要。

主持人：有道理。那應用層呢？當模型吞掉運行框架、吞掉周邊這些東西時，你怎么看獨立公司還有什么生存空間？

Logan：這件事很有意思，因為它同時像是兩個互相矛盾的命題都成立了。

一方面，我放眼望去，會覺得現在從未有過這么多機會去構建新東西；另一方面，模型又確實比歷史上任何時候都做得更多。

我覺得其中有一條線索是“能力冗余”，這里面有大量真正的機會。還有一條線索是，模型公司追逐的通常是這些非常通用的大問題，而在很多高度垂直的領域里，如果你有該領域的專業知識，就有巨大的價值。你了解客戶，了解生態，知道這個行業如何運轉，那么即使面對最頂尖的模型實驗室，你也可以把他們遠遠甩開。因為專注就是創業公司的超能力。只要你能專注，你幾乎什么都能做成。

如果你去看那些很大的公司，或者同時做很多事的公司，它們其實很難真正專注。這在某些情況下也是有道理的——也許我這是在過度為 Google 的戰略辯護——但我們確實有很多產品、很多用戶、很多不同事情在同時發生，所以我們不可能把全部精力聚焦在單一領域。作為一家大公司，我們有義務去做很多事。

但創業公司沒有這個問題。所以我覺得，24 個月前，我們都在問自己：機會空間是不是在變化？未來會不會出現一種結果，就是創業公司的機會反而變少？

到目前為止，事情的發展似乎并不是那樣，這其實非常積極。恰恰相反，機會看起來反而更多了。現在有了編程能力，你和那些擁有龐大既有代碼庫的大公司之間的差距也被拉近了，因為你可以跑得更快，軟件寫得更快。

而“智能體”這個原語本身也是一個全新品類，你可以圍繞它來構建產品。再回到前面說的風險問題：做這些事本來就伴隨著風險，而不同公司的風險偏好不同。如果你愿意在某些領域承擔更多風險，你就能贏得那群同樣愿意承擔風險的用戶。

機會真的非常多。

我們都在爭誰能把世界變得更好

主持人：太棒了。我很想聊聊 Google DeepMind 的文化。我很好奇，現在待在 GDM 里面是什么感覺？我們在 AI Ascent 上見過 Demis，他特別鼓舞人心。我聽說 Sergey 回來了，你們也把 Noam Shazeer 請回來了。你給我講講，現在身處 GDM 是什么感覺。

Logan：那種感覺非常不可思議。我確實會努力去把這一切都好好感受一遍，因為這真的是一個值得珍惜的時刻。我盡可能在這種混亂而高速的節奏里抽一點時間出來反思，因為真的有太多太酷的事情在發生。

GDM 的文化很有意思。我大槪有三點觀察。

第一，還是回到“專注”這條線。我們同時在做很多事，所以我經常會從“投資組合”的角度思考。我覺得我們的整體項目組合非常強，這點很令人興奮。但你也會看到某些時刻，另一個實驗室、另一家公司會在某個方向上跑到前面，因為我們在那個領域投入得不夠，只是沒有聚焦到位。

而看到我們如何想辦法縮小這些差距，本身也很酷，我非常欣賞。

我自己看過幾次關于 Demis 的那部紀錄片《The Thinking Game》。你會在里面看到很多關于最初文化的細節，比如他們最早如何組織沖刺、如何工作等等。而這些在今天其實仍然非常相似：就是把一群聰明人聚在一起，然后去解決問題。我很喜歡這一點，也很酷，能成為其中一部分。

第二點，我覺得文化會從領導者身上往下滲透。也許這不是對整個生態最完美的概括，但 Demis 是諾貝爾獎科學家，也是這整件事最早的一代開創者之一。你會在 DeepMind 的文化里感受到這一點。

我覺得 Sam 是那種——也許可以說是世界上最厲害的商業人物之一——而你也能在 OpenAI 的文化和他們做事的方式里看到這種氣質。

至于 Dario，我沒有那么強烈的判斷。但我覺得 Anthropic 是個非常有意思的地方，而從外部觀察，他似乎是個很特別的人，多少有點玄學氣質，所以你也會覺得，這種氣質似乎滲透到了那家公司的基因和文化里。

其他實驗室也都很有意思。但我個人非常喜歡這種非常科學的方法論，以及 Demis 看待世界的方式。他做這件事、他們開啟這項使命，真的是為了治愈疾病、解決這些真正重大的問題。

而且我總是試圖把自己從當下的競爭情緒里抽離出來。因為太容易陷進這種競賽心態里：誰在軟件工程基準上又把分數刷高了一點之類的。太容易忘記，我們之所以做這些，是為了最終去解決人類真正面對的問題。

我在整個硅谷最喜歡的一句名言，大概是：“我們不能讓別人把世界變得比我們更好。”這幾乎就是當下這一刻的感覺。我們大家現在都在爭：到底誰能把世界變得比別人更多一點。你換個角度這樣說出來，會覺得這件事有點滑稽。

主持人：Gavin Belson 的那句。

Logan：對，就是 Gavin Belson 那句。我總是在想這句話。我們大家現在都在爭：到底誰能把世界變得比別人更多一點。

所以這根本不是零和的。我覺得這也是一種看待世界的方式。

關于 DeepMind 文化的第三點是：我們很像 Google 的“引擎室”。我記得這甚至現在已經是 DeepMind 推特賬號的簡介了，我特別喜歡。

主持人：你在運營 DeepMind 的推特嗎？

Logan：不是，我可不想承擔替別人運營賬號的責任。那責任太大了。

但它確實有那種感覺。一方面，你有那種根基很深的實驗室文化；另一方面，你又有整個 Google 生態里的各種合作伙伴，大家一起協作——從我們剛才提到的 Android，到 Google Cloud，再到 Gmail、Workspace 等等。

所以這是一個很有意思的混合體：一邊有很多研究工作在進行，一邊又有大量應用層工作在發生，真正去和一些最前沿的客戶合作。把 Gemini 部署到十億用戶級產品里，這個問題全世界可能只有兩家公司會遇到。而我們有 13 個這樣的產品，Google 現在不斷在經歷這件事。能夠近距離看到這件事如何發生，以及為了讓它真正可行而產生了哪些創新，這真的非常有意思。我覺得這種體驗只有在 Google 里面才能獲得，這點非常酷。

主持人：說得真好。你加入之后又常常在推特上發言，他們有沒有很頭疼？

Logan：這是個好問題。我當然會和公關團隊對齊。

我覺得，我在 Google 經歷中一個意外的收獲，就是營銷、公關那群同事真的特別好合作。我知道他們的工作是保護 Google，確保我們講的是正確的故事，確保別出各種糟糕的問題。所以我對他們有很多感謝，也把他們當作合作伙伴。

但與此同時，能夠去嘗試講一個真正能打動開發者、而且又感覺真實的故事，這種體驗也非常棒。我并不需要每條推文都去審批之類的，這一點其實反映出一種很積極的文化。

我也一直努力拿捏那個邊界，不去辜負我和那些同事之間積累起來的信任和善意。但整體體驗真的非常正面。因為歸根結底，我覺得 Google 要講一個“真實”的故事其實很難。畢竟這是家大公司，人很多，意見也很多。

于是 Google 原本那種真正的魔力，經過一層又一層人和流程的稀釋之后，你反而會錯過那個最美的故事：Google 正在做世界上最有意思的技術，也在幫助我們的用戶解決世界上一些最難的問題。

而我能參與講述這個故事，本身就是一種榮幸。所以這件事真的很有趣，我很享受。

主持人：我很喜歡你在做的事情，也很喜歡 Josh 在做的事情。我覺得你們給——正如你說的——這個時代最重要的問題，帶來了一種非常真誠、非常有人味的表達方式。謝謝你。

Logan：謝謝。

CSDN 6 月寵粉福利

一步獲取以下全套技術資源：

1?? 200 小時 GPU 算力： 注冊即領，支持 Jupyter Notebook 一鍵啟動

2?? Agent 實戰訓練營： 奇點智能技術大會專家架構復盤視頻

3?? 《Claude Code實戰》開發者專屬試讀版本

4?? 《AI原生軟件研發白皮書》：2026最新版效能度量標準