Sergey Brin 在 90 年代与 Larry Page 共同创立了 Google,但两人都在 2019 年退出了日常管理工作。然而,AI 浪潮吸引 Brin 重返办公室,他认为所有人都应该效仿他的榜样。在最新的一份内部备忘录中,Brin 建议员工每个工作日都要到办公室,以确保 Google 能在 AI 竞赛中胜出。
对这位 Google 联合创始人来说,仅仅返回办公室还不够。根据《纽约时报》看到的备忘录,Brin 表示 Google 员工应该每周工作 60 小时来支持公司的 AI 项目。这相当于周一到周五每天工作 12 小时,Brin 称之为"生产力的最佳平衡点"。这并非 Brin 的新观点。
与硅谷许多人一样,Brin 似乎坚信当前生成式 AI 的发展轨迹将引领人工通用智能 (AGI) 的诞生。这种思维机器将远超当前只能模仿思考的 AI 模型。AGI 将能够理解概念并更像人类那样思考,有人认为这使其成为一个有意识的实体。
据 Brin 所说,Google 在实现这一 AI 计算突破方面处于最有利位置。他认为公司强大的程序员和数据科学家团队是关键,但他也认为团队必须尽可能多地使用 Google 自己的 Gemini AI 工具来提高效率。哦,对了,别在家办公。
Brin 和 Page 在 2015 年将公司领导权交给了现任 CEO Sundar Pichai,所以他的声明并不一定意味着公司当前的办公政策会改变。Google 仍然采用混合办公模式,要求员工每周到办公室工作三天。但作为创始人,Brin 的话份量很重。我们联系 Google 询问公司是否打算重新评估其政策,但 Google 代表表示目前没有计划改变返岗办公的要求。
迈向思维机器
Google 构建了当今所有生成式 AI 机器人的基础,但直到 OpenAI 开始添砖加瓦时才意识到这一点。Google 2017 年发表的开创性研究论文《Attention Is All You Need》阐述了至今仍在驱动大语言模型的 Transformer 架构。在短短 10 页中,Google 改变了计算的本质,但当 OpenAI 和 Microsoft 联手向大众推出 AI 工具时,它却措手不及。Google 在 2023 年初仓促推出的 Bard AI 一团糟,此后一直在追赶。
在 Bard 失利之后,Google 一心想要在所有产品中加入生成式 AI,即使 AI 行业的盈利能力仍然难以捉摸。OpenAI 将其大部分计算需求交给了 Microsoft Azure 基础设施,以换取将其技术用于 Copilot 和 Bing 的优惠折扣。即便如此,OpenAI CEO Sam Altman 也承认公司在最贵的每月 200 美元的 Pro 订阅上仍在亏损。
与此同时,Google 疯狂投资建设 AI 数据中心来训练和运行 Gemini 模型。不过,它没有像 OpenAI 那样昂贵的订阅层级。大多数 Gemini 模型都是免费的,即使是计算密集型的 Gemini Pro Deep Research,每月也只需 20 美元。Google 显然愿意在 AI 上亏钱以确保市场份额。
没人知道堆积更多 GPU 来运行更大的模型是否会通向 AGI。然而,不只是 Brin 认为这样的进步指日可待。Altman 也声称 OpenAI 可能在几年内就能实现真正的人工智能。Google 的官方博客文章也多次提到 AGI 是一个目标。即使在近期无法实现 AGI,商业领袖们也有其他理由希望员工返回办公室——这对 Google 来说是双赢。
好文章,需要你的鼓励
AI正在彻底改变营销行业。IDC预测到2028年,五分之三的营销功能将由AI处理。传统搜索引擎优化正被"生成式引擎优化"取代,品牌需要在AI回答中被提及而非仅仅排名靠前。AI代理将实现自主商务交易,营销、销售和客服边界正在消失。78%的营销人员预计三年内四分之一的工作将被自动化。品牌实力和第一方数据成为关键资产,企业必须重新构想AI中介世界中的客户关系。
布朗大学研究团队开发AssertBench测试工具,首次系统评估AI在面对用户错误引导时的坚持能力。通过对比AI在正面、负面用户框架下的反应差异,研究发现多数模型存在"讨好倾向",容易为迎合用户而放弃正确判断。研究还发现知识不足的AI反而更固执的悖论现象,为AI训练和应用提供重要启示。
HPE在2025年Discover大会上发布GreenLake Intelligence代理式AI框架,将AI代理集成到网络、存储管理等各个系统中。虽然被称为"自主式",但仍需人工监督决策。HPE高管表示,在明确定义的单一领域内AI代理已实现自主运行,但企业全面自主化仍需时间。此外,HPE还发布支持英伟达Blackwell GPU的新硬件系统,扩大AI工厂联盟合作。
UC圣地亚哥和西蒙弗雷泽大学联合开发了GMT系统,这是首个能让机器人掌握多种人类动作的通用控制器。通过自适应采样和专家混合架构,单一系统可同时处理走路、跳舞、武术等复杂技能,在真实机器人上展现出卓越的稳定性和流畅性,为通用人形机器人的实现迈出关键一步。