Google DeepMind CTO Koray Kavukcuoglu 在近期一次对话中，给出了一个与主流叙事略有不同的答案：AGI 不会仅靠实验室里的纯研究诞生，而是通过产品、用户反馈和全球协作持续迭代而来。他以 Gemini 3 发布为契机，阐述了这套方法论的核心逻辑。

在他看来，benchmark（基准测试）能帮助量化进步，但真正的进步标准是模型进入现实世界，被科学家、学生、律师和工程师使用并提供价值。他说：“对我来说衡量进步最重要的标准就是我们的模型进入现实世界。”

打开网易新闻 查看精彩图片

产品是获取真实信号的通道

Koray 反复强调一个观点：“我们就是要通过产品来构建智能。”模型需要通过产品和用户的紧密连接获取现实信号，才能知道哪些能力在真实世界中重要，这也直接定义了研究方向的优先级。Google Antigravity、AI Studio、Search AI Mode 等产品，被他视为获取真实用户信号的重要通道。

技术方向上，他点出了几个关键能力：指令遵循、国际化、function calls（函数调用）与代码能力。大模型不应只回答自以为正确的内容，而应理解用户真实请求；国际化让 AI 服务全球用户；function calls 和代码则带来智能倍增，使用户能接入并构建数字世界。他还提到，Vibe Coding 让更多有想法的人成为了建设者。

安全不是发布前补丁，而是底层工程

关于安全与安保，Koray 的态度很明确：不是发布前最后添加的补丁，而应从数据和 pre-training（预训练）阶段就是工程流程的核心。安全应像 GPQA、HLE 等能力 benchmark 一样被持续测量和迭代，安全团队是 post-training（后训练）团队的一部分，这体现了工程思维下的稳健与可靠。

回顾 DeepMind 自 2012 年以来的学习之路，他认为 AI 的兴起依赖于硬件与数据的同步成熟。技术融合（如 Nano Banana Pro 的图像生成）以及 Gemini 模型家族并非固定架构，而是追求智能的目标。

最大的风险是失去创新

Koray 直言，Gemini 最大的文化风险是失去创新。即使模型在多个 benchmark 达到前沿，也不能相信已找到可机械复制的配方。通过 Google DeepMind 和 Google Research 的多方向探索，加上工程规模化，才能持续推动智能的进步。

他以自身从追赶者到领先者的经历说明，需要对自己诚实、持续创新，并利用谷歌的规模优势。当被问及是否故意采取这种产品驱动的路径时，他回答：“不，我觉得我们并不是故意这么做的。”这或许说明，这条路是实践中走出来的，而非预先设计的蓝图。