Gemini 独特认知与路线差异

CHAPTER 4 # Gemini 独特认知与路线差异七条路线差异、一个核心追问、一次叙事分裂——每一条都按「主张 → 证据 → 反方证据 → 可证伪的判断」走完四步。

    阅读时长 **约 90 分钟**
    时间范围 **2021.01 – 2026.07**
    事实冻结 **2026-07-25**
    章节 **0 节**
    交互图表 **0 个**
    来源 **0 条**





  ### 本章要点

「Google 输的是发布阈值，不是技术」——本章不再把这句话当作结论使用。 它有一处硬伤：发布键 2023-02-06 就按下去了，此后又追了 33 个月；而支撑它的关键实证「Sparrow 当时已可与 ChatGPT 相比」没有任何公开对比证据 （论文的全部对照组都是它自己的变体，目标函数里根本不含 instruction following，而那句「也许会做 private beta」说在 ChatGPT 之后）。本章把它降级为当事人叙事，并回答那个真问题——如果不是阈值，那是什么：缺的是「把研究规模化成产品」的那段管道，它上面同时缺了三个工位—— 后训练、评价函数、观测面。三者都要以年计才能重建，阈值只需要一次改主意。
「AI for Science 是真信仰还是差异化叙事」这个二选一问错了——真正的判据不是动机，是开放的机会成本。 成本接近零时它开放（AlphaFold 2 的方法与两亿多条结构数据库全部免费放出），成本涨到几十亿美元量级时它关闭（AlphaFold 3 只给限流 web 服务，而 Isomorphic 已握着数十亿美元量级的里程碑合同）。动机不可观察，成本可以。
TPU 垂直整合买到的多半不是账面成本，是调度确定性。 Alphabet 五年从未披露过任何 TPU 对 GPU 的单位成本数字，唯一话术是「对外定价时会把差异化传导出去」；而 Yi Tay 的证词（一个作业被不小心跑了一个月，从没崩过）与 Jeff Dean 的「TPU N+2」机制，指向的都是「更确定、更可预先规划」而不是「更便宜」。 反证也很硬：2025-07 到 2026-07 这 13 个月里发布前沿模型最多的，是三家里唯一没有自有加速器的 Anthropic。
组织形态的两端各有一种病，而两端都被当事人亲口说清楚了——两次都选择离开的是同一个人。 Jeff Dean 说碎片化「很蠢」，Noam Shazeer 说集中化「少了一种激励去说『我做的其实效果没那么好』」。 Noam 2021 年因为发不出去而出走，2024-08 被买回来任 Gemini co-lead， 2026-06-17/18 第二次离开加入 OpenAI，在职 22 个月（新职称未获官方确认）。
中英文对同一批事实装进了两套解释框架，而分歧不在翻译，在提问者的位置。 英文圈报道人才战谈的是价格（签字费、pre-IPO 股权），中文圈谈的是生产资料（数十万 TPU 节点的调度权、九个十亿级产品的真实数据）。它和「隐性知识外流」构成一对：人带走的是知识，人留下来是为了算力。 同一节也拆开了两条中文圈流传最广的伪引语，以及九条证据不足的流行说法。
```
 本章 11 节 · 每条判断都附**可证伪条件**，汇总见末节清单 ·
 关键词：原生多模态的四条架构轴
 开放的机会成本
 TPU N+2
 Noam 的两次离开
 后训练版本号 vs 预训练版本号
 阈值论的元批判
```

导论 · 七条路线差异、一个核心追问、一次叙事分裂

这一章不回答「Google 做了什么」——那是第 1 章 · 编年史与第 5 章 · 技术谱系的工作；
  也不回答「谁说了什么」——那是第 2 章 · 人物志与第 3 章 · 采访精析的工作。
  它回答一个更难、也更容易被写坏的问题：**在大体相同的技术条件下，为什么 Google 做出了和别人不一样的选择？**

这个问题容易被写坏，是因为它有两种廉价的写法。一种是只讲主张——把当事人的自我描述抄一遍，
  于是「原生多模态」「AI for Science」「全栈垂直整合」变成三句口号；另一种是只讲反方——
  把每一条主张都读成营销，于是所有战略都变成事后合理化。**这两种写法的共同问题是不可证伪**：
  前者永远对，后者永远也对。

所以本章的每一条路线差异都按同一个骨架走，一共四步：


  1主张
    用当事人自己的原话把主张立起来，不用二手概括。

  2证据
    优先用**同期书证**——在还没有竞争压力的时候写下的东西，比事后追述可信得多。

  3反方证据
    必须是有分量的反例，不是稻草人。找不到有分量的反例，就说明这一条不值得写。

  4我的判断
    必须附一个**可证伪条件**：如果什么事情发生，这个判断就错了。



「可证伪条件」这一步是本章与一般战略分析最大的区别。它的代价是——你会在下面看到——
  有几条判断我自己给出的证伪条件**已经被 2026 年上半年的事实部分击中了**。这是好事：
  一个不会被击中的判断，本来也就没说什么。

### 0.1 七条路线差异的地图

下表是本章第一到第七节的骨架。每一行的「最硬的正面证据」与「最硬的反面证据」都在后文展开，
  这里只给一句话，用来让读者先看清全局。

    表 0.1 · 七条路线差异的骨架。事实与判断在本表中已分列：第 3、4 列是可回溯的事实，
      第 5 列是本材料的判断。全部证据与可证伪条件见第一至第七节。数据冻结于 2026-07-25。




七条之外，本章还有两节是**方法性**的，它们不属于「路线差异」，而属于「为什么会有这些路线差异」：

第八节 · Google 为何在 2022 被打了个措手不及。 这是全材料最常被问、也最常被答坏的一个问题。本章不采用那个最流行的答案（「输的是发布阈值，不是技术」）—— 它有一处硬伤：发布键 2023-02-06 就按了，此后又追了 33 个月。 那一节把它降级为当事人叙事，然后回答真问题：如果不是阈值，那是什么。
第九节 · 中英文叙事的分裂。 同一家公司、同一批事实，中文圈与英文圈装进了两套不同的解释框架。这不是翻译问题，是提问者位置的问题——而中文圈提的某些问题，英文圈系统性地没有提。

0.2 三家实验室的路线对照：为什么这里是一张表，而不是一张雷达图

做「Google vs OpenAI vs Anthropic」的路线对照，最自然的想法是画一张雷达图。本章没有这么做，理由值得说清楚，因为它本身就是一条方法论纪律：
```
**雷达图会把证据密度不对称的三方，压成一个看起来同样确定的形状。**
  本项目的 590 条来源是围绕 Google 建的：Demis Hassabis 一个人就有 343 条带日期的言论条目，
  Jeff Dean 124 条，Sundar Pichai 约 90 条。而对 OpenAI 与 Anthropic，
  本项目只有**官方发布页面**这一类一手材料，没有对等的言论语料。
  把这两种证据密度画进同一张雷达图，读者看到的会是三个同样光滑的多边形，
  **而真实情况是其中两个多边形的顶点大部分靠推测撑着。**
  表格可以诚实地留一格「本项目未收集到一手材料」，雷达图不能。
```
因此三家对照用表格呈现，并且每一格都标明证据类型。凡本项目没有一手材料的格子，直接写「本项目未收集一手材料」，不用外部估算顶替。

| | 自有前沿加速器 | 有。TPU 自 2015 年起内部部署，2016 年 Google I/O 公开；截至 2026-07-25 最新 GA 代为 Ironwood / TPU7x（2026-03-31 Cloud GA），第八代（8t 训练 / 8i 推理）已于 2026-04-22 官宣、尚未 GA[11] | 本项目未收集一手材料。仅能确认其 2025-08 至 2026-07 的模型发布节奏（见下一行） | 无自有加速器。2025-10-23 Anthropic 官方宣布计划使用最多 100 万颗 Google TPU、2026 年上线超过 1GW 容量^[6]

| | 前沿模型发布密度 2025-07-01 – 2026-07-25 | 6 次（2.5 GA 之后：Gemini 3 Pro Preview、3.1 Pro Preview、3.1 Deep Think、3.5 Flash、3.6 Flash，以及 Gemini Omni） | 6 次（GPT-5 / 5.1 / 5.2 / 5.4 / 5.5 / 5.6 Sol 系列）[13] | 10 次（Sonnet 4.5、Opus 4.5、Opus 4.6、Sonnet 4.6、Opus 4.7、Opus 4.8、Fable 5、Sonnet 5、Opus 5 等）[13]

| | Google 一方对其表述的公开评价 | — | Demis 2026-01-29：「我不认为 AGI 该被变成一个为商业利益服务的营销词。」 2025-09 All-In：说这些是「博士级智能」——「我认为那是胡说」。 这两句是 Google 一方的判断，不是对手的自我描述，不能当作对手立场的证据使用。[15]

    表 0.2 · 三家路线对照。「本项目未收集一手材料」是**诚实的空格**，不是「没有」。
      发布次数按 REVIEW-03 §6 的竞品时间坐标表逐条计数，口径为「厂商官方发布页面可核的前沿文本模型发布」，
      不含小版本更新与图像/视频模型。快照日 2026-07-25。





  **这张表最值得注意的一格，是发布密度那一行。**
    在这个 13 个月的窗口里，Anthropic 的前沿模型发布次数接近 Google 与 OpenAI 的两倍。
    它同时是三家里**唯一一家没有自有加速器**的——它的算力来自竞争对手的机房。
    把这两格放在一起看，「垂直整合等于更快」这个直觉至少在这一个窗口里**没有得到支持**。
    这不足以否定垂直整合的价值（发布次数不等于能力，也不等于单位成本），
    但它足以说明：**垂直整合买到的东西，多半不在「发布得更频繁」这条轴上。**
    第四节会讨论它更可能买到了什么。




  用「发布次数」比较三家，本身就是一个被厂商命名策略污染的指标；它衡量的是发版粒度，不是研发速度，更不是垂直整合的收益。

  同一张 `REVIEW-03 §6` 表里，Anthropic 在 2026 年 2 月 5 日与 2 月 17 日先后发布 Opus 4.6 与 Sonnet 4.6，
      4 月 16 日发 Opus 4.7、5 月 28 日发 Opus 4.8——**这是把同一代模型按尺寸和小步改进拆成多次发布**。
      而 Google 把 Flash 与 Pro 的迭代分别记进 3.5 / 3.6 与 3.1，同一代的多个尺寸常常合并到一次 I/O 发布里。
      换算成「代际数」而不是「发布次数」，三家在这 13 个月里都只走了大约一到两代[13]。

  只要各家对「一次发布」的定义不统一，这个指标就只能读趋势、不能读高下。它在两种情况下仍然有效：
      同一家公司自身的纵向对比；以及「有没有在某个窗口里长时间不发」这种粗粒度事实。

  正方改写归因之争 **反方基本成立，正方要改写成更弱的版本。**
      正确的表述不是「Anthropic 发得更快所以垂直整合没用」，而是：**在公开可核的发布行为上，看不到垂直整合带来的节奏优势**——
      这是一个关于「看不见」的陈述，不是关于「不存在」的陈述。
      垂直整合真正的收益如果存在，就必须在别的地方被找到（第四节的答案是调度确定性），
      而不能靠发布次数来证明。



### 0.3 Google 自己在五年里也变了：公开表达的六维权重漂移

路线差异不只存在于公司之间，也存在于**同一家公司的不同时点**之间。
  下面这张雷达图是本材料对 Google / Google DeepMind **公开表达**的人工编码，
  取 2021、2023、2026 三个时点。请先读打分规则再读图。


  **这是一张主观刻度图，读之前必须知道三件事。**

  ① **它编码的是「公开表达的权重」，不是能力，也不是内部资源分配。**
    分数高只表示这一年 Google 高层在公开场合把这个维度讲得更多、更靠前、更当作核心主张，
    不表示它做得更好。

  ② **打分规则**：0 = 该年几乎不作为公开主张出现；50 = 会讲，但不是主要叙事；
    100 = 反复作为核心主张，且有 CEO 级或诺奖讲台级的场合背书。
    每个格子的锚定证据见下方表 0.3，共 18 格。

  ③ **打分人是本材料作者**，依据是本项目 590 条来源中该年度的公开发言与官方文本。
    它可以被另一位读者按同样规则重新打分并得到不同结果——这正是它作为「刻度」而非「事实」的含义。





    图 0.1 · Google 公开表达的六维权重：2021 / 2023 / 2026
    点图例可以单独显示某一年；悬停看具体分值





    主观编码，0–100，打分规则与逐格证据见上方 .callout 与下方表 0.3。
    **文字替代见表 0.3**。这不是能力评分，不可用于跨公司比较。快照日 2026-07-25。

| | 维度 | 2021 | 2023 | 2026 | 锚定证据（三个年份各一条）

| | 规模优先 | 55 | 70 | 80 | 2021 Pathways 博客把「稀疏激活」与规模并列^[1]；2023 合并后单一大模型成为组织目标； 2025-12 Demis「当前系统的 scaling 必须推到极致……它也可能就是 AGI 系统的全部」[16]

| | 新架构与搜索规划 | 70 | 65 | 60 | 2021 Pathways 四条信条中三条是架构性的^[1]；2023-06 WIRED「AlphaGo + LLM」路线宣言； 2026-01 Demis 仍说仅靠扩展够不够是「a 50-50」[17]，但公开叙事重心已让位给产品

| | 科学发现作为目的 | 95 | 70 | 65 | 2021-07 AlphaFold2 开源 + 2021-11 Isomorphic 成立^[2]；2023 让位于合并与 Gemini； 2026-06 Demis 自陈「应该有 20 个 AlphaFold」——承认兑现不足本身就是权重下降的证据^[8]

| | 安全治理的机构化主张 | 40 | 95 | 60 | 2021 只有内部红线、无公开呼吁；2023-05 联署 CAIS 22 词声明、2023-10 提出 IPCC → CERN → IAEA 三级架构[19]； 2026-07 退到「仿照 FINRA 的美国标准机构 + 自愿送审 + 产业出资」[20]

| | 消费级分发与产品速度 | 25 | 70 | 95 | 2021 LaMDA 演示后 21 个月才以 Bard 形式对公众开放[21]；2023-02 Bard 仓促发布； 2026-01 Davos「我们适应了这个极快出货的新世界，带进了某种创业公司的能量」[17]

| | 垂直整合与自有硬件 | 70 | 75 | 95 | 2021-05 I/O 公布 TPU v4；2023 合并期间基建叙事相对沉默； 2026-01 Davos「我们是唯一拥有全栈的组织」[17]，叠加 2026Q2 首次向客户机房交付 TPU 系统硬件并确认收入^[4]

    表 0.3 · 图 0.1 的文字替代与逐格证据。分值为主观编码（0–100），
      锚定证据是该年度最能代表该维度公开权重的一条可回溯材料。





  **这张图里最陡的两条线，方向是相反的。**
    「消费级分发与产品速度」从 25 涨到 95，「安全治理的机构化主张」从 95 跌回 60。
    它们的转折点都不在 2022 年底——**都在 2025 年初**：2025-02-04 那一天，
    Google DeepMind 发布了收紧模型级报告要求的 Frontier Safety Framework v2.0，
    Google 同日从公开 AI 原则里删掉了整个「我们不会追求的应用」小节[7]；
    三周后（2025-02-26）Sergey Brin 的内部备忘录说「我们不能再造保姆产品了」[22]。
    **「code red 之后的激进发布」这件事，真正落地的时点不是 2023 年，是 2025 年初。**
    第五节会把这条线拆开。




  公开表达的权重变化，反映的是**听众**换了，不是**信念**换了。
      把叙事史当信念史读，是这类编码图最常见的误用。

  2021 年 Demis 的主要场合是 New Scientist、EMBL-EBI 记者会、Nature 论文；
      2026 年是达沃斯、斯坦福商学院、财报周期与政策长文[17][@src-1754eee058][20]。
      更硬的一条：同一个人在**同一年**对不同受众给的强度就不一样——
      Sundar 2025-11-18 对 BBC 说「没有公司能幸免，包括我们」，
      2026-07-22 对分析师说「还在极早期，我们变得更看多了」[@src-9f4a08bfb1]。
      **同一人、两类受众、两种强度**，这是受众效应存在的直接证据，不是推测。

  只要证据全部来自公开发言，受众效应就无法被排除。要排除它，需要内部文件、
      资源分配数据或匿名内部访谈——**这三样本材料一样都没有**。

  正方收窄归因之争 **反方在方法论上完全成立，正方只能保留一个更弱的版本。**
      这张图必须被读作「叙事史」，不能被读作「信念史」。
      唯一能部分穿透受众效应的是**行为**：2025-02-04 那段 AI 原则不是被少讲了，是被**删掉了**；
      TPU 不是被多提了，是真的开始向客户机房交付并确认收入了。
      **行为比表述贵得多，所以行为是更可信的证据。**
      本章后面凡是要下判断的地方，尽量以行为为锚——这是被这条反方逼出来的方法论收敛。



### 0.4 读法与三条纪律

最后交代三条本章自己遵守、也希望读者据以检验本章的纪律。

官方未披露的一律写「官方未披露」。 Gemini 任何版本的参数量、专家数、Top-k、训练 token 数、attention 实现， Google 从未公开过任何一个数字。本章出现这些话题时只写边界，不写猜测；确需给量级时会写明是外部估算并给出估算方法，且放进批判块而不是正文。
引语只收能回溯到一手来源的原话。 回溯不到的会明确标「转述，非原话」。本项目已查实两条广泛流传的伪引语—— Sundar Pichai 的「p(doom) 约 10%」实为主持人 Lex Fridman 所说； 36 氪 / 虎嗅版 Demis 谈「系统 1 / 系统 2」的整段论述在英文原始录音中不存在。这两条在第九节会被当作案例正面拆开，其余章节一律不使用。完整的金句库与逐条出处见第 12 章 · 金句库。
版本号按 2026-07-25 的实际状态写，并且按「两条流水线」而不是「命名混乱」来理解。 最新旗舰是 Gemini 3.1 Pro Preview（仍是 Preview）；版本号最新的公开模型是 Gemini 3.6 Flash（2026-07-21 GA）。 Flash 线的数字跑到了 Pro 线前面，但 3.6 Flash 不是旗舰。更准确的读法不是「命名错位」，而是： 小数位（3.1 / 3.5 / 3.6）是后训练版本号，整数位（3 → 4）是预训练版本号。 证据是 Google 在同一天既说 3.5 Pro 仍在伙伴测试、又说 Gemini 4 的预训练已经启动—— 两句话不矛盾，因为它们描述的是两条不同的流水线[23]。第五节会论证这个解耦意味着什么。

本章与争议地图的分工：第 14 章 · 争议地图做的是争议总览与交叉—— 哪些争议互相关联、谁站在哪一边、未来 12–24 个月什么证据会分出胜负；本章做的是路线判断——在同样的技术条件下，Google 为什么选了这条路。两章共用同一套反方证据，但结论的落点不同：第 14 章告诉你这件事还没定，本章告诉你按现有证据该怎么下注。凡两章口径不一致的地方，以第 14 章的事实裁定为准。

其余分工：技术细节见第 5 章 · 技术谱系与第 6 章 · 核心公式推导； TPU 与数据中心的工程账见第 7 章 · TPU / Pathways / JAX 垂直整合； AI for Science 的完整证据链见第 9 章 · AI for Science； Frontier Safety Framework 的逐版演进见第 10 章 · 安全与治理。本章只取这些材料中能构成路线差异的部分，不重复它们的技术推导。

二、原生多模态：架构选择还是营销话术？

读法：主张 → 证据 → 反方证据 → 可证伪的判断。

「原生多模态」是 Gemini 全部对外叙事里最核心的一个词，也是最容易被当成口号复述的一个。
  本节不复述它，而是**把它拆成四条可以分别检验的架构轴**，逐轴问同一个问题：
  **官方到底披露了什么，没披露什么。**

### 1.1 主张是什么

最硬的一条同期书证不在任何发布会上，而在 **2021 年 10 月 28 日**的 Pathways 博客里——
  那是 Gemini 立项前约 15 个月、ChatGPT 发布前 13 个月。
  **此时 Google 没有任何竞争压力要求它讲多模态故事。**
  博客提出四件事：单一模型做上千件事、多感官、稀疏激活、
  以及不再「从零训练」[@src-6f3d720bc6]。

第二条同期书证同样早：**2023 年 4 月 20 日** Sundar Pichai 宣布合并的官方备忘录里，
  写明 Jeff Dean 接手的第一个战略项目是「a series of powerful, **multimodal** AI models」——
  **这是 Gemini 这个名字公开前 8 个月**[25]。

而术语层面还有一条更能说明问题的证据。2024 年 2 月在 Rice University，Jeff Dean 说：



    I tend not to use the term LLM, because I think we're moving to a multimodal world.


      Jeff Dean
      2024-02-13
      Rice University 演讲
      来源见脚注





    我倾向于不用「LLM」这个词，因为我认为我们正走向一个多模态的世界。


      译文
      译自左侧英文，以英文为准







  **在术语层面拒绝一个词，比任何声明都更能说明这是内化的信念。**
    「LLM」在 2024 年是全行业的默认词汇，不用它是有沟通成本的。
    一个人愿意付这个成本，说明他不是在讲故事，而是真的觉得那个词描述错了对象。
    到 2026 年 2 月，他把范围进一步扩到 LIDAR、MRI、基因组等「数百种模态」——
    **即非人类感官的模态**。这条线索五年零漂移[@src-b3196af208]。



### 1.2 四条架构轴：官方披露到哪里为止

下面这张表是本节的核心。它只用**官方技术报告的原文**作为「官方披露」一列的依据——
  Gemini 1.0 报告（arXiv:2312.11805）与 Gemini 2.5 报告（arXiv:2507.06261）。
  **注意一个结构性事实：Gemini 3.x 系列没有技术报告，只有模型卡**，
  所以最近两代的架构轴全部落在「未披露」。

| | ① 输入端 tokenizer 是否统一 | 1.0 报告 §4：“The Gemini models are natively multimodal, as they are trained jointly across text, image, audio, and video.”

          报告 Figure 2 显示模型接受 text / image / audio / video **交错排列**的 token 序列。
         | **交错序列成立，「统一 tokenizer」不成立。**
          报告说的是「联合训练」，**没有一句说四种模态共用同一个 tokenizer**。
          注意那个语法：`A, as B`——A（原生多模态）的理由就是 B（联合训练），**没有第三个成分**。
         | 部分披露

| | ② 训练是否从头混合模态 | 1.0 报告 §2：“…the models are multimodal from the beginning and can natively output images using discrete image tokens.” | 成立，而且是四轴里唯一有官方明文的一条。 这也是「原生」这个词唯一站得住的落点。 | 官方明文

| | ③ 输出端是否原生多模态 | 同上：“can natively output images using discrete image tokens”—— 即通过离散图像 token 输出，而不是外挂一个扩散模型。 | 官方声称成立，但交付晚了很久。 1.0 报告写于 2023-12，而产品上第一次真正交付原生图像输出要到 Gemini 2.0 Flash（2024-12 发布 / 2025-03 对外可用，档案内对确切时点有两说）——声称与交付之间隔了 12 到 15 个月。而 2025 年之后那批图像模型的架构，Google 没有发布任何论文，第三方技术博客的说法互相矛盾（有说 Multimodal Diffusion Transformer，有说统一 token 空间里的自回归）。 | 早期披露，近期未披露

| | ④ 有无独立 encoder | 1.0 报告 §2：视觉编码“is inspired by our own foundational work on Flamingo, CoCa, and PaLI, with the important distinction that…”—— 报告自己列出的 “important distinction” 只有两条：multimodal from the beginning、可原生输出图像。

          音频侧：直接取 Universal Speech Model 在 **16kHz** 上的特征送入模型，不先转文字。
         | **未披露，而且报告的措辞倾向于「有」。**
          「取消独立编码器」**不在那两条 important distinction 里，一个字都没提**；
          而「受 Flamingo / CoCa / PaLI 启发」这个说法本身指向的是一条有视觉编码路径的设计。
          音频那一条同理：**「不先转文字」不等于「没有编码器」**——
          USM 特征本身就是一个编码器的输出。
         | 官方未披露


    表 1.1 · 四条架构轴的官方披露程度。「官方原文」列一律引英文原文，
      因为这四条的差别常常就在一两个词上。数据截止 2026-07-25；
      **Gemini 3.x 没有技术报告，2.5（arXiv:2507.06261）是最后一份公开技术报告**。





  **四条轴逐条走完，「原生多模态」这个词的可核内核其实只有一条：从头联合训练。**
    它是真的，有官方明文，也有 2021 年的同期书证支撑它不是事后叙事。
    **但「原生」在公众理解里通常还包含另外三层——统一表示、原生输出、没有拼装件——
    而这三层官方一条都没有承诺过。**
    这不是 Google 说谎，是**一个技术词在传播中吸收了它本来没有的含义**，
    而 Google 没有纠正过这个误解。



#### 轴 ④ 上唯一一个「真的取消了编码器」的公开案例，出现在 Gemma 而不是 Gemini

2026 年 4 月的 Gemma 4 技术报告（arXiv:2607.02770）里有一个 **12B 的 encoder-free** 变体：
  视觉侧用一个 **35M 参数的大矩阵乘**取代 550M 的 ViT（48×48 RGB patch 直接投影）；
  音频侧**完全丢弃 305M 的 USM conformer 编码器**，
  原始音频按 16kHz 切成 40ms chunk、每 chunk 得到 640 维向量直接投进 LLM 的 embedding 空间。
  报告 Table 8 显示这条路在 FLEURS ASR 与 CoVoST 上取得了与带编码器模型相当的成绩[@src-af90f6199c]。


  **但这条证据不能直接搬给 Gemini，理由有两条。**
    第一，**Gemma 与 Gemini 是否同一条产线，官方从未确认**；
    Gemma 是开放权重的小模型系列，它的架构选择受端侧部署约束驱动，
    而 Gemini 是闭源前沿线。第二，**时间方向相反**：
    Gemma 4 的 encoder-free 是 2026 年的成果，而「原生多模态」这个主张是 2021 年提出的。
    **用 2026 年的实现去追认 2021 年的主张，是一种时序上的越界。**
    本节因此把它写成一条**独立的、方向一致的旁证**，而不是轴 ④ 的答案。



### 1.3 反方证据

#### 反方一 · 报告自己的论证结构，证明的不是它被引用来证明的那件事

Gemini 1.0 报告把这件事挑明成了一个开放问题，并且自答了：


  One open question is whether this joint training can result in a model which has strong capabilities in each domain – even when compared to models and approaches that are narrowly tailored to single domains. We find this to be the case: Gemini models set a new state of the art across a wide range of text, image, audio, and video benchmarks.


    Gemini 1.0 技术报告
    2023-12
    arXiv:2312.11805 **§5 Evaluation 首句**（被引的 `abs` 页只有摘要，正文在 PDF 全文里）
    [@src-b515eb2177]PDF 全文 §5





  ★**2026-07-26 补全引语并改写本段判断。**此前这里引到 “…strong capabilities in each
    domain**…** We find this to be the case.” 就收尾了，
    **而那个省略号删掉的恰好是限定这句话强度的那半句**：
    “– **even when compared to models and approaches that are narrowly tailored to single
    domains**”，以及自答的兑现方式 “**set a new state of the art**”。
    据此本段此前写的「报告只论证了『联合训练没有让单模态能力变差』」**是低估了报告的主张**——
    **报告主张的是「优越性」，不是「持平」。**

  **改写后的判断（本节的方法论要点完全保住，而且不再曲解来源）：**
    报告自陈的论证是「联合训练得到的模型，**即便与单领域定制模型相比**也具备各领域强能力」，
    其兑现方式是 **benchmark 刷新 SOTA**。
    **这仍然不等于「联合训练带来了拼装方案拿不到的能力」**——
    **benchmark 领先证明的是结果更好，不是能力种类更多**；
    后者需要一个拼装方案做不到的能力示例，**而报告没有给**。
    这两件事经常被混为一谈，而它们的证据要求完全不同。



#### 反方二 · 「多模态提升单模态」这个更强的主张，被直接追问时就退回去了

Jeff Dean 在 2022 年 1 月的 Google Research 年度总结里写过
  「有些东西在多模态数据里更容易学会」。
  但 2024 年 2 月在 Rice 被**直接追问**这一点时，他给的是限定而不是断言：


  I think in some cases they do… But if you have a narrow problem and you collect a very targeted data set… that will often give you good performance.


    Jeff Dean
    2024-02-13
    Rice University 演讲，被直接追问时
    来源见脚注




**「某些情况下是」不是一个主张，是一个保留。**
  这意味着截至 2024 年，「多模态提升单模态」在 Google 内部也没有强证据；
  本材料因此不使用这个论点。

#### 反方三 · 第一次大规模公开展示，营销手法确实越界了

2023 年 12 月 6 日的 Gemini 1.0 演示视频，是「原生多模态」的第一次大规模公开展示。
  它被查出是**经过剪辑、以静止帧加文本 prompt 制作、配上合成语音**的[29]。
  **回应者是 Oriol Vinyals 与 Google 发言人；本项目未找到 Demis Hassabis 就此事的任何一手回应**，
  中文报道中的「哈萨比斯回应」均无一手出处。


  **信仰是真的，那一次的营销手法也确实越界了。这两件事必须分开陈述，不能互相污染。**
    用演示视频造假去否证 2021 年的 Pathways 博客，是时序错误；
    用 2021 年的书证去替 2023 年的剪辑辩护，是道德混淆。
    **而它们同时成立这一点本身值得记住：一个组织可以既真诚地相信一条技术路线，
    又在展示它的时候作弊。**



#### 反方四 · 同一个叙事手法在 2026 年被用在了「agentic」上，而这次没有书证

2026 年 5 月的 Gemini co-leads 官方圆桌上，Oriol Vinyals 用了
  「agentic from the get-go」这个说法。
  **但 `multimodal from the get-go` 有 2021 年的同期书证，
  `agentic from the get-go` 没有。**
  这是一次把当下重点回溯到起点的叙事操作。


  **要区分一个容易被误伤的例子。** Demis 2024 年 5 月说的
    “Our history in agents is longer than our generalized model work” 指的是 AlphaGo,
    **那个是有据可查的**——DeepMind 的 agent 传统确实早于它的通用模型工作。
    **「agentic from the get-go」的问题不在于 agent 传统不存在，
    而在于它把「Gemini 从一开始就是为 agent 设计的」这层含义追加进了一个 2021 年的立项叙事里。**



### 1.4 我的判断

先给最有说服力的一条**反营销**证据。2026 年 5 月的圆桌上，Oriol Vinyals 在谈世界模型能力涌现时说：



    It feels almost impossible, if you asked me a few years ago, this approach would work… But it did happen.


      Oriol Vinyals
      2026-05-29
      Gemini co-leads 官方圆桌
      [@src-58566a0075]官方视频





    如果你几年前问我，这个方法能行——感觉几乎不可能……但它真的发生了。


      译文
      译自左侧英文，以英文为准







  **真正的信仰者会承认自己的惊讶；纯粹的营销者不会。**
    这句话是全材料中最有力的一条反营销证据——一个人如果只是在讲故事，
    没有任何理由主动说「我以为这不可能」。

  **但它同时提出了一个更尖锐的问题：如果连他们自己都被结果说服了，
    那么「我们从一开始就设计成多模态」这个叙事，究竟解释了多少成功、又掩盖了多少运气？**

  本节的判断是：**信仰在先是可核的事实（2021 年的书证），
    但「因为信仰在先所以领先」是一个尚未被证据支持的因果推断。**
    中间缺的那一环是：**没有任何公开证据表明，从头联合训练带来了拼装方案拿不到的能力。**
    官方报告只证明了它没有变差；而唯一真的取消了编码器的公开案例出现在 Gemma 而不是 Gemini。
    **所以准确的说法是：这是一条真实的、早于竞争的架构承诺，
    而它的收益至今没有被公开量化过。**





    「原生多模态」可能是一个**没有架构增量的架构主张**：
      它真实存在（从头联合训练），但它带来的能力优势从未被证明；
      而拼装方案（冻结视觉编码器 + 投影层）在同期取得了相当的效果。
      如果两条路线的产出相当，那么「原生」就只是一个实现选择，不是一条护城河。

E5-1Gemini 1.0 报告自己的论证只到「结果更好」为止，没到「能力种类更多」： “One open question is whether this joint training can result in a model which has strong capabilities in each domain – even when compared to models and approaches that are narrowly tailored to single domains. We find this to be the case: Gemini models set a new state of the art across a wide range of text, image, audio, and video benchmarks.”（§5 Evaluation 首句） ★ 2026-07-26 更正：本条此前引到 “in each domain… We find this to be the case.” 为止，并据此说「报告的论证只到没变差」。那是低估了报告的主张—— 补全之后可以看到它主张的是「即便与单领域定制模型相比也强」+「刷新 SOTA」，即一个优越性主张，不是持平主张。 但本条的要点不受影响，反而更清楚：benchmark 领先证明的是结果更好，不是能力种类更多；报告没有给出任何一个「拼装方案做不到」的能力示例 ^[9]arXiv:2312.11805 PDF §5A
E5-2报告自陈视觉编码「受 Flamingo、CoCa、PaLI 启发」，而这三者都是带独立视觉编码器的架构；该 important distinction 的两个成分里没有一个是「取消了编码器」（原文是单数 “the important distinction that … and …”，一条限定内含两个并列成分；此前本条写作「两条 important distinction」，措辞已更正，论证不受影响）。也就是说，官方从未主张过轴 ④ ——是外部叙事把它加进了「原生」这个词A
E5-3Jeff Dean 被直接追问时把「多模态提升单模态」退回成了「某些情况下是」（2024-02 Rice）。这是正方阵营自己在最强主张上的撤退B

E5-4声称与交付之间有 12–15 个月的差： 1.0 报告（2023-12）称可原生输出图像，产品上第一次真正交付要到 Gemini 2.0 Flash（2024-12 发布 / 2025-03 对外可用）。 一个架构能力如果一年多不能交付，它在那一年里对用户是不存在的A

  反方成立的前提是「拼装方案能取得相当效果」。这一点在**理解侧**（图文问答、视频理解）
    有大量公开证据支持；在**生成侧**（同一个模型里原生产出图像与音频）证据要弱得多，
    因为主流的图像生成仍然走独立的扩散模型。
    **所以反方在轴 ①②④ 上强，在轴 ③ 上弱。**




  正方收窄事实之争
    **反方在四轴中的三条上成立，正方必须收窄到轴 ② 与轴 ③。**
    可以主张的是：**Google 在 2021 年做了一个从头联合训练的承诺，并且在 2023 年的报告里
    兑现了「输出侧不外挂」这条设计**。
    **不能主张的是**：原生多模态取消了独立编码器、统一了 tokenizer，
    或者带来了拼装方案拿不到的能力。这三条**官方一条都没说过**。




  **Gemini 4 发布时**（截至 2026-07-25 只披露已开始预训练，尚未发布）：
    如果 Google 恢复发布技术报告并明确写出「无独立编码器」或「统一 tokenizer」，
    轴 ①④ 就从「未披露」变成「成立」，本节的收窄应当被撤回；
    如果继续只发模型卡，那么这两条轴将**永久停留在不可检验状态**——
    **而一个永久不可检验的架构主张，在材料里就只能按营销话术处理。**

1.5 三家对照：为什么这一格只能写「未公开」

| | 输入端 tokenizer 是否统一 | 部分披露：交错序列 + 联合训练 | 未公开 | 未公开

| | 训练是否从头混合模态 | 官方明文 | 未公开 | 未公开

| | 输出端是否原生多模态 | 早期披露，近期未披露 | 未公开 | 未公开

| | 有无独立 encoder | 未公开 | 未公开 | 未公开

    表 1.2 · 三家的架构披露程度对照。**十二格里有九格是「未公开」。**
      这不是检索不足，是这三家都不发布前沿模型的架构细节。
      本项目对 OpenAI 与 Anthropic 只有官方发布页这一类一手材料，
      **证据密度显著低于 Google 一侧**——因此这张表**只能用来说明「大家都不说」，
      不能用来比较谁的架构更原生**。





  **这张表最有信息量的地方是它的空白率。**
    「原生多模态」是一场**没有裁判的架构辩论**：三家都在用类似的词，
    三家都不公布可以互相验证的细节。
    在这种条件下，任何「谁更原生」的比较都是在比较营销措辞，不是在比较架构。
    **本材料能做的只有一件事：把 Google 自己说过的话与它自己没说过的话分清楚。**
    这也是为什么本节花了这么大篇幅在「官方原文说了什么」这一列上——
    **在一场没有裁判的辩论里，唯一可核的东西就是各方的原始措辞。**

三、AI for Science 是真信仰还是差异化叙事？

读法：主张 → 证据 → 反方证据 → 可证伪的判断。

**这个二选一本身问错了——在 Google，它们是同一件事。**
  第 9 章 · AI for Science 已经给出了这个判据的第一版：
  AlphaFold 数据库免费开放两亿多条结构，
  而同一条产品线上的 AlphaFold 3 却因为 Isomorphic Labs 的商业价值只给限流 web 服务，
  招致上千名科学家联名抗议。
  **真正的判据不在动机，在开放的机会成本：成本接近零时它开放，成本涨到几十亿美元时它关闭。**

本节做三件第 9 章没做的事：**把「成本」量化成一条可检验的曲线**；
  **把这个判据反过来用一次，看它能不能预测**；
  以及**换掉「成本」这个词**——因为它其实选错了。

### 2.1 把「成本」量化：一条五级台阶

    表 2.1 · 开放度与开放的机会成本，五级台阶。
      **第 3 列是本材料的定性判断，不是 Google 披露的数字**；
      第 4 列给出这个判断的依据。金额来自公开的合作公告，
      **Isomorphic 的实际收款进度未公开**。






    图 2.1 · 开放度对机会成本：五个项目落在一条清晰的斜线上
    悬停看每个点的依据；两轴都是定性刻度，不是测量值





    **两轴都是本材料的主观编码**：横轴「开放的机会成本」0–100，纵轴「实际开放程度」0–100，
    打分依据逐项见上方表 2.1 的第 3、4 列。**文字替代就是表 2.1。**
    这张图不是测量结果，它只是把表 2.1 画出来，用来看那五个点是否真的排成一条线。




### 2.2 把判据反过来用：它能预测吗

一个判据如果只能解释已经发生的事，它就没有价值。所以这一节做一次**倒推检验**：
  用「开放的机会成本」去预测四个第 9 章没覆盖的项目，然后对答案。

| | 项目 | 判据的预测 | 实际处置 | 对不对

    表 2.2 · 判据的四次倒推检验。**三对一错。**
      「对」与「不对」是本材料按判据的预测方向与实际处置比对得出的，不是官方表态。





  **AlphaProof 这一格是这个判据最有价值的地方——因为它证伪了它。**
    按「机会成本」逻辑，形式化数学证明应该像 AlphaFold 2 一样开放：它没有药企买家，
    没有直接的商业替代风险，受益者是数学界。**但它没有被开源。**

  这说明「机会成本」不是唯一的变量，至少还有第二个：**能力的可迁移性**。
    一个能做形式化证明的系统，与一个能做通用推理的系统之间的距离，
    比一个能预测蛋白结构的系统与通用推理之间的距离近得多。
    **所以更完整的判据是两维的：机会成本 × 与前沿通用能力的距离。**
    而这条修正是被一个反例逼出来的——**如果不做倒推检验，本节就会带着一个单变量判据交付。**



### 2.3 反方证据：把「成本」换成「反馈时延」

这一节要推翻的是本节自己的用词。**「验证器便宜」这个说法在 AI4Science 语境下是错的，
  而正确的变量是「反馈时延」。**



    用「验证器是否廉价」解释 AI4Science 在哪些领域成功，是选错了变量。
      真正决定 generate–verify–evolve 循环能不能转起来的**不是单次判决的成本，是反馈时延**：
      循环次数约等于时间预算除以单次时延。
      **一个「贵但一周出结果」的验证器完全可以支撑这套方法；
      一个「便宜但十年出结果」的验证器完全不行。**

E8-1时延跨越九个数量级：Lean 编译器是毫秒； CRPS 对 ERA5 再分析数据是几天；晶体合成是几周；临床终点是五到十年。 而成本的排序与时延的排序并不一致A
E8-2CASP 的裁判是这个星球上最贵的标签之一。它的每一条参考答案都要靠 X 射线晶体学或冷冻电镜实际测出来。 所以「客观、难以被讨好」这个描述是对的，「廉价」这个描述是错的—— 而 AlphaFold 恰恰是在这个最贵的验证器上取得突破的A

E8-3一个看起来更简约的替代解释（监管与责任）被两个方向夹死：廉价验证器 + 重监管 → AI 赢了（放射科 AI 已有超过一千张 FDA 批文）；无监管 + 昂贵验证器 → AI 没赢（社会科学、宏观经济预测、生态学没有任何审批门槛）。 所以监管不是主变量，但它的失败方式恰好暴露了「廉价」这个用词的不精确B

  「成本」与「时延」在很多领域是同向的（Lean 又便宜又快，临床试验又贵又慢），
    所以两个变量在观测上经常无法区分。**能区分它们的正是 CASP 这类「贵但快」的反例**——
    蛋白结构的实验测定虽然昂贵，但已有几十年积累的存量数据集，
    **对模型训练来说反馈是即时的**。




  正方需改写事实之争
    **反方成立，本节因此在所有涉及验证器的表述里把「成本」换成「反馈时延」。**
    这个改写有一个额外的好处，而且是决定性的：
    **时延可以在结果出来之前测量，而「成本」在事后才能被叙述。**
    换句话说，「验证器便宜」这个说法有一个致命的结构问题——
    **攻克了就说验证器便宜，没攻克就说验证器贵，这是事后归因，不承担任何风险。**
    换成时延之后它才第一次变成一个可以被提前证伪的命题。




  **随时可做**：把第 9 章那张主观刻度图的横轴换成**反馈时延**（对数尺度，毫秒到十年）重画一次。
    **如果换轴后点的排列变整齐了，说明时延是更好的解释变量；如果更乱，这条改写就该放弃。**
    这是一个不需要新数据、只需要换一个轴的实验。

2.4 反方证据：那条最强的独立因果证据，指向的是「一半」

关于「AI 是否加速科学」，目前最严肃的因果证据不是任何一份官方成果盘点，而是一篇 2026 年 4 月的经济学工作论文。

  AlphaFold 的影响在**基础研究**与**下游药物研发**之间有一条清晰的断层。
    把两者合并成「AI 加速了科学」，会掩盖真正重要的那件事：
    **被加速的是前半段，后半段没有可检出的变化。**

E8-4Hill & Stein（NBER 工作论文 35143，2026-04）用蛋白级双重差分做自然实验： AlphaFold 让基础研究增加 16–25%，并且把注意力推向冷门蛋白；但在下游药物研发（ChEMBL 生物活性实验）上没有可检出的变化。 这是目前关于「AI 是否加速科学」最严肃的因果证据A
E8-5Isomorphic 的临床进度可以用登记库直接核：截至 2026-07-25，ClinicalTrials.gov 上查不到 Isomorphic Labs 的注册试验。「没有公开确认」听起来像信息缺口，「登记库里查不到」是一个可复核的事实A

E8-6但必须平衡：2026-01 仍有大药企新增与 Isomorphic 的合作， 2026-05-12 完成约 21 亿美元融资（Thrive 领投，累计约 26 亿美元）。 外部专业买家在加注，把 Isomorphic 写成纯泡沫是 strawmanA

  这条断层可以有两种解释：**时间不够**（药物研发本来就要十年，2021 年的工具在 2026 年
    看不到临床产出是正常的），或者**能力不够**（结构预测不是药物研发的瓶颈）。
    **两者目前无法区分**，而它们对 AI4Science 叙事的含义完全相反。




  正方收窄事实之争
    **这条断层不是反方，它是本节主线最有力的独立佐证——而它落的位置正好在时延那条缝上。**
    AI 把「化学」那一段做好了（ADMET、药代、毒理都有快反馈），
    没有把「生物学」那一段做好——**而那一段的反馈就是 II 期临床本身，时延五到十年**。
    所以准确的表述是：**AlphaFold 加速的是反馈时延短的那一半科学，
    而药物研发的瓶颈恰好在反馈时延长的那一半。**




  **2027-12-31 前**：Isomorphic 是否有任何候选化合物完成 I 期读出。
    完成则「时间不够」这一支得到支持；若到期仍无临床注册，
    「结构预测不是瓶颈」这一支的分量上升。

2.5 支持「真信仰」的证据，与它唯一一条落空的预测

支持「真信仰」的最硬证据不是任何一句表态，而是方法论的稳定性超过了他的时间表：三条选题判据——巨大的组合搜索空间、清晰的目标函数、大量数据与理想情况下的准确模拟器—— 从 2021 年 1 月的一次专访一直重讲到 2024 年 12 月的诺奖讲台，四个场合措辞几乎不变。 一个人可以为了叙事重复结论，但很少有人能四年重复同一套方法论。

而反方向最硬的证据是他自己承认兑现不足。2026 年 6 月在斯坦福商学院：

  There aren't enough examples. There should be 20 AlphaFolds. And we've got to stop talking sort of in the hypothetical about curing cancer and actually cure cancer, right?


    Demis Hassabis
    2026-06-02/03
    Stanford GSB 炉边谈话
    来源见脚注





  例子还不够多。应该有 20 个 AlphaFold 才对。我们必须停止在假设层面上谈论治愈癌症，而要真正去治愈癌症，不是吗？


    译文
    译自左侧英文，以英文为准







**承认兑现不足对叙事是有害的，因此它是这一组里最可信的证据。**
  一个纯粹在做差异化叙事的人不会在斯坦福的舞台上说「我们做得不够」——
  这句话没有任何叙事收益，只有问责成本。
  **本材料把它当作「真信仰」这一侧最强的一条，而不是最弱的一条。**

| | 时间 | 关于「首个 AI 设计药物进入临床」的表述

| | 2024-02 | Hard Fork：“a couple of years away” from having the first AI-designed drugs

| | 2024-05 | Bloomberg：“maybe in the next couple of years, the first AI-designed drugs in the clinic”

| | 2025-01 | 中文源具体化为「2025 年底冲击临床试验」（中文转述，非原话）

| | 2026-01-20 | 达沃斯场边推迟到 2026 年底

| | 2026-05-26 | “we have excitingly now some test compounds in pre-clinical stage”

    表 2.3 · 唯一一条落空的公开预测。**这是问责的硬材料**：
      四年里同一个承诺被推迟了至少两次，而最新表述停在**临床前**。
      与 `ClinicalTrials.gov` 的零注册结果一致。




### 2.6 中文圈的一个冷酷视角：科学护城河的折旧速度

中文一级市场研究提供了一个英文科学媒体不会用的框架。
  海外独角兽把 Isomorphic Labs 放在「Chai Discovery 的竞争对手」一节里分析，
  而不是以 DeepMind 为主角：**Chai Discovery 2024 年 3 月成立、团队约 10 人、
  2024 年 9 月发布 Chai-1 就略微超过 AlphaFold 3**（彼时 AF3 尚未开源权重），
  种子轮约 3000 万美元、估值 1.5 亿[34]。
  中文媒体判断


  **这个视角冷酷但极有信息量：它量化了 DeepMind 科学护城河的折旧速度。**
    在这套「对标—复现—估值」的框架里，AlphaFold 3 不是一次科学突破，
    而是一个**「10 人团队、3000 万美元就能追平」的技术标的**。
    **英文科学媒体不会这样写，因为它们的叙事单位是发现；
    中文一级市场研究会这样写，因为它们的叙事单位是资产。**

  而这个视角恰好补上了 §2.1 那张台阶表缺的一角：
    **开放的机会成本不只取决于自己能赚多少，还取决于别人多快能追上。**
    如果十个人三千万美元就能追平，那么「不开放」买到的时间窗口就非常短——
    **这让 AlphaFold 3 的闭源决策在商业上更可理解，在效果上更可疑。**





  **引用该篇时要避开它的一处措辞。** 同一篇文章里有「AlphaFold 3 获得诺贝尔奖」的说法，
    这是错的：**诺奖授予的是人**，且 Hassabis 与 Jumper 的获奖贡献对应
    **protein structure prediction / AlphaFold2**，不是 AlphaFold 3。



### 2.7 我的判断


  **「真信仰还是差异化叙事」这个二选一问错了，但正确的答案不是「两者都是」——
    而是「这个问题不可判定，所以应该换一个可判定的问题」。**

  动机不可观察。可观察的是三样东西：**开放的机会成本**（§2.1 的五级台阶）、
    **与前沿通用能力的距离**（§2.2 被 AlphaProof 逼出来的第二个变量）、
    以及**反馈时延**（§2.3 换掉的那个词）。**这三个变量都能在事情发生之前测量。**

  而把它们组合起来，得到的判断比「真信仰」这个说法有用得多：
    **Google 会在「机会成本低、离通用能力远、反馈时延短」的科学问题上做出全行业最开放、
    最快的动作；在其余三个象限里，它的行为与任何一家商业公司没有区别。**
    AlphaFold 2 与两亿结构数据库落在第一个象限，AlphaFold 3 与 AlphaEvolve 落在其余象限。
    **这不是一个关于品格的判断，是一个关于约束的判断——而约束比品格可预测得多。**





    2024 年诺贝尔化学奖被广泛当作 AI for Science 的加冕，
      但奖项本身的构成**削弱**而不是支持这个叙事。

E8-7份额构成：David Baker 1/2、Demis Hassabis 1/4、 John Jumper 1/4。而 Baker 拿走的那 1/2 是 Rosetta 的计算蛋白设计——那不是深度学习 ^[12]诺奖官方新闻稿A
E8-8获奖理由（prize motivation）那一行里没有出现 AI、机器学习、深度学习任何一个词。 Hassabis 与 Jumper 的官方表述是 “for protein structure prediction”。 ★ 2026-07-26 收窄，并主动交代反面事实：本条此前写的是「授奖词里没有出现…任何一个词」，主语过宽。同一份诺奖官方新闻稿两次把 AlphaFold2 称为 “an AI model” （「Demis Hassabis and John Jumper have developed an AI model to solve a 50-year-old problem」；「In 2020, Demis Hassabis and John Jumper presented an AI model called AlphaFold2」），同页给出的官方科普材料标题亦为「They have revealed proteins’ secrets through computing and artificial intelligence」。页面上唯一不含 AI 字样的，是获奖理由那一行字符串本身。 因此这条只能说明「授奖的形式化措辞是方法中立的」，不能说明诺奖官方回避了 AI 归因 ^[12]诺奖官方新闻稿A
```
  这条反方只针对「诺奖证明了 AI 方法论的普适胜利」这个推论，
    **不针对 AlphaFold 本身的成就**——后者有 CASP 的独立评测支撑，不依赖诺奖。




  反方成立事实之争
    **反方成立，而且这一条本材料此前漏掉了；但 2026-07-26 起它的力度要往下调一档。**
    正确的写法是：诺奖认可的是**一个具体问题被解决了**，
    而不是**一套方法论普遍有效**。
    把奖项的可信度转移到整个 AI4S 方法论上，是一次不成立的可信度转移。
```

调低的那一档在这里：E8-8 现在只能支撑「获奖理由那一行是方法中立的」，而不能支撑「诺奖官方回避了 AI 归因」——同一份新闻稿两次写 “an AI model”，官方科普材料标题里就有 “artificial intelligence”。 份额构成（E8-7）那一条不受影响，反方的主体仍然成立。

    **⚠️ 诚实交代**：「这是一次非法的可信度转移」这个论证，
      本项目**未找到任何可具名的科学家公开这么说过**，
      因此它是本材料自己的推演，而不是引用的业界观点。




    这一条不需要未来证据——它是对既有文本的核对，随时可查。
      **可查的是诺奖官方新闻稿的用词，而它已经在那里六个月了。**






  **一条最好的元批判素材，而且转向的是原本的正方。**
    2024 年那篇被广泛引用的「AI 加速材料发现」MIT 工作论文，
    **已于 2025-05-16 被 MIT 经济系正式声明数据不可信并要求撤稿**，
    而发出声明的正是 Acemoglu 与 Autor——**此前公开称赞过这篇论文的两位**。
    **一份符合所有人期待的实证结果，绕过了本该有的怀疑。**
    这比任何外部批评都更能说明「AI4Science 叙事被过度相信」这件事，
    因为**纠正它的人原本站在支持的一侧。**

四、RL + 搜索的 DeepMind 传统，到底转化成了什么？

读法：主张 → 证据 → 反方证据 → 可证伪的判断。

DeepMind 有一条别人没有的血脉：AlphaGo → AlphaZero → MuZero，十年的搜索与强化学习传统。
  这条血脉在 LLM 时代**兑现了多少，又有多少没兑现**——
  这是 Google 与其他前沿实验室最实质的一条路线差异，也是最容易被夸大的一条。

### 3.1 主张是什么

主张的最清晰版本出自 2024 年 2 月 28 日的 Dwarkesh Podcast：



    AlphaZero-like planning mechanisms on top… this is what's missing from our current large models.


      Demis Hassabis
      2024-02-28
      Dwarkesh Podcast
      [@src-78c3e73116]逐字稿





    在上面加 AlphaZero 式的规划机制……这正是当前大模型所缺的。


      译文
      译自左侧英文，以英文为准






### 3.2 兑现清单：三件事真的做出来了

| | 时间 | 成果 | 关键限定语（不写就会误读）

| | 2024-07 | AlphaProof + AlphaGeometry 2 在 IMO 2024 拿到 28/42，达银牌档顶端 | 三条必须写：需人工形式化题目；耗时数天；评审是 Timothy Gowers 与 Joseph Myers 作为独立专家，不是官方 coordinator 认证流程[35]

| | 2025-07 | Gemini Deep Think 高级版在 IMO 2025 拿到 35/42，达金牌标准，端到端自然语言 | 四条必须写：35 分是踩线达标；当届共 72 枚金牌；官方只认可证明本身，不认可算力用量、人工参与程度与可复现性； 公开版 Deep Think 不是拿金牌那一版（官方称公开版在 2025 IMO benchmark 上达 bronze-level，基于内部评测，未公布分数）[35]

| | 2025-05 / 2026-07-09 | AlphaEvolve 发布；2026-07-09 通过 Gemini Enterprise Agent Platform 向 Cloud 客户 GA | 档案内对 Cloud GA 日期有 2026-05 与 2026-07-09 两说，本材料按 reviewer 基线取 2026-07-09 （有官方 blog 链接）[36]

    表 3.1 · 三项兑现与它们的限定语。**第 3 列不是免责声明，是这三项成果的实际边界。**
      去掉这些限定语之后得到的版本（「AI 拿了 IMO 金牌」）与保留它们之后得到的版本，
      是两个强度差别很大的主张。




### 3.3 未兑现清单：这是本节的重点

兑现清单容易写，也被写过很多次。真正有信息量的是另一半。



    图 3.1 · AlphaGo 血脉的兑现度：主张、兑现、与仍未兑现
    悬停任一节点看完整说明与限定语；点图例可以单独看某一条线索





    节点日期与限定语逐条取自 `REVIEW-02 §6/§7` 与 `REVIEW-03` 的事实基线。
    **文字替代见表 3.1 与本节正文**。
    **「路线定位」泳道上的两个节点是同一个人在两年间对同一问题的两次表态**，
    它们的间距本身就是这张图要说的事。快照日 2026-07-25。




把 Demis 自己的三次表态排在一起看：

2024-02-28（Dwarkesh）：「AlphaZero 式的规划机制……这正是当前大模型所缺的。」
2025-12-16（Google DeepMind 官方播客）：「我们今天构建的更像 AlphaGo；有了 AlphaGo 才能回过头做 AlphaZero。」

2026-04（Cleo Abram 访谈，中文译文）：「我们依然需要这种在这些模型之上进行搜索、思考和推理的能力……我认为如何实现这一点，即将这些 AlphaGo 的理念重新融合进来， 目前尚未被完全攻克。」^[11]

**两年之后他还在说同一句话——这本身就是答案。**

而中间那句 2025-12 的表态，是一句被普遍读成褒义、实际上是**降级**的话。
  **AlphaGo 依赖人类棋谱，AlphaZero 才是从零自博弈。**
  说「我们今天更像 AlphaGo」，等于说**那条血脉里最有革命性的那一半还没兑现**——
  兑现的是「在模型之上加搜索有用」，没兑现的是「不需要人类数据也能学」。
  这也解释了为什么它是本材料里最诚实的一句自我定位：
  **它把一个营销上很吃亏的区分主动说了出来。**




**本材料对 Deep Think 的机制不做任何断言。**
  官方从未披露它是否使用 MCTS 或任何具体的搜索算法。
  可以列出的只有三条**否定性**的间接观察：
  官方描述用的动词不含 MCTS 的四步（selection / expansion / simulation / backpropagation）；
  输出上限从 65,536 提到 192,000 更像多条长链并存而不是树搜索；
  以及自然语言证明缺少廉价的叶节点估值函数。
  **这三条都不足以支持任何正面结论**，本材料因此只写边界，不写猜测。
  这个口径与第 8 章 · Agent 与世界模型一致。

3.4 反方证据

反方一 · AlphaGo 有的两样东西，开放域一样都没有

AlphaZero 那套方法能成立，依赖两个在围棋里免费、在开放域里根本不存在的条件： 一个完美的模拟器（棋盘规则本身），以及一个廉价且确定的终局判定（数子）。

数学证明与开放域推理两样都没有：形式化证明需要人工把题目翻译成形式语言（IMO 2024 的实际做法），自然语言证明连「这一步是否更接近目标」都无法廉价评估。 所以「把 AlphaZero 搬进 LLM」在技术上不是一次移植，是一次重新发明。

反方二 · Demis 自己的方法论其实不是 AlphaZero，是混合系统

在诺贝尔奖演讲的讲稿幻灯片上，他把 AlphaFold2 的架构定性为：

  Innovate architecture of AlphaFold2: a hybrid system (Jumper et al., Nature 2021) — Built in evolutionary and physical constraints into the architecture without impacting the learning / Full end-to-end system with recycling stage that iteratively refines the structure prediction


    Demis Hassabis
    2024-12-08
    诺贝尔奖演讲讲稿**幻灯片**（电报体要点，非口播逐字稿）
    [@src-5a0e7338dc]讲稿 PDF





  AlphaFold2 的架构创新：**一个混合系统**（Jumper et al., Nature 2021）——把演化约束与物理约束内建进架构而不影响学习／带 recycling 阶段、对结构预测反复精修的完整端到端系统


    译文
    译自左侧英文，以英文为准







**★ 2026-07-26 更正：此前这里引的是「There was no silver bullet… over a dozen different
innovations… a hybrid system.」，标注为「逐字稿 / 诺奖官方」。**
两个问题：① 被引的 `…/hassabis/lecture/` 是**落地页**（2,885 字全是导航，
只有一个「Read the lecture (pdf)」入口），它指向的 PDF **是幻灯页文本，不是口播逐字稿**；
② 在那份 PDF 里，「a hybrid system」**逐字存在**，但
「There was no silver bullet」与「over a dozen different innovations」**均未命中**，
**对全部 744 个已缓存页面做全语料检索，`no silver bullet` 同样零命中**
（命中的 `silver bullet` 全部来自 IEA、RAND、arXiv:2309.10668、arXiv:2504.01849 等无关文献，
没有一条可归属 Hassabis）。
**本项目不断言这两句是伪造**——幻灯片上没有不等于他没说过，讲座录像的逐字稿本项目未取得。
但**「over a dozen」是一个量化表述，此前正文用它承担「不是一次移植，是一次重新发明」的论证重量，
而它目前没有任何文本佐证**，因此从引语中撤下。
要恢复，需补诺奖官方演讲**录像的逐字稿 + 时间码**。

混合系统才是他真正的方法论，AlphaZero 只是其中一味。 这条自述削弱的不是他的成就，而是「AlphaGo 血脉 = Google 的路线优势」这个外部叙事—— 因为混合系统是一种工程方法，不是一条可以被血脉继承的路线。 请注意这个论点现在靠什么支撑：靠幻灯片白纸黑字的 “a hybrid system” 与它下面列出的两项架构创新（内建演化/物理约束、带 recycling 的端到端系统）， 而不是靠「十几项创新」这个数量表述。论点不变，支撑它的证据换成了可核的那一份。

3.5 我的判断

**「把 AlphaZero 搬进 LLM」既是一条真实的技术路线，也是一个因为血统而必须讲的故事——
  而这两者在 2026 年的分界线，恰好落在「兑现了搜索、没兑现自博弈」这条缝上。**

兑现的部分是实的：IMO 2025 的 35/42 是端到端自然语言完成的，
  AlphaEvolve 已经进了 Cloud 产品线。**「在模型之上加一层搜索与验证」这件事被证明有用。**

没兑现的部分同样是实的，而且更根本：**从零自博弈需要的模拟器与终局判定，
  在开放域里不存在，而且没有迹象表明它们会出现。**
  Demis 2025 年底那句「更像 AlphaGo」是对这个状态最准确的描述。

所以本节的判断是：**这条血脉给 Google 的不是一条现成的技术路线，
  而是一种「先造评判者、再造求解者」的工程直觉。**
  这个直觉的价值是真的，但它**不可继承、也不构成排他优势**——
  任何团队都可以采用它，而且已经有团队在采用它。





  把「有没有可验证的搜索目标」当成能力边界，是一个方向反了的框架。
    验证器决定的不是能力的**边界**，而是能力被**可靠采样**出来的效率。
    按这个框架推出的「Google 因为有搜索传统所以在可验证领域领先」，
    是把一个采样效率问题说成了能力问题。

E1-1RLVR 训练出的模型在 pass@1 上大幅领先基础模型，却在 pass@256 上被基础模型反超（arXiv:2504.13837）。 如果验证器是能力边界，这件事不可能发生—— 被反超说明那些解在基础模型里本来就有，RLVR 做的是把它们提到前面 ^[13]论文A
E1-2有经验证据表明，在当前 RLVR 实践下，支撑集的收缩通常压过扩张，优化在很大程度上受基础模型初始分布约束（arXiv:2507.14843）。 ★ 2026-07-26 降级：本条此前写作「可以证明 RLVR 的优化无法越出基础模型分布的 support… 这直接否证了『验证器扩展了能力边界』」，标 A。 这与论文本身的措辞不符，而且差得很远——该论文标题就是《The Invisible Leash: Why RLVR May or May Not Escape Its Origin》，自陈为「an empirical investigation」，正文用的是「RLVR can operate as a support-constrained optimization mechanism that may restrict…」「may progressively narrow exploration and potentially overlook…」「the shrinkage of empirical support generally outweighs the expansion」「we reveal potential limits」。 更关键的是，论文的核心图示专门定义了一个「Support Expansion」区域，即它明确承认扩张是存在的；它还自陈 pass@k「may have limitations as a comprehensive measure of reasoning boundaries… we adopt it here as a proxy metric」。 因此它削弱而非否证「验证器扩展了能力边界」，证据等级由 A 降为 A−（经验研究，作者自设保留） ^[14]论文^[15]PDF 全文A−
E1-3弱监督者能引出强模型的能力（arXiv:2312.09390）。如果验证器是边界，弱验证器就不可能引出强能力A

E1-4分类系统把自己的反例当成了正例。常被用来证明「无验证器一侧水位低」的两个样本（Vending-Bench 2、ARC-AGI-3）， 验证器恰恰是全场最廉价的程序化判分——Vending-Bench 2 的分数就是模拟器算出的银行余额。 真正区分两侧的不是「有没有验证器」，而是判决离行动有多远A

  「搜索传统 = 路线优势」这个说法**在一个更窄的版本上仍然成立**：
    在**反馈时延短**的领域（Lean 编译器是毫秒级），
    一个有十年搜索工程经验的团队确实跑得更快。
    它**不成立**的是把这件事上升为「能力边界」——
    那是一个关于智能本身的主张，而证据只支持一个关于工程效率的主张。




  正方需改写归因之争
    **反方成立，本节因此不使用「验证器边界」这个框架。**
    改写后的版本是：**DeepMind 的搜索传统兑现成了一种在「反馈时延短」的领域里
    更快搭出 generate–verify 循环的工程能力**——这是一个可观察、可比较、也可被追平的优势，
    **而不是一条关于能力边界的规律**。

★2026-07-26 补一句关于本反方自身证据强度的说明：E1-2 已由 A 降为 A− （见上），因为它此前把一篇标题就写着「May or May Not」的经验研究说成了「可以证明 / 直接否证」。 这个裁决不依赖 E1-2 也成立——E1-1（pass@256 被基础模型反超）、 E1-3（弱监督引出强能力）、E1-4（分类系统把反例当正例）三条各自独立地支撑同一个结论。但必须承认本节此前存在一个方向性问题：对正方主张的核查纪律（fn44 的 MAU/WAU、 fn66 的 harness 口径、fn28 的「Gemma≠Gemini」都是主动设限）没有同等施加到反方证据上，凡是用来削弱「Google / AI 叙事」的证据，模态词都被调强了一档。本轮对 counter 区块套用与正方相同的降级规则。

    **这条反方还带来一个更普适的元教训**，值得单独记住：
      「能力边界 = 验证器边界」之所以看起来解释力极强，
      **正是因为在当前表述下它接近同义反复**——
      如果「能被验证」的判定本身参考了「进展是否快」，这句话就不可能被观察推翻。
      **一个能解释一切的框架，不承担任何风险。**
      全材料的争议裁定与阵营分布见第 14 章 · 争议地图。




    **随时可做**：在同一批任务上同时报告 pass@1 与 pass@256。
      如果 RLVR 模型在两个口径上都领先，反方被削弱；
      如果 pass@256 的差距系统性小于 pass@1，反方得到再一次确认。
      **这个实验不需要新数据，只需要报告口径改一行。**







    「AlphaGo 血脉是 Google 的独有资产」这个说法，
      面临一条来自组织内部的、用职业选择表达的反驳：
      **这条血脉的核心负责人已经离开了 Google DeepMind。**

E6-1David Silver——AlphaGo / AlphaZero 的负责人—— 于 2026-01 离开 Google DeepMind，创办 Ineffable Intelligence， 2026-04 融资约 11 亿美元。GDM 发言人向 Fortune 确认了离职B

E6-2他与 Richard Sutton 合写的《Welcome to the Era of Experience》（由 Google DeepMind 官方域名托管）明确写： “In key domains such as mathematics, coding, and science, the knowledge extracted from human data is rapidly approaching a limit.” 这是一份由官方托管、却与官方主线叙事张力明显的文本A

  一次离职不能证明能力流失——**四个人离职到能力下降之间，目前没有任何可观测的因果链**。
    反方要成立，需要的是「离职之后该方向的产出速率下降」这类可观察后果，
    **而这一点至今没有证据**：3.6 Flash 在 2026-07-21 正常 GA，Gemini 4 已开始预训练。




  正方收窄归因之争
    **反方在「资产」这个词上成立：血脉不是资产，因为它长在人身上而不是长在组织里。**
    但反方**不能**推出「Google 的搜索能力已经受损」——那是叙事驱动而非证据驱动。
    **准确的收窄是：这条血脉是一种可流动的人力资本，不是一项可锁定的组织资产。**

  **方法论自省**：本材料关于人才流动的信息几乎全部来自匿名信源与当事人的告别声明——
    **告别声明天然体面，匿名信源天然有议程。**
    这一层偏差在本章结语的元批判里另有讨论。




  **2027-06-30 前**：Ineffable Intelligence 是否发表与 experience-driven learning
    直接相关的技术成果；以及 Google DeepMind 在同一方向上的公开产出速率是否变化。
    **两者都可观察，且相互独立。**

五、TPU 垂直整合的真实经济学：省的是资本开支，还是调度自由度？

读法：主张 → 证据 → 反方证据 → 可证伪的判断。

这是全材料里反方证据最充分的一节——因为它是唯一一个**有商业对手**的路线判断。
  Nvidia 生态在这件事上有明确的利益与明确的论述，而这让这一节的证据密度远高于其他节。
  **但要注意一条方法论：反方证据的密度反映的是争议的商业热度，不是论断的脆弱程度。**
  本章里反方最薄的那几节，可能恰恰是最该被怀疑的地方。

### 4.1 主张是什么：六层技术叙事

Google 自己讲的版本有六层，每一层都有原话，而且层层递进——
  这是本材料里逻辑链最完整的一条技术叙事，逐条见
  第 7 章 · TPU / Pathways / JAX 垂直整合。本节只取其中两层，
  因为它们是「买到了什么」这个问题的答案所在。



    You paid a thousand picojoules in order to do your one picojoule multiply.


      Jeff Dean
      2026-02-12
      Latent Space 播客
      [@src-b3196af208]逐字稿





    你付了一千皮焦耳，只为做一次一皮焦耳的乘法。


      译文
      译自左侧英文，以英文为准






这是第三层：**真正的成本单位是皮焦耳，不是 FLOPs。**
  而 Noam Shazeer 从另一个方向说了同一件事——「算术非常非常便宜，搬数据相对贵得多」。
  **这是 Google 技术侧最深的共识，也是他们与「算力 = FLOPs」这个流行框架最大的认知差。**

第五层是本材料认为对垂直整合最具体的一次机制描述：



    you're trying to design a chip starting today and that design might take two years before it even lands in a data center… So you're trying to predict two to six years out what ML computations will people want to run… having people with interesting ML research ideas really enables us to then get interesting hardware features put into TPU N plus two.


      Jeff Dean
      2026-02-12
      Latent Space 播客
      [@src-b3196af208]逐字稿





    你今天开始设计一颗芯片，这个设计可能要两年才能落到数据中心里……所以你在预测两到六年后人们想跑什么机器学习计算……有一批带着有趣研究想法的人，才让我们能把有趣的硬件特性做进 TPU N+2。


      译文
      译自左侧英文，以英文为准






### 4.2 五年来唯一的「成本证据」，是一句没有数字的话

Sundar Pichai 五年来的固定话术只有一句：


  When we price outside, we pass on the differentiation.


    Sundar Pichai
    2024Q4 财报电话会
    Alphabet 财报电话会
    来源见脚注




**五年零披露：Alphabet 从未给出过任何 TPU 对 GPU 的单位成本数字。**
  它给的是一个推理指令——你自己从 Flash 的定价倒推。

### 4.3 反方证据：三家最大的独立 AI 云同时拒绝



    TPU 的成本优势高度依赖 Google 自己的软件栈、调度系统与工作负载结构。
      **一旦离开这个环境，迁移成本会吃掉大部分账面收益**——
      而这一点由市场直接给出了答案。

E3-12026 年 5 月，就在 Google 宣布把 TPU 卖进客户自有数据中心的那一周，三家最大的独立 AI 云同时公开拒绝。 Nebius 说需求 99% 是 Nvidia GPU，询问 TPU 的「基本都是前 Google 员工—— 遗憾的是，Google 出来的这批人形不成一个市场」； CoreWeave 说「当 99% 的市场想要一样东西，你说它可能降到 90%，你还是很难不去关注那 99%」； Lambda 的 CFO 只回了三个字：我们流的是绿血。 ⚠️ 这三家都拿了 Nvidia 的投资，所以这是有利益相关的证词B
E3-2迁移成本清单是 Google 自己写的。官方 PyTorch/XLA 迁移文档逐条列着：nvprof 与 Nsight 不能用、输入形状一变就要重编译、没有 XLA lowering 的算子会静默回落 CPU、连 print 与进度条都要删掉A
E3-3第八代大力宣传的 eager 模式，官方文档自己给的数字是 decoder-only 上只有编译路径 45% 的性能、ResNet50 上只有 1%，并明确写着「不适用于主训练或推理循环」A

E3-4Google 自己的两个动作指向同一方向：外售目标从「广泛采用」收缩成「精选的一组客户」；同时 2026 年第一次为 TPU 提供原生 PyTorch 支持 ——后者是对迁移成本的承认A

  反方成立的边界很清楚：它针对的是**外部客户**的经济性，不针对 Google 内部。
    对照第三方估算的外部客户 **30–41% TCO 优势**，
    这笔账划不划得来**是一个真实的开放问题**，不是一个已知答案。
    而且反方证人全部有 Nvidia 的利益关联，**证词强度要按此打折**。




  正方收窄事实之争
    **反方在「可迁移性」这一层成立，本节因此把主张限定在 Google 内部。**
    还有一条时间约束必须加上：同一批第三方估算里，
    **训练 TCO 优势从 GB200 对 v7 的 1.52× 缩到 VR200 对 v8 的 1.23×**——
    **如果这个估算成立，任何一个具体的 TCO 倍数都有明确的保质期**，
    因为通用硬件的代际跃迁会部分吞掉它。




  **2027-06-30 前**：三条都可观察——
    Alphabet 是否在财报里把 TPU 销售单列为一个科目；
    Nebius / Lambda / CoreWeave 三家是否改口；
    以及 `pytorch.org/xla` 上那两个数字（45% / 1%）是否被上修。

4.4 反方证据：中文圈的祛魅说过了半步

中文圈对 SemiAnalysis 的 TCO 结论做了逐条打折，这是英文圈几乎没有的动作，案例细节见第 11 章 · 中英文两套相反的故事。 但本节要指出的是：那个祛魅本身说过了半步。

祛魅的核心论据是**用字节跳动的 MegaScale 论文反证**——
  「在 BF16 精度下字节把 H100 优化到跟谷歌 TPU 差不多的水平」，
  因此 MFU 差距更多来自软件优化能力而非硬件代差。

**问题在于这个反证的适用范围被放大了。**
  MegaScale 的 55.2% MFU 是**稠密模型在 Ampere 世代**上做的，**不是 H100**，
  而 **MoE 会显著更低**。所以它无法证明「换成一流团队 GPU 也能到 40%」。

**更准确的表述是：MFU 的离散度主要由团队决定，硬件决定的是这个分布的上界。**
  而唯一能真正裁定这件事的实验——**同一支团队、同一个 MoE 模型、TPU 与 GPU 各跑一遍**——
  **未见公开发表**。在它出现之前，双方都在用不可比的数字互相反驳。

4.5 我的判断

**省的更可能是调度确定性，而不是账面成本——而这恰恰是无法用单位成本衡量的东西，
  也许正是五年不给数字的真正原因。**

指向这个结论的不是财务数据，是两条工程证词。
  **Yi Tay 在 2024 年 3 月的博客里写**：
  “The UL2 20B model (at Google) was trained by leaving the job running accidentally for a month.
  **It never failed.**” 以及 “Borg, Xmanager and Colossus, where everything can be assessed
  from literally anywhere.”
  **加上 Jeff Dean 的 TPU N+2 机制**——它们指向的都不是「更便宜」，
  而是「**更确定、更可预先规划**」。

**而「更确定」是一个无法进财报的资产。**
  你无法在电话会上告诉分析师「我们的作业不会崩」值多少钱。
  **这可能就是为什么 Sundar 五年只肯说一句「对外定价时会把差异化传导出去」——
  不是因为数字难看，而是因为那个优势不在成本这条轴上。**





  「调度自由度」这条护城河只有在一个特定条件下才有价值：
    **当「你能想到的实验」比「你能跑的实验」多的时候。**
    一旦约束从拓扑变成兆瓦，「拼出最优拓扑的权利」的边际价值就会下降。

E3-5Nvidia 一侧在这一层是回避而不是反驳：它的公开论述打的全是通用性与可替换性， 而通用性与调度自由度是两个正交维度——这说明反方没有直接证据，只有议题转移B
E3-6但「电力是第一约束」这个排序本身站不住，而理由来自 Google 内部。 Google Cloud 的芯片博客写 “power, not just chip supply, is a binding constraint”，而 Pichai 在财报电话会上把电力排在后面，说难的是「许可审批以及在监管环境下开展工作」。 CEO 的排序更可信，因为他是做资源配置决策的那个人，而博客是为一个产品特性做论证的文体 A

E3-7Google 环境报告自陈的三个瓶颈是「电网接入排队、割裂的电网、缺乏 24/7 清洁电力」——三条全部是许可与交付周期问题，不是电不够，与 Pichai 的说法完全一致A

  能守住的是更弱的版本：**电力是约束之一，且是交付周期最长的那一个**。
    「第一约束」这个排序要成立，需要它在**资源配置决策**中被排在第一位，
    而唯一有资格描述这件事的人把它排在了后面。




  正方收窄归因之争
    **「调度自由度」这个判断保留，但必须加一个时间约束。**
    它在「实验想法多于可用算力」的阶段成立；
    **当约束真的变成功率与许可时，垂直整合买到的东西会从「拓扑自由」转向「电力与场地的提前锁定」**——
    那是一种完全不同的优势，需要重新论证。
    **这两层在本材料里直接冲突，本节把冲突点写出来而不是掩盖它。**




  **2027-06-30 前**：如果 Alphabet 的 capex 构成中「数据中心与电力」占比继续上升、
    而「服务器」占比下降，说明约束确实在向功率迁移，本节的时间约束被验证。
    2026Q2 的构成是约 60% server、40% data center/network——**这是一个可以逐季度追踪的比值。**

4.6 2026 年的结构性变化：从内部成本优势变成对外产品

2026 年第二季度，Alphabet 首次向客户的数据中心交付 TPU 系统硬件并确认收入，绝大部分相关收入将落在 2027 年^[4]。这是五年来第一次，「TPU 更便宜」这个断言有机会被第三方检验—— 因为它第一次有了外部买家。

**三条口径红线，都容易被写错。**

① **客户与 TPU 代际均未披露。**正文只能写「首次交付、开始确认收入」，
  **不得指认为 Anthropic、Meta、Blackstone 或第八代**。
  Anthropic 的 $200B / 五年与「Alphabet 至多 $40B 投资」均为**匿名消息源、双方未证实**；
  可引的是 Anthropic 官方博客的「最多 100 万颗 TPU、2026 年上线超过 1GW 容量」。

② **存货的数字极易搞错。**正确口径是：
  存货**余额**在 2026-06-30 为 **99.91 亿美元**（2025 年末为 24.39 亿）；
  而**77.39 亿美元是上半年存货净增占用的经营现金流，不是余额**。
  且 10-Q 原文写明存货**掺了 Pixel**，**不能整数说成「TPU 库存」**。

③ **「提前建库存」不能叫产能溢出。**溢出的定义是「先满足自己，多的卖掉」，
  而半年 75 亿美元量级的存货增量是**为销售而预先制造**的。
  两件事可以并存（内部优先 + 为外售预先建产），
  **但那就不能再叫溢出，应该叫双轨产能规划。**

六、「不发布」的保守文化 → code red 之后的激进发布：安全承诺被稀释了吗？

读法：主张 → 证据 → 反方证据 → 可证伪的判断。

这是一条完整的钟摆，而且两端都有清晰的书证。
  但「安全承诺是否被稀释」这个问题很容易停在态度层面，
  所以本节先把它拆成**三条可分别检验的判据**，再下判断。

### 5.1 钟摆的两端

左端是 2022 年 11 月 3 日——**ChatGPT 发布前 27 天**——Demis 对 TIME 说的两句话：



    I would advocate not moving fast and breaking things. … It's like experimentalists, many of whom don't realize they're holding dangerous material.


      Demis Hassabis
      2022-11-03 采访 / 2023-01-12 刊出
      TIME 专访
      来源见脚注





    我主张——不要快速行动、打破一切。……这就像一群实验者，其中许多人并没有意识到自己手里拿着危险的材料。


      译文
      译自左侧英文，以英文为准






右端是 2025 年 2 月 26 日 Sergey Brin 的内部备忘录：
  **「每周 60 小时是生产力的甜蜜点」**，以及
  **「我们不能再造保姆产品了」**（转述
  **属泄露的内部文件经媒体全文转载，未见 Google 或 Brin 公开原件**）[41]。


  **这句话和一年前 Sundar 的承诺方向完全相反。**
    2024 年 2 月 27 日 Gemini 图像生成事件之后，Sundar 的内部信把它定性为
    「completely unacceptable」，随后的动作是加护栏。
    一年后，联合创始人说的是「不能再造保姆产品」。
    **这是 Alphabet 内部最实质的一次路线分歧，而且双方都是有权决定这件事的人。**



### 5.2 三条判据

| | 判据 | 证据 | 方向

| | ① 形式承诺是否收紧 | Frontier Safety Framework v1（2024-05）→ v2.0（2025-02-04）→ v3.0（2025-09-22）首次把「关机抵抗」与「有害操纵」列入关键能力级别，并把错位风险从探索性附录升格为正式风险类 → v3.1（2026-04-17，新增 Tracked Capability Levels） | 持续收紧

| | ② 实质承诺是否放松 | 2025-02-04 同一天：GDM 发布收紧了模型级报告要求的 FSF v2.0； Google 从公开 AI 原则里删掉了整个「我们不会追求的应用」小节 （含不把 AI 用于武器与违规监控的承诺）。2026 年 Google 签下五角大楼协议；研究员 Alex Turner 因此辞职 | 明显放松

| | ③ 发布节奏是否真的变了 | 1.0（2023-12-06）→ 1.5（2024-02-15）→ 2.0（2024-12-11）→ 2.5（2025-03 实验版 / 2025-06-17 GA）→ 3（2025-11-18）→ 3.1 Pro Preview（2026-02-19）→ 3.5 Flash GA（2026-05-19）→ 3.6 Flash GA（2026-07-21） | 显著加快

    表 5.1 · 三条判据的方向并不一致。①③ 支持「更负责也更快」，② 支持「承诺被削弱」。
      **关键在于它们管的不是同一个东西**，见下方本质洞察。日期取自 `REVIEW-02` 与 `REVIEW-03`。





  **FSF 管的是模型能力，AI 原则管的是应用领域。
    一个只约束能力的治理体系，在能力被证明安全之后，对用途没有任何剩余约束。**

  这就是为什么 ① 和 ② 可以同时成立而不矛盾：
    Google 确实把「多强算危险」写得越来越细，同时把「什么用途不做」整段删掉了。
    **前者是技术门槛，后者是价值承诺，而只有后者能约束「拿它去做什么」。**
    所以「安全承诺是否被稀释」这个问题的答案取决于你问的是哪一种承诺——
    **而这两种承诺在 2025 年 2 月 4 日那一天，一个收紧了，一个消失了。**




  **还有一条更反直觉的机制，它让「收紧」这件事本身变得可疑。**
    FSF 允许在「别家公开模型能力相当、缓解措施更弱」时，判定自家发布的**边际风险很低**。
    **这意味着一条单边的安全承诺，被写成了行业最低水位的函数**——
    只要有人比你更松，你的义务就自动下降。
    逐版条文见第 10 章 · Frontier Safety Framework。



### 5.3 一个被误读的现象：版本号不是命名混乱，是两条流水线

截至 2026-07-25，最新旗舰是 **Gemini 3.1 Pro Preview**（仍是 Preview），
  而版本号最新的公开模型是 **Gemini 3.6 Flash**（2026-07-21 GA）。
  Flash 线的数字跑到了 Pro 线前面。**这通常被读成产品线割裂或命名混乱，但更准确的读法是：**


  **小数位（3.1 / 3.5 / 3.6）是后训练版本号，整数位（3 → 4）是预训练版本号。**
    判据很硬：**Google 在同一天既确认 3.5 Pro 仍在 partner testing、
    又确认 Gemini 4 的预训练已经启动**——两句话不矛盾，因为它们描述的是两条不同的流水线。

  **这个解耦本身是一个信号，而且比「命名混乱」有价值得多**：
    它说明 Google 已经把预训练和后训练拆成了两个独立的发布周期。
    预训练是资本密集、以年为单位的重资产投入；后训练是快速迭代、以周为单位的产品动作。
    **把两者解耦，是「模型即产品」向「模型即平台」演进的一个具体标志**——
    平台的底座换代很慢，上面的能力发布很快。
    **而这也解释了为什么第 5.2 节的判据 ③（发布节奏加快）不能被当成「更激进」的证据**：
    加快的是后训练线，预训练线的节奏并没有变。





    问「安全承诺是否被稀释」本身预设了一个立场：删除军事条款是一种退步。
      **而 Google 给的理由是价值性的，不是技术性的**——
      在这个层面上，双方不是在争论事实，是在争论应该怎么做。

E6-1Demis 自己给的解释是地缘政治的： 2025-04 对 TIME 说「我们不能再想当然地认为民主价值观一定会胜出」，世界已变成「一个危险得多的地方」。 这是一个价值主张，它不能被证据推翻，只能被另一个价值主张反对B
E6-2形式承诺确实在同步收紧，而且收紧的是最难写的部分： v3.0 首次把「关机抵抗」这类失控类能力写进正式风险类，这在三家前沿实验室的框架里是写得最细的一份A

E6-3反方阵营内部也不一致：研究员 Alex Turner 以辞职表达反对，而同一时期 GDM 的安全负责人 Anca Dragan 公开披露过 FSF 的实际触发案例（2025-06-17：某模型的编程能力触发了网络能力的前沿安全早期预警）—— 说明这套机制不是空文B

  如果把「安全承诺」定义为**能力门槛**，反方成立：门槛在收紧。
    如果定义为**用途红线**，正方成立：红线被删掉了。
    **两方争的是同一个词的两种含义**，而这类争议无法用更多证据解决。




  双方未裁定价值之争
    **本节不裁定这一条，因为它是价值之争而不是事实之争。**
    本节能做的、也是有价值的，是把两种承诺分开，
    并指出**它们在 2025-02-04 那一天走向了相反的方向**——
    这是一个事实陈述，而任何一方都必须面对它。




  **2027-06-30 前**：Google 是否恢复任何形式的用途级承诺（哪怕更弱的版本）。
    恢复则说明删除是一次策略性调整；不恢复则说明它是一次方向性转变。
    **这一条不需要解释谁对，只需要看行为。**

七、分发即能力：九个十亿级产品的数据回流，是不是真正的护城河？

读法：主张 → 证据 → 反方证据 → 可证伪的判断。




  **这份 deck 的身份必须先说清楚。**
    它是**第三方讲师对 Google 公开材料的二次综述，没有任何内幕信息，可信度记 C 级**。
    它的价值不是事实，是**分析框架**——把公开事实重新切分、命名、串成因果链。
    **deck 里那些 `Key takeaway` 横条是讲师本人写的**，
    署名给 Hassabis、Jeff Dean 或 Koray 都是伪造引语。
    本节只借用它「把分发列为第五个能力驱动」这个**框架**，不引用它的任何数字。



### 6.1 可核实的分发数据


  9.5亿 MAU
    Gemini app 月活官方，2026-07-22；一年前约 4 亿

  24.8十亿美元
    Google Cloud 单季营收2026Q2，同比 +82%

  514十亿美元
    Cloud backlog2026Q2

  480万亿 token/月
    12 个月增长 50 倍Sundar 2025-06 亲口确认；一年前 9.7 万亿




  **一条不能跨过去的口径线。** Gemini app 的 **9.5 亿是 MAU**（月活，官方）；
    而 ChatGPT 常被引用的约 10 亿是**第三方估计的 MAU**，官方给过的是
    **9 亿 WAU**（周活，2026-02）。
    **MAU 与 WAU 是两种口径，不得并排比较，也不得据此宣布任何一方「反超」。**



### 6.2 反方证据



    分发是真实的商业资产，但把它称为「**能力**驱动」需要一条额外的因果链：
      分发带来数据，数据带来更好的模型。**这条链的中间一环从未有过任何公开证据。**

E11-1Google 从未披露任何来自消费产品的数据被用于 Gemini 训练的量化证据。五年零披露——这与 TPU 成本数字是同一类沉默A（缺失即证据）
E11-2隐私与合规恰恰限制了它这么做。 Mustafa Suleyman 的结构性解释在这里同样适用：「Google 在欧洲当了十五年被告……如果它做出绕过第三方内容创作者的体验，就会动摇一切。」 分发既是资产，也是负债B
E11-3最硬的一条反例：Anthropic 既没有自有加速器、也没有消费级分发（2025-10-23 官方宣布计划使用最多 100 万颗 Google TPU），却在 SWE-bench Verified 与 GDPval-AA v2 上长期居前。 如果分发是能力驱动，缺了它的一家不应该跑在前面 ^[6]Anthropic 官方A

E11-4中文圈给出了更精确的边界：「赢的是企业云入口，不是开发者心智」；以及「Google 的现金牛和颠覆者是同一个东西」——IBM 与柯达可以两头下注，Google 不能。虎嗅把它落到操作层：「不是不敢做 AI，是不敢让 AI 接管 UI。」中文媒体判断C

  反方针对的是「能力驱动」这个定性，**不针对分发的商业价值**——
    后者有 backlog 与 MAU 两组硬数字支撑，没有争议。
    反方要被推翻，需要 Google 公开一次「用产品数据训练带来了多少能力提升」的量化结果，
    **而这类披露在整个行业里都没有先例**。




  正方需改写归因之争
    **反方成立，本节把「分发即能力」改写为「分发是渠道护城河，不是能力护城河」。**
    它护住的是**用户获取成本**与**企业侧的入口**，这两样都是真的、可量化的；
    **但它没有证据表明护住了模型能力本身。**

  而这个改写有一个可以立刻检验的推论：
    **如果分发不是能力驱动，那么 Google 在没有分发优势的领域，
    表现应该与它的整体地位不相称。**
    **2026 年上半年的实际情况恰好支持这一点**：编码 agent 是分发帮不上忙的领域，
    而 GDPval-AA v2 的 2026-07-25 快照上，
    Gemini 一侧公开可查最好值（Gemini 3.6 Flash (high) **1423** Elo，第 27 名）与榜首（Claude Opus 5 (Max) 1861 Elo）
    **差约 440 Elo**；同期 Gemini 3.5 Pro 因编程能力不及预期而延期。




  **2027-07-31 前**：Google 在编码类评测上与榜首的差距是否收窄一半以上。
    收窄则「分发无关」这一条被削弱（说明是资源投放问题）；
    不收窄则本节的改写获得一次正面验证。






**benchmark 口径不能省。** GDPval-AA v2 用的是 Stirrup agent、带 shell 与 web 工具、
  44 个职业 / 9 个行业的盲测两两对比 Elo，人类基线锚定 1000；
  **它与 OpenAI 原版 GDPval 不是同一评测，不可互换或合并**。
  v1 与 v2 锚定不同：同一个 Gemini 3.1 Pro 在 Google 2026-02 模型卡上是 1317、在 AA v2 上是 965。
  **跨版本比较无意义。**

八、组织钟摆：碎片化与集中化，两端各有一种病

读法：主张 → 证据 → 反方证据 → 可证伪的判断。

这条线索的特别之处在于：**两端的病症都由当事人亲口说出，而且说得比任何外部批评都狠。**

### 7.1 两端的病症



    “I mean, I think I actually wrote a one-page memo saying **we were being stupid by fragmenting our resources**…
      we were fragmenting not only our compute across those separate efforts, but also
      **our best people**. And so I said, **this is just stupid.**”

    2026-02-12，Latent Space 播客。被切碎的项目：Brain 的 LLM、
      Brain / Research 的多模态、Legacy DeepMind 的 Chinchilla 与 Flamingo。
      引出这句话的是主持人**转述** David Luan 的判断「OpenAI 愿意 all in…Google 更民主，人人有配额」，
      Jeff Dean 的回应是 “I would somewhat agree with that.”




    “We had the very kind of **bottoms-up UBI kind of chip allocation**…
      Gemini has been mostly **top-down**… **There's less of an incentive to say,
      'Hey, what I'm doing is not actually working that well.'**”

    2025-02-12，Dwarkesh Podcast。
      这是对合并成果的唯一一次来自内部的公开质疑，**而且至今无人回应**。







    图 7.1 · 组织钟摆：结构变动、人物进出、发布阈值信号
    悬停任一节点看完整说明；点图例可以单独看某一条线索





    日期取自 `REVIEW-02 §3` 与 `REVIEW-03 §4`。
    **2026 年的四位离职者合并为一个节点「第二轮失血」**，以避免标签遮挡；
    逐人明细见下方正文。**Noam Shazeer 在 OpenAI 的具体职称未获一手确认，图上不标职称。**
    文字替代见本节正文。快照日 2026-07-25。




### 7.2 两次都选择离开的是同一个人

Noam Shazeer 2021 年因为 LaMDA 不让发布而出走，创办 Character.AI，
  当时公开炮轰「大公司里品牌风险太大，**永远**发不出任何有趣的东西」——注意那个 *ever*，
  **这是结构性判断，不是对某次决策的抱怨**。
  2024 年 8 月 Google 以约 27–30 亿美元量级的交易结构把他买回来任 Gemini co-lead。
  **2026 年 6 月 17/18 日，他第二次离开，加入 OpenAI，在职 22 个月。**


  **两条必须写准的限定。**
    ① **他在 OpenAI 的具体职称未获可访问的一手来源确认**，
    媒体称 Lead for Architecture Research，**本材料不写死**。
    ② 离职帖原文在 x.com，而**本项目的抓取环境下 x.com 全站不可访问**，
    只能经二手逐字转载取得，**可信度降为 B-**。




  **最刺眼的反差不是他走了两次，是这两次的态度完全不同。**
    2021 年那次他公开炮轰 Google；**2026 年这次的离职帖里没有一句对 Google 的负面评价。**
    而就在 20 天前（2026-05-29）的 Gemini co-leads 官方圆桌上，
    他还在说自己在做的事是 “Built some new model architectures”。

  **一个人在两种相反的组织形态下都待过，并且两次都选择离开——
    这件事对「哪种组织形态更对」这个问题的信息量，比任何组织理论都大。**
    它指向的结论不是「集中化错了」，而是**两端各有一种他不能接受的东西**：
    第一次是「做出来了不许发」，第二次没有公开理由。



**同期的其他流失（逐条限定不同，不能合并陈述）**：
  Jack Rae（把「压缩即智能」变成 Deep Think 的人）**2025 年已转 Meta**，
  提到他的历史贡献时一律用「时任」；
  Denny Zhou（思维链作者）**2026 年 2 月**已静默去 Meta；
  John Jumper（**诺贝尔化学奖共同得主**）**2026-06-19** 宣布加入 Anthropic，新职位未披露；
  Jonas Adler 与 Alexander Pritzel **据 Bloomberg 报道**将转投 Anthropic——
  **双方均无一手确认，只能写「据报道」**；
  Slav Petrov 的当前身份两路核查冲突，**按存疑处理**。
  Alphabet 股价在 2026-06-22 跌约 5–6%。**Google 无高管公开回应。**

### 7.3 一个被忽略的代价：制衡消失了

Zoubin Ghahramani 在 2023 年 5 月说过「更大不总是更好」。
  **这是 Brain 一侧最后一次公开的路线异议**——
  合并之后此类表述再未出现，而他本人 2024–2026 年的公开发言检索结果为零。


  **合并的收益是 Gemini 3，代价是失去了两种独立研究传统之间的相互制衡。**
    一个只有一种声音的研究组织，在 scaling 这类无法用短期指标判定的判断上，
    会不会失去纠错能力？**Noam 2025 年那句「少了一种激励去说『我做的其实效果没那么好』」，
    说的正是这件事。**
    而这两条证据的组合特别有力：**一条是异议消失了（可观察），
    一条是内部人指出激励结构不鼓励承认失败（有原话）。**





    「碎片化是病、集中化是药」这个框架与组织学实证的方向相反。
      实证结论是：**纯集中与永久分散都不是最优，最优的是「先分散探索、再整合协调」的暂时性分散。**
      按这个框架，Google 的问题可能不是分散太久，而是**整合太晚**。

E10-1Siggelkow 与 Levinthal（Organization Science, 2003）证明：当活动间存在广泛相互依赖时，最优结构是暂时性分散，且相互依赖越强，最优分散期越长。另有实证测得 **集中化对组织双元性是显著负向的（β = −0.210, p 资产价值」这层意思传达得很准）

| | 5 | 把「创始人回来写代码」当组织治理寓言：「如果身价千亿的创始人都在修补配置文件，任何产品经理都没有理由以流程为借口阻碍发布」 | 新智元 2025-11-26 | 报道 Brin 回归聚焦其出席频率与技术兴趣，不引申对「职业经理人」的批判 | 立场差 | 中（「布林提交了多年来第一个 CL」原文自述「据说」，属未证实传闻；但 Pichai 亲口说过与 Brin 一起看训练曲线，这一条有出处）

| | 7 | 「Google = LLM 时代的 Apple，NVIDIA = LLM 时代的 Android」 | 拾象 2026-02-02 | 用 vertical integration vs merchant silicon 这类产业组织学术语 | 立场差 | 低——**这个类比暗示了一个未必成立的结论：Android 最终份额更大。**类比的说服力来自它省略的那一步

    表 9.2 · 其余各条的对照。「采信度」是本材料的判断，三档：
      高= 观察成立且有可核依据；
      中= 方向成立但强度或来源需打折；
      低= 修辞收益大于信息收益。
      **打分依据是「它是否提出了一个英文叙事里缺失、且可以被独立检验的变量」**——
      能提出的给高，只是换了个说法的给低。




### 9.6 打折清单：中文圈流行但站不住的九条

**这张表是本节可信度的证明——它说明我们读中文源时是带着刻度的。**

| | 流行说法 | 问题

| | 「Noam Shazeer 徒手改了一个 bug，从此 Gemini 的预训练就好用了」 | 受访者本人以「江湖也有传言」表述，未经证实

| | 「谷歌把激励制度绑定到模型榜单上，谁刷榜上去谁升职加薪」 | 同为传闻。注意：它与三位具名前员工「晋升委员会奖励发布新东西」的证言方向一致，但强度完全不同，不得混用

| | 「布林回归后提交了多年来第一个 CL」 | 原文自述「据说」，无出处

| | 「马斯克点赞 Gemini 3」 | 标题与正文不符：正文只有 Sam Altman 的祝贺，未见马斯克言论

| | 「AlphaFold 3 获得诺贝尔奖」 | 诺奖授予的是人，且获奖贡献对应 protein structure prediction / AlphaFold2

| | Gemini 3「同时革了 OpenAI 和英伟达的命」中关于系统 1 / 系统 2 内化的技术演绎 | 属作者演绎，无官方披露支撑

| | 「死局」这个标题框架 | Dylan Patel 原播客里从未使用零和的「死局」框架，结论是条件式、可证伪的

| | 「Dylan Patel 拿物理法则给 AGI 叙事砸场子」 | 方向性误读：他的立场更接近「需求远超所有人预测」

| | 「草蛇灰线，伏脉千里」的必然性叙事 | 标题把逆袭读成注定收束的伏线，而文中自己引用的证据更支持「这是一次真实的存亡危机」

    表 9.3 · 九条需要打折的流行说法。另有四组**数字口径冲突**需要择一并注明来源：
      Shopping Graph 商品节点数（同一篇内 500 亿 vs 5000 亿）、TPU 起始年份（2015 启动项目 vs 2015 已部署 v1）、
      Gemini App 月活（同一篇内两套口径）、英伟达毛利率（同一篇内 80% vs 73%）。
      **再加上本节 9.2 已经换掉的那个「中国电力增速 30%」，合计十处。**




### 9.7 上位判断：为什么会分裂



    图 9.1 · 同一批事实，两条评价曲线在哪里分叉
    悬停看每个点的打分依据；两条线用的是同一批事件





    **纵轴是本材料作者的主观编码**：−1 = 该叙事把这件事读成负面，+1 = 读成正面，0 = 中性。
    打分依据是各自阵营代表性文章的**标题与结论句**，逐点依据见悬停提示。
    **这不是测量，是编码；它可以被另一位读者按同样规则重新打分并得到不同结果。**
    文字替代：分叉最大的三点是 TPU 外售、人才流失、capex 上调，三点的具体表述见本节 9.1 与表 9.2。





  **这张图的打分规则。**
    每个事件取双方最具代表性的一篇（英文侧取权威媒体的报道框架，中文侧取传播最广的公众号标题与结论句），
    按其定性给 −1 / −0.5 / 0 / +0.5 / +1。
    **打分人是本材料作者**，样本量小、选择标准依赖判断，**因此它只能用来看趋势，不能用来量化差异。**




  **分歧不在翻译，在提问者的位置。这个命题可以被拆成三条可检验的机制。**

  **机制一 · 中文媒体不是把 Google 当报道对象，而是当组织样本。**
    它分析 Google 的目的往往是回答「字节 / 阿里 / 腾讯该怎么组织 AI」。
    这种「拿来主义」的对照视角英文媒体不会有，因为它们没有这个需求。

  **机制二 · 中文读者里大厂从业者的比重高得多。**
    所以「组织如何拖慢技术」是切身议题，「30 个 business days」这种颗粒度才会被问出来。

  **机制三 · 中国是全球最大的手机制造国与消费市场。**
    所以 HBM 挤压对中文读者是可感知的现实，而对英文读者是产业新闻。

  **三条机制的共同点是：它们都不涉及「谁更聪明」，只涉及「谁在问什么」。**
    这也是本节拒绝「中文圈更清醒」这个结论的理由——**位置差异不等于认知优势。**





    把这些差异称为英文圈的「盲区」，是一个自我抬高的说法。
      **更简约的解释是：同样的框架之所以在英文圈没有出现，
      是因为它们达不到英文财经媒体的举证门槛，而不是因为英文圈没想到。**

E13-1本节自己列出的十处数字问题就是直接证据。「中国电力增速 30%」对不上任何官方总量口径；四组数字在同一篇文章内部就自相矛盾（Shopping Graph 500 亿 vs 5000 亿、英伟达毛利率 80% vs 73%）。这类错误在权威英文财经媒体里会被事实核查拦下 A（本节逐条核对）
E13-2**「基础设施羡慕」这个核心概念原文未标英文出处。** 一个提出后被反复引用的分析框架，如果它的经验基础无法回溯， 那么它更接近一个有洞察力的猜想，而不是一条发现C

E13-3九条打折清单里有三条的问题是「标题与正文不符」（马斯克点赞、死局框架、草蛇灰线）。 标题与正文不符是一种系统性的编辑实践，不是个别失误A

  反方成立的条件是：那些独有观察**必须能被英文圈的举证标准复现**。
    对其中一部分它成立——「隐性知识」「基础设施羡慕」都缺可核的经验基础。
    **但对另一部分它不成立**：谭捷的「30 个 business days」是**在职员工的具名自陈**，
    Andrew Dai 关于中国开源团队的观察同样是**具名的一手陈述**——
    **它们的举证强度不低，只是英文媒体没有问这个问题。**




  正方收窄归因之争
    **反方在很大程度上成立，本节因此把「真盲区」这个词的适用范围收窄。**
    能称为盲区的只有一类：**有具名一手来源、且英文圈从未问过这个问题**的内容——
    按这个标准，19 条里能站住的大约只有三分之一，而不是语料原判的六条。
    **其余的更准确的称法是「视角差」而不是「盲区」**：
    它们提出了有价值的问题，但没有提供达到英文举证标准的答案。

  **这个收窄反过来让本节剩下的那三分之一更有价值**——
    因为它们现在是筛过的，而不是自封的。




  **持续观察**：英文主流媒体是否开始系统性使用「生产资料 / 隐性知识 / 电力增速」
    这套框架分析同一批事实。**如果开始使用，那么「英文圈没想到」被证伪，
    「举证门槛更高」得到支持——因为这说明它们一直想得到，只是在等证据。**
    反过来，如果中文圈开始为这些框架补上可核的经验基础，
    那么它们会从「视角差」升级为真正的发现。

十一、结语 · 把这一章变成一份可证伪清单

一章讲「路线差异」的材料，最容易的收尾方式是再总结一遍每条路线的特点。
  那样收尾等于什么都没说。这一节做另一件事：**把前面九节的判断逐条翻译成可以被未来事实推翻的陈述**，
  并且先用一张图检验一个最容易被含糊过去的东西——**Google 内部那些 AGI 年份，
  到底在收敛还是在发散。**

### 10.1 十七年的 AGI 时间表：唯一一次由证据推动的移动


  **读这张图之前必须知道三件事，否则一定会误读。**

  ① **门槛不同，数字不可比。** Google DeepMind 内部至少并存三套互不兼容的 AGI 门槛：
    Shane Legg 的 **minimal AGI**（能做「典型人」能做的认知任务）、
    官方安全论文的 **Exceptional AGI**（熟练成人的第 99 百分位）、
    以及 Demis 的门槛（**人脑能做的所有事，甚至理论上能做的**）。
    图上三条系列**不是在预测同一件事**。

  ② **区间表态一律取中点，原始区间写在悬停提示里。**
    例如「五到十年」按发言当年 + 7.5 年折算。概率表态取其点估计（如「50% by 2030」记为 2030）。
    这是一个作图约定，不是当事人给的数字。

  ③ **三位 Gemini 技术负责人在整个窗口里一次都没有给过年份或概率**，
    因此他们在图上没有点。**这个空白本身是这张图最重要的一条信息**，见下文。





    图 10.1 · AGI 时间表的演变：横轴是发言时间，纵轴是被预测的年份
    点图例可以单独看某一组；悬停看原话与门槛定义





    数据逐点取自 `REVIEW-02 §5`（只收录可回放原话）与 `01-people-dossier.md` Part 4 主表。
    **文字替代见下方表 10.1**。灰色对角虚线是「预测年份 = 发言年份 + 5」的参考线，
    点落在它上方表示预测比五年更远。快照日 2026-07-25。

    表 10.1 · 图 10.1 的文字替代。**Shane Legg 的前四行必须分开读**，
      可用的统一说法是：**「2028 这个中心锚自 2009 年起稳定；2009 年给出的统计量是期望值
      （众数是 2025），50% 分位首次明确见于 2011 年的 LessWrong Q&A，2023 年的播客再次明说
      50% by 2028。」**
      把它们压缩成「他 2009 年就说 50% 概率 2028」是一个具体的、可查证的错误，
      也是本项目独立引语审计明令禁止的写法。
      **Demis 那一行同样要注意**：2030 是主持人做的 2010 + 20 换算，他只作了大致确认。





  **这张图能读出三件事，而它们的方向并不一致。**

  **第一，收敛是真的，但只发生在一个人身上。**
    Demis 的点从 2023 年的宽区间（2026–2033）一路收窄到 2026 年的 2030±1。
    更关键的是**理由变了**：2023 到 2025 年他每次被问理由，给的都是同一个——那份 2010 年的商业计划书；
    2026 年 5 月他第一次给了一个外部理由，「我们现在能看到 agent 真的在发生」。
    **这是十六年里第一次，观测证据反过来推动了那个承诺锚点。**
    值得注意的是，推动它的不是模型分数，是 agent 的可用性。

  **第二，发散也是真的，而且方向与「离资本市场问责的距离」完全相关。**
    2025 年 5 月 20 日的 Google I/O 台上，Sergey Brin 说「之前」，Demis 说「就在之后一点」；
    三周后 Sundar 说「我们刚好会赶不上那个时间线」。
    **联合创始人最激进、研究负责人居中、对股价负责的 CEO 最保守。**
    这个排序太整齐，不太可能是巧合——它说明这些「预测」承担的功能并不相同：
    Brin 的是动员，Demis 的是定位，Sundar 的是期望管理。

  **第三，也是最重要的一件：图上有三个人没有点。**
    Jeff Dean、Noam Shazeer、Oriol Vinyals 三位 Gemini 技术负责人，
    在 2021–2026 这五年半里**一次都没有给过 AGI 年份或概率**。
    他们用能力里程碑（初级工程师水平、自我改进、持续学习）替代 AGI 这个词。
    Jeff Dean 自己给的理由是：不同的人对 AGI 的定义差别巨大，
    「问题的难度会相差一万亿倍」[@src-7d499e6b8f]。
    **给年份是 CEO 的工作，不是首席科学家的工作**——因为年份是一个融资与动员工具，
    不是一个技术结论。三位最懂技术的人集体不给年份，是本材料对「AGI 时间表」
    这一整类论述最有力的一条注脚。




  把三位技术负责人的沉默解读为「他们不相信这些数字」，是过度解读。
      在任何大公司里，对外给时间预期本来就是 CEO 与传播部门的职责；
      研究负责人不给年份是**合规与分工**的结果，不是认知上的保留。

  Jeff Dean 自己给的理由是定义分歧，**不是「时间表不可知」**：
      「我倾向于回避 AGI 话题，是因为很多人对它的定义非常不同，问题的难度会相差一万亿倍。」
      他同时明确区分「比普通人强」与「达到人类专家水平」两档，并拒绝给出新时间点[@src-7d499e6b8f]。
      更硬的一条反证：**他 2016 年是给过数字的**——「15 到 50 年，可能更接近这个区间的下限」[@src-6e409ab6cb]。
      一个从不给数字的人不会有 2016 年那句话。**变化的是场合和身份，不一定是信念。**

  只要没有内部材料显示这三人在非公开场合也回避给年份，
      「分工说」与「保留说」就同样成立。要区分二者，需要观察一个特殊场景：
      **在没有对外传播压力的技术场合（论文、内部圆桌、学术演讲）里，他们会不会给年份。**
      2026-05-29 的 Gemini co-leads 官方圆桌是最接近的一次——
      三人在那里给的仍然是**能力里程碑**（自我学习、持续学习、模型自我改进），
      而不是 AGI 年份。这对「保留说」是弱支持，因为那场圆桌仍然是对外发布的。

  正方收窄归因之争 **反方部分成立，正方需要换一种说法。**
      我不再主张「他们的沉默表明他们不相信年份」，而主张一个更弱、也更可核的版本：
      **在这家公司里，「给年份」与「做技术」是两种被明确分开的工作，
      而这个分工本身就说明年份不是一个技术产物。**
      这个版本不需要猜测任何人的内心，只需要观察谁在什么场合说什么——
      而这是可以被证伪的：**如果 Jeff Dean、Oriol Vinyals 中的任何一位在未来 12 个月内
      公开给出一个 AGI 年份或概率，这条判断就该被撤回。**



### 10.2 本章十条判断的可证伪清单

下面这张表是本章的核心交付物。每一行是一条判断、一个证伪条件、一个检验时点，
  以及截至 2026-07-25 的状态。**「已被部分击中」的三行是本章自己最该被追问的地方。**

    表 10.2 · 本章判断的可证伪清单。「当前状态」列的颜色只表示**与判断的关系**：
      绿=支持判断、红=与判断冲突、黄=部分击中、灰=尚无法检验。**它不表示好坏。**
      快照日 2026-07-25。




### 10.3 本材料自己的三条方法论偏差

按本项目新增的辩证性要求，这一节把本章证据结构自身的问题写出来。
  **这不是免责声明，是三条具体的、可以被后续研究补上的缺口。**


  **偏差一 · 证据几乎全部来自 Google 系人物的公开发言。**
    本项目 590 条来源中，关于路线选择与 2022 年失利的解释，
    绝大多数是当事人在播客、访谈、演讲中的自述。
    本材料**没有内部文件、没有匿名内部访谈、没有离职者的深度背景访谈**。
    而当事人对自己失败的解释天然带有自我合理化倾向——
    「我们输在发布阈值而非技术」这类说法，本身就是一个对 Google 更体面的叙事。
    **本章第八节的反方块专门处理了这一条，并据此收窄了原判断。**

  **偏差二 · 中英文材料的证据密度与形态都不对称。**
    英文侧多为官方博客、论文、财报与播客官方逐字稿；
    中文侧的高价值材料**大量是译文**，且已知存在说话人标签错位与术语误译
    （最严重的一例是 Lex Fridman 那一集，本项目最著名的伪引语正出自其中）。
    本章凡引用中文译本，一律标「译文」并保留「英文原始音频未逐句回溯」的标记；
    **凡归属不能确定的句子一律未被采用。**
    但这仍然意味着：本章对 2026 年那几场长访谈的引用，可信度低于对 2024–2025 年
    英文播客的引用。

  **偏差三 · 「行为优先于表述」这条对冲方法，本身也受证据稀疏的限制。**
    本章多次用行为证据（真的删了那段 AI 原则、真的合并了、真的开始交付 TPU 硬件）
    来穿透受众效应。这是对的，但行为证据的**数量远少于**表述证据，
    而且行为的**动机**同样不可直接观察。
    本章能做到的最多是：**当表述与行为不一致时，采信行为；当两者一致时，也不把它当成因果证明。**



### 10.4 收束：为什么 Google 是 Google

如果要用一句话回答本章标题里那个问题，本材料的答案不是「因为它有 Transformer」，
  也不是「因为它有 TPU」，而是：


  **Google 是唯一一家同时握着「研究传统」「自有硬件」与「十亿级分发」三样东西的组织，
    而这三样东西对「要不要发布」施加的是**方向相反**的力。**

  研究传统让它倾向于把东西再打磨一轮（Demis 2022 年 11 月：不要 move fast and break things）；
    自有硬件让它可以承受长周期押注，因而**不急**（Jeff Dean 的 TPU N+2 要预测两到六年后的负载）；
    而十亿级分发让它每一次发布的下行风险都被放大到别人无法想象的量级
    （Mustafa Suleyman：Google 在欧洲当了十五年被告）。
    **三股力叠加的结果，就是一个在技术上遥遥领先、在发布上系统性迟疑的组织。**

  2022 年之后 Google 做的所有事情，本质上都是在**削弱后两股力对第一股力的约束**：
    合并是为了让研究能攒成产品，拆护栏是为了降低发布的心理成本，
    创始人回一线是为了让流程没有借口，
    把工时预期公开提到每周 60 小时是为了改变默认节奏。
    **这些动作全部是组织性的，没有一件是技术性的——这本身就是对「输的不是技术」这句话
    最强的行为背书，也是对「那为什么用了三年」这个问题最诚实的回答：
    因为组织比技术难改。**

  而 2026 年 7 月这个时点的尴尬在于：三股力被削弱之后，
    **第一股力也一起被削弱了**。走的是定义了当前范式的那批人——
    Jack Rae（把「压缩即智能」变成 Deep Think 的人）2025 年已转 Meta；
    Denny Zhou（思维链作者）2026-02 静默去 Meta；
    Noam Shazeer 2026-06 二度出走加入 OpenAI（职称未获官方确认）；
    诺贝尔化学奖共同得主 John Jumper 2026-06-19 宣布加入 Anthropic（新职位未披露）；
    另有两位 AlphaFold 核心作者据 Bloomberg 报道将转投 Anthropic，**双方均无一手确认**[63]。
    再加上旗舰延期，
    以及一张迅速加杠杆的资产负债表——长期负债从 2025-12-31 的 $46.5B 升到 2026-06-30 的
    **$98.2B**，半年翻了一倍多；同期发行债务所得 $56.2B、偿还 $5.3B，**净举债约 $51.0B**，并完成了一次定价 $84.75B 的股权融资
    （**其中 $40B 是尚未动用的 ATM 授权，截至 06-30 实际净到账 $49.6B**，
    不能写成「已募得 847.5 亿美元」）[@src-7775dbd964]——**如果 Demis 的 2030±1 是对的，这笔账会在四年内被兑现；
    如果不对，2026 年 7 月这张资产负债表就是问题的开始，而不是胜利的证明。**




  「研究传统 + 自有硬件 + 十亿级分发，三股力方向相反」这个模型
      能解释 Google 慢，也能解释 Google 快（三股力对齐时就快），
      **因此它什么都能解释，也就什么都没解释**。这是典型的事后叙事结构。

  最强的反例是 **Anthropic**：它三样东西一样都没有——没有自有加速器
      （官方宣布计划使用最多 100 万颗 Google TPU）、没有消费级分发、没有十年的研究传统——
      却在 2025-07 到 2026-07 这 13 个月里发布次数最多，并在 SWE-bench Verified 与
      GDPval-AA v2 上长期居前[@src-97c582cac1][@src-52afb0a46b]。
      **如果那三样东西真的是解释变量，缺了全部三样的一家不应该跑在前面。**

  三力模型只有在**被用于解释同一个组织的纵向变化**时才有约束力，
      一旦被用于横向比较不同组织就会失效——因为不同组织的约束集合完全不同。
      换句话说，它是一个关于「Google 为什么是这样的 Google」的模型，
      **不是一个关于「谁会赢」的模型**。把它用于后者是滥用。

  正方收窄方法之争 **反方成立，且它划出的边界是对的，我接受这个边界。**
      本章的三力模型只主张一件事：**Google 在 2019–2026 年的行为序列，
      比「Google 太保守」或「Google 后来醒了」更能被这三股力的消长解释。**
      它不主张三力齐备就会赢，也不主张缺少三力就会输——Anthropic 恰恰证明了后者不成立。


    如果 Google 在未来 12 个月里、在三股力都没有变化的情况下出现行为模式的显著转向——
      例如**突然开源一个前沿模型**，或**突然停止对外销售 TPU 系统硬件**——
      那么这个模型就漏掉了一个比它们三个更重要的变量，**应当被替换而不是修补**。
      反过来，如果三股力中有一股发生可观测的变化（例如分发面因反垄断裁决被削弱），
      而行为模式随之改变，那么模型获得一次正面验证。**两种情形在 2027-07 前都是可观察的。**





本章的判断与全材料其他章节的争议如何交叉，
  以及未来 12–24 个月哪些证据会分出胜负，见项目的争议地图章节。
  本章引用的全部引语与逐条出处，见第 12 章 · 金句库。


  来源





































































































    ← 总览
    上一章：重要采访与演讲精析
    下一章：技术谱系



    Gemini 认知体系全景 · 材料时间边界 2021.01 – 2026.07 · 更新于 2026-07



    本章中，正文为有出处的事实陈述；**紫色「本质洞察」**为作者判断，
    **橙色「批判 / 局限」**为局限与代价，**青色「反方」**为对该判断最强的反驳及其再判断。
    引语标「转述」者非原话，标「译文」者以英文原文为准。
    官方未披露的数字一律写明「未公开」，不用外部估算顶替。