（關(guān)注公眾號設為標，獲取AI深度洞察）

全文 9,000字 | 閱讀約48分鐘

近日，紅杉資本采訪了谷歌Labs副總裁Josh Woodward，就AI產(chǎn)品創(chuàng)新與發(fā)展進行了一場深度對話。作為谷歌創(chuàng)新孵化器的領導者，Woodward分享了前沿AI技術(shù)的最新進展以及從0到1打造AI產(chǎn)品的關(guān)鍵經(jīng)驗。

在這個AI技術(shù)快速迭代的時代，他的觀點為創(chuàng)業(yè)者和產(chǎn)品設計者提供了寶貴的參考。"提示詞已經(jīng)是老派做法了"——當Woodward提出這個觀點時，展示了AI交互方式正在經(jīng)歷的根本性變革。他指出，目前AI產(chǎn)品開發(fā)者常見的一個"坑"是過度聚焦于聊天界面，"感覺到處都是Chatbot，谷歌也不例外。還有就是很多產(chǎn)品在想辦法'硬塞'AI進去。"這種簡單地給現(xiàn)有產(chǎn)品強行添加AI功能的做法，Woodward認為缺乏深度思考。

另一個創(chuàng)新"坑"則是錯誤評估技術(shù)成熟度與成本曲線。"現(xiàn)在用Vo生成一個8秒視頻，成本可能非?？鋸垼?Woodward坦言，"但我們在打造的產(chǎn)品形態(tài)，正是面向未來的低成本時代。"他強調(diào)產(chǎn)品一定要和"模型更智能、成本更低、速度更快"這些趨勢緊密對齊，才能順勢而為，實現(xiàn)價值的指數(shù)級增長。

文稿整理

主持人：今天我們非常高興邀請到來自 Google Labs 的 Josh Woodward。首先，Josh，非常感謝你今天抽空和我以及 Sonya 一起交流。我們迫不及待想聽聽你在 Google Labs 所做的所有事情。也許先從你提到的那個頗具挑釁意味的話題開始——“寫提示詞是老派做法”。你究竟是什么意思呢？

Josh Woodward：好的，謝謝你們邀請我來。我確實認為提示詞已經(jīng)過時了。我們回頭再看現(xiàn)在的用戶端體驗，恐怕會說：“天哪，我們當初居然要在這個小框里輸入一大段提示詞?！痹谖铱磥?，這件事情已經(jīng)出現(xiàn)了一些分化。一方面，對于開發(fā)者或 AI 工程師來說，你應該看看我們現(xiàn)在在 Labs 里寫的那些提示詞，都是那種美輪美奐的多頁提示，非常復雜。但對于普通終端用戶來說，他們可沒空寫這么多，還得具備某種“馴獸師”的能力，才能激發(fā)出模型的潛力。所以我們更傾向于看到有很多需求在涌現(xiàn)，比如說把自己的資產(chǎn)——文檔、PDF 或者圖像——直接拖進來，或者把不同的東西組合起來，代替那種寫滿一大段文字提示的方式。我認為最終會形成兩條路：

• 工程師、研究者和 AI 開發(fā)人員還會繼續(xù)寫那些冗長的提示；

• 而更多普通用戶，其實已經(jīng)處在這種變革的過程中，他們很快就會脫離大段提示文本。所以，上下文依然很重要，但它的形式正在迅速改變，也許是用圖片，也許是用語音，或者直接說“請看這些文檔”。模型需要上下文，但我們正投入很多精力，讓上下文的提供方式發(fā)生巨大轉(zhuǎn)變。

主持人：我很喜歡你說的這種“上下文形式會改變”。你提到提示詞正在變得老派，其實核心仍然是給模型提供信息，只是方式可能是上傳圖片或文檔，或者其他更直觀的交互。我們今天會深入討論提示詞的未來，以及多模態(tài)模型。在深入之前，你能不能再跟我們簡單介紹一下什么是 Google Labs？它的使命是什么？你在谷歌內(nèi)部所處的位置又是怎樣的呢？

Josh Woodward：好的。也許有些人聽說過之前的 Google Labs，那在很久以前就已經(jīng)停止了，然后大約三年前又重新啟動了。我們現(xiàn)在的 Google Labs 是一支由各類“創(chuàng)造者”組成的團隊，目標是構(gòu)建人們真正喜愛的 AI 新產(chǎn)品。這些產(chǎn)品可能是面向消費者的、B 端的、也可能是開發(fā)者工具，都是從 0 到 1 的項目。在這里，你會看到非常多元化的成員：有在谷歌工作多年的資深人士，也有很多初創(chuàng)企業(yè)的創(chuàng)始人或前創(chuàng)始人。我們把這些人聚在一起，讓他們?nèi)ニ伎寄硞€領域的未來是什么樣子，比如未來的創(chuàng)意工具、未來的軟件開發(fā)方式、未來的娛樂行業(yè)等等，然后他們就以小團隊模式去構(gòu)思、去搭建、去快速推出產(chǎn)品。在組織架構(gòu)上，我們的確是獨立于谷歌那幾個龐大的產(chǎn)品部門，但依然與它們保持密切協(xié)作。因為我們也會去和搜索、Chrome 等大團隊聯(lián)動，但 Labs 這邊有一種獨特的靈活性和探索空間，可以嘗試更具顛覆性的想法。說到底，我們希望招募和匯聚特別富有創(chuàng)造力、對自己有要求、有點“弱者逆襲”精神、在某些領域有“野路子”本領的人。我們內(nèi)部有一份“Labs 簡介”文檔，我最喜歡的部分就是里面那一條：“什么樣的人能在 Labs 茁壯成長”，列表里面大概有十六七條特質(zhì)。這些特質(zhì)幫助我們建立起想要的團隊文化。當然，在這樣的文化中，你必須接受失敗的可能，也要在晉升、薪酬、項目指標等很多方面采取與常規(guī)部門不同的機制。

主持人：你提到 DeepMind 那邊的聯(lián)系很有意思。那在 Labs 內(nèi)部，你們覺得理想的產(chǎn)品創(chuàng)造者的畫像是什么樣？是具備研究背景的人，還是有成功消費級產(chǎn)品經(jīng)驗的人？或者說，你們會尋找那種既熟悉研究又能做產(chǎn)品的“獨角獸”型人才？

Josh Woodward：我們非常歡迎所謂的“獨角獸”，而且我們確實也找到了一些。他們往往對深度模型有深入理解，同時也擁有一套產(chǎn)品敏銳度，這樣就能兼顧研究和落地。我們也會努力培養(yǎng)或打造這樣的人才梯隊——在篩選簡歷時，不僅看學歷、背景，也會看他們 GitHub 的貢獻歷史等各種信號，因為我們相信人才可能來自各個角落。 另外，我們會問自己：“那些沒有被充分挖掘、目前看來不顯山不露水，但其實很有潛力的人在哪里？”我們喜歡去發(fā)掘這種潛力股。所以我們團隊也是既有很強的研究基因，又有很強的產(chǎn)品實施能力。

主持人：那你們是怎么決定下一個項目做什么的？是自上而下，還是自下而上？

Josh Woodward：有點混合吧。從自上而下的角度，我們會觀察對谷歌而言有戰(zhàn)略意義的領域，比如軟件開發(fā)。谷歌內(nèi)部有數(shù)萬名工程師，這顯然是一個 AI 可以產(chǎn)生巨大影響的領域，所以我們會說：“好，未來的軟件開發(fā)大概會走向哪里？既可以幫內(nèi)部谷歌人，也可以對外提供解決方案?！边@就像“我們要挑哪片池塘來釣魚”。我們有一個小組會想好這些“池塘”的選擇。 然后再讓項目組自己去深入了解用戶痛點，找到最該解決的具體問題。很多時候這些小團隊只有四五個人，他們一開始可能只是說“讓我們先服務好 1 個用戶或1個痛點”。和谷歌其它那些動輒上億、十億用戶級別的產(chǎn)品相比，我們這兒的規(guī)模很小。但我覺得這跟很多初創(chuàng)公司很像。 此外，因為我們在谷歌內(nèi)部，但又在大部門之外，所以我們既能連通外部世界，也能借助 Google DeepMind 的前沿研究成果。我們想方設法把這些能力整合進我們的產(chǎn)品中，所以 Labs 有點像一個“中間地帶”，把研究和實際應用都融合起來。

二、Google視頻生成模型

主持人：能不能分享一個你們已經(jīng)做出來、現(xiàn)在在推進的項目？讓我們聽聽你對它的想法。

Josh Woodward：如果大家用過 Gemini API、AI Studio、Notebook LM，或者 Vo 這些都是我們在 Labs 推出的成果。舉個例子吧，我們對 Notebook LM 的未來非常期待。它的核心是讓用戶能把自己的資料放進來，讓 AI 深度“讀懂”并加以組合或創(chuàng)作。它能給人一種“我在掌控 AI”的感覺。我們團隊有個說法叫“AI 操縱桿”，意思是用戶可以很直觀地“駕駛”AI。我覺得這個思路很有趣，而且未來會衍生出很多形態(tài)。 再說說我們特別關(guān)注的一塊：Vo——谷歌的圖像生成模型，以及它和視頻生成模型的結(jié)合。我們在這個方向也在做很多有意思的事。我認為生成式視頻已經(jīng)從“幾乎可行”過渡到“真正可行”的階段。我們可以在這方面多聊聊，因為現(xiàn)在看上去，視頻生成正在飛速進步。

主持人：正好，你就直接聊聊吧。你覺得現(xiàn)在的生成式視頻模型情況如何？

Josh Woodward：是這樣，這些新模型依舊很龐大，要在后臺用數(shù)百臺機器來跑，成本十分高昂。但就像文本模型（比如 Gemini，或 OpenAI、Anthropic 提供的模型）經(jīng)歷的那樣，一年內(nèi)推理成本會下降 90 多倍，你可以設想在這種成本曲線下，Vo 這樣的圖像或視頻生成模型也會變得更可用。特別是 Vo V2 這樣的新一代模型，它們真的提高了視頻質(zhì)量，并且把各種物理效果模擬得更逼真。很多 AI 影視創(chuàng)作者會看重一個指標叫“櫻桃采摘率”，意思是你生成多少次，才能挑出一個看得過去的結(jié)果。現(xiàn)在用 Vo 的時候，這個“櫻桃采摘率”已經(jīng)接近一發(fā)即中。指令的匹配度也在顯著提升，模型更能夠理解你想要什么。我覺得這對工具層來說是一個重大突破。 我們看到和文本生成類似的路徑：模型層、工具層，然后真正的價值在應用層。如果把這種視頻能力帶進應用產(chǎn)品里，你就能在表達想法的方式上產(chǎn)生全新的可能性。

主持人：得去年還有很多關(guān)于“生成式視頻就是物理模擬”的討論，那物理模擬算是解決了嗎？或者說有哪些還沒攻克的難題？

Josh Woodward：我不會說物理模擬永遠徹底解決，但它已經(jīng)非常接近了。六個月或一年前，我們還看到很多搞笑的視頻，比如威爾·史密斯（Will Smith）吃意大利面，畫面完全崩壞，更早以前的人手指都能被刀子切得亂七八糟，出現(xiàn)五六根手指不匹配的情況?，F(xiàn)在在物理層面、人物動態(tài)以及畫面質(zhì)量上都有突破，能更好地跟隨指令做跳切、鏡頭切換、相機控制等。而且我們也看到了明確的路徑，可以進一步解決剩余問題。 尚未解決的主要是推理成本和部署效率，畢竟這些模型非常龐大。另外，就是在應用層面如何進行工作流的重新設計，因為我們認為真正的巨大價值，往往是在應用層，而不是只在模型層或工具層。怎么把生成式視頻融入具體場景和工作流程，很多方向都還沒有定型，值得深入探索。

主持人：我能想象，如果模型做不到角色一致性，就很難在應用層面做“神奇操作”，比如同一個角色在不同場景里外貌必須保持一致，對吧？你覺得在應用層面要實現(xiàn)這種可塑性，需要模型達到怎樣的“可駕馭”程度？

Josh Woodward：我最近和幾位 AI 影視制作人討論過，他們對這些正是最大的需求：角色一致性、場景一致性、鏡頭控制。其實就好像我們需要做一臺“AI 相機”，目前現(xiàn)實里的攝像機是經(jīng)過幾十年迭代來適配人類拍攝的，但是對 AI 而言，現(xiàn)在基本是一片空白。 一旦我們真的做出一臺 AI 相機，你可以無限次地生成畫面，人物隨時改穿紅色毛衣或藍色毛衣，并保持長達兩小時的視頻始終一致。這些都是我們在內(nèi)部已經(jīng)做的一些原型，很快就會走向?qū)嵱秒A段。我們常說要“降低門檻、提高上限”：既要讓更多普通人能輕松用它做視頻，也要讓專業(yè)人士能產(chǎn)出極其精良的作品。從這個意義上看，視頻生成正處于這樣的轉(zhuǎn)折點，大家都在這個時刻躍躍欲試。

主持人：保羅·格雷厄姆（Paul Graham）最近發(fā)過一條推文，說現(xiàn)在的節(jié)奏快得驚人，所以你最好去做一些“眼下還不太可行、成本還很高”的事情，因為這類事情很快就會變得可行、成本也會大幅下降。你怎么看？

Josh Woodward：我們其實正是這么做的?，F(xiàn)在用 Vo 生成一個 8 秒視頻，成本可能非常夸張，但我們在打造的產(chǎn)品形態(tài)，正是面向未來的低成本時代。就像很多文本模型的歷程一樣，一年多前的模型成本也很恐怖，但你看現(xiàn)在下降了多少倍。所以，我最近幾年有一個非常核心的感悟——產(chǎn)品一定要和“模型更智能、成本更低、速度更快”這些趨勢緊密對齊。如果三者能讓你的產(chǎn)品價值指數(shù)級增長，那你就是在順勢而為；如果任何一條對你的產(chǎn)品不利，那你可能就要對這個產(chǎn)品的前景打個問號了。

主持人：你覺得還需要多久，視頻生成在經(jīng)濟上就能“算得過賬”？也就是說，生成視頻的成本比它所帶來的收益更劃算？

Josh Woodward：哇，這個預測很難。我只能說，我們在內(nèi)部做成本測算時，發(fā)現(xiàn)未來可能需要在商業(yè)模式上也進行創(chuàng)新，不光是技術(shù)和應用層面。舉個例子，最直觀的想法是做訂閱，再加上按量付費。但我們也在和好萊塢或那些新涌現(xiàn)的 AI 影視人交流，他們的想法可能更像制片的思路：我只想要某個片段的最終成品，愿意一次性付費，或者按輸出質(zhì)量付費。 所以商業(yè)模式可能會有各種各樣的玩法，甚至類似拍賣模式。這方面還有很多東西要探索。我覺得時間并不需要好幾年，而是以季度來衡量的。成本曲線下行非?？欤晕覀儗@個前景還是比較樂觀的。

主持人：你多次提到進展速度的問題。你在 DeepMind 那邊也有渠道，可以看到研究前沿。總體來說，你覺得這是在加速嗎？還是說它一開始就很快，現(xiàn)在還一直保持在那個高速軌道上？

Josh Woodward：我一直以為會放緩，結(jié)果這三年從沒放緩過。比如預訓練是不是達到了瓶頸，推理算力是不是限制了增長，每次當我們覺得好像要見頂時，又會出現(xiàn)新的技術(shù)或思路，打開全新空間。我認識一位作家叫 Steven Johnson，他寫過一本關(guān)于創(chuàng)新史的書，書里提到一個概念“相鄰可能”?，F(xiàn)在就好像你走進一個房間，有三十扇門同時打開，每扇門通向不同的相鄰可能性。我們正處在這樣的狀態(tài)，而且這些門還在不斷增加。

三、 未來視頻消費的演變

主持人：我喜歡這個“相鄰可能”的畫面。我想把它偷過來當自己的 VC 話術(shù)?；氐揭曨l的話題，你覺得未來的視頻消費會是怎樣的？我們還會像看好萊塢大片那樣，被大制片廠拍好的片子吸引？還是說，未來視頻會根據(jù)個人信息動態(tài)生成，只為我一個人訂制？你怎么看？

Josh Woodward：這是一個很大的話題，可能有很多種走向。我覺得有幾點是可以確定在發(fā)生的：

• 1、觀眾對娛樂內(nèi)容的可操控度更高。現(xiàn)在我們看東西就是坐在沙發(fā)上刷列表，但未來可能會出現(xiàn)“可介入”的形式，用戶可以隨時插手劇情走向。

• 2、高度個性化?，F(xiàn)在的 YouTube、TikTok 都有推薦算法，但未來的個性化程度只會更極致。

• 3、 更多的實時生成。有一個理論，我覺得會出現(xiàn)一個“策展人”群體，雖然今天我們有“創(chuàng)作者經(jīng)濟”，未來或許還會有“策展人經(jīng)濟”。他們把模型生成的元素重新混搭，讓內(nèi)容具有無窮的變體，用戶則可以繼續(xù)在此基礎上再做二次創(chuàng)作。

• 4、平臺界面會增加新的控制方式。就像今天的視頻播放器只有播放、暫停、收藏、點贊之類的按鈕，未來也許會多一個“加入”按鈕，一點它，角色就回頭問你：“嗨，Sonya，Ravi，你們想讓劇情怎么發(fā)展？” 這是可能的。

我們在 Notebook LM 已經(jīng)在做一些類似的功能實驗，要是加上角色動畫、語音克隆等技術(shù)，就可以出現(xiàn)全新形式的互動式內(nèi)容。

主持人：你覺得電影和游戲會因此變得難以區(qū)分嗎？畢竟兩者之間的互動性可能會越來越像。

Josh Woodward：我覺得非常可能?，F(xiàn)在已經(jīng)有很多團隊在嘗試把電影或視頻內(nèi)容與游戲機制、3D 世界構(gòu)建融合到一起，訓練方法也互相借鑒。所以這塊我們也在自己做一些押注，覺得可以同時關(guān)注“純視頻生成”和“3D/虛擬世界構(gòu)建”兩條線路。我們不確定誰會占上風，所以等于兩邊都在嘗試。 舉例說，在 3D 這邊，我們啟動過一個項目：只需要六張照片就能生成一個 3D 模型，讓你在搜索結(jié)果里看到可旋轉(zhuǎn)的產(chǎn)品展示。接下來，Vo 這類新模型可能只需要兩三張照片就能生成 3D 物體，這幾乎相當于把谷歌索引里的所有物品都自動生成了 3D 模型。 而在視頻端，我們做過一個小原型，比如可以重現(xiàn)登月場景，讓老師在課堂給學生體驗“真的坐在登月艙里”。我們還加了一些隨機事件功能，比如“天啊，后艙著火了，快來處理”，去測試模型是否能動態(tài)生成這些細節(jié)。你可以告訴它：“往右看”，它就會自動填充右側(cè)的月球表面細節(jié)。從這個角度看，確實電影和游戲似乎在互相滲透。

四、AI Agent代理

主持人：大家現(xiàn)在都在討論“Agent”代理，尤其是 2025 年這個時間點，好像無所不在。你提到谷歌的 Mariner，這個和 Agent 概念有什么關(guān)聯(lián)嗎？

Josh Woodward：Mariner 是我們在去年 12 月推出的一個實驗性項目。它的起點是我們發(fā)現(xiàn)模型不僅可以回答問題，還可以“控制”你的瀏覽器，去滾動頁面、輸入文字、點擊鏈接等等，而且不只是在前臺做這一切，它可以在后臺同時操控多個會話。 我們當時就想：“這背后的潛力巨大。” 所以就快速做了一個 Chrome 擴展，花了大約 84 天就把它實現(xiàn)并推給一些種子用戶測。它能處理一些自動化操作，比如填寫表單、在多標簽頁之間來回切換等。 但是它的愿景其實遠不止“幫你點點瀏覽器”。從長期看，我們希望重新構(gòu)想“人機交互”的形態(tài)，想象一下不僅有一個 Agent，而是無數(shù)個 Agent 可以隨時幫你處理各種繁瑣的事情。這就是我們在 Mariner 這個項目上努力的方向。

主持人：在你看來，Mariner 的理想使用場景是什么？因為我看到一些電腦自動化 Agent 的演示視頻，通常是讓 Agent 幫忙訂機票、叫外賣之類的。但我自己其實不覺得買披薩有多麻煩，我還挺享受下單過程（笑）。你覺得哪些才是 Agent 真正能帶來高價值的場景？

Josh Woodward：挺好的問題。我們發(fā)現(xiàn)當下最有價值的，可能并不是消費者個人使用，而是 企業(yè)級 場景，尤其是那些“高重復度”或“苦力式”的工作。 舉幾個例子：昨天我們和一個團隊交流。他們在做一個“共同瀏覽（co-browsing）”的需求：比如客服在接到用戶來電后，需要遠程幫用戶在電腦上做一些操作，以前都要人工遠程控制，但如果有 Mariner，就可以用自動腳本幫用戶進行操作。 再比如一些銷售團隊，在打完電話后要處理各種后續(xù)任務，比如更新多個不同的內(nèi)部或 SaaS 系統(tǒng)。這些繁瑣的操作 UI 復雜，他們只想把這些事情托付給 Mariner 去做。對他們而言，這簡直是拯救了很多時間。 在普通消費者場景，我暫時還沒有看到非?！巴础钡沫h(huán)節(jié)，你如果想買披薩自己下單也挺好，所以消費端沒必然需求。不過大企業(yè)、B 端的復雜流程里，倒是機遇滿滿。

主持人：那么，你們要怎么測試這些企業(yè)級場景？跟現(xiàn)有的大客戶或者 Google Cloud 的客戶合作嗎？

Josh Woodward：對，我們會同時和大企業(yè)、小公司進行各種試點所以我們會接觸一些云端客戶。我們有不少云端客戶始終希望能用上最新、最前沿的東西——他們公司內(nèi)部也往往有類似“Labs”的部門來做創(chuàng)新嘗試，所以這些客戶就是很好的測試平臺。我們也會跟很多初創(chuàng)公司合作……如果現(xiàn)在正聽到這期節(jié)目的朋友對這個感興趣，歡迎私信給我或聯(lián)系我們。我們一直都想在市場的不同層面去學習和驗證。 我這些年做產(chǎn)品的心得之一是，大家都在說“產(chǎn)品與市場匹配（PMF）”，說“真到了就能感覺到”，確實如此。不過至少對我來說，在產(chǎn)品早期迭代的過程中，人們常常會忘記對市場也要做相應的“迭代”。光找對產(chǎn)品還不夠，你也得找對市場，并且讓兩者連接起來。 就拿 Mariner 來說，它能讓 AI 模型“驅(qū)動”你的電腦——這是一個巨大而全新的能力；它是否足夠精準？有時可以，但并不總是；速度夠快嗎？還遠遠不夠。這就是我們當前所在的位置。我們還在尋找合適的市場切入點。 回答你剛才的問題，眼下我們就是在早期階段，會做大量快速實驗。我對團隊的產(chǎn)品經(jīng)理、工程師和用戶體驗研究員們的指導是：別太在意儀表盤上的數(shù)據(jù)，因為那數(shù)字現(xiàn)在都很小；真正要關(guān)注的是客戶在看到你演示時，眼睛里有沒有光。你能看到他們是否真的被觸動。這是非常依賴藝術(shù)感、而非科學量化指標的一步。

五、 上下文和數(shù)據(jù)使用

主持人：我想再回到之前提到的“上下文”問題。Josh，你在谷歌工作，提到可以“帶入你自己的資產(chǎn)”來給模型提供信息。那么會不會有一種場景——比如我可以選擇直接讓谷歌使用它已經(jīng)掌握的所有關(guān)于我的信息？像我的搜索記錄、Gmail、日歷……我如果能按一下“同意”，讓谷歌直接來“創(chuàng)造魔法”，是不是可能？畢竟谷歌有這個獨特優(yōu)勢，恐怕比誰都更有條件這么做。你們在 Labs 里會不會考慮這個方向，或者說這在技術(shù)和隱私層面行得通嗎？

Josh Woodward：我們在內(nèi)部做過一些小范圍的嘗試，比如團隊成員自己自愿把所有數(shù)據(jù)都“交給”AI，讓它去做整合，看看能不能打造一些強大的功能。我想在 Gemini 應用里，未來你也會看到類似的選項，可以把不同服務鏈接起來。 不過這里面也涉及到很多探討，比如哪類數(shù)據(jù)最有價值、最有趣，以及如何確保用戶對數(shù)據(jù)的掌控感。這些方面都需要不斷試驗。 你問“如果谷歌知道你的一切，那能給你帶來什么體驗”？我舉個例子，對我自己來說，當 AI 能讀取我所有數(shù)據(jù)時，就像獲得了一個真正意義上的“第二大腦”。之前我們就一直在談各種“輔助思維工具”，但現(xiàn)在你會發(fā)現(xiàn)，如果有足夠長的上下文，尤其是 Gemini 模型那種可以處理大段對話歷史的能力，你就真的可以獲得近乎于實時的“記憶”。我們現(xiàn)在也會思考怎么把這些能力用到 Mariner 里去。

主持人：我有個關(guān)于元話題的問題。為什么好像所有研究實驗室?guī)缀踉谕粋€時間點都“收斂”到做“電腦使用代理”這件事了？這到底是純巧合，還是說某些技術(shù)正好在那一刻融合成熟？

Josh Woodward：這是個好問題。我不知道每個實驗室的具體緣由，但在創(chuàng)新史上確實常見“同時多點突破”。一旦出現(xiàn)了一個全新范式，很多人都會意識到它的潛力。另外，也可能有人從這家實驗室流動到那家實驗室，產(chǎn)生交叉授粉。就跟代碼助手類似，或者 agent 概念也是一下子冒出很多項目。對我們來說，這既讓人覺得“百花齊放”，也讓大家如履薄冰。我們得保持“弱者心態(tài)”，隨時準備應對競爭。

六、跨界人才與產(chǎn)品開發(fā)

主持人：你們還會招更多像作家這樣的跨界人才嗎？我想到了作家 Matt Ridley，他也寫過不少關(guān)于“相鄰創(chuàng)新”之類的內(nèi)容。你們團隊之前招了 Steven Johnson——他為什么會來？之后會不會繼續(xù)找更多沒有傳統(tǒng)產(chǎn)品或研究背景、但卻能帶來新思路的人？

Josh Woodward：可以啊。先說說我們是怎么把 Steven 招進來的：當初重啟 Google Labs 的人叫 Clay Bavor，他也是你的老朋友，對吧？我和他都是 Steven Johnson 的忠實讀者。他幾十年來一直在探索“理想的思維工具”。于是 Clay 給他寫了一封“冷郵件”，我們也在他的 Substack 上留言，說“我們真的很喜歡你的作品，想不想直接來和我們一起做你一直想做的那款思維工具？”那大概是 2022 年夏天，還沒爆發(fā) ChatGPT 這樣的熱潮。Steven 接到電話就說：“好啊，干！” 然后他就來了，最初的職位是“訪問學者”，我們甚至得去和 HR 協(xié)調(diào)，創(chuàng)建一個從未有過的編制，因為這在谷歌是非常不常見的做法。就這樣，之后他就跟我們一起打造 Notebook LM。 我們現(xiàn)在也會去招音樂人，正在琢磨怎么邀請“訪問電影人”之類的角色。我覺得這是個好模式，我們也希望與行業(yè)中真正的專業(yè)人士共創(chuàng)，而不是自己關(guān)起門來做出一個“AI 小玩意兒”然后扔出去。你和像 Steven Johnson 這樣寫過十幾本書的大作者一起合作，他就會特別注重文獻來源、注釋引用的準確性，這些想法也就體現(xiàn)在 Notebook LM 里。我們在音樂、視頻、工業(yè)設計等其他領域也用類似方法去找合適的跨界伙伴。

主持人：那在 Labs 做出產(chǎn)品后，你們的目標是把它們從小做到大，甚至做到全球十億用戶的獨立產(chǎn)品，還是說找準產(chǎn)品—市場契合度后，再把它整合進谷歌的核心業(yè)務里？

Josh Woodward：起初，我們確實是打算把項目做成熟后畢業(yè)到谷歌大部門，比較像傳統(tǒng)孵化器的思路。后來發(fā)現(xiàn)實際情況會多樣化，比如 AI Studio 和 Gemini API 我們把它們轉(zhuǎn)移到 DeepMind 去了，但 Notebook LM 我們暫時還想放在 Labs，繼續(xù)以實驗和獨立產(chǎn)品的方式去發(fā)展。 現(xiàn)在我們很多項目都是朝著“真正打造一門可持續(xù)的生意”的方向努力，然后才去考慮是不是要繼續(xù)獨立運營，或者干脆停掉。我們最理想的是能讓它自己“起飛”，形成規(guī)模化業(yè)務。但如果做著做著發(fā)現(xiàn)不行，我們也會在可能 100 天左右就果斷止損，轉(zhuǎn)而去做下一個想法。

主持人：你之前提到，你們也會有一些自上而下的規(guī)劃，比如挑哪些“池塘”去“釣魚”。2025 年，你們最看好的“池塘”在哪里？現(xiàn)在打算在哪些方向招聘、在哪些地方跟 DeepMind 合作？

Josh Woodward：嗯，剛才聊到的 Agent、生成式視頻、Mariner 之類，我覺得都很關(guān)鍵。但我們團隊還有個視角：我們有一份名為“Labs 未來合集”的文檔，里面有 82 個對未來的預測。做預測總是有風險，但那是一次有趣的團隊頭腦風暴：想象我們坐在這兒，天花板突然打開，有個太空艙降下來把我們送到 2028 年，讓我們在那里觀察 5 分鐘，再把我們帶回現(xiàn)在，然后把所見所聞都寫下來。 比如我們會寫“知識的未來會怎樣？”其中有個預測說，知識在未來會是“無限可重混”的：所有輸入都可以被轉(zhuǎn)換，再輸出成任何形態(tài)。如果你相信這一點，就會基于這假設去打造相應的產(chǎn)品。 當然，回到你剛問的，比如我覺得今年或明年是視頻的關(guān)鍵節(jié)點，Agent 也會有巨大潛能，還有編程也將在今年出現(xiàn)新的重大飛躍。我們現(xiàn)在就很關(guān)心這幾個方向。

主持人：你們在 Labs 里也做編程工具嗎？

Josh Woodward：是的。谷歌現(xiàn)在有 25% 的代碼由 AI 生成，這是一位副總裁 Jeff Te 在內(nèi)部說過的，而且這個數(shù)字還在快速上漲。 對我們來說，這里也分兩條路：“降低門檻”讓不會寫代碼的人也能寫；或者“抬高上限”讓專業(yè)工程師產(chǎn)能提升十倍甚至百倍。 舉個有意思的例子：Replit 最近也推出過 Agent 功能。前幾個周末，我陪我讀四年級的兒子一起做一個家務活記錄 app，好讓我們家執(zhí)行日常打掃。他只花了 28 分鐘加上 45 美分，居然就做出個能每天用的應用。整個過程特別神奇。這也顯示了“軟件在 AI 幫助下可以極大降本提效”。我們也在內(nèi)部做很多類似嘗試。

七、被低估的AI領域

主持人：你覺得 AI 現(xiàn)在有什么被“炒過頭”的地方嗎？

Josh Woodward：我希望大家別都死盯著“聊天界面”這一種形式了，感覺到處都是 Chatbot，谷歌也不例外。還有就是很多產(chǎn)品在想辦法“硬塞”AI 進去，我覺得 AI 本身有被過度炒作的成分。希望人們能更精細地思考該如何真正利用 AI 的破壞性潛力，而不是簡單給現(xiàn)有產(chǎn)品強行加個 AI 功能。 另外這種熱潮也很像 2007 年 iPhone 發(fā)布后，2009 年 App Store 里的很多熱門應用要么是把網(wǎng)頁內(nèi)容“縮小”移植到手機上，要么就是手電筒 app、放屁聲 app 之類。我們正處在類似的階段，真正徹底改變?nèi)藗冃袨榉绞降漠a(chǎn)品，可能還要到接下來的一兩年甚至更長時間才出現(xiàn)，就像后來的 Uber、Airbnb、Instacart 等等。

主持人：在“被低估”的領域吧, AI 里，你覺得哪些領域值得更多關(guān)注？

Josh Woodward：我還是先再強調(diào)一下編程，因為如果有一個 AI 能寫代碼、能自我修正、能遷移，還能不斷迭代，你就會發(fā)現(xiàn)我們現(xiàn)在所謂的“發(fā)展快”可能還只是開始。 另外，我覺得我們還沒真正理解“長上下文”或“無限上下文”意味著什么。它和個性化有關(guān)，也和 Agent 之間的鏈式交互有關(guān)。谷歌內(nèi)部對這一點投入很大，因為我們覺得讓模型擁有足夠廣闊和持久的“記憶”，可以開啟很多新可能。 再有就是“品味”的問題。我認為真正的價值會在應用層，如果你相信未來會充斥一些 AI 生成的粗糙結(jié)果，那么好設計、好審美就會被凸顯。有人類參與的創(chuàng)作可能會變得更珍貴，就像手工藝品。有點類似的，還有真實性和真?zhèn)闻袛啵@些都可能比今天更重要。

主持人：剛才你提到長上下文讓我想起一個類比：我們和配偶之間，因為長時間的相處和了解，很多時候只要一個眼神就能交流，知道什么時候該離開派對、什么時候做別的事情。如果一款 AI 能與你共享幾乎無限的上下文，也許就能接近這種默契程度?？赡憧纯次覀儸F(xiàn)在——還要在一個文本框里拼命打字。而且這背后還需要海量的記憶和數(shù)據(jù)來支撐，所以我覺得這點特別能挖掘。

Josh Woodward：是的，這就好比公司里一位經(jīng)驗豐富的老員工離職時，那些積累多年的知識、經(jīng)驗和人際關(guān)系也隨之流失。但如果有AI能夠幫助保存這些寶貴的工作記憶和人際網(wǎng)絡信息，這種損失就能大大減少。同樣的道理，無論是在個人關(guān)系還是工作關(guān)系中，AI都能夠長期記住那些你們之間的互動歷史、共同經(jīng)歷和重要細節(jié)。

星標公眾號， 點這里 1. 點擊右上角 2. 點擊"設為星標" ← AI深度研究員 ? ← 設為星標

原文鏈接：https://www.youtube.com/watch?v=3-wVLpHGstQ&t=2753s

來源：官方媒體/網(wǎng)絡新聞

排版：Atlas

編輯：深思

主編：圖靈