新智元报道
新智元报道
【新智元导读】未来AI路线图曝光！谷歌发明了Transformer，但在路线图中承认：现有注意力机制无法实现「无限上下文」，这意味着下一代AI架构，必须「从头重写」。Transformer的时代，真的要终结了吗？在未来，谷歌到底有何打算？
就在最近，谷歌未来的AI路线图曝光！
谷歌产品负责人Logan Kilpatrick在AI工程师世界博览会的演讲中，介绍了Gemini模型的未来。
在未来，Gemini的全模态是重点，模型正在逐步变成智能体，推理能力还会持续扩展。
要点速览——
· 全模态（r）
已经原生支持图像 + 音频生成，接下来是视频
· Diffusion的早期实验（r）
扩散模型相关
· 默认具备Agent能力（m）
一流的工具调用与工具使用能力，但更重要的是，模型正在逐步变成智能体
· 推理能力持续扩展（s）
一个又一个研究突破接踵而至
· 更多小模型（s）
很快会有更多内容可以分享
· 无限上下文（r）
以当前注意力机制和上下文处理方式，这是不可能实现的 我们需要在核心架构层面进行全新创新，才能实现这一目标
· 大模型
规模即一切
注意，(r)、(s) 和 (m) 表示每个项目在谷歌路线图中的进展程度：
• (s) = short: 短期/即将上线——表示已经在进行中或即将推出的项目
• (m) = medium: 中期——仍在开发中的项目，将在未来几个季度内推出
• (r) = research: 研究/长期项目——在发布之前仍处于实验阶段或需要突破性进展
可以看出，谷歌现在是春风得意马蹄疾，Gemini 2.5 Pro让它稳稳扳回了一局，再次证明了自己在AI领域老大哥的地位。
X上的大V「Chubby」，也对硅谷大厂们进行了一期「年中盘点」。
OpenAI
目前仍处于领先地位，凭借o3、o3 pro以及即将到来的GPT-5，依然地位稳固。他们保持着定期更新，经常发布AI工具，不断增长的用户数量说明了一切。
DeepSeek
DeepSeek在r1取得可观成功后陆续推出了重大更新，但目前全世界仍在等待后续产品r2。关于DeepSeek后期将如何继续推进，目前尚无线索。
Anthropic
仍然是软件开发(SWE)领域的领头羊。如果其CEO所言不虚，智能体和进一步的发展将在未来几年内实现所有流程的自动化，并由通用智能体来处理。目前，Anthropic 正专注于商业领域（这一点从较低的速率限制上也不难看出），并继续保持强劲地位。
谷歌
然而，今年最大的赢家可能是谷歌，它几乎是从后起之秀跃居领先地位。Gemini 已经取得了令人瞩目成功。产品的定期更新、许多公告，包括出色的TPU定位，让谷歌的未来看起来一片光明。
Meta
不可否认，Meta已经落后了。Llama 4失败了，Behemoth也还没有发布。小扎组建了新的超级智能团队，试图再次迎头赶上。Alexandr Wang从Scale AI加入Meta是否会成为转折点？仍有待观察。
Grok
Grok 3.5也即将上线。目前很难评估。Grok在Colossus集群中显然处于有利位置。然而，它是否能训练出更好的模型？仍有待观察。
这其中评价最高的谷歌，接下来一段时间会有什么大动作？
让我们仔细看看Logan Kilpatrick的演讲内容，从中找出关键线索。
全公司公认，Gemini 2.5 Pro是谷歌重大转折点
这次大会上，前OpenAI成员、谷歌AI Studio产品负责人Logan Kilpatrick的演讲干货满满，透露了不少Gemini 2.5 Pro以及将来谷歌Gemini的计划的细节。
关于Logan Kilpatrick这位哥，还有一件趣事：据说Gemini制作笑话的能力完全是根据他的推文训练出来的，这就是为什么它们都不好笑。🤣
目前，Logan Kilpatrick负责Gemini API开发及AGI研究
在演讲中，Logan Kilpatrick快速讲了三部分内容：
-
关于Gemini 2.5 Pro的一些有趣的发布内容；
-
回顾过去一年的Gemini进展；
-
展望未来 —— 模型本身、Gemini App，以及开发者平台的后续计划。
关于Gemini 2.5 Pro，他认为它被谷歌内部、也被外部开发者生态认为是一次「转折点」——
在数学、编程、推理上，全面封神，稳坐所有榜单第一。
它为Gemini的未来奠定了坚实的基础。
Logan Kilpatrick给大家提了一个问题：谷歌过去各产品之间的连接是什么？
大多数人会想到：谷歌账号。但谷歌账号本身其实不「保留状态」，它的作用只是让你登录各个独立产品。
而现在，Gemini正在成为「统一线程」（thread）——串联起谷歌所有服务的那条线。
Gemini App，很有意思，很酷，体现了谷歌如何思考AI产品的未来。
他相信，谷歌的未来会呈现出这样的面貌：
Gemini将成为统一接口，连接所有谷歌产品，形成真正的「全域助手」。
目前大多数AI产品，仍然是「用户主动操作」——你要主动提问，主动请求功能。
但最令人兴奋的是AI的下一个阶段：
「主动式AI」 （Proactive AI） ——AI 主动为你发现问题、提供建议、自动处理任务。
而现在，谷歌全力押注新范式转移：
-
多模态能力：原生音频处理已支持Astra和Gemini Live，Veo技术保持业界领先，视频整合将是下一阶段重点
-
模型进化：从单纯的token处理器转向具备系统化推理能力的智能体，「推理扩展」尤其值得关注
-
架构创新：包括小模型生态、无限上下文解决方案（需突破现有注意力机制限制）以及早期扩散实验展现的惊人token处理能力
从模型层面看，Gemini最初就被设想为一个统一多模态模型：音频、图像、视频，全都能处理。
在这方面，谷歌取得了很大进展：
-
谷歌I/O大会宣布了Gemini的原生语音能力（文本转语音TTS、语音合成、语音交互）；
-
它已经支持自然对话，听起来非常自然；
-
这些能力已集成到Astro与Gemini Live。
Astro是谷歌的研究原型，探索为旗下产品带来突破性能力的途径。
目前，Astro集成了下列能力：
谷歌还在推进「Veo」相关能力（Video + Other），它已在多个指标上达到SOTA水平，未来也会并入主线Gemini模型。
此外，谷歌还在研究「基于扩散的推理」（diffusion-based reasoning）—— Gemini Diffusion。但此项目仍属研究前沿，尚未进入主线，但前景令人期待。
Gemini Diffusion有极高吞吐速率，每秒可采样1000余token
最近，Logan Kilpatrick一直在思考：随着系统推理能力越来越强，未来AI产品是什么形态？
过去，开发者总是把模型当作黑盒工具：
输入token，输出 token；
然后在外部构建各种scaffolding（支架）以增强功能。
但现在，情况变了：
模型自身越来越系统化，越来越能自主做事 ，不再只是「被动计算器」。
他认为，「推理过程」将成为一个核心变革点：如何扩展模型的推理能力。
他非常期待的问题是：
过去外部做的很多scaffolding，未来是否会被整合进模型的内部推理流程？这将彻底改变开发者构建产品的方式。
除此之外，谷歌还会在以下新产品和研究上发力。
-
更多「小模型」——轻量级，适合移动端与低功耗设备；
-
更大的模型——满足用户对极致能力的期待；
-
更重要的是：「无限上下文」的研究突破。
当前的AI模型架构（如Transformer）的重要缺陷之一，就是无法很好地支持无限上下文。
谷歌认为，既然注意力机制无法无限扩展，那就必须有新结构。
他们正在积极探索： 如何让模型引入、理解并高效处理超大规模上下文。
即将上线的开发者功能重点如下。
-
嵌入模型（Embeddings） 虽然感觉像「AI早期工具」，但仍是核心组件。 RAG应用背后大多数都依赖embedding。 姑给即将发布一款最先进的Gemini嵌入模型，并拓展给更多开发者。
-
深度研究API（Deep Research API） 用户对「深度研究」功能喜爱有加。 谷歌正在将这些能力聚合为专门的 API 接口，面向研究型产品开发者。
-
Veo3与Imagine 4接入API：很快将上线。
最后一个重点，谷歌计划重新定位「AI Studio」:
不再是2C产品，而是明确定位为「开发者平台」。
未来，AI Studio将成为真正的开发工具平台，内嵌Agent构建能力，例如Jules或开发者专属代码Agent，为开发者提供完整构建体验。
对谷歌Gemini团队来说，过去一年可以说是「最疯狂的一年」。
在谷歌I/O上，劈柴展示了一页幻灯片：过去12个月，谷歌Gemini团队仿佛压缩了10年的开发工作。
从个人角度出发，Logan Kilpatrick认为谷歌真正的优势在于：
不仅在做AI基础研究，还在推进科学、几何、机器人等多领域的研究，
这些研究最后都会反馈到主线Gemini模型中。
在谷歌I/O演讲中，劈柴还展示了另一张幻灯片：在过去一年，谷歌服务器AI推理任务处理量提升了50倍！
Logan Kilpatrick认为：「这说明外部开发者生态对Gemini模型的需求呈爆炸式增长。」
其实背后的关键不只是技术，而是组织结构的变革。
2023 年初，谷歌把多个AI研究团队整合到DeepMind，制定了新方向：
不再仅限于理论研究，而是要做出真正实用的模型，服务于谷歌内部与外部开发者生态。
之后，又迈出第二步，将产品团队也纳入DeepMind。这意味着：
-
DeepMind负责研发模型、推动研究；
-
同时也打造产品并将其交付给全球用户。
最近，谷歌还任命DeepMind的首席技术官Koray Kavukcuoglu担任新的高级副总裁职位——首席AI架构师。
Koray Kavukcuoglu
与研究团队密切合作，把尖端模型能力带到现实世界——
这种「前沿协作」的过程让Logan Kilpatrick个人非常享受。
这种创新的节奏非常令人兴奋，他相信这才刚刚开始。
谷歌DeepMind内部公式很简单，总结一句话：
找到最优秀的人，发现基础设施优势，然后……不断发布！
（文：新智元）