Google 的 AI，
不是突然醒來
Sundar Pichai 在 Stripe Cheeky Pint 裡回看 Transformer、TPU、搜尋、Gemini、Waymo 與雲端。他講的不是單一模型追趕，而是一家公司如何把同一條 AI 曲線接到產品、基礎設施、資本配置與組織工作流。
SCROLL
Sundar Pichai 在 Stripe Cheeky Pint 裡回看 Transformer、TPU、搜尋、Gemini、Waymo 與雲端。他講的不是單一模型追趕，而是一家公司如何把同一條 AI 曲線接到產品、基礎設施、資本配置與組織工作流。
John Collison 一開始問 Pichai：Transformer 在 Google 發明，卻由外部公司用聊天產品引爆，Google 怎麼看這件事？Pichai 的回應是，外界常把「沒有第一個推出 ChatGPT 形態產品」誤解成「沒有產品化」。
他的說法很明確。Transformer、TPU 與早期 AI 研究，原本就常被產品問題牽引。翻譯要變好、語音辨識要服務十億等級使用者、搜尋要理解網頁與查詢，這些需求把研究推向可部署的模型。BERT 和 MUM 帶來搜尋品質的大跳升，Google 也在內部做過 LaMDA，甚至在 AI Test Kitchen 裡用受限版本對外測試。
Google 的失誤不在於「完全沒想到聊天產品」，而在於安全標準、搜尋品質習慣與產品判斷讓它沒有先把端到端聊天體驗推到市場。
Pichai 也把這件事放回消費網路的規律。YouTube 出現在 Google Video 之外，Instagram 出現在 Facebook 之外。只要是消費網路，少數人就可能用原型打開新介面。大公司的功課不是假裝意外不會發生，而是把意外吸收進自己的產品速度。
Collison 提到 Google 早期搜尋會顯示查詢耗時，Gmail 搜尋、Chrome 與今天的 Gemini 都把速度做成差異。Pichai 說，他把 latency 視為好產品的核心特徵，也視為底層工程是否扎實的訊號。
這不是口號。搜尋團隊會用毫秒等級的 latency budget 管理新功能。若某個團隊省下 3 毫秒，可能只能拿 1.5 毫秒回去增加功能，另外 1.5 毫秒要還給使用者。Google 過去 5 年把搜尋延遲改善約 30%，同時產品功能比以前更複雜。
這也是 Google 垂直整合的價值。模型、TPU、資料中心、搜尋產品和雲端平台都在同一家公司內，速度不只是前端回應時間，也包括把新能力推到十億使用者面前的供應鏈。
當 Collison 問搜尋的未來，Pichai 不把問題定義成「聊天介面取代搜尋框」。他的看法是，每一次技術轉移都讓搜尋能做更多事。行動網路讓搜尋從找網頁變成找路、找店、找當下可做的事；AI 讓搜尋從找資訊變成完成任務。
他預期很多資訊查詢會變成 agentic flow。使用者可能同時跑多個任務，搜尋在其中扮演代理人管理器。今天 AI Mode 裡已經有人做 deep research，不符合「一行 prompt 回傳十個藍色連結」的舊定義。
Pichai 反覆說這不是零和遊戲。搜尋與 Gemini 會在某些地方重疊，也會在某些地方分開。Google 要同時擁抱兩者，因為 AI 讓可完成的工作總量變大。若產品停止進化，才會被新介面吃掉。
Collison 提到 2025 年市場曾很悲觀，認為搜尋商業模式受到攻擊。Pichai 說，從內部看，Google 早已把公司建成 AI-first。2016 年 Google I/O 宣布 TPU 時，公司就在思考 AI 資料中心；到今天，TPU 已經演進多代。
Google 當時落後在 frontier LLM，但公司有研究團隊、基礎設施、產品平台與多個長期業務。AI 變成共同技術後，搜尋、YouTube、Cloud、Waymo 都能被同一波模型進步推動。這讓 Google 的優勢不是單點模型，而是整家公司每個大型業務都能吃到同一條曲線。
他也拒絕把 Google 描述成不相信 AGI。理由很直接：若不相信模型曲線，沒有人會把資本支出從數百億美元拉到接近 1,800 億美元。Google 的語言可能不像新創公司那樣激進，因為它有很多產品、很多使用者與更高的安全責任。
談到資料中心建設，Pichai 把限制拆成幾層。最底層是晶圓產能，其次是電力、許可流程、法規環境、記憶體與供應鏈關鍵元件。Google 不能只因為想花更多，就立刻把 capex 加到 4,000 億美元。
記憶體是短期最關鍵的限制之一。領先廠商無法在 2026 或 2027 年突然大幅增加產能，因此有人會拿不到想要的供應。Pichai 同時認為，限制會逼出更高效率。模型與推論系統會被迫變得更省，整個產業也會更重視怎麼把同樣算力用得更好。
這段對創業者的提醒是：AI 不是純軟體曲線。模型權重可以是一個檔案，但生成那個檔案需要資料中心、晶圓、記憶體、電力、工程團隊與長期資本。限制本身會影響誰能領先，也會逼出下一輪效率創新。
Collison 問 Google 怎麼比較 YouTube、Waymo、量子、TPU、雲端與新 AI 方法這些完全不同的投注。Pichai 說，越早期的技術投注，初始資金可以小，但公司要用深層技術指標追蹤進展。量子看錯誤校正與邏輯量子位元，Waymo 看駕駛系統的安全與可靠度曲線。
Waymo 是他反覆提到的例子。外界悲觀時，Google 反而在兩三年前增加投資。原因不是 demo 好看，而是底層技術曲線仍在進步。自駕是高度整合系統，資料、硬體、軟體、安全、法規與營運都要一起成熟。Pichai 也把機器人視為下一個相似領域，AI 可能補上 10 年前缺少的那塊能力。
最後一段回到組織。Pichai 說，Google 內部已經有團隊用 AntiGravity 這類代理人工作流，工程團隊改變最明顯。真正難的是把能力擴散到大型組織：提示習慣、公司內部工具、資料權限、身分控管、技能共享與安全責任都要重做。
他預期 2027 年會是許多非工程流程的轉折點。預測、規劃、資料查詢與跨系統操作，會先由人檢查 AI 產出，再逐步把流程切換過去。新創公司的優勢是可以一開始就用 AI-native 團隊運作；大型公司則要付出訓練、轉型與治理成本。
Google 的 AI 策略不是押一個聊天框，而是把同一條模型曲線接到搜尋、雲端、自駕、硬體、資本配置與內部工作流。
Pichai 的判斷是：AI 會把可完成的工作總量放大，輸家不是既有產品，而是停止沿著曲線進化的產品。
選完之後，分享你的觀點
這頁整理自 Stripe 的 Cheeky Pint 系列。原始影片保留了 John Collison 與 Sundar Pichai 對 Transformer、搜尋、Gemini、TPU、Waymo、量子、雲端與企業 AI 工作流的完整對話。
前往 YouTube →喜歡這種分析嗎？
從 AI 代理人、平台策略到科技公司的商業模式，用台灣讀者看得懂的語言，把複雜的產業變局說清楚。目前已有超過 2 萬位讀者訂閱。
免費訂閱區塊勢 →也可以直接付費支持，解鎖每週完整文章