摘要
1) 一句话总结 Google DeepMind 以“现代版贝尔实验室”的模式运作，通过整合顶尖研究力量，不仅实现了 Gemini 核心引擎每半年一次的快速迭代，还在量子计算、材料科学及太空算力等前沿科学领域同步推进颠覆性创新。
2) 核心要点
- 研发模式重塑： 合并 Google Brain 与 DeepMind，采用“只给方向，不给答案”和跨学科合作的现代版贝尔实验室模式，兼顾自上而下的战略与自下而上的创新。
- Gemini 快速迭代： Gemini 成为全公司底层中央引擎，确立了每 5 到 6 个月完成一次重大迭代的节奏，并无缝落地至搜索、Workspace 等核心产品。
- 实验室与创新机制： 谷歌实验室回归并推进约 30 个实验性项目（如 Notebook LM 和 Flow）；经典的“20% 时间”机制依然活跃，贡献了实验室约 20% 的创意项目。
- 教育领域落地： 推出 Learn LM 并注入 Gemini，AI 试点显示可为教师每周节省 10 小时，并为学生提供个性化的引导式学习。
- 量子计算突破： Willow 芯片在不到 5 分钟内完成了顶级超算需 100 亿年才能完成的测试，首次证明“平滑纠错”，预计约 5 年内走向实用化。
- 材料与气象科学： 借助 AI 将已知稳定晶体从 4 万种扩充至 40 多万种；洪水预测系统覆盖全球 150 个国家（20 亿人口），并能提前 15 天预测飓风的 50 条路径。
- 太空算力计划（Project Suncatcher）： 计划将 TPU 送入太空，利用无限太阳能进行 24 小时不间断的 AI 模型训练，下一个里程碑定于 2027 年。
3) 风险与缺口
- 教育作弊风险： 教育界存在对“AI 作弊”的担忧，指出新技术不能简单嫁接，必须重新设计工作与考核流程（如增加周测频率）来应对。
- 算力与能源缺口： 未来 AI 训练面临庞大的算力和能源需求挑战（这也是谷歌启动太空算力计划的直接原因）。
正文
很多人知道，Transformer 是谷歌发明的。但 ChatGPT 却不是谷歌做出来的。这件事，在过去几年几乎成了硅谷最大的“遗憾注脚”。
但如果真正走进今天的 Google DeepMind，你会发现谷歌并不是“慢”，而是在下一盘更大的棋。
近期，Google DeepMind 首席运营官 Lila Ibrahim 与谷歌研究、技术与社会高级副总裁 James Manyika 在一档播客中，第一次系统性拆解了这家公司正在发生的变化：DeepMind 到底怎么运作？为什么 Gemini 可以每 6 个月迭代一代？谷歌如何在量子计算、材料科学、气象预测、太空算力这些领域同步推进？以及，AI 原生产品是如何真正落地，而不是停留在实验室？
如果说 OpenAI 是一家高速冲刺的创业公司，那么今天的谷歌，更像一座重新启动的“现代版贝尔实验室”。
打造现代版贝尔实验室：只给方向，不给答案
DeepMind 的核心使命是“负责任地构建 AI，造福人类”。为了实现这一宏大目标，其运作模式借鉴了贝尔实验室的黄金时代、阿波罗计划甚至皮克斯，核心方法论可以总结为两点：
- 只给方向，不给答案： 制定极具雄心的研究议程，明确大方向，但不规定具体路径，研究者拥有高度自由的探索空间。
- 广泛的跨学科研究： 生物伦理学家、神经科学家、计算机科学家可以在同一张桌子上并肩工作，这是产生突破的关键。
在这套机制背后，DeepMind 的灵魂人物 Demis Hassabis 展现了对时机的精准判断。他既能自上而下设定方向，又允许团队自下而上产生创新。例如，DeepMind 过去几年一直在深耕“学习科学”。当 Demis 判断 Gemini 已经足够成熟时，便果断将学习科学的积累全面注入 Gemini，以此决定资源的倾斜与产品的爆发期。
Gemini 成为中央引擎：每 6 个月一次重大迭代
过去三年，谷歌内部发生的最大变化之一，是将 Google Brain 和 DeepMind 合并，汇聚顶尖研究力量，围绕 Gemini 建立了一个中央 AI 引擎。
在这一模式下，Gemini 成为了全公司的底层基础设施。它不再是把技术简单“分发”给其他团队，而是从一开始就与产品部门紧密协作。如今，谷歌确立了极快的迭代节奏：每 5 到 6 个月完成一次新一代 Gemini 的重大迭代。模型一旦发布，便立刻全线落地到搜索、Workspace、Gemini App 等核心产品中，没有延迟。
谷歌实验室回归与“20% 时间”创新机制
伴随着 AI 的爆发，曾一度消失的谷歌实验室（Google Labs）在 Sundar Pichai 的推动下强势回归，规模比过去更大。实验室目前同时推进约 30 个项目，专注打造实验性的 AI 原生产品。
许多令人惊艳的产品正诞生于此：
- Notebook LM： 最初由四五个人开发（原名 Tailwind），灵感来自作家整理数十年笔记的需求。后来加入了由 Jeff Dean 等人启发的“AI 音频概览”功能（播客模式），让用户能在通勤时“听”论文总结，产品因此彻底爆发。
- Flow： 一款 AI 电影制作工具。它通过与真正的电影制作人深度合作打磨，支持逐镜头提示与连贯生成，让普通人也能轻松制作纪录片风格的动画。
更重要的是，谷歌闻名硅谷的**“20% 时间”创新机制依然活跃**。员工可以拿出 20% 的时间进行本职工作以外的探索。目前，实验室里约 80% 的项目来自专属团队，而另外 20% 则源自全公司员工的创意。例如：
- Learn Your Way： 一款个性化学习实验工具，其创意竟来自一位本职工作与教育无关的员工。
- Co-Scientist： 帮助科学家进行科研发现的多智能体协作系统。
- Project ANEKS： 由研究者自主发起的古代文献研究项目，能鉴定泥板年代并补全翻译。
AI 与教育：重塑学习流程，释放人类潜力
AI 正在对教育产生真实影响。数据显示，85% 的成年学生和 81% 的教师已经在使用 AI。谷歌将“学习”视为一流的科学问题，推出了 Learn LM，并将其能力注入 Gemini。
Lila Ibrahim 指出，AI 的核心不是直接给出答案，而是带学生一步步拆解问题。对于有读写障碍或身体残疾等不适应传统教育体系的学生，AI 能够为他们提供前所未有的自信和个性化辅导。同时，AI 也是教师的生产力工具，试点表明它能帮教师每周节省 10 小时，让他们回归真实的人际互动。
面对“AI 作弊”的担忧，James Manyika 认为，新技术不能简单嫁接到现有流程中，而是要重新设计工作流程。例如，一些学区通过增加周测频率，促使学生为了备考而主动、深入地使用 AI 引导式学习，最终实际学习效果反而大幅提升。
突破生成式 AI 边界：量子计算、材料科学与太空计划
如果只看生成式 AI，你会严重低估谷歌。DeepMind 正在众多前沿科学领域取得里程碑式的成就：
- 量子计算： 进展比大众预期的快得多。谷歌的 Willow 芯片在不到 5 分钟内完成了顶级超算需要 100 亿年才能完成的基准测试。更重要的是，谷歌首次证明了“平滑纠错”（系统扩容时错误率反而下降），并实现了首个有实际价值的量子计算案例（Quantum Echoes，研究分子自旋动力学）。预计未来五年左右，量子计算将开始走向实用化。
- 材料科学： 借助 AI，谷歌将已知的 4 万种稳定晶体拓展到了 40 多万种。这为研发更优质的电动汽车电池、超级计算机超导体以及突破物理限制的新材料打开了大门。
- 气象预测： 谷歌的洪水预测系统已经覆盖全球 150 个国家、20 亿人口；其模型还能提前 15 天预测飓风的 50 条不同路径，为灾害应急提供关键支持。
- 太空算力计划（Project Suncatcher）： 这是一个典型的“谷歌式疯狂构想”。为了应对未来 AI 训练庞大的算力和能源需求，谷歌计划将 TPU（专用 AI 芯片）送入太空，利用太空中无限的太阳能进行 24 小时不间断的模型训练。该计划的下一个里程碑定在 2027 年，有望在太空完成若干次训练任务。
结语：重新定义“长期主义”
从“不敢发布产品”的谨慎，到如今“在发布中学习”的持续交付，谷歌完成了新节奏的转变。
这家公司始终保持着一种良性的张力：既大胆思考 AI 如何解开宇宙谜题，又负责任地建立护栏。当它真正开始加速，将科研突破源源不断地转化为社会影响力时，人们或许才会意识到：它的棋局，比所有人想象的都要大。