摘要

Google 的 AI 使用量在1年内增长50倍，从每月约10万亿 tokens 飙升至500万亿 tokens，背后是组织重建、基础设施扩容和产品需求激增。 这意味着在不计入其他供应商的情况下，地球上每个人每月对应超过5万 tokens。Kilpatrick 将其归因于2023年中 Google Brain 与 DeepMind 的合并、反复进行的训练与发布周期、TPU 扩容，以及 DeepMind 从基础研究转向产品化；关键在于这4个方面的“改进斜率”。
Kilpatrick 预计，随着容易获得的增益耗尽、结构性优势开始主导，头部模型将出现分化。 研究初期会趋同，因为“有人照亮了道路”，产品团队也在竞速，避免看起来落后；但从现在开始，“低垂的果实已经摘完”，改进难度上升，Google 的算力基础设施将变得更重要。Nathan 的反驳更接近投资者视角：如果 DeepMind 都认为下一前沿很难，那么训练第二梯队基础模型的前景会更加残酷。
即便前沿模型的经济学趋于集中，应用层的经济性仍异常有利。 Kilpatrick 称这是“人类历史上创办创业公司的最佳时点”：拥有10亿用户的巨头解决通用问题，创业公司则可以凭借速度、聚焦和更便宜的工具，攻入狭窄细分市场。Nathan 的证据是切实的——每月约1000美元的 AI 订阅能带来远高于成本的价值；一个 AI 辅助的电台广告项目报价约比原有流程低75%，但按他个人投入的每小时计算，项目收入约为3000美元。
Windsurf 事件暴露了供应商风险，但 Kilpatrick 认为 Google 的激励机制会推动其广泛且尽早分发 API。 他认为 Anthropic 在 Windsurf 与 OpenAI 合作后切断其访问权限，可以解释为将算力分配给可能的长期合作伙伴。对 Google 而言，Cloud 的使命、外部评测信号、竞争势能，以及10亿用户产品内部缓慢的模型迁移，都构成了不扣留最佳模型的“多层动机与博弈论”——这是一种预期，并不保证 Gemini 3 一定如此。
Gemini 2.5 Pro 最清晰的差异化在于驾驭长上下文，而不只是上下文窗口更大。 Nathan 用40万至50万 tokens 的代码库测试时，感受到了跨越式提升；Kilpatrick 提到 OpenAI 的 MRCR 八针评测，称最新的2.5 Pro“提升大致在20%左右”。他的解释是，推理能力终于让模型能够真正使用完整窗口，推动架构加载更多上下文，尽管 RAG 仍不可或缺。
推理模型正在把智能体架构变成移动靶：今天必需的脚手架，明天可能就会成为技术债。 模型正在“开箱即用地成为系统和智能体”，而 NotebookLM 的音频概览流程已经从14个以 Gemini 为主的阶段缩减至4个。实操建议是：为当前可靠性搭建结构化工作流，同时避免那些无法随着能力进入模型而简化的单向门设计。
扩散语言模型仅凭速度，就可能带来另一轮软件范式断裂。 Kilpatrick 认为其由粗到细的生成过程，比严格自回归写作更符合直觉，并表示如果这一范式在2年内胜出，他不会感到意外。Nathan 怀疑扩散模型最终可能更优，并指出 transformer 并非历史终点。质量、成本和性能之间的权衡仍未确定，但 Kilpatrick 称其已展示出的速度“快得难以置信”，而编辑工作流尤其适合这一范式。
Kilpatrick 认为，AGI 会以产品组装的形式被感知，而其中真实的人类视角仍将稀缺。 一个推理能力提升50%、长上下文提升50%，并能在恰当时机调用记忆的模型，可能先带来 AGI 般的体验，而不是等到某次发布让所有人一致同意“这就是 AGI”。但他写邮件和帖子时约95%完全不用 AI，因为能动性和声音很重要：“人们想要的是 Nathan 体验”，即使 NotebookLM 已能按需生成主题明确、制作精良的替代内容。

精读

1. 竞争先制造趋同，再制造差异化

Kilpatrick 将研究趋同与简单抄袭区分开来。推理能力就是一个例子：一旦某项创新及其所需的“一个数量级的投资”变得清晰，“有人照亮了道路”；竞争者可以吸收这一洞见，同时叠加各自已经在推进的独立押注。
产品趋同背后是更残酷的激励机制。AI“是当今全世界竞争最激烈的生态”，资本、人才、知识资本和执行速度高度集中；团队必须在长期差异化押注与短期声誉成本之间权衡，因为一旦缺少竞争对手刚发布的功能，就会立刻显得落后。
这种张力直接传导到 Google 的开发者平台：兼容性让其他供应商的客户更容易采用 Gemini，但每投入一单位精力追赶功能 parity，就意味着少一单位精力用于构建下一代 API 和模型能力。
Nathan 怀疑密集发布反映了协调后的准备就绪，但现实层面的反驳是：部分时间安排确实出于刻意协调，更多则是偶然。规模超过约20人的组织不可能在1小时通知后可靠地调整重大版本发布；“公司没有那么敏捷”，前沿实验室也一样。

2. Google 的反转来自组织重建，而非一次模型发布

Google 过去的分散化有其合理基础。Google Brain 进行广泛研究，产出了包括 transformer 在内的成果；Google Research 更偏应用，并将能力向上游输送到产品；DeepMind 则遵循 Demis Hassabis 对通往 AGI 路径的更具体判断。
一旦某条近期路径明显奏效，分散押注就从资产变成了负担。2023年中，Brain、Research 的部分团队与 DeepMind 合并；按照 Kilpatrick 的说法，这是“让自己处于未来10年能够成功的位置”的起点。
重组不会立即带来前沿执行力，因为“大型人类系统极其复杂”。管理层必须协调不同文化、搭建团队结构、建立可重复的训练与发布周期，并吸取运营层面的教训；在那之前，OpenAI 已更频繁地完成了这些实践。
算力也必须与组织同步扩张：TPU 既用于研究，也用于推理，闲置容量并不是只等需求出现。DeepMind 还成为负责 Gemini app 和开发者业务的产品组织；Kilpatrick 预计，未来3至5年将展现这些“正确但艰难的决策”带来的回报。

3. 使用量增长50倍，使基础设施成为战略约束

Google 在约1年内将月度 tokens 使用量从约10万亿提升至500万亿，增长50倍，相当于在世每个人每月超过5万 tokens。由于使用量分布不均，加上其他供应商贡献的额外规模，活跃用户的实际使用强度还要更高。
Kilpatrick 认为，激励机制和企业 DNA 会进一步强化这条曲线。早在当前生成式 AI 形态出现之前，Google 就已将基于 transformer 的系统部署到数十亿用户规模的 Search 中；如今更好的模型正在改善 Docs、Sheets、YouTube、Waymo、Cloud 等产品，而不是作为可拆卸的外挂存在。
他的预测是模型将进一步分化：“低垂的果实已经摘完”，每一次后续进步都会更难，Google 的基础设施优势应当变得更加明显。Nathan 进一步明确了含义：如果 DeepMind 都说下一个层级很难，那么成为第二梯队基础模型训练商就尤其缺乏吸引力。
专业化仍是一条可能路径：一家实验室理论上可以选择打造全球最强的代码模型，而不是最强的通用模型。Kilpatrick 以 Anthropic 为假设案例，但随即补充，其广泛使命使得转向纯代码模型的可能性不高；规模较小的模型公司已经在探索能够建立差异化视角的领域。

4. 前沿训练趋于集中，创业公司仍保有速度与聚焦

Nathan 的看空逻辑是，大型科技公司可以赢下任何它们选择的品类，包括应用层：当时3家主要前沿开发商都刚推出代码智能体，直接与 Cursor、Windsurf 等同样构建在其模型之上的产品竞争。
Kilpatrick 承认，Google 的 Jules“还非常早期”，远远落后于头部代码产品的采用规模；Nathan 提到，其中一家刚宣布 ARR 约为5亿美元。这一差距本身说明，模型供应商拥有现成的模型，并不意味着自动拥有应用分发能力。
训练前沿模型需要深厚资本，但“人类历史上没有比现在更适合创办应用层创业公司”。软件创建速度更快、试验成本更低、变现速度异常快，而面向10亿用户构建的通用解决方案之下，仍有100万个具体问题等待解决。
创业公司的持久优势在于速度和聚焦。大型企业面临安全、隐私和评测约束，采用新工具的速度更慢；创业公司可以解决一个用户的问题，不必在“100万零1件创新事项”之间做协调。Kilpatrick 的原话是：“能够只聚焦一件事，本身就是一种祝福。”

5. Cloud 的经济性不支持扣留 Google 的最佳模型

Windsurf 清晰展示了依赖风险：在与 OpenAI 达成协议后，Anthropic 收回了 Claude 的访问权限，而 Claude 此前是 Windsurf 的主力模型。Kilpatrick 对 Anthropic 所称的、希望把稀缺算力分配给潜在长期合作伙伴的理由表示“理解”；Nathan 也承认，不支持竞争对手是常规商业策略。
Nathan 随后提出更黑暗的情景：Google 可以先在内部的代码智能体、Gmail 和 Docs 中部署 Gemini 3，然后将公共 API 延后数月。Kilpatrick 认为这很难想象，因为 Google Cloud 是他所称的全球第5大企业业务，其使命是输出 Google 级基础设施，让其他人能够构建产品，而无需重新创造这些基础设施。
外部开发者目前可以比 Google 内部团队更快。拥有10亿甚至1.5亿用户的产品必须避免行为回归、进行广泛评测并维持用户预期；小型创业公司则几乎可以立即切换模型。要求内部先完成部署，反而会显著拉长发布时间。
针对 AI 2027 中内部模型与公开模型差距扩大的情景，Kilpatrick 提到发布前评测信号较弱、展示发展势头的重要性，以及客户的切换成本。每百万 tokens 的定价未来或许会改变，但广泛分发仍能覆盖各种产品的使用场景：“把这个东西提供给其他人，会是一门很好的生意。”

6. Gemini 2.5 Pro 最清晰的差距在于可用的长上下文

默认人格比看起来更难标准化。基础版 Gemini 服务于用户结构截然不同的产品，因此 Google 采取了相对中性的定位，同时让 Gemini app 等产品自行添加个性；否则模型切换可能让用户觉得“那个人……已经不见了”。
Nathan 测试的是一个40万至50万 tokens 的研究代码库。Gemini 2.5 Pro 能够掌握整个代码仓库，反复重写长文件并调试由此产生的错误；在他能够使用的产品中，没有其他供应商在这一上下文长度上提供过类似体验。
Kilpatrick 的量化证据来自 OpenAI 的 MRCR 基准。在最难的八针检索变体中，最新的2.5 Pro“提升大致在20%左右”；单针检索在 Gemini 1.5 Pro 时就已接近100%，但随着不同目标数量增加，性能过去会明显衰减。
这一机制是在与推理负责人 Jack Ray 的对话中形成的：推理能力与上下文能力相融合，推理让模型真正利用可用窗口。Google 目前已经看到请求长度显著增加，Kilpatrick 预计会有更多工作负载直接将信息加载进上下文——“当然，在某些情况下仍然需要 RAG。”

7. 早期访问依赖关系，Veo 3 仍在等待规模化

Kilpatrick 将可信测试者的进入路径讲得非常明确：拥有有趣项目的构建者可以发邮件至 lkilpatrick@google.com 。Google 有一套“非常成熟的早期访问计划”，他的筛选标准是开发者反馈是否有用，而不是是否属于某个神秘的核心圈层；保密程度则因项目而异。
Veo 3 API 当时尚未向外部用户开放接入。约束来自基础设施：API 需求的数量级与高价消费产品不同，Google 必须先确保容量能够支撑这一规模，再大范围开放。
原生音频改变了 Kilpatrick 对生成视频的看法。他此前持怀疑态度，因为将无声片段变成实用媒体需要大量下游工作；同步的语音和声音让结果真正“活”起来。Nathan 提到 Waymark 的案例：本地商家广告可以用 Veo 2 制作动画素材，再用 Veo 3 添加不同声音的片段，突破传统配音形式。

8. AI 支出已经制造出失衡的经济性

Nathan 个人每月 AI 订阅支出已达到约1000美元，覆盖 OpenAI、Claude、Gemini 以及累计约20个工具。其中很大部分是重复测试，但他说，即便将试验成本算在内，生产力增益仍“远远高于”支出。
交互模式现在更像是把工作委托给人类。旅途中，Nathan 在 Replit 上构建了2个应用，智能体几乎完成了全部工作；他不再逐 token 指挥工程实现，而是提供产品说明，只有当结果显示自己的指令可能误导了智能体时才介入。
Kilpatrick 更希望未来用每美元带来的经济生产力来评估系统，而不是继续依赖已经饱和的学术基准。真正有用的问题是：一项系统能从20美元订阅中创造多少正向价值；他预计5年后的答案会与今天明显不同。
Nathan 最有力的例子是一个本来价值数十万美元的本地电台制作项目，按地点和版本计费，每个只需几百美元。AI 让客户获得约75%的折扣，但按他个人投入的每小时计算，项目收入接近3000美元——并非全部归他所有。Kilpatrick 认为，这类优势还会持续出现，“处于前沿的人很可能获得不成比例的回报”。

9. 更强的推理能力将智能体脚手架折叠进模型

Nathan 的“智能体马蹄理论”认为，早期聊天机器人和先进代码智能体都属于回合制交互，只是新一代的每个回合规模更大。真正可靠的无人值守自动化仍通常位于中间位置：结构化、多提示词、分支有限的工作流，而不是给模型50个工具，再允许它自行选择路径。
Kilpatrick 预计，更多脚手架会迁移到推理和模型层，搜索、代码执行、沙箱、工具和函数调用将越来越多地开箱即用。脚手架仍有必要，但构建者应避免单向门设计，以免模型原生处理昨日的定制编排后，不得不进行根本性重写。
NotebookLM 以数字呈现了这一转变。其音频概览生成最初是一条14步、主要由 Gemini 驱动的流水线，现在已缩减为4步；消除顺序调用不仅简化了系统，也让产品变快，而不只是更易维护。
A2A 解决的是生产级智能体的要求，而 MCP 并不涵盖这些要求，包括身份验证以及大规模部署智能体的其他环节。Kilpatrick 对标准的最终走向保持开放：MCP 可能扩展到这些功能，也可能为 A2A 等互补框架保留空间。

10. 扩散语言模型可能让软件变得即时

Kilpatrick 认为扩散模型由粗到细的过程更接近他自己的认知方式：思考从模糊和结构化开始，随后拆解成各个部分，直到最后才进入句子层面的 token 排序。他表示，如果这一范式在2年内胜出，他不会感到意外，但没有作出绝对预测。Nathan 后来说，他怀疑扩散模型最终可能更优，并指出 transformer 并非“历史终点”。
Kilpatrick 的第一反应是速度——“快得难以置信”。如果质量和成本相当，生成速度快到可以在“人眼一眨之间”完成渲染，个性化生成式界面就能真正实用，而不必要求用户盯着屏幕看 token 流过。
其中的权衡仍未明朗，自回归模型也可能与扩散模型并存。更大的启示是继续探索替代范式；而扩散模型能够修改输出的能力，似乎尤其适合日益重要的编辑工作流。

11. AGI 可能先作为产品组装完成，再作为模型被宣布

Kilpatrick 怀疑某一次单独发布会让所有人一致同意“我们显然已经构建出了” AGI，部分原因在于人们对 AGI 的定义本就不同。他预期的 AGI 时刻更偏体验层面：有人将非常强大的模型与包括记忆、上下文在内的正确产品组件结合起来，用户最终认为整个系统具有通用性。
底层跃迁可能没有产品表现得那么戏剧化：也许长上下文提升50%，推理能力提升50%，某个团队终于在正确时刻调出了正确的记忆。最后一步可能同样涉及工程、神经科学和人类心理学，而不仅是模型规模扩张。
Nathan 将 Google 的 Titans 工作视为记忆能力独立进步的证据，提到其展示过最高1000万 tokens 且表现强劲，并存在进一步扩展的可能。与大脑类似，最终形成的智能可能仍是模块化的，而不是完全驻留在某个单一的庞大模型中。

12. 合成内容越丰富，人类视角越稀缺

Kilpatrick 的世界观仍然“根本上以人为中心”。他写邮件和帖子时约95%完全不使用 AI，因为希望掌控自己的语气和公共身份；即便数字分身替他表达的内容很可信、很像他，也仍会让他感到陌生。
合成内容的泛滥可能提升作者视角的价值。如果有人发送完全由 AI 生成的内容，Kilpatrick 并不太在意，因为这意味着更少的创作投入；但他保留一个重要例外：如果软件运行得足够好，他通常并不关心是不是人写的。
Nathan 的反驳是 NotebookLM：它可以即时生成一档围绕某个主题的节目，而此前没有任何人类播客主持人覆盖过这个主题，并且已经占用了他一部分收听时间。Nathan 随后引用 Sundar 与 Search 的类比：AI 聊天用户增长到数亿的同时，Google 查询量仍在增长，说明相关产品可以解决不同意图，而不是一对一替代。
注意力仍是硬约束——Nathan 已将默认收听速度从2倍提高到2.5倍，并怀疑随着模型速度超过人类阅读速度，神经接口最终是否会成为必要。Kilpatrick 的反向押注是关系稀缺：在数千个经过优化的替代品中，受众仍会想要“ Nathan 体验”，以及具有差异化的人类视角。

E196｜稳定币之战：Circle崛起之路与传统金融入局的新势力角逐 120: 科创板后再访Insta360刘靖康：这何尝不是一种极限运动！