当OpenAI和Anthropic竞相开发能够自主设计下一代算法的递归式自学习系统时,Google DeepMind选择了截然不同的路径。表面上看差异似乎微不足道——这家公司仍在发布模型并盈利。然而,对德米斯·哈萨比斯团队近期举措的分析表明,其战略已转向所谓的"世界模型"(world models)。

为什么Gemini 3.6 Flash不拼算力

7月21日,谷歌发布了Gemini 3.6 Flash模型。核心卖点是速度和成本,而非绝对性能。据该公司数据,新版本生成的token数比前代减少17%,直接降低了响应成本。但在Artificial Analysis排行榜上,该模型仅位列第十,落后于几乎所有主要竞争对手。

这并不意味着谷歌放弃了优化。该公司已启动未来Gemini 4的最大规模训练,更强大的Gemini 3.5 Pro版本正在合作伙伴中测试。但关键在于——桑达尔·皮查伊公开将路线图与个人智能体发展挂钩,而非追求基准测试排名。

DeepMind对抗递归式改进

世界模型是一种学习环境物理规律的人工智能:重力、运动、因果关系。这类算法能预测空间中的事件发展,而非仅仅匹配词汇。在DeepMind官网上,Genie 3和Gemini Robotics均被归类于"世界模型"和具身AI(控制机器的软件)板块。

OpenAI和Anthropic选择了截然不同的策略。这些团队专注于系统的递归式自我改进。这项技术本质上允许AI自主设计下一代算法,启动一个产品能创造更强大解决方案的开发循环。

Anthropic联合创始人杰克·克拉克在5月4日的文章中评估,到2028年底AI能自主管理研究流程的概率为60%。同时他指出DeepMind"在三大巨头中显得最为克制"。这里的克制意味着谨慎。克拉克的依据来自DeepMind自身文件,特别是2025年发表的AI安全论文。

作为对比:Anthropic已记录到AI创造更优AI的案例。在4月的一次测试周期中,其模型性能提升了52倍。而一年前这个增幅仅为2.9倍。经验丰富的工程师需要4到8小时才能实现4倍的性能提升。

为何不能说谷歌退出竞赛

有两个重要因素反驳这种假设。首先,谷歌在机器学习研究测试中保持领先。MLE-Bench基准测试评估模型自主创建AI架构的能力。2月份Gemini 3以64.4%的成绩位居榜首。7月份3.6 Flash版本获得63.9%。即将退出市场的公司通常不会领跑这类排名。

其次,这家科技巨头保持着巨大的用户覆盖。桑达尔·皮查伊表示,Gemini应用的月活跃用户已达9.5亿。

观望立场的财务代价

搜索广告收入长期覆盖DeepMind的实验支出。但Alphabet最新财报显示资金储备正在缩减。2024年第二季度公司营收达1198亿美元,同比增长24%。仅搜索广告就贡献了633亿美元。

但支出也在增长。三个月内Alphabet投入449亿美元用于数据中心建设和设备采购——几乎是去年同期的两倍。结果自由现金流为负58.6亿美元。3月份该指标为正值101亿美元,去年12月则为246亿美元。

为弥补缺口,Alphabet发行了496亿美元股票并筹集了203亿美元贷款。半年内长期债务从465亿美元增至982亿美元。与AI联合开发相关的支出项亏损57.9亿美元——去年同期为33.7亿美元。由此可见,当前的观望立场正让公司付出越来越高的代价。

未来30天需要关注的重点

  • Gemini 3.5 Pro是否发布及模型在测试中的排名。
  • DeepMind是否会公布Gemini 4世界模型的新数据。
  • Alphabet的现金流能否在9月恢复正值。
  • 德米斯·哈萨比斯是否就自学习技术阐明立场。

Gemini 4的发布将成为公司战略的决定性时刻。如果世界模型方法被证明有效,当前的放缓将是精准的计算。即将发布的财报将揭示Alphabet在这场技术竞赛中的真实资源边界。

专家观点:当市场沉迷于基准测试和递归式改进时,DeepMind正在押注对真实世界物理规律的理解。如果这一战略成功,谷歌可能占据独特位置——届时竞争对手追赶的将不再是token数量,而是对环境的根本性理解。但日益增长的债务和人才流失构成的试错成本正变得至关重要。