谷歌联合创始人谢尔盖·布林在硅谷一场科技活动上公开亮相，这是他回归谷歌两年后的首次公开问答。他围绕人工智能领域的竞争格局、技术路线以及通用人工智能（AGI）的定义等话题展开讨论，其观点不仅映射出谷歌当前的发展状况，更折射出整个AI行业的现状与趋势。
在问答环节，当被问及对当前竞争格局的看法时，布林指出，众多实验室都在专注于代码编程领域，且取得了显著进展。例如，GPT - 5.5目前占据较大优势，而谷歌的Gemini 3.5 Flash则在速度方面表现突出。他坦言谷歌应更早聚焦代码，并且强调谷歌如今正在朝着这个方向努力。
代码能力在当下AI竞争中为何如此关键？表面而言，代码能力强的模型更受开发者青睐，能积累更多用户反馈，形成产品层面的良性循环。但布林认为，其深层意义不止于此。谷歌的Gemini目前投入大量精力“用工具构建工具”，即让AI监控自身训练过程并生成训练数据。这意味着，模型代码能力越强，就能编写出更优质的训练脚本，进而训练出更强大的下一代模型，如此循环，形成一个自我加速的正反馈机制。谷歌在这个关键环节的起步相对较晚。
然而，入场只是开始，AI竞争的终点取决于AGI的定义。布林提到了两种截然不同的AGI定义。一种观点认为，AGI是AI实现真正自我提升的节点，按照这个标准，当前的大模型已接近甚至达到这一程度；另一种观点则觉得，AGI意味着AI能够完成人类所能做的任何事情。布林表示，自己原本倾向于第一种定义，但现在更认同第二种。这两种定义代表着不同的技术终点和发展路线。
若以“能做任何人类能做的事”作为AGI的目标，那么当前AI与这一目标仍存在结构性差距。这种差距并非参数调整所能解决，而是缺乏理解物理世界、与物理世界交互以及在无文字描述场景中做出判断的能力。这一判断直接影响着谷歌的技术发展方向。
视频作为记录物理世界的重要媒介，蕴含着丰富的物理规律和大量信息。谷歌因此押注，若模型能够学会预测视频中的下一帧内容，或许能自然涌现出物理直觉。这也是谷歌将世界模型纳入核心战略的原因。世界模型旨在理解和预测物理环境，在内部构建物理世界仿真器，以理解物体的运动、力的传导以及动作产生的后果。谷歌DeepMind发布的Genie 3就是这一方向的具体实践，它能根据文字指令实时生成可交互的三维世界，并训练AI智能体在其中行动。同时，Gemini Robotics系列模型将这种能力延伸到真实物理空间，使机器人能够在没有精确指令的情况下自主规划并完成复杂的多步骤任务，这也是谷歌超级智能（ASI）路线的核心方向。ASI是AGI的下一阶段，要求在几乎所有认知任务上全面超越人类，不仅能执行任务，还能提出新问题、发现新规律，谷歌目前的所有工作都在为这一目标奠定基础。
不过，谷歌的这一发展逻辑存在一个尚未得到理论证明的关键假设：预测是否等同于理解？1980年，哲学家约翰·塞尔提出“中文房间”思想实验，以此说明完美的输入输出匹配并不意味着理解。将这一实验应用到当前AI场景中，语言模型如同房间中不懂中文的人，训练权重如同规则手册，模型所谓的预测只是记住了结果，而真正的理解是掌握规律并能迁移到新场景。例如，模型看过大量玻璃杯从桌子掉落的视频后，能预测下一帧是碎片，但未必知道这背后的重力加速度、材料脆性等原理，也就无法推断出玻璃杯在月球上掉落时碎片散落方式的不同。谷歌的假设是当预测达到极致时会自动转化为理解，但图灵奖得主、前meta首席AI科学家杨立昆坚决反对这一观点，他认为语言和视频描述的是世界的投影，而非世界本身，物理交互所需的因果理解超越了书本上的统计学习，这是当前AI领域的前沿分歧，也是谷歌面临的最大风险。
除了外部质疑，谷歌的“用工具构建工具”策略还面临内部风险，即可能导致模型坍缩。当AI生成的数据用于训练下一代AI，再循环往复，每一轮都会存在信息损失，就像复印文件会逐渐模糊一样。模型可能在某些方面不断增强，但在其他方面悄悄退化，且难以从外部察觉。这一风险将成为未来几年验证谷歌自我改进飞轮路线是否可行的关键指标之一。
在这场问答中，布林的回答充满了不确定性，“猜测”“感觉”“可能”等词汇频繁出现，这恰恰反映了AI领域的真实状况：发展速度极快，难以准确预测下一步走向。预测能否转化为理解、涌现的边界在哪里、自我改进飞轮何时会断裂以及模型坍缩在何种规模下会失控等问题，都尚未有明确答案，而这些未解之谜正是未来几年AI领域值得深入探索的方向。
