研究员
1 场深度对话收录
Ed H. Chi
观点集合
模型能力终将普及，AI 的终局是能力与成本之比｜对话 Google DeepMind 研究副总裁 Ed Chi
Ed Chi称模型或渐趋普及但非全部；价值或转向应用体验与 token factory 成本。Google全栈或最低成本供 token、成潜在护城河；助理受权限、可靠性限制，与 AI Mode Search 界面关系或在6个月至1年明朗。
查看摘要（7段）
- Ed Chi 的判断是，模型能力可能逐步普及（commoditize），但并非所有能力都会如此；当能力普及后，竞争关键在 capability over cost。 Google 作为 full stack 公司，涵盖模型、application、hyperscaler、token factory、chip 和能源；他称 Google 有能力以最低 cost 提供 token，这“可能会成为未来最重要的护城河”。“所有经济问题最终都是 capability over cost，这是毋庸置疑的。”
- 模型能力差距变小后，value creation 可能往 application 和 token factory 两端走——这是他给创业者的方向判断。 application 端的护城河是用户 lock-in、stickiness 和体验；hyperscaler 端则涉及成本问题：能源用量、chip design、memory 与 computation 的关系、多少跑在 on-device 上。“这些都还是 open questions，非常 exciting。”
- 通用助理仍处极早期，他预测六个月到一年内，通用助理与 AI Mode Search 的 interface 关系会更清楚。 Instinct、Muse Spark 这类产品想从问答走向代办（订机票、买东西），但受制于权限与 reliability——人们担心把信用卡交给通用助理后，它到处乱买东西；confirmation 层面的新 data 还没真正看到。他的 “Grandma Test” 是：当奶奶指着机器人骂“你怎么这么笨”，通用助理的时代才真的到了。
- 开源模型追上闭源模型的原因之一，是他与合著者写的 Chain of Thought 论文；开源模型用 CoT 方法发掘并复制推理方式，而大厂正尝试把思维链藏起来，降低被复制的可能。 他认为这件事还不能说成定论：部分能力确因蒸馏而变得更 commoditize，但 multimodality 等能力目前还看不出会 commoditize。
- DeepMind 近期发表的小模型主要服务应用，大模型仍在开发；Google 放弃模型开发“完全不可能发生”。 用户期望 Google 拥有自己的技术，有一种技术 sovereignty 的意味；大小模型的资源分配“连大厂内部都是难题”。他提到湾区 “AGI-pilled” tech bro 对 ultra-size model 的热爱——他们相信 software took over the world、做好 coding 就能 take over the world；他个人不希望应用完全依赖 ultra-size model，因为运算所需能量太高。
- Memory 是尚未被想清楚的 bottleneck：Transformer 的 context buffer 目前大约可做到 100 万或 200 万 token，在他看来完全不够。 他的核心框架是：memory 不只是存储与提取，也是 ranking 问题（说 Paris 时，想起哪些记忆是排序，而非所有相关内容一齐涌出）；从认知角度看，memory 也是用来 program AGI machinery 的 program。面对主持人提到的 DRAM、NAND、HDD 可能短缺，他认为 memory 与 computation 可互相转换；有长远投资计划，就比较不会担心一时的 memory 短缺。
- 泡沫是局部性的而非整体性的：physical intelligence 可能有不切实际的预期，很多模型的 visual reasoning capability 也“非常糟糕”。 若你相信 agent 解决 software 就解决一切，他刚才讲的很多东西就不适用；若不信，“我们还有很多戏可以唱”。推理能力三四年间从小学数学（当年 accuracy 仅 33%）发展到解决 Navier–Stokes 方程；下一个更 exciting 的变现机会，他看好 consumer 崛起——consumer services 一直是 Google 的强项，也是他留在 Google 的原因。