在科技行业的激烈竞争中，一家曾占据领先地位的科技巨头，曾一度面临被时代快速发展的浪潮甩在身后的困境。DeepMind首席技术官、Google首席AI架构师Koray Kavukcuoglu在一次访谈中，罕见地揭开了Google在过去两年里真实的追赶历程，这一过程并非聚焦于参数的堆砌或模型“神迹”的展示，而是深入探讨了如何在庞大的企业架构中重新激发创新能力、优化工程流程、强化组织协作，并将技术切实转化为具有市场竞争力的产品。
访谈中，Koray坦言，Gemini项目的启动，源于一个令人警醒的认知——Google在大型语言模型（LLM）的起跑线上，已经远远落后于竞争对手。这一认知并非轻描淡写的自我评价，而是基于对行业现状的深刻洞察。它促使DeepMind摒弃了过去十年的自信，转而从最基础的用户使用场景出发，重新构建训练方式、产品开发策略、工程实施路径以及组织协作模式。
Gemini 3在中国用户中获得的积极反馈，成为了一个引人注目的案例。用户形容其“像Windows XP一样稳定好使”，这一评价背后，是Google在模型、用户界面（UI）和任务链路整合上的重大突破。过去，大模型虽展现出高智商，但在实际应用中却显得不够“好用”。Gemini 3则通过优化用户界面、稳定任务拆解、提升模型对人类意图的理解能力，以及让产品团队从训练阶段就深度参与模型设计，实现了模型与真实用户数据的直接反馈循环，从而显著提升了用户体验。
面对外界对Google在基准测试（benchmark）中成绩起伏不定的批评，Koray指出，主流基准测试正逐渐接近其自然上限，无法全面反映模型在真实世界中的表现。学生写作、科学研究、专业翻译、复杂跨语境对话等场景，远非一个固定测试集所能涵盖。因此，Google将模型的最终价值评估标准，从“得分”转向了“能否有效帮助用户完成任务”，这一转变标志着Gemini的第一性原理发生了根本性变化。
从Gemini 3开始，Google明确了三个核心能力方向：指令遵从、国际化能力和工具调用与代码执行。指令遵从要求模型能够无歧义地理解和执行用户的真实意图，这对提升用户体验至关重要；国际化能力则强调模型需理解全球不同文化语境，而非仅限于翻译能力的延伸；工具调用与代码执行则是未来智能体的基础，要求模型不仅能理解问题，还能执行任务、运行工具链，处理工程环境中的真实任务。这三者共同构成了Google的“Gemini设计哲学”——智能源于“可靠的执行”，而非“更聪明的对话”。
在多模态模型领域，Google虽拥有强大实力，但其智能体（Agent）的初期表现却不尽如人意。Koray解释称，实验室中的视觉理解研究，与真实用户需求驱动的Agent场景存在巨大差异。真正的Agent能力，源于创作者的任务链路、学生的写作流程、工程师的工具调用模式以及商业用户的复杂需求。Google选择了一条与OpenAI不同的路径——以真实用户需求为优先，而非依赖酷炫的演示来驱动Agent能力的发展。
Gemini 3的成功，得益于模型、产品、工程和安全团队的首次全面整合。过去，这些团队往往各自为战，模型训练完成后才由产品团队接手，安全审核和工程部署则分别在后续阶段进行。而今，产品团队从训练初期就深度参与，安全成为训练目标而非后置规则，真实用户数据直接反哺模型，使用成本、延迟和推理路径在训练阶段就得到优化。这一统一体系的构建，为Google在2024至2025年的反超奠定了结构性基础。
在图像模型领域，Nano Banana Pro的突破并非体现在“画图变好看”，而在于其“理解世界结构”的能力。该模型能够理解PDF、表格、图表等复杂文档结构，具备结构化的视觉推理能力，并能生成“概念一致的信息图”。这一突破标志着多模态模型向真正理解世界迈出了重要一步，也为Agent的未来发展提供了有力支撑。
Koray强调，多模态模型不仅是功能的简单叠加，更是通往“世界模型”的入口。文本、视觉和音频分别代表了线性、空间和时序的感知维度，真实世界需要模型同时具备这三种感知能力。因此，Google在推进统一多模态模型上的坚持，源于对理解世界基础的深刻认识。
统一模型的构建并非简单地将视觉功能融入语言模型，而是一场深刻的架构革命。文本和图像的输出结构截然不同，训练方式、损失函数、优化器和token化方式均需重新发明。这一工程极限的突破，体现了Google在技术创新上的不懈追求。
DeepMind的文化基因，由科学心态、谦逊和协作能力三部分组成。科学心态强调所有问题应回归实验与学习，而非依赖既有路径；谦逊则体现在对未知领域的敬畏和持续探索的勇气；协作能力则使团队能够从撰写论文的小规模合作，扩展到推进单一模型的大规模协作。这一文化结构，在Google从科研向工程、从工程向产品转型的过程中发挥了至关重要的作用。
规模既是Google面临的挑战，也是其最大的武器。随着规模的扩大，保持一致性变得愈发困难，但规模本身也构成了强大的推进力。Google能够同时推进统一模型、多产品落地、跨部门协作、全球化数据管线以及超大规模训练与部署，得益于其世界上最成熟的基础设施链路。这一链路的重启，为Google的攻势注入了新的活力。
在安全策略上，Google与OpenAI的最大差异在于方式而非严格程度。Google将安全视为训练能力的一部分，而非训练后添加的过滤器。这一策略天然适配Google的基础设施规模，为模型的可靠性提供了有力保障。
面对统一模型与专用模型的路线选择，Koray表示，这不是意识形态问题，而是效率问题。未来，统一模型与专用模型将并存，Google的策略是使用合适的工具完成合适的任务，而非坚持单一范式。这种务实态度，体现了Google对市场需求的深刻理解。
Google的真正底气，源于其基础设施的重新激活。Koray指出，智能规模化并非依赖天才算法，而是依靠强大的管线支持。能够训练、部署、迭代、处理全球数据并保持安全一致性的，是基础设施而非算法本身。这一认识，为Google在大模型时代的竞争中提供了坚实支撑。
对于未来模型的路线，Google保持着开放和不确定的态度。Koray坦言，“我们不知道最终配方”，扩参、统一模型和多模态均非终局答案。这种“带着不确定性继续前行”的姿态，使Google在追求AGI的道路上显得更加稳健和长远。
Google的下一阶段目标，将聚焦于深层推理、多步任务执行和复杂场景中的鲁棒性。从“会回答”到“会行动”，这是整个行业的共同方向，而Google则给出了相对清晰的内部路径。这一转变，标志着Google在AI领域的探索正迈向新的高度。
在Gemini的诞生过程中，Google展现出了全公司规模的“科学工程项目”实力。训练、数据、工程、产品、安全和协作等环节的重新对齐，构成了Gemini成功的基石。过去两年，Google并未寻找捷径，而是致力于恢复一个体系应有的速度和一致性。随着这些基础的稳固，一个属于Google的节奏也重新显现。
