Loading video...

Video Failed to Load

Go Home

谷歌终于想明白了:科学家就该专心搞研究,产品还是得交给商人。谷歌最近对AI业务进行了一次大重组。DeepMind CEO Demis Hassabis已经退出日常运营,把主要精力放回AGI研究上。老板Sergey Brin看起来正在接手Gemini的日常运营。简单来说,谷歌正在把AI的研究和产品两部分拆开,也是第一家巨头这么干。 今天,谷歌想把Gemini做成什么也越来越清楚了。谷歌正在让Gemini从一个只会回答问题的模型,变成一个真正能帮你干活的Agent。Sergey Brin说过,AI真正成为“超能力”,是在它能以人类根本无法达到的规模去做事情的时候。 这个从产品角度出发的理解,其实和科研角度非常不一样。站在科研角度,AI的“超能力”是做到人类做不到的事情,比如治愈所有疾病。但站在产品角度,AI根本不需要会做人类做不到的事,它只需要把人类本来就能做的事情,做得更快、更多、更大规模。 现在最好的例子就是AI编程。人类当然也会写代码,但AI可以用人类根本无法匹敌的速度和规模去写。从产品角度来看,AI竞争已经不再只是比谁的模型更强了。 而这恰恰是谷歌最大的优势。谷歌本来就已经拥有一整套用户每天都在使用的强大产品。如果它能成功把这种Agent能力真正塞进现有的产品生态里,那谷歌很可能会轻松赢下这场AI大战。

53,189 views • 1 month ago •via X (Twitter)

19 Comments

鸡哥skr's profile picture
鸡哥skr1 month ago

谷歌可拉倒吧, Gemini 像弱智一样,用的我火冒三丈。

GeLun Ding's profile picture
GeLun Ding1 month ago

哈哈哈所以老板亲自上场了

Michael Chao e/acc🇸🇬🇺🇲🇮🇱's profile picture
Michael Chao e/acc🇸🇬🇺🇲🇮🇱1 month ago

谷歌这次AI业务重组,核心是把“科研驱动的AGI追求”和“产品商业化落地”明确拆开,并加速把Gemini从问答模型转向真正能“干活”的Agent。 你的分析抓住了关键逻辑,事实基本准确(2026年8月5日前后官方宣布及后续报道),但细节上有一些微调空间,整体方向正确,且从产品视角切入很有洞察力。 事实核实与重组细节 Demis Hassabis确实退出了Google DeepMind的日常运营(不再担任CEO),转任Google DeepMind主席 + Alphabet首席科学家,重心回到长期AGI研究、科学突破,以及他更热爱的Isomorphic Labs(AI药物发现)。他明确表示AGI“近在眼前”,需要更多时间思考大局和影响未来方向。 日常运营移交给Koray Kavukcuoglu(前CTO,现为SVP of Google DeepMind,直接向Sundar Pichai汇报),他负责Gemini模型开发、前沿研究、Gemini App和开发者团队。Koray去年已迁至Mountain View,办公桌就在Sergey Brin旁边,权力中心从伦敦明显回流硅谷。 Sergey Brin并非正式“接手日常运营”(他没有新的执行头衔,仍是联合创始人+董事会成员),但自ChatGPT冲击后他已深度回归:高频出现在办公室、参与Gemini代码和策略、影响招聘与决策,成为最有影响力的声音之一。报道普遍认为这是权力向商业化、产品化倾斜的信号。同时,Jeff Dean等几位核心科学家离职创立Discovery Loop,进一步强化了“研究人才外溢、产品团队收紧”的趋势。 这确实是大厂中较为明确地把“研究(Hassabis聚焦AGI/科学)”和“产品/商业化(Koray+Brin主导Gemini落地)”拆开的动作。DeepMind独立性下降,更像Google的AI引擎室,服务于产品节奏。 为什么现在拆?产品视角 vs 科研视角的根本张力 你点出的“科学家专心搞研究,产品交给商人”非常精准。Hassabis的基因是科研(AlphaFold诺奖级别突破、治愈疾病等人类做不到的事),他更在意长期AGI安全和科学应用。而Google当前最大压力是:Gemini模型发布节奏落后、与OpenAI/Anthropic在编码和企业场景的竞争、内部人才流失、投资者对AI投入回报的质疑。股份在消息后一度下跌,说明市场更关心“能变现的产品速度”。 产品视角的“超能力”确实不同:不是发明人类从未做过的事,而是把人类已能做的事(写代码、处理信息、规划任务、跨应用操作)做到人类根本无法匹敌的规模和速度。Sergey Brin等强调的规模优势,正是这一点——AI真正成为杠杆,是在它能同时帮亿级用户、以超人类吞吐量执行时。 AI编程是最清晰的例子:人类会写代码,但AI能并行、迭代、大规模生成、调试、重构,远超个体工程师极限。竞争已从“谁模型更聪明”转向“谁能把模型能力最快、最深地嵌入用户真实工作流”。Google I/O 2026已明确展示这一方向:Gemini Spark(24/7个人Agent)、信息Agent、企业Agent平台、与Workspace/Search/Chrome的深度集成,让Gemini从“回答问题”变成“主动帮你干活”。 谷歌的真正优势与潜在风险 你的判断正确:Google最大的护城河不是模型本身,而是已有的庞大产品生态。搜索、Gmail、Docs、Maps、Android、YouTube、Cloud……用户每天都在用。如果Agent能力真正“塞进去”(例如Agent在Search里后台持续工作、在Workspace里跨应用执行复杂任务、在Chrome里自主浏览操作),分发和数据飞轮会极强,竞争对手很难复制。这比单纯拼Frontier模型更接近“赢下AI大战”的路径。 风险同样明显: 研究独立性下降可能削弱长期突破动力(DeepMind早期的探索性文化)。 人才继续流失(已有关键科学家出走)。 Agent落地的安全、可控性、用户信任问题(尤其涉及花钱、发邮件等高风险动作)。 执行速度:大公司惯性 vs 更敏捷的OpenAI/Anthropic。 总体评估 这次重组是Google从“研究优先、小心谨慎”转向“产品优先、快速商业化”的标志性动作。它承认了现实:在当前竞争窗口,先把已有能力以Agent形式规模化落地,比单纯追求科研“超能力”更能守住份额。产品视角和科研视角本就不同,谷歌现在主动拆开,是务实选择,也是第一家大型科技公司以这种方式明确分工。 如果执行得当(Brin的产品直觉 + Koray的执行 + Hassabis的长期护航 + 生态优势),谷歌确实有很大机会在Agent时代重新领先。反之,如果产品化太急、研究空心化,可能重蹈过去对生成式AI反应迟缓的覆辙。目前看,方向清晰,落地节奏(尤其是Agent产品)正在加速,值得持续观察。

安叫兽|Bird🕊️ 🔶 BNB's profile picture
安叫兽|Bird🕊️ 🔶 BNB1 month ago

拆开容易,研究到产品之间那座桥才最难搭。

🇺🇸 AI 观察 | AI Observer🦅's profile picture
🇺🇸 AI 观察 | AI Observer🦅1 month ago

Agent才是王道!

Greedisgood's profile picture
Greedisgood1 month ago

"Scientists" should go work at non-profits.

YorkJong's profile picture
YorkJong1 month ago

本來就是分開的,後來合併了,現在又要分了嗎?

FanChen's profile picture
FanChen1 month ago

這才是 Google 真正可怕的地方:Agent 不一定要先做到最強,只要先嵌進 Search、Gmail、YouTube、Android 這些每天都在用的入口,分發優勢就會開始自己放大。

知止's profile picture
知止1 month ago

谷歌具备一切做好大模型的基础,但做出来的大模型就是一坨屎,很难理解为什么会出现这种情况?

Crio Songo's profile picture
Crio Songo1 month ago

谷歌这次拆分研发和产品确实走对了方向,把专业的事交给专业的人来做。现在AI拼的早就不只是模型参数了,能把Agent能力落地到现有产品生态,谷歌这手牌确实占了大优势,就看落地效果了。

Victor's profile picture
Victor1 month ago

谷歌最近在专注做云,出租的生意好做多了,不用去卷大模型

JMasche's profile picture
JMasche1 month ago

等做出东西并且有效果后再吹吧。不是说创始人重视,全公司强压,就可以成功。原有 google circle,近有 google 眼镜

Jerry@m&W's profile picture
Jerry@m&W1 month ago

他能不能先解决一本正经的胡说八道这个事情。AI撒谎、糊弄、编造,AI大厂这种情况不改变,做的越多错的越多

BtrDomains.com's profile picture
BtrDomains.com1 month ago

They would have rolled out a long time ago

DeDi's profile picture
DeDi1 month ago

研究与产品分工细化反映了AI公司治理的成熟

大约在冬季2045's profile picture
大约在冬季20451 month ago

走了那么多核心研发人员,对公司未来发展有影响吗?

govin.eth | G哥's profile picture
govin.eth | G哥1 month ago

这个说的是对的,人要分心必将断筋。全才毕竟是极少数

Marshall's profile picture
Marshall1 month ago

I wonder what AI they will use to help them build Gemini

NavigatorCapital's profile picture
NavigatorCapital1 month ago

AI不可能治愈所有疾病 谷歌也不可能轻松赢下AI大战

Related Videos

昨天发了一个视频,看到评论里有人问:你都在用 Claude Code 了,为什么还要用国内的 Coding Plan? 对我来说,这不是一个二选一的问题,而是一个补充题。 大家都知道御三家的硬实力更强,这点没什么好争议的。但很多日常场景里,国产模型其实已经能在速度、质量、成本之间取得一个不错的平衡。 比如文本处理、资料整理、基础 coding、简单 agent 任务,这类占日常 80% 的工作,很多时候并不一定非要上最贵的模型。对大多数中国用户来说,国产模型更顺手,速度也够,价格还低不少。 还有一个经常被忽略的点,其实是处理速度。 我自己实测下来,国内这些模型在一些简单任务上,接口响应和首字速度都很快。像翻译、语音输入后的文本修正、基础润色、简单改写这类高频小任务,用起来其实很舒服。你并不需要每一次都把最贵、最强的模型拉出来跑一遍。 另外我觉得,现在国内头部几家 AI 厂商,已经不是“能不能做”的问题了。无论是阿里还是字节,一方面有足够的算力和基础设施,另一方面本身也有持续做模型研发和产品迭代的能力。所以在很多高频、日常、成本敏感的场景里,把国产模型纳入自己的工具链,本来就是很自然的事。 所以我现在的看法一直都不是“国产替代”或者“二选一”,而是按场景分工:复杂、高价值任务交给最强模型;大量日常、重复、成本敏感的任务,用国产模型做补充,我觉得这反而是更现实、也更科学的用法。

luolei

32,630 views • 5 months ago

🔥DeepMind 创始人 Demis Hassabis:AI 越强,人越需要学编程和数学 “既然 AI 什么都会,人还需要学编程和数学吗?” 很多人以为答案会是:不需要了。 但 DeepMind 创始人 Demis Hassabis 的回答却完全相反。 他的观点非常明确: 越是 AI 时代,人越需要理解技术。 原因其实很简单。 AI 能解决问题,但它不会自己提出问题。 你必须先知道: 你想解决什么 问题在哪里 什么是正确的目标 否则再强的 AI 也只是一个没有方向的工具。 换句话说,AI 的能力再强,也依然需要人来做三件事: 提出问题 定义目标 判断结果 这也是为什么 Hassabis 一直强调: 未来最重要的能力之一,依然是 数学与计算思维。 因为只有理解这些基础逻辑,你才知道 AI 在做什么。 否则就会出现一种常见情况: AI 给出了一个答案 但你根本不知道它对不对 如果你没有基本的技术理解,你甚至无法判断它是否犯错。 换一个更直观的比喻。 使用 AI,其实有点像指挥一支军队。 AI 是强大的“兵力”, 但真正决定胜负的,是指挥官。 如果指挥官不懂战略、不懂兵法, 再多的士兵 也无法打赢战争。 这也是很多技术专家越来越强调的一点: AI 不会取代理解问题的人。 它只会放大那些本来就知道自己在做什么的人。 未来的竞争,可能不再是谁会写代码。 而是: 谁更懂问题 谁更懂系统 谁更能利用 AI 的能力。 AI 会改变很多事情。 但有一件事其实没有改变: 真正重要的,仍然是人的思考能力。

M

64,011 views • 6 months ago

天呐,这条视频我反复看了三遍。 身价千亿的OpenAI CEO奥特曼,竟然跑到咖啡馆开了场私密聚会。面对一群年轻创业者和开发者的犀利提问,奥特曼也是掏心窝子地分享了,他对AI的最新预判和理解。 如果说马斯克的预言都很宏大,让人感觉离自己很远,那奥特曼的话就更加贴近普通人。 如果说你能看懂这条视频,那恭喜你,你已经比90%的人更清楚未来的游戏规则。 我刚看完视频,和你分享最有价值的五条干货。 第一,你的注意力正在成为这个星球最值钱的东西。 现场第一个提问的开发者,就捅破了一个所有人心照不宣的焦虑:我现在一个人在家就能手搓一个App,画图、做视频、写代码,AI让我的效率翻了十倍,但问题是,我没有用户。 全场突然安静,因为这句话说出了在场所有人的心声。 奥特曼没有回避。他说,在过去,大家都觉得最难的是做产品,但是AI的出现,让做产品这件事变得空前容易。 未来,我们会迎来一个极度丰饶的世界,各种软件、内容、服务会像雪崩一样涌来。但只有一样东西永远不会增长,就是人类的注意力。 你的一天只有24小时,除去吃喝拉撒睡,你真正能拿出来玩手机、看内容的时间,可能只有2到3小时这样。 一边是指数级暴涨的商品供给,另一边是物理锁死的人类注意力。 奥特曼说得很直白,不管世界如何发展,人类的注意力仍然是非常有限的东西。所以未来的竞争,已经不是谁能做出好产品,而是谁能抢到注意力。 那既然注意力这么值钱,我们就更得把它用在刀刃上。 现场,一位科学家又问了一个尖锐的问题:AI现在对科研的帮助这么大,那它什么时候能够接管整个研究事业? 奥特曼直言说,这条路还非常非常远。 有几位数学家朋友告诉他,他们每天都在和AI聊天,研究速度快到飞起。但关键是,AI只能负责跑腿,把所有可能的方向都试一遍,真正做决定的还得是人。 比如,你可以让AI去做广度搜索,把20个、200个可能性都穷举出来,然后你要用你宝贵的注意力,用你的直觉和判断,从一堆选项里找出最值得深挖的那一个。 所以,现在最高效的工作流就是这样子:让AI告诉你,“帮我设计20个春节营销活动”,但是由你来决定到底做哪个。 如果说科学领域人的价值是判断,那艺术领域呢? 有人继续提问,说现在AI生成的视频越来越逼真,画得越来越好看,难道人类在艺术领域真的就没有价值了吗? 奥特曼听完,不紧不慢地分享了一个OpenAI做过的消费者测试。 结果很打脸。 他们给受试者看十张图片,一半是人做的,另一半是AI生成的。在不知道来源的情况下,几乎所有人都把AI的图片排到了前面。 但是,一旦标注是AI生成,他们的态度就来了个180度大转弯。他们会说:“我其实不喜欢AI生成的东西。” 这是为什么? 因为人类对AI,有一种天然的心理防御机制。 奥特曼自己也坦白,他说如果自己读完一本书,结果发现是AI写的,他会感到非常失落,就像一种真心错付的感觉。 所以,人类不会想要完全由AI生成的艺术作品。未来要跟AI比的是你的经历、你的故事、你的思考。 这些只属于你自己的东西,才是你最大的溢价。 第四,是小公司的春天。 如果说人味决定上限,那成本就决定下限。 奥特曼在访谈中扔出了一个有些激进的“炸弹”:到2027年底,GPT-5.2级别的智能成本,至少降低100倍。 这意味着什么? 在明年年底,AI就会变成像水、电、网那样的基础设施。而受益最大的,很可能是那些利用AI大模型创业的中小型团队。 比如AI客服系统,以往需要几十人的运营团队,未来可能只需要两个人,加上一套精心调教的AI Agent,就能够服务上千家客户。 再比如AI法律助手。大公司可能看不上那些过于垂直的法律咨询需求,那你就专门针对细分领域去开发AI,比如租房纠纷、劳动纠纷、婚姻纠纷。 利用AI带来的极致生产力,在一个细分领域做到极致,就是普通人的机会。 第五,学习是为了看穿AI。 现场有一位年轻创业者又提问:如果我们能够在指尖就获得答案,那我为什么还要去学校学历史?为什么还要去背那些东西? 奥特曼笑了。他说,去学校学习,本质上不是获取信息,关键是去锻炼大脑的思考能力。 如果你打开AI,问他200年前世界上都发生了什么大事,他给你的答案一定比课堂书本,还有老师告诉你的多得多,这叫获取信息。 但是,要是他写错了呢?要是他胡编了一段历史,乱写了一通逻辑,你又该怎么办? 所以,面对AI,你要保持清醒,去思考:给你的到底是发光的金子,还是没价值的垃圾。 奥特曼最后说了一句话,让我觉得特别有力量:AI就算再厉害,你也要始终把船舵牢牢地抓在自己手里。 看完这场对话,我最大的感受就是——AI时代,注意力、判断力、人味、思考能力,这些才是AI永远抢不走的东西。

另一面

77,965 views • 7 months ago