<mark id="oztn4"></mark>
0
| 本文作者： 鄭佳美 | 2025-11-21 11:46 |
在人工智能競爭全面升溫的當下，Gemini 3 的登場無疑再次把 Google 推上了聚光燈的中心。
這一代模型上線后也是迅速引發技術圈熱議，無論是推理、多模態處理，還是工具調用的穩定性，都展現出顯著的提升，被許多人視為 Google 近年最穩健、最成熟的一次升級。
在熱度持續攀升的同時，Google DeepMind CEO 德米斯·哈薩比斯接受了一場訪談，系統談起了 Gemini 3 背后的研發過程，并談到團隊正在推進的能力、內部仍處于原型階段的方向，以及 Google 心中下一代智能體的樣貌。
隨著訪談逐步展開，話題從模型能力的強化延伸到更具前瞻性的主題，包括記憶與個性化系統、工具級代理的應用方式、Antigravity 在開發生態中的定位、內部高成本模型的試驗現狀，以及多模態在醫學與科研領域的潛在價值等，細節中透露著 Google 內部對模型演進的真實判斷。
對此，AI 科技評論將訪談內容做了不改變原意的編譯：
播客地址：https://podcasts.apple.com/us/podcast/the-state-of-ai-with-rowan-cheung/id1689006106
主持人：Dennis，非常感謝你在百忙之中抽出時間來和我們對談。今天我們想把焦點放在 Gemini 3，也就是 Google 目前最先進的旗艦模型上。如果只能用一句話概括，你認為這次發布的意義究竟體現在哪里？
哈薩比斯：如果只能說一句話，我會認為它的重要性在于，它延續并進一步強化了過去幾年 Gemini 一直堅持的技術發展方向。這一代模型在整體表現上的進步讓我們非常振奮。
我相信用戶在實際使用時也會相當意外，因為從各種基準測試到不同類別的任務，我們幾乎在每一方面都看到全面提升，包括推理能力、工具使用的穩定性與可靠性、語言表達的準確度與創造力等，每個維度的加強都十分顯著。
主持人：假如我們把時間撥回到 Gemini 2.5 發布的那一刻，再和現在的 Gemini 3 相比，這段時間里出現了什么關鍵突破，使得模型在基準測試中達到了如今的水平？
哈薩比斯：我們在許多層面投入了巨大的努力。2.5 作為前一代模型已經非常成熟，不論是在開發者生態，還是在各類 Gemini 應用中的表現都相當令人滿意。不過我們并不滿足于此，在許多核心能力上仍希望繼續前進。
例如工具調用的準確度、使用過程的一致性與穩健性，這些都是用戶極為依賴的部分。對編程和技術工作者而言，這類能力直接決定體驗質量，同時對一般推理任務和日常用戶的使用也有極強的影響。
除此之外，我們也花了很多時間去優化模型的風格、表達方式以及人格特質。我們希望它的對話風格能更加直接、更加清晰，也更專注于用戶真正的需求，同時又能讓人感到自然可信。
根據內部的廣泛測試，新版本的模型在交流體驗上比以往更輕松愉快，許多測試者表示愿意與它保持更長時間的互動，因為新的表達方式更貼近真人交流。
主持人：在編程和推理方面的提升確實很突出。但對那些并非開發者的普通用戶來說，他們已經習慣了以往的 Gemini，用了新的版本后他們會突然發現哪些今天還無法做到的事情呢？
哈薩比斯：這要看每位用戶的具體使用方式，不過在我們覆蓋不同領域的測試中，幾乎所有類型的體驗都出現質的躍升。舉例來說，如果你用它進行頭腦風暴，它會提供更加多樣、更加精準，也更符合語境的建議。
在編寫代碼時，它能更迅速掌握你的意圖，也能更可靠地處理復雜邏輯，從而減少來回溝通。在創意寫作、文本潤色、材料總結和日常輔助等常見任務里，新的模型不僅在準確度上明顯提高，語言的自然度和流暢度也大幅增強，整體給人一種智慧水平明顯上升的感覺。
在交流風格上，新的模型更加自然，回應的節奏更像人與人之間的真實對話。在工具使用方面，你會感覺它在后臺處理的步驟更多也更細致，對于搜索等工具的運用更加恰到好處，而隨著工具調用的穩定度與可靠性顯著提升，呈現給用戶的最終內容也更加準確可信。
總的來說，如果你是一般的 Gemini 用戶，你會很直觀地感受到它在各個方面都變得更強、更聰明、更好用，也會更愿意讓人持續與它保持對話，因為它帶來的整體體驗更順暢，也更令人信賴。
主持人：我注意到這次的發布信息中并沒有特別提到記憶功能，這一點讓我格外好奇。Google 在跨產品生態上的優勢非常明顯，從 Gmail 到 YouTube，再到地圖和其他服務，你們擁有海量用戶數據和極大潛力的整合空間。
坦白說，如果要找一個最能吸引我持續使用 ChatGPT 的理由，那就是它近期加入的小型記憶功能，這對我個人體驗的提升非常顯著。那在 Gemini 的長期規劃里，你們對于類似能力的推進是如何思考的？
哈薩比斯：我們目前在個性化、記憶能力以及長期上下文理解這幾個方向上都投入得非常深入。我認為這會是我們進入 Gemini 3 時代之后的核心主題之一，換句話說，我們正集中力量強化這些能力，并會在接下來逐步展示更多實際進展。隨著 Gemini 3 系列進一步完善，你會看到我們在這些領域展開更多討論與揭示。
當然，現在亮相的還只是模型家族的一部分，未來還會繼續擴展。我們已經在模型內部預置了許多能力與潛在結構，會在之后逐步向用戶和開發者開放，讓他們能夠在實際產品和開發接口中真正用到這些增強功能。
這些方向的推進將包括更深入的個性化體驗，使模型能夠逐漸理解用戶的長期偏好與習慣。同時，它也會更緊密地連接到 Google 的各項服務，例如 Gmail、日歷等。事實上，你現在已經可以看到一些初步的整合效果，不過那只是整體規劃中極小的一部分，未來的藍圖要比現階段呈現的豐富得多。
Gemini 3 的能力基礎已經足以承擔這一系列大規模推進的任務，而模型在工具調用與工具使用方面的穩定性和可靠度，也將成為它能夠安全連接外部服務的根本條件。
主持人：從基準測試和整體表現來看，它顯然實力非常強。我只是覺得它似乎來得有些晚。我本身是 ChatGPT 的重度使用者，而 Gemini 在不少基準中領先，又擁有 Google 的龐大生態作為支撐。我理解你無法給出精確的時間表，但能不能給一個大致的范圍，關于真正意義上的記憶能力什么時候會在 3.0 系列中開始推出？
哈薩比斯：我們目前在內部不斷測試各種設計與方案，并且在不同方向上反復迭代。當這些能力經過充分打磨，我們對它們的穩定度與可靠性都感到足夠放心時，我們會盡快對外公布。我們非常清楚用戶對此的期待，也知道記憶能力對用戶體驗有多重要。
與此同時，我們也在推進更高效的模型版本，包括體量更輕但性能仍然保持在高水準的版本。這樣才能在全球范圍內以更低的成本提供大規模服務，也讓更多用戶能夠受益?，F在我們正在進行的各類原型實驗非常令人振奮，而你很快就會看到這些努力逐漸轉化為實際成果。
另外還有一點，我必須特別強調，那就是這次的新模型在多模態方面的表現給我留下了極深的印象。你知道，Gemini 一直在多模態領域處于領先地位，無論是跨模態推理、跨模態理解，還是圖像與文本的聯合生成，都一直保持著頂尖水準。像圖像分析、視頻理解、復雜結構識別等任務，上一代的表現就已經非常優秀，而這一次我們又進一步把這方面的能力整體提升到全新的高度。
我相信普通用戶在日常使用中會明顯感受到這些多模態能力帶來的直接提升。隨著時間推進，我們也會把這些能力更深入地整合到更多產品和場景中，例如 YouTube、AI Studio 以及其他類型的應用。未來你會看到它們逐步落地并真正發揮作用，而這些新的多模態能力會讓用戶體驗到許多過去無法實現的交互方式，我對此充滿期待。
主持人：我也非常期待能夠全面測試它，并看看全球的開發者與用戶會用這些模型創造出什么樣的成果。同時，除了 3.0 這一代的新模型，你們這次還推出了 Antigravity，一個全新的智能代理開發平臺。
從介紹來看，它的定位幾乎像是讓每位開發者都擁有一位專屬的 AI 同事，能夠同時在編輯器、終端以及瀏覽器環境里協助完成任務。但在你看來，相較于目前市場上那些已經頗為成熟的智能編碼工具，Antigravity 最大的差異和價值體現在哪里？
哈薩比斯：我認為 Antigravity 會在未來持續快速演進，不過我們的核心理念自始至終都非常明確，那就是從智能代理的角度重新想象整個開發體驗。
我們在問自己一個根本性的問題，如果讓智能代理成為開發的中心角色，那么一個真正理想的 IDE 應該呈現出怎樣的形態。我們對于 Gemini 的長期發展方向有非常清晰的路線圖，而 Antigravity 正是其中不可或缺的關鍵結構。
同時需要強調的是，在 Antigravity 的體系中，你完全可以使用不同的模型，它并不依賴于單一的選擇。我們真正想實現的，是從底層重新構建一個圍繞代理能力運作的開發環境，讓所有功能與交互都能夠自然圍繞智能代理而展開。
負責這個方向的團隊中有許多來自過去構建復雜編輯器工具的專家，例如原 Windsurf 團隊的成員，他們在相關領域的經驗與專業程度極具深度，這為我們重新設計開發工具提供了強大的基礎。
我們對這一方向真的相當興奮，目前在 Google 內部已經有很多團隊在實際使用 Antigravity，而這是我們推動任何開發工具時最重要的第一步。內部工程師普遍反饋，使用它的體驗十分順暢，效率提升非常顯著，這讓我們更加確信我們正在朝著正確的方向前進。
不過我認為，我們現在所看到的仍然只是整個旅程的開端。隨著模型能力不斷增強并變得更可靠，我們也必須重新思考專業開發者真正需要的完整開發體驗究竟是什么。這不再僅僅是為了輕量的工具愛好者，而是面向專業工程師的深度開發生態。
專業開發者在他們的環境中真正需要什么樣的協作支持、自動化流程、代碼洞察與問題診斷？Antigravity 是我們第一次嚴肅地試圖回答這些問題，并據此構建一套完整的路線圖。
與此同時，我們還有 AI Studio，這對于個體開發者、興趣創作者以及一般用戶來說可能是更合適的入口。未來我們會根據用戶的專業背景、團隊規模、使用場景以及協作復雜度，提供不同方向的產品界面與工具組合。我相信 Antigravity 會成為其中非常關鍵的一部分，也會讓專業開發者感到真正的興奮。
主持人：所以整體來說，Antigravity 的定位確實更加貼近專業開發者，而不是那種偏向體驗性質的輕量化編碼方式？
哈薩比斯：目前的確如此，我們最主要的目標群體是專業開發者。不過我們同樣希望未來能夠讓不同層級的開發者都能從中受益，無論是剛入門的初學者、興趣驅動的業余開發者，還是經驗豐富的資深工程師，都能夠在這個體系里找到適合自己的方式。
主持人：說到你們內部大規模使用 AI 工具，我有一個長期以來的疑問。我聽說 Google 內部已經在大量場景中依靠 AI 生成代碼。
那么我很好奇，你們是否擁有一些外界無法使用、只對內部開放的模型或工具，讓你們能在正式發布前提前受益。你們在推出新功能之前，通常如何在內部測試這些工具？是否會有一些功能為了保持領先優勢而暫時只在內部使用？
哈薩比斯：我們內部確實一直運行著許多額外的實驗模型和工具，同時也有一些因為技術難度或成本問題還無法立即面向大眾開放。
舉一個比較典型的例子，像 Genie 就屬于目前暫時無法大規模公開的能力。我們當然很希望能讓所有用戶都順暢使用它，但現階段它的推理與服務成本仍舊非常高，不太適合在全球范圍內同時運行。我們正在研發更高效的版本，希望能逐漸把成本壓低到可以面向更廣泛用戶開放的程度。
還有一些深度推理類的模型，目前也只能在 Ultra 等高端層級中使用，原因同樣是它們的資源消耗極其昂貴。我們正在不斷優化它們的執行效率，目標是把它們的成本降低到能夠為更多用戶提供服務的水平。
所以整體來說，這并不是我們刻意保留某些能力，而是受到算力、硬件以及物理資源的限制。只要我們能夠在合理成本下部署某項功能，我們通常都會盡快把它開放給所有用戶。限制我們的不是策略，而是現實條件。
當然，在研究層面，我們內部始終進行著大量探索。這是一個頂尖前沿研究實驗室的日常狀態。我們的研究范圍既廣且深，可以說在全球范圍內都非常領先。
我們不斷尋找下一個重大突破，例如類似 AlphaGo 或 Transformers 那樣的根本性技術躍遷。世界模型就是其中一個面向未來的重要方向，我們在這方面持續進行大量實驗。當它們足夠成熟，具備穩定可靠的表現時，我們就會把這些能力帶給用戶。而在此之前，它們會以內部原型的形式不斷迭代和完善。
除此之外，我們在硬件與軟件交互方面也保持著積極探索，例如眼鏡助手等未來型產品。這類產品都會在內部經歷很長時間的測試和打磨。只有當我們覺得它們真正準備充分，才會正式呈現給全球用戶。
主持人：我注意到你們的發布節奏似乎越來越快了。3.0 一上線就直接進入搜索，這在以前從未發生過。我很好奇，你們現在如何看待發布速度這件事？
哈薩比斯：你的觀察非常準確，這確實是我們正在大力推進的一項核心目標。我認為 2.5 是一個特別關鍵的節點，那是我們第一次把世界模型快速深度整合進 Google 的核心產品體系。
你在開發者大會上看到的那些展示，當時很多人都對整合速度感到震驚。而到了 Gemini 3，我們再次把節奏提升到更高水準，一開始就直接在搜索和 AI 模式中上線。這是我們過去幾個月非常集中精力在優化的方向。
如果你把 Google DeepMind 看作 Google 的技術發動機，那么我們的職責就是確保所有主力產品都能被這些模型加速、增強和重塑。Google 擁有一個龐大、深入日常生活的產品生態，從地圖到 YouTube，再到搜索與 Workspace，這些產品每天都觸達數十億用戶。
我們的目標就是把 Gemini 及其背后的各項能力持續注入這些產品中，讓用戶能夠在生活和工作中直接感受到模型帶來的升級。現在這種正向循環已經開始出現。我認為我們大概走到這段路程的中部，前面還有許多令人期待的發展空間，而且我們完全有信心繼續提升整合速度。
搜索是一個很典型的示范，它展現出我們理想中的技術整合方式。而接下來，我們要讓整個產品體系都朝這個方向持續推進。
主持人：說到真正具有規模影響力的產品，Gemini 應用的月活躍用戶最近已經達到六億五千萬了，先恭喜你們取得這樣的成績。
哈薩比斯：謝謝，我們對這個數字確實感到非常自豪，這代表著有越來越多的人在日常生活里真正使用并依賴這些能力。
主持人：在這樣的用戶規模下，我很好奇，除了大家已經很熟悉的編碼場景之外，你們有沒有觀察到哪些使用方式特別突出，已經在普通用戶當中被大范圍采用了？
哈薩比斯：其實我們在數據和反饋里看到了非常多有趣的趨勢。我個人認為，多模態能力是 Gemini 應用最核心、也最具差異化的優勢之一。比如說 Nana Banana 這個功能上線之后，就明顯帶動了一大波用戶增長。
用戶用它做的事情非常多樣，從替家人策劃一場驚喜生日派對，到為某些國家或地區設計具有在地特色的小雕塑，再到創作連續分鏡的漫畫故事，各種創意層出不窮。
這些都依賴于多模態能力把圖像、文字甚至視頻結合起來，打開了很多過去根本無法想象的應用空間。Gemini 在視覺理解、圖像生成、視頻分析等跨模態任務上的表現非常突出，而這些特性也讓它在實際使用中呈現出越來越多新穎的玩法。
我們還注意到，在健康和教育相關的需求上，用戶的熱情和頻率都非常高。因此我們正在這些方向上大力投入，希望能夠真正做到行業的一流水準。我相信，在這些領域里，Gemini 3 會成為一個非常重要的基礎平臺。
就我個人的日常習慣來說，我非常喜歡用 Gemini 來做頭腦風暴。不論是給一個新項目取名，還是請它幫忙檢查某個想法是否站得住腳，它都能以很高的效率給出有價值的反饋。Gemini 應用在這一類創意和思考輔助上表現得格外出色。
主持人：你剛才提到的一個點讓我特別感興趣，就是你認為 Gemini 有機會成為健康領域的基礎平臺。能不能多談一點這部分的設想。畢竟你的背景里在醫療和生命科學方面有很多經驗。
哈薩比斯：當然可以。其實在這個方向上，我們已經有不少具體項目在推進，例如 Co Scientist 這一類幫助科研和實驗流程的工具。我們還有一個名為 Amy 的醫學診斷系統，由更偏研究導向的團隊負責開發。我們的目標是，未來能夠把這些分散的能力逐步整合進完整的 Gemini 架構中。
我希望科學家和研究人員今后可以把 Gemini 用作一個真正的思維伙伴，幫助他們激發新點子、組織研究流程以及分析復雜問題。在我看來，Gemini 3 已經提供了一塊足夠堅實的基礎，可以支撐這一類嚴肅的應用場景。
接下來你會陸續看到，這些能力會在不同版本的 Gemini 3 中逐步釋出，包括更加面向深度研究和深度推理的系統，它們都是在 Gemini 3 的整體結構之上繼續延伸出來的。
由于 Gemini 3 在推理和工具調用方面的可靠性大幅提高，它在引用資料、理解學術論文以及梳理專業知識結構時的表現也會隨之提升。多模態能力恰好又是醫學和教育領域非常關鍵的要素。舉例來說，用戶可以上傳一張診斷相關的圖像，詢問它可能代表什么含義；或者給它一篇學術論文，要求解釋文中的圖表和文字之間的對應關系與邏輯結構。
在教育場景下，學生可能需要為一門課程設計一張海報，可以先輸出文字內容，再讓模型根據主題生成合適的視覺元素和排版建議。這類任務充分體現了多模態的價值。
我非常期待人們在這些場景中用 Gemini 3 做出更多前所未有的嘗試。而在整個過程中，Gemini 應用自然會成為最主要、也最直觀的入口。
主持人：對于這些方向我也感到非常興奮，尤其是醫療和教育領域。再往更遠的未來看一個問題，你們是否會考慮讓 AI 在主動性的預防醫療方面發揮作用？
哈薩比斯：在我們的科學團隊和健康團隊內部，這確實已經是正在研究的方向，也就是構建一個真正意義上的醫療級系統。這樣的系統通常需要嚴格的監管審查和非常高的安全標準，必須保證極高的可靠性才能投入實際使用。
顯然，Gemini 應用本身并不是醫療級工具，它更適合作為用戶的日常輔助。遇到健康問題，用戶仍然需要向專業醫生咨詢。但它確實有潛力在許多資源匱乏的地區發揮巨大作用，尤其是在缺乏基礎醫療或教育服務的區域。憑借 Google 的全球覆蓋能力與安卓生態體系，它們在這些地區已經承擔著關鍵的數字基礎設施角色。我相信 Gemini 能夠提供最基本層面的知識與輔助，對當地人產生實實在在的幫助。
與此同時，我們也會持續探索醫學助手或研究助手等更高層級的應用場景。但是這些用途都要求模型達到更高的可靠性門檻。Gemini 3 已經為此邁出了扎實的一步，但距離滿足醫療等高風險場景仍有很多工作要做。
醫學和科學研究是我個人非常關注的方向，我們希望 Gemini 能成為這些能力的核心底層，從而推動整個體系不斷向外擴展。我對 Gemini 3 的進步感到滿意，但這只是整個旅程的開端。如果我們希望模型真正能夠承擔醫療級角色，就必須進一步構建多層級的安全性與可靠性，而我們正在投入大量研究，以讓這一切成為可能。雷峰網
主持人：明白了。這確實會影響到數十億人的生活，我對此非常期待。接下來我們換一個角度，談談 Gemini 在現實世界中的實際使用場景，也就是用戶目前已經能夠做到的事情。
這次發布讓我特別注意的一項能力，是 Gemini 應用里新增的代理系統。這項功能允許你連接 Gmail 等服務。雖然過去 Gemini 也能訪問 Gmail，但如今的體驗完全不一樣。它不僅能為你列出步驟，更能直接替你執行任務，例如在 Gemini 中就能完成郵件發送。
隨著我們逐漸邁向一個更完整的人工智能時代，Gemini 看起來越來越像一個真正意義上的生活助理，幾乎嵌入到用戶的數字生活里。我很好奇，在你的設想里，這個數字同事的終極形態是什么。你會希望 Gemini 成為像 Slack 一樣每天必須打開、始終伴隨的獨立平臺？還是更希望它作為眾多工具中的一個？
哈薩比斯：我當然希望它能夠成長為那樣的存在。我們內部一直在構思一種通用助理，這也可以被視為未來形態的 Gemini，它能夠在用戶日常生活的每一個階段都發揮作用。
它不僅是你處理工作中復雜任務的最佳助手，也可以陪伴你在休閑、娛樂或探索興趣的時間里，為你提供建議、提出靈感，并與您展開自然、輕松、富有啟發性的交流。
同時，它不應該局限在單一設備上，而應以多種形態伴隨你出現。你可以在電腦上使用它，也可以在瀏覽器中調用它；你可以在工作中依賴它，也能在家中輕松與它互動。它會出現在你的手機里，并且未來很可能還會以下一代智能設備的形態存在，例如智能眼鏡。我非常確信這會是未來的方向之一。
要實現這樣的目標，最重要的基礎是一個真正強大的多模態模型。Gemini 的意義正在于，它能夠理解用戶所處的真實世界、實時情境，并具備調用外部工具的能力。起步階段我們會圍繞 Google 自家的應用展開，例如地圖、Workspace、電子郵件等，但最終它必須能夠連接任意工具，成為真正通用的智能體。
當這些能力成熟之后，我們將邁入一個全新的時代。那時，用戶會擁有一個像現實中最優秀私人助理那樣的數字伙伴。我們的愿景是讓這種幫助能夠普惠，讓每個人都擁有這樣的智能支持，而不是只有少數人可以享受。
這將深刻改善人們管理事務的方式，讓我們重新奪回時間與注意力，把更多精力投入在真正重要、有價值的事情上，而不是費時費力的重復性流程。這是我特別重視的目標，我相信 Gemini 正在為這個未來奠定深厚基礎。雷峰網(公眾號：雷峰網)
主持人：非常期待看到這一切的到來。謝謝你今天的分享。
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
