119
0📝 本期播客简介
本期我们克隆了：Google AI: Release Notes Koray Kavukcuoglu: “This Is How We Are Going to Build AGI”
原内容更新时间：Tue, 25 Nov 2025
本期节目由 Google AI 的 Logan Kilpatrick 主持，嘉宾是 Google DeepMind CTO、Google Chief AI Architect Koray Kavukcuoglu。两人围绕 Gemini 3 的发布展开讨论：模型为何在多个 benchmark 上达到前沿水平、用户反馈意味着什么，以及 AI 研究如何从实验室里的论文和指标，转化为现实世界中的产品能力。
这不仅是一场 Gemini 3 的发布复盘，也是一场关于 AGI 建设路径的深度对谈。Koray 反复强调，AGI 不会只靠某个封闭实验室里的纯研究诞生，而是要通过产品、用户反馈、工具调用、代码、多模态和全球协作，在现实世界中持续迭代出来。
节目还讨论了 benchmark 是否真的等于进步、为什么指令遵循和国际化同样重要、Vibe Coding 如何让更多人成为建设者、Google Antigravity 如何帮助模型获得真实信号，以及 Google DeepMind 如何在规模化推进 Gemini 与保持创新之间寻找平衡。
👨⚕️ 本期嘉宾
Koray Kavukcuoglu，Google DeepMind 首席技术官，同时担任 Google Chief AI Architect，负责推动最前沿的 AI 模型与 Google 产品之间的结合。他于 2012 年加入 DeepMind，是 DeepMind 的第一位深度学习研究员之一，此前曾在纽约大学 Yann LeCun 的实验室攻读博士，并与 Karol Gregor 一同加入 DeepMind。
Koray 长期参与深度学习、强化学习、Agent 和大模型研究，也见证了 DeepMind 从早期的小型研究团队，发展为参与 Gemini、AlphaGo、AlphaZero、AlphaFold 等重大项目的全球 AI 组织。他的独特之处在于同时理解研究、模型工程、产品落地和组织协作：他不把 Gemini 视为某一种固定架构，而是视为通过产品构建智能的长期目标。
⏱️ 时间戳
Gemini 3 发布：benchmark 之外，真正的检验是用户
Gemini 3 正式发布与用户反馈
AI 进展没有放慢：从 Gemini 2.5 到 Gemini 3
数据、预训练、后训练与持续创新
benchmark 如何随着 frontier 不断更替
什么才算 AI 的真实进步
HLE、ARC-AGI 2 与 GPQA Diamond 的变化
为什么需要不断寻找新的 frontier 和 benchmark
从科学家、学生到律师和工程师：现实使用才是进步
Gemini 3 要在哪些方向“爬山”
Gemini 3 的重点能力：指令、国际化与工具调用
指令遵循：不要回答模型自以为该回答的内容
国际化与非英语语言能力
Function calls、tool calls、Agent 与代码
Vibe Coding：让更多人从有想法变成建设者
产品如何反过来推动模型进化
Google Antigravity：新的 Agent 式编程平台
让模型直接向软件工程师学习
Search AI Mode、AI Overview 与产品反馈
benchmark 与现实世界信号如何结合
通过产品构建 AGI
Chief AI Architect 的新职责
两个头衔，其实是同一件事
新技术如何重新定义产品体验
“我们就是要这样构建 AGI”
工程思维、安全与全球协作
AGI 不是实验室独自完成的项目
Trusted-tested：把稳健性和安全放进工程流程
安全与安保从 pre-training 阶段开始
Gemini 3 背后的 Google 全球协作
Gemini 3 之后，模型还能如何变好
享受 Gemini 3，也要诚实面对不足
写作、编程与 Agent 行动仍有提升空间
Gemini 3 面向软件工程师与创意工作者
为什么 Gemini 早期没有在 Agent tool use 上领先
多模态模型与 Nano Banana Pro
生成媒体模型与 AGI 叙事
为什么文本曾经成为进展更快的领域
输入与输出多模态正在自然融合
Nano Banana Pro：从图像生成走向复杂文档理解
从研究实验室到工程系统
统一 Gemini model checkpoint 的目标
架构融合不能靠意识形态，只能靠科学方法
Output space 与 learning signal
硬件、模型、产品与服务的全栈协同
创新、文化与 Google 的追赶者心态
Koray 从 2012 年加入 DeepMind 讲起
“一切都押注在学习上”
科学探索与 Gemini 规模化之间的平衡
Gemini 最大的风险：失去创新
从追赶者走向 frontier AI 实验室
🌟 精彩内容
💡 AGI 不会只在实验室里被“发明”
Koray 对 AGI 的理解不是某个研究团队闭门攻关后突然交付的终点，而是模型、产品和用户共同参与的持续建设过程。产品越接近真实需求，模型获得的反馈信号就越丰富，研究方向也越清晰。
“我们就是要通过产品来构建智能。”
💡 benchmark 是地图，但不是全部的进步
Benchmark 能够把能力量化，也能帮助研究团队明确下一座“山”在哪里；但当模型接近或突破某个测试后，它就可能不再代表新的 frontier。真正重要的进步，还要看模型是否进入现实世界，并为不同职业、不同语言和不同任务提供更大价值。
“衡量进步最重要的标准，就是我们的模型进入现实世界，科学家用它们，学生用它们，律师用它们，工程师也用它们。”
💡 Vibe Coding 让更多人成为建设者
代码不再只是软件工程师的专属工具。借助自然语言和模型能力，拥有创意的人可以直接把想法变成可运行的应用，从“有想法”走向“能生产”。这意味着 AI 的影响不只是提高专业人士的效率，也可能扩大能够创造数字产品的人群。
“突然之间，你就让更多人成了构建者，开始做东西。”
💡 用户反馈是模型训练的一部分
Antigravity、AI Studio、Gemini app 和 Search AI Mode 不只是模型的展示渠道，也成为模型团队观察真实使用、发现缺陷和判断优先级的关键入口。模型只有与用户和产品紧密连接，才能知道哪些能力在现实里真正重要。
“直接了解用户非常重要。”
💡 Gemini 不是一种固定架构，而是一个持续追求的目标
Koray 不把 Gemini 等同于某一种永远不变的模型架构。Pro、Flash、Flash-Lite，以及未来可能出现的不同模型，都只是围绕速度、成本、准确率和能力取舍的具体实现。Gemini 真正要实现的是“智能”，以及让这种智能通过产品服务于全世界。
“Gemini 不是那个架构，Gemini 是你想要实现的目标。”
💡 Gemini 最大的风险不是规模不够，而是失去创新
即使模型已经在多个 benchmark 上达到领先，也不能因此认为已经找到了可以机械复制的配方。继续扩展规模固然重要，但新的架构、新的训练方法、新的研究方向和新的产品反馈同样不可缺少。
“Gemini 最大的风险，就是失去创新。”
💡 安全不是发布前最后加上的一层包装
在 Koray 看来，安全与安保必须从数据、pre-training、post-training 和发布候选版本开始，就成为模型工程流程中的核心指标。它应当像 GPQA、HLE 等能力 benchmark 一样，被持续测量、持续迭代，而不是产品完成后才补上的功能。
“我们会再次从工程思维出发，从底层、从一开始就考虑这些问题，而不是等到最后才加上去。”
💡 追赶者也可以把规模变成优势
Koray 坦诚讲述了 Gemini 从并非所有方向都领先，到逐渐进入 frontier 行列的过程。追赶并不只是模仿别人，还意味着学习已有方法、承认自己的不足，并在技术、流程、模型和组织方式上形成独有的解决方案。
“你得对自己诚实……不过，你得为自己做创新。”
🌐 播客信息补充
本播客采用原有人声声线进行播客音频制作，也可能会有一些地方听起来怪怪的
使用 AI 进行翻译，因此可能会有一些地方不通顺
