摘要

Brin 认为，AI 是其职业生涯中复合增长速度最快的技术变革，进展“远超我们此前见过的一切”。 早期互联网的分发速度加快了，但底层技术的变化相对渐进；AI 系统则几乎月月大幅迭代。这种速度让他从约在新冠疫情前1个月开始的退休状态中重新回归——一位 OpenAI 联系人当时称，这是计算机科学史上最具变革性的时刻。
近期经济跃迁的关键不是完整 AGI，而是机器智能以任何个人都无法匹敌的规模运行。 Brin 说，总结10条搜索结果他自己也能完成，但阅读1,000条结果、发起后续搜索并深入分析，对他而言是“一周的工作”。后训练和思考模型又带来了重大跃升，他说：“我们确实不知道上限在哪里。”
软件开发和管理已经显现出高价值自动化市场的特征，即使在 Google 的官僚体系内部也是如此。 Brin 推翻了一项把 Gemini 列入编码禁用名单的内部规定；Google 目前也在测试 Cursor 等自研及外部工具以提升生产力。他认同管理是“最容易用 AI 做的事”，并介绍了一个内部系统：总结团队聊天、分配工作，还找出了一名此前被忽视、但应获晋升的工程师。
Brin 预计，模型能力会汇聚成越来越通用的系统，而专业化仍能带来迭代优势，有时还具备规模、速度和成本优势。 机器学习已从视觉、语音和文本分别使用不同架构，转向 transformer，并“越来越……变成一个模型”；专业模型的发现通常都能重新并入通用模型。开放模型仍是一个未决的竞争变量：DeepSeek 在1月左右“缩小了差距”，而 Google 较小的 Gemma 模型可以在一台电脑上运行，但能力仍弱于 Gemini。
机器人或许终于能受益于更强的软件，但 Brin 对人形形态没那么看好，却拒绝将其排除。 Google 曾收购、后来又出售约5家机器人公司，因为“机器人都很酷”，但软件还没准备好让它们真正有用。他认为，AI 可以通过模拟和真实世界经验学习，不必复制人类的四肢比例；不过，仍有“大量真正聪明的人”在押注人形机器人，让他无法直接否定这一品类。
AI 已让教育和职业规划变得极度不确定，但 Brin 并没有有把握的答案。 他的孩子分别在高中和初中；他说，AI 已经在许多领域领先，尽管也会犯人类绝不会犯的错误，并且能在数学和编程竞赛中击败部分顶尖人类。他希望孩子做自己喜欢的事，选择有挑战性的方向，学会克服问题。关于大学，他最近一度认为孩子不该上大学，但想到儿子想去一所 SEC 学校，认为大学或许有助于社交适应、应对失败和探索人生。
界面与定价层正在指向语音、眼镜、超大上下文，以及对上一代能力持续开放访问。 Brin 认为无限上下文很有价值，范围甚至可以覆盖 Google 的代码库；他也说 Google Glass 当年过早，因为技术还没准备好，而现在的眼镜更合理，只是续航仍是问题。他把语音体验的改善归因于更小、更快的模型，以及 Whisper、ElevenLabs 等堆叠式语音系统。Gemini 2.5 Pro 提供有限的免费查询，重度使用约20美元/月；他预计顶级模型初期仍会受供给约束，但硬件成本下探一代后，整个服务可能免费。

精读

1. AI 的复合式加速把 Brin 拉出退休生活

Brin 说自己在理论上于新冠疫情前约1个月退休，原本打算在咖啡馆里读物理。一次聚会上遇到 OpenAI 的 Dan 后，他听到一句话：“这是计算机科学史上最具变革性的时刻。”当时 Brin 已经开始回办公室，最终认定 Dan 说得对。
回忆 Mosaic 时代的兴奋感时，Brin 提到，互联网早期的“What’s New”页面一次只能列出两三个新网站。互联网传播得很快，但无论按月还是按年看，技术本身的变化都没那么大；AI 系统则会“发生相当大的变化”。
他最初参与的是预训练，也就是大多数人所说的训练阶段中最消耗算力的部分；随着思考模型出现，他的关注点转向后训练。这些模型带来了“又一次巨大跃升”，而能力上限仍然未知。
Brin 说，当前系统还不是 AGI，也不是超人类智能，但足以让用户感到意外。他判断 AI 超能力的标准是处理规模：处理10条搜索结果只能节省时间，而处理1,000条结果、深入阅读并生成后续搜索，已经相当于替人完成一周工作。
Calacanis 随后讲到，他让 Gemini 估算 F1 每英里的死亡人数，而不是每10年的死亡人数。系统被要求尽力作答后，提出把赛道上的每1英里与100英里的练习里程结合起来，并在几分钟内给出估算；Calacanis 又进行交叉核对，将结果与一篇本科生学期论文作了比较。

2. AI 改变教育之前，人力资本更难定价

Brin 对育儿问题的诚实回答是：“我确实不知道该怎么想。”他的一个孩子在高中，另一个在初中；他说 AI 已经在许多领域领先。AI 会犯人类绝不会犯的错误，但在数学和微积分上“相当厉害”，也能在数学和编程竞赛中击败部分顶尖人类。
Brin 不打算根据自己并不信任的预测来安排孩子的人生，而是希望他们做自己喜欢的事，面对有挑战性的问题，并学会克服困难。他明确表示，不知道人们能否围绕“1年后的 AI 会变成什么样”来规划人生。
Calacanis 指出，在 AI 出现之前，关于大学成本、职业价值和实际用途的疑问就已经在积累。Brin 起初说，最近他不认为孩子应该上大学；但在谈到儿子想去一所 SEC 学校、看重其文化氛围后，他又认为，社交适应、心理上应对失败，以及拥有几年探索时间，可能是“最好的选择”。

3. 更好的软件同时改变机器人和编程

Google 曾收购、后来又出售约5家机器人公司，其中包括 Boston Dynamics；公司还在内部打造了 Everyday Robots，后来也让该项目转向其他方向。Brin 反复得出的结论是：“机器人都很酷”，但软件还没有准备好让它们真正有用。
他对人形机器人的怀疑针对的是其核心前提：复制人类身体，确实有助于在为人类设计的世界中行动，也能利用人类视频进行训练，但可能低估了 AI 通过模拟和真实世界经验学习的能力。轮子、手臂和腿不必与人类完全相同——不过 Brin 也明确表示，不会因为有这么多聪明团队在推进人形机器人，就直接否定这一方向。
在 Google 内部，Gemini 曾出现在一份员工不得用于编程的工具名单上。Brin 为取消限制“斗争了令人震惊的一段时间”，最终推动修正规定。另一次，当 Calacanis 认为初级员工能够反驳创始人，说明公司文化健康时，Brin 表示认同。
Google 目前正在测试内部和外部的编码系统，包括 Cursor 等工具，以了解哪些方案能提升生产力。Brin 说，这些工具已经让他更高效。
Brin 还认同管理是“最容易用 AI 做的事”。他曾用一个内部聊天空间工具总结完整讨论并分配工作，起初直接把结果贴回群里，没有告诉同事内容来自 AI。当他询问应该提拔谁时，系统找出一名年轻女性工程师：她不算特别健谈，但提交的 pull request 质量很高。她的经理也认同这一判断，Brin 认为这次晋升最终实现了。

4. 通用模型持续吸收专业模型的突破

Brin 的基准判断是最终走向融合：卷积网络曾用于视觉，RNN 曾用于文本和语音，但大量工作已经转向 transformer。发展方向越来越接近由“一个模型”统一处理语言、图像、视频和音频。
专业模型仍然具有科研杠杆价值，因为团队可以围绕单一目标迭代，不必同时解决所有模态的问题。它们也可以更小、更快、更便宜，但成功能力通常都能迁移回通用模型，因此“趋势并没有朝那个方向发展”。
开放模型与闭源模型的竞争仍未有定论。Brin 认为 DeepSeek 在1月左右发布的是“一个出人意料地强大的模型”，缩小了与专有系统的差距。Google 的开放 Gemma 模型规模小、足够稠密，可以在一台电脑上运行，表现不错，但能力仍明确弱于 Gemini。

5. 上下文、算力和界面定义下一轮瓶颈

Brin 认可实际上无限的上下文，包括访问 Google 的代码库，并设想同时运行多个持续存在的会话。他说，更大的上下文“有用之处没有上限”。
他还说，几乎任何令人信服的新 AI 想法，Google 内部可能都已经有“5个类似的东西”；真正的问题在于它们做得有多好。Google 正在推动智能、上下文和速度的边界。
Gemini 主要使用 Google 自有的 TPU；Google 也支持并采购 NVIDIA 芯片，并通过 Google Cloud 提供这些芯片。硬件尚未被完全抽象掉：模型规模的计算仍然实质依赖具体芯片、内存行为以及组件之间的通信，而 AI 目前还不够强，无法自行推理清楚这一整套问题。
Brin 说，自己判断错了 Google Glass 的时机，产品当年过早是因为技术还没有准备好。现在的眼镜更合理，也是一种很酷的产品形态，但电池续航仍是问题。
Calacanis 说，语音模式已经从慢到无法使用，变成快到足以支持打断和追问。Brin 将改善归因于能力更强的小型模型和更好的推理，同时指出语音系统可以叠加使用：Whisper 在部分任务上很强，ElevenLabs 则是出色的文本转语音系统。
Brin 推荐使用专用 Gemini 应用，并说 Gemini 2.5 Pro 提供几次免费查询，重度使用约20美元/月。他预计顶级模型在发布初期不会无限量供应，但几个月后可以推出下一代；如果硬件成本再下降一代，整个服务就可能免费。

《RAISE法案》：前沿AI开发的最低标准——与纽约州众议员 Alex Bores 对谈市场概述2025年5月20日