谷歌云AI负责人概述了提升模型能力的关键前沿领域

作为谷歌云的产品副总裁，迈克尔·格斯坦哈伯的主要工作重心是Vertex——该公司全面的企业级AI部署平台。这一职位使他能够从宏观角度观察企业如何实际部署AI模型，以及在释放自主AI潜力方面仍面临的关键障碍。

在与迈克尔的对话中，他提出了一个特别独到的见解。他将人工智能模型的进步描述为同时向三个不同领域推进：原始智能、响应延迟，以及一个至关重要的第三个因素——成本效率。这个第三个领域与其说是关于纯粹的能力，不如说是关于可负担性，它决定了模型是否能够以足够低廉的成本部署，从而在庞大且不可预测的规模下运行。对于任何希望将尖端模型的开发引向新方向的人来说，这是一个极具价值的框架。

本次访谈已进行压缩和编辑，以确保内容清晰。

首先，能否简要介绍一下您在人工智能领域的背景以及您目前在谷歌的职位？

我从事人工智能工作大约两年。在Anthropic工作了一年半后，我于大约六个月前加入谷歌。我负责领导Vertex开发者平台。我们的主要用户是开发定制应用程序的工程师。他们需要访问代理工作流、一个强大的代理平台，以及全球最先进模型的推理能力。 我的团队提供这一基础平台，而终端用户应用程序则由我们的客户——如Shopify和汤森路透等公司——在其特定行业内开发。

是什么促使您加入谷歌？

谷歌的独特优势在于其垂直整合能力，覆盖范围从用户界面一直延伸至基础设施层。我们自主设计数据中心、管理电力采购、开发定制芯片（TPU）、训练自有基础模型，并掌控推理与智能代理编排层。 我们为内存和代码生成等功能提供API。此外，我们还构建了用于合规与治理的代理引擎，以及像Gemini这样的消费级和企业级接口。这种端到端的控制能力是我们的显著优势，也是我加入谷歌的关键原因。

TechCrunch创始人峰会最高立减300美元或享30%优惠

加入2026 年 TechCrunch 创始人峰会，与 1,000 多名创始人及投资人共度全天，聚焦增长、执行与规模化。聆听行业领军人物的真知灼见，与处于相似成长阶段的同行建立联系，并带走可立即付诸实践的策略。

优惠截止至3月13日。

TechCrunch创始人峰会最高立减300美元或享8折优惠

加入2026 年 TechCrunch 创始人峰会，与 1,000 多名创始人及投资者共度全天，聚焦增长、执行与规模化。从引领行业的创始人及投资者那里获取真知灼见。与处于相似成长阶段的同行建立联系。带走可立即实施的实用策略。

优惠截止至3月13日。

这很有意思——尽管各不相同，三大AI实验室在核心能力上似乎势均力敌。这仅仅是一场智力竞赛，还是局势更为复杂？

我观察到三条鲜明的性能界限。首先，像Gemini Pro这样的模型专为原始智能进行优化。复杂代码生成等任务便是典型例证；您希望获得最高质量的输出，即使耗时更长也在所不惜，因为后续需要维护和部署这些代码。

第二个界限是延迟。在实时客户支持场景中，AI既需要具备执行政策（例如处理退货或升舱）的智能，又需要具备在用户失去耐心前给出答复的速度。在此情境下，你需要的是能在严格的时间限制内运行的最智能模型。

第三个边界是规模化成本。像 Reddit 或 Meta 这样的公司，旨在审核海量内容，面临着不可预测的需求。如果不知道成本将如何随规模增长，它们就无法承担无限的企业风险。它们需要的是在预算范围内最智能的模型，同时该模型还必须具备足够的成本效益，以处理潜在的无限数量的任务。

一个长期存在的问题是：为何代理式AI系统尚未得到更广泛的采用？虽然模型能力与令人印象深刻的演示已然存在，但一年前许多人预期的变革性变化尚未完全实现。主要瓶颈是什么？

这项底层技术仅有约两年的历史，关键基础设施仍未完善。我们缺乏审计代理行为或授权代理访问数据的成熟模式。要实现这些可投入生产的模式，需要大量工作。实际应用总是滞后于技术能力。短短两年时间，还不足以让智能技术的全部潜力体现在成熟的部署系统中，这正是当前面临的挑战所在。

在软件工程领域，人工智能的采用速度尤为迅猛，因为它能与现有的开发周期良好融合。工程师拥有安全的开发和测试环境。在谷歌，代码必须经过两名工程师的审查和批准，才能以公司名义交付给客户。这些包含人工干预的流程使实施风险极低。我们需要为其他领域和职业开发出同等安全可靠的模式。