我们极其看重从想法落地到用户手中的速度。当我们达到第一个一万周活跃用户或日活跃用户时，会特别兴奋。而在很多 Google 团队里，我们开玩笑说，他们的仪表盘可能都不显示这么低的数字。它会生成一个二三十页的幻灯片，概述这整整 70 个来源的内容。你只需按一个按钮，就能把整个团队的知识库变成这种带讲解的视频概述幻灯片。你也想走出去，和大家待在一起，因为当你做出了真正了不起的东西时，往往能从人们使用它的眼神里看出来。喜欢捣鼓东西的人，喜欢构建的人，他们通过原型而非文档来表达自己。你提到必须招到合适的人。那你倾向于找什么样的人？好了。嘿，大家好，我今天非常期待嘉宾 Josh，他是 Google Labs 以及 Gemini app 的副总裁。我觉得 Josh 在 Google 内部非常受欢迎。所以我很高兴能请他演示一系列新的 Gemini 功能、Notebook LM，甚至是 Flow，还要聊聊他是如何在 Google 内部建立起这种交付文化的。好了，欢迎 Josh。太棒了。谢谢邀请。很高兴见到你。是啊，我对你和团队真的特别佩服。那不如我们先做点现场演示助助兴，好不好？咱们一起看看你们正在做的那些酷东西。好的，没问题。让我在这里投一下屏。呃，我过来——好了，Peter，我们就快速浏览一下这里的几个标签页吧。我觉得你可以随时打断我。嗯，所以我想也许可以从 Nano Banana 开始。我们在应用的很多地方都加了香蕉表情，而特别有意思的一点，就是看到人们变得多么有创意。Peter，首页上的这第一个功能就是这个自定义迷你人偶。不知道你有没有听过背后的故事，但这其实是从泰国火起来的。它先在泰国病毒式传播，然后传到印尼、越南，再扩散到世界其他地方。所以我们现在尽量把它做得非常简单。如果你进入 Gemini 的首页，可以点击其中一个，上传一张图片，提示词已经准备好了。如你所见，这是一个 1/7 比例的人偶。然后它会分解步骤，我相信很多人在网上看过这个效果，它把你放在桌面上。总之，这病毒式传播得非常厉害，在某些国家，高峰期时一度占我们查询量的 30% 到 40%。所以这非常有趣。另外一件有意思的事是，我给大家看几个让我印象深刻的例子，这些都是人们在发的东西。我们现在看到一种很普遍的现象，就是人们在图片上做风格迁移。比如这张水彩画，还挺好看的。这张超酷，很多人在做室内设计，但这张有点不一样，你看到沙发后面墙上的那幅画。这些就像是艺术家把自己的画放进这些场景里，然后拿去卖。所以你把那张画放进去，如果想要还可以调成黑白，然后就仿佛成交了。这是个挺有意思的案例。我们看到过一波人做室内设计，比如把这张沙发放进这个房间。而现在我们开始看到这些几乎像是某些物品的植入，这挺有意思的。是啊，这个也挺有意思。这是某人——我们也经常看到这个。他们可能会拿一张照片，或者在这张图里是一幅插画，然后把它变成刺绣之类的东西。所以现在有很多受 Nano Banana 启发的周边商品，比如贴纸或徽章。人们在做各种各样的实体物品。我觉得这很酷，因为这些东西说明，我们本来根本想象不到，但只要你把这种工具交到人们手里，他们就会玩出花来。是啊，观察用户在做什么，然后在首页上加一个默认提示词让它变得更简单，这挺好的，对吧？就像那个迷你人偶功能。太棒了。是的。而且这很有意思，有些情况就像那个人偶一样。你在首页上也看到了，还有很多其他功能，比如证件照。甚至是穿越不同年代的青春风格，你知道，80 年代风格、90 年代、2000 年代，所有这些都非常非常受欢迎，而且在全球范围内人们都感兴趣。太厉害了。是的。而且 Gemini 好像是在 Nano Banana 火了之后才真正爆发的，对吧？人们喜欢图片。是的，没错。而且在很多方面，图片是一种通用语言。呃是的，确实有些时候我在发推，试图维持热度，因为它真的快把 TPU 烧熔了。现在它仍在不断刷新各种新高和纪录。所以这真的很有趣，我们一直在努力保持这个势头。干得太棒了。所以它叫 Nano Banana。那会不会很快有一个 Big Banana，或者更好的 Banana？这是最受关注的问题之一。是的。会不会有一个更大的 Macro 或 XL Banana 之类的？呃你知道吗，这一切的名字由来挺有意思的，我们团队里的一位产品经理其实想出了这个名字，我们觉得挺好玩，它开始出现在一些聊天机器人竞技场里之类的，然后我们就顺势沿用了。事实上，就连那个出现在选择器里的香蕉表情符号，也是一位工程师某晚纯粹为了好玩，大概午夜过后提交的代码。嗯，但它好像有了自己的生命。是啊，你得保持这些梗图的热度。梗图能帮你传播。是的。是的，没错。没错。是的。还不确定，走着瞧吧。嗯，我们已经在着手下一代的发展方向了。我们听到了大家的反馈，你知道，我对第一代 Nano Banana 模型非常兴奋的一点是，它在对话式编辑方面显然实现了巨大飞跃。所以，这方面可以期待更多。我们真的很兴奋能看到在这方面能做到什么。嗯，我觉得另一件我们现在看到进阶用户在做的，是把 Nano Banana 和 VO 结合起来——对圈内人来说，你知道我什么意思，但对外人来说，就像是我想让我的东西动起来，做成动画，变成视频。所以我觉得我们会努力让这变得非常简单，人们已经开始自然地这么做了。是的。然后我觉得还有一件事也挺有意思，Peter，就是你知道，哪怕就在大概一年前，或者九个月前，这些模型在文字方面还不是那么出色。嗯，但现在它们在这方面已经进步太多了。所以当我们考虑 Nano Banana 2 的时候，有一大堆想法，比如如何让你在生成内容时有更多控制权。某些情况下，生成的内容可能上面有很多文字，而放在以前，你绝不会想到这是一个图像模型的输出。嗯，这里还有很多东西即将推出，我们非常兴奋。是的，文字功能其实非常重要，因为你知道，我现在还会手工做信息图，而如果你能满足很多营销场景的需求，那我觉得像内容创作者、营销机构都会蜂拥而上。是的。我的意思是，这是我们从用户那里听到的主要反馈之一：这种体验虽然令人难以置信，像是一次性完成的，但我希望能做更多编辑，能与之迭代。所以，嗯，敬请期待。好吧，好吧。你每天都在发布大概10个新东西。好了，我们来聊聊你的另一款产品，NotebookLM。那也非常令人印象深刻。是的，是的。哦，谢谢。不，这是我们最早的 Google Labs 项目之一。我也在这儿打开它，有些东西想给你看看。我的意思是，可以这样理解 NotebookLM，你知道，它始终源于这样一个想法：我们如何帮你理解任何事物？你知道，差不多一年前让它一鸣惊人的功能是音频概览和播客。这个团队在过去一年取得的进展非常令人兴奋，而它的发展方向则更加令人兴奋。说到已经实现的，显然现在有了移动应用，也有了新的内容转化方式。而我非常兴奋的一点是，在顶部这一行，这些叫做 featured notebooks。我们所做的是走出去，与不同的合作伙伴合作。你可以看到这里有一些来自《大西洋月刊》（The Atlantic）或《经济学人》（The Economist）的人，或者像 Eric 这样的作者。很酷的是，如果你点进去，比如这个《经济学人》的，这是一个预装了 70 个来源的笔记本，正如你在这里看到的。这是经济学人的 World Head 报告，这份很棒的年度报告。Peter，我们在这里看到的是未来的一个缩影，笔记本本身正在成为一种新的容器或新的格式。左边有来源，你可以在中间对它进行 Q&A，就像在 Notebook 里一直做的那样，然后侧边有所有这些丰富的 studio 或媒体输出。所以它包含了像思维导图这样的东西，你可以展开，而且所有内容都始终基于这些素材。哦，太棒了。是的，这其实是我想给你看的。这是一个我们非常兴奋的领域，这些叫做 video overviews。你几乎可以将其视为 talking slides，我先把它全屏一下。嗯，这是你知道的 world aheads 报告，它会提取出一段大约七分钟的片段。所以，它会一边讲解，一边提取出各种有趣的洞察，最终生成一个大约二三十页的 slide deck，作为这70个来源的整体概览。嗯，是的。所以，当你开始思考这些内容转化时，会觉得不可思议，而我们正处于这一变革的风口浪尖。当然，这个功能深受教师和学生喜爱，我们也看到很多企业在采用它，因为你可以想象，只需按一个按钮，就能将整个团队的知识库转化为这种 video overview 或 talking slide explainer。所以它非常强大。是啊。没人喜欢手动做幻灯片，你知道的。是啊。嗯，我觉得这很有意思，Peter，你提到了这一点，因为这也正是我们很想看到它发展方向的地方。因为你不妨想象，像是一个 nano banana model，它可以为幻灯片设计样式，并且能在包含来源的整个 deck 中保持一致性。你知道吗，这让我想起，Google Labs 团队有一件事思考了很久，那就是这会长什么样？你知道，我们见证了创作者的崛起，由此催生了 YouTube 和其他内容形式。那么对于那些策划知识的人，或者在其他情况下策划视觉资产、商业素材或创业者内容的人来说，这会是什么样子？所以我认为，从策划到输出，利用 AI 来帮助转化内容，这是一个非常丰富的探索领域。是啊。策划某种程度上也是创作。所以是的。没错，没错。本期节目由 Composio 赞助呈现。在交付 AI 功能时，大部分痛点并不来自模型本身，而是来自集成。你要面对混乱的 API、脆弱的工具调用，还要花数小时调试，弄清楚为什么 Slack 或 Salesforce 出了问题。Composio 提供一个 SDK，可以连接 800 多个应用，比如 Slack、GitHub、Gmail、Jira，他们还打造了 Rube 应用，把所有这些应用直接接入 AI 聊天。所以你只需说：帮我拉一下 Mix Panel 的最新数据，然后更新 Linear。现在，你不用再和 API 搏斗，可以专注于真正更快地交付产品。访问 get rube.link/pater 或视频描述中的链接了解更多。现在，回到节目。我想到的另一件事是，我觉得 AI 通常能帮你完成 90% 的工作，但你知道，如果这东西真的能让你直接编辑 Google Slide，然后完成最后 10%，比如我想调整一些文字之类的，那就更好了。那将会非常 amazing。你这是在提前看我们的路线图啊。听起来像是好吧。好的。是的，这是最主要的需求之一。你知道，Peter，我们收到的另一个需求是，好吧，幻灯片是一种格式，播客是另一种格式。人们对很多东西感兴趣，比如你之前提到的信息图。要制作一张出色的信息图，在时间、成本或专业技能方面都门槛很高。我们在思考的是，如何打造工具，帮助最顶尖的人更快或更有创意地完成这些，但对于那些从来做不到的人来说，这也是巨大的机会。所以我们很多项目往往都有这种双重关注点。是啊。这将带来创作的大爆发。我对此非常兴奋。那你得提前给我们一些反馈啊。嗯，我是说，好吧。你知道，在我看来，这个领域竞争很激烈，但 Google 在多模态 AI 方面遥遥领先，而且我觉得我们把最精彩的留到了最后，就是视频部分，对吧？你想展示一下吗？好的，我快速展示一下这个所以无论是像在这里采访一只猫头鹰，还是你让这些臭鼬开口说话，这些东西的设计初衷就是供人把玩——我可以浏览这个画廊，你会看到水下的虚假电视购物广告，就是一系列不可思议的内容。Peter，我们现在看到的一个大趋势是，人们想要进去重新混合内容。他们可能会说，嘿，这个泡泡的东西挺酷的，然后点击它，接着你会看到底部有完整的 prompt，可以供你调整。
Flow 真正令人惊叹的地方在于，它不仅首次引入了音频、这种可重新混合的特性，还能导入参考图像。所以你可以导入，比如说，我处于这个类似金字塔的场景里，在这种比较昏暗的区域中。你可以导入某些想插入场景里的物体。我认为这再次代表了视频生成的下一个阶段，它带来了那种 nano banana 编辑的感觉。
——是的。
——这给创作者带来了极大的控制力，我们对此非常兴奋。
——那我也可以把自己的脸放进来当演员。
——对，而且我觉得有趣的是，人们开始把不同的东西混搭在一起。所以你可能会进去说，好的，让我回到画廊视图。你可以在这里说，这是一棵圣诞树，有驯鹿和圣诞老人从里面跑过去，对吧？然后你又说，不不不，让他们起飞，从树上方飞过去。所以你真的可以用非常有趣的方式指导这些场景，也可以把你自己放进去。
——是的，我相信这会产生很多非常酷的 YouTube 视频，就像把不同的场景拼在一起。
——没错。实际上现在已经有很多了。Flow 这个产品最酷的地方在于，它不是在 IO 上发布一下就结束了，这个团队真的在每周或每两周就推出新功能。比如就在过去三周里，你不仅可以制作横屏视频，还可以制作竖屏视频，这对 Shorts 或其他移动端内容来说太棒了。我们还在模型服务效率上做了惊人的提升。Google 有一支很棒的 serving team。通过降低模型成本，我们可以提供更多额度。所以现在如果你订阅了 AI ultra plan，基本上可以无限次生成。我们看到用户会先快速做一大批生成，几乎像做一个 storyboard，然后从中挑选最好的，把它们组合成最终的成品。
——是啊。你完全可以围绕这个做一款产品，对吧？就像一个 storyboard 工具，每个画面都有 prompt，你只需删掉不喜欢的。
——你可以去研究一下这个。是啊。
——是啊。其实 Flow 现在的运作方式也差不多。我们也在进一步优化，因为我们发现共创非常有趣。我们正在和一些人合作做项目，有些人在好莱坞，他们是知名导演，但我们也和很多所谓的 AI filmmakers 合作。这些人基本上是 AI first 地做东西，在创作流程上他们是 AI native 的。因此，研究他们的工作流并尝试为他们打造产品非常有趣，每周都能学到新东西。
——非常令人兴奋。这可能就是 AI 创造的新职业之一，比如 AI filmmaker。
——是的，没错。
——好的，我们稍微换个话题。我觉得这些演示都超级酷。说实话，在和你以及你的团队交流之前，我对 Google 的印象是一家庞大的官僚机构，你得层层审批，发布东西慢得要死。也许 Google 某些地方确实还是这样，但你们居然在内部建立起了一种 shipping culture，这让我印象非常深刻。你能聊聊这是怎么做到的吗？是啊。说起来挺有意思的，我差不多 16 年前作为实习生加入 Google。无论是 Google Labs，还是现在的 Gemini app，甚至 AI studio team，我们做的很多事情都是由非常快速的团队推动的。我认为其中一个要素是我们努力招到团队里的人。如果你感兴趣，我很乐意之后多聊聊这个。但我觉得现在在 Google 的不同部门都能看到这种势头。对我来说，这真的很令人兴奋，让我想起我刚加入 Google 的时候。你看 AI mode、search、整个 Google DeepMind、Chrome 和 workspace 的迭代速度和进展，就像一股很酷的风气在蔓延。我想我们在这方面只起了一小部分作用，但我们在尽自己的一份力。至于要素是什么？让我想想。非常小的团队。我们大多数 Google Labs 的团队一开始只有五到七个人。通常就是一个 PM、几个工程师、一个 UXer，然后就开干。我们极度重视从想法到用户手中的速度。比如我们聊过的 Flow，我记得不到 100 天，大概 86 天左右就做出来了。我们真的在优化整个流程，让它尽快到达用户手中。你也做过很多产品，你知道，只有到了那一刻，你才真正意识到自己做的东西离目标还有多远。所以我们非常关注这一点。另外一点，我想说，是我们非常努力地预测未来的不同结果场景。举个例子，我们现在非常痴迷于软件开发的未来会是什么样子。所以我们可能会下好几个不同的产品赌注，有时候它们甚至是互相矛盾的。我认为这也是很重要的一点：你既要紧跟模型能力、raw power 的最前沿，又要把握用户需求的脉搏，然后把两者连接起来。我觉得这是我们团队经常努力做的事。我们也经常谈论与不同行业的人共创，无论是电影制作人、音乐人、艺术家、教师，还是各种其他职业。
——是啊。我觉得和用户的 feedback loop 非常重要，对吧？因为你只有真正把东西放出去了，他们开始玩了，你才知道他们到底想要什么。
——是的。通常我们和人交流时，会试图找出什么是他们最大的 pain point，或者让他们很头疼的东西，我是这么想的。通常如果你能找到解决这类问题的方法，那就是好产品。所以……你们其实不会花很多时间在规划和内部对齐上吗？还是说你们就是，嘿，咱们先冲出去？你们在发布前需要经过你和 Demi 还有所有人审批吗？具体是怎么运作的？哦，好问题。我是说，我猜 Google 仍然有年度规划，但有意思的是，我们现在的运作方式有点像，当我们手上有了一个热门产品时，我们再回过头来，然后快速扩充团队。我发现，在产品生涯早期犯过的一个错误，就是过早招了太大的团队。这会产生很多事务性的工作——你试图做出正确的东西，但其实连产品到底是什么都还不确定。所以我们在这里的做法，更像是回应市场的拉力和需求。比如 notebook LM 火了之后，很多人说：“那移动应用呢？”我们会说：“我们甚至还没有移动团队。”所以我们是想先想清楚这里是不是真有机会，然后再去组建团队；而且显然人们很想加入，这也是令人兴奋的部分。但这就是其中一种思路。是的，这说得通。小团队有很多好处：人们更有自主性，更有主人翁意识，协调成本也更低。整个过程也因此有趣得多。是的，没错，这很棒。对。你提到必须招到合适的人。那你想招什么样的人加入这些小团队？哦，是的，这是最重要的事情之一。有趣的是，我们创办 Google Labs 时写了一份文档，叫《Labs in a Nutshell》。里面有点像使命宣言和章程，都在一个地方，大概两页，非常简短精炼。我最喜欢的一个章节叫“Who Thrives in Labs”。我们试着列出来，最后写了大概 15、16 或 17 条。我们说，你不需要具备所有这些，但越多越好。其中一点是，最有趣的信号之一——尤其是在面试任何职能的人时，无论是产品还是 UX——就是：你在业余时间做什么东西？完全正确。就是喜欢折腾、喜欢动手的人，他们通过原型而不是文档来表达自己，你懂我的意思吧？这是非常重要的因素。我们也很看重那些学习能力极强的人。我发现现在有一点——你也一直在推上聊这个——就是变化的速度太快了。能够做出反应，同时学习并把不同事物联系起来的能力，在 Gemini、Labs 或 AI Studio 这样的团队里极其重要。另外，我总喜欢找那些善良、谦逊、努力工作的人。我喜欢身边充满能量的人，就是那种精力充沛的乐观主义者。我发现早期项目总是很难，你总会面临一些根本性的问题，比如“我的东西到底能不能成？”所以你想和那种“我们能行，我们有机会，我们要去拼”的人在一起，有点那种弱者逆袭的心态。是的，而且我也觉得从零到一比在 Gmail 里调一个小按钮有趣得多，产品的空间也大得多，对吧？是的，我也很感谢做那些工作的人。但对我来说，从零开始发明东西是最棒的，我就是喜欢这样。所以这可能是我现在有机会参与的很多事情的一个共同主题。那你怎么看待大公司常见的一些事务，比如依赖关系、目标追踪这类问题？比如 VO，当我刚开始玩 VO 的时候，它还在某个随机的 URL 上，我当时就想，为什么这东西不在 Gemini 里？后来它才整合进了 Gemini 应用。你们是怎么考虑这件事的？这是个好问题。总的来说，有时候我们会在 labs.google 上测试一些东西，或者之后再整合到另一个产品里。这确实有点混乱，因为我们在努力做实验、发布东西并从中学习。我是这么看的：无论你是在创业公司、自己创业，还是在 Google 这样的公司，或者介于两者之间，你总有利益相关者。可能是董事会，但老实说，我最常把用户和客户当作利益相关者，努力去让他们满意和惊喜。但对我们来说，我们试图搞清楚的——也希望你随着时间能看到这一点，我们还有很多要做——就是 Gemini 应用。我们希望它真正代表某种东西：一个个性化、主动、强大的助手，一个生活助手。所以你可以想象，这个生活助手未来会做越来越多的事情。比如今天它可能只能生成 8 秒视频，也许将来你能做更长篇幅的东西。但我想我们目前的心智模型——也是为什么一开始要有 Google Labs 的原因——就拿这个例子来说，还有 Flow 这样的产品，你可以看到它是多么专注、为某类用户专门打造的。所以我们都还处于早期阶段，真正想做的是广泛实验，然后找出哪里有牵引力。明白了。那在衡量团队是否成功方面，你更看重产品本身的工艺吗？因为很多从零到一的东西可能还找不到产品市场契合度，还是你不会设定那种“指标增长 5%”之类的目标？你怎么管理的？是的，哦，这是个好问题。我们团队在内部开玩笑说，对于很多产品，当我们有了第一批 1 万周活或日活时，我们会非常兴奋。而在 Google 的很多团队里，我们开玩笑说，dashboard 可能都不显示这么低的数字。但对我们来说，这些里程碑非常重要，因为它开始显示出留存率，以及人们会回到产品上来，这是我们判断自己做了有用东西的最佳代理指标。没错。但我也想说，dashboard 在产品开发的早期可能非常具有欺骗性。我总是喜欢跟团队讲，也试着指导他们：你要看 dashboard，要培养对它的直觉，但你也得走出去，和人待在一起。走出大楼，去咖啡店，去大学校园的咖啡馆，因为当你做出了真正了不起的东西，你会在人们使用它的眼神里看到反应——他们可能会微笑，或者以一种有趣、令人惊喜的方式被惊艳到。所以至少在非常早期的阶段，这些是我一直在寻找的更具定性特征的东西。是的。人们在这件事上太讲究科学方法了，去跟五个用户聊聊就行了。没错，五个用户。是的，这很常见。我觉得尤其是在一个非常数据驱动的地方——很多科技公司都是这样——你可能会过度优化数据，而有时候在早期阶段，它确实更偏向艺术而非科学。太棒了。你能做到这点真的很了不起，因为这非常难。在大公司内部营造创业文化真的很难，非常难。但你们现在做到了，而且我认识你的一些下属，他们非常喜欢现在的氛围。是啊，现在特别有意思。我是说整个行业目前都很有意思，但我觉得尤其是我们这一块。就像我说的，我在 Google 待了挺长时间了，现在我确实特别开心。这绝对是我经历过的最好时期之一。咱们再多展望未来一点。你提到要打造个人助理。有趣的是，我有一份 Google 文档，希望它千万别泄露出去，里面记录了我所有的个人信息。比如什么让我有干劲，什么让我没干劲，我目前在做什么项目，我害怕什么，等等等等，甚至还有一些财务信息。然后我把它交给 Gemini，基于这些信息，它能给我非常个性化的建议。我大概每个季度跟它聊一次，让它给我打打气。不过话说回来，你有没有想过这件事？怎么把这套东西推广给更多人？我觉得现在的模型知识量很大，但对你个人了解不多，对吧？我是说……
没错，这是目前 Gemini 最让我们兴奋的领域之一。我之前提到的那三个 P——personal（个性化）、proactive（主动式）、powerful（强大），之所以把 personal 放在第一位是有原因的。我们现在正在内部测试这个功能，希望能尽快推给你和其他用户。其实我们收到的最靠前的用户需求之一，就是想把 Gmail、Google Photos 或者其他 Google 生态里的东西接入 Gemini，然后用来做你说的那些事。不管是你说的那个……我猜你管它叫“季度打气谈话”？虽然是按季度来的，但这背后当然有很多我们必须做对的地方。比如必须非常清楚哪些数据接入了，由你掌控，还有隐私、安全等等，这些我们都会做到。不过现在我在内部使用的时候，最让我觉得了不起的是你能问它的那些问题类型。你可以问非常具体的事，比如想从你收件箱深处找出某条信息之类的。而我发现更有趣的一些问题，可能跟你使用 Gemini 以及你那份“人生文档”的方式类似，像是：未来几年的家庭生活该怎么规划，或者有什么方法能让我成为更好的父亲。这类更宏大、更开放的问题。试想一下，如果 Gemini 在获得你许可的前提下对你有了这种理解，再加上这些模型能处理所有这些上下文——而且还是多模态的上下文，别忘了，包括照片、视频、各种文本、文档等等——那真的非常惊人。我们在正式发布之前还有很多要改进的地方，但确实已经能看到很有希望的迹象了。他们真该让你去管 Google Workspace，那帮得加快速度了，多推点 AI 功能和 Gemini 集成进去。哇。不过……那边很快会有很多新东西的，等着瞧吧，会不错的。是啊，因为只要你有我的日历、我的 Gmail，光是这两样东西就有海量上下文，能让它变得超级个性化。对了，Peter，回到我们之前说的，记得我们聊过整理信息那件事。归根结底，这很大程度上就是 context engineering（上下文工程），对吧？让用户能够轻松地把模型指向他们想让它处理的信息池。所以我觉得 Gemini 模型的另一个很有意思的地方在于，它们从 Gemini 1.0 首次发布起就是多模态的，这跟市场上一些其他模型很不一样。这种深度的原生多模态能力，也是像 Nano Banana 这样的功能得以实现的原因。你可以直接跟它说话或者描述需求，Gemini 就能理解画面里有什么并进行编辑，你懂我意思吧？所以这真正体现了集成式多模态的价值。是啊，这绝对是 Gemini 的一个巨大差异化优势。说到这个，你之前在某个地方提过，再过一两年，我们可能就不会再在聊天框里打字发消息了。对啊。那你怎么看，一年后我们是不是会直接用语音跟 Gemini 对话，或者用视觉交互？交互模式会变成什么样？是啊，做这种预测总是有风险的，但我想说：我很难相信一年后我们还会如此依赖那种来回打字的聊天机器人界面。当然，这种形式永远会有它的场景，比如你坐在拥挤的公交车或地铁上，不想开口说话，那打字还是需要的。但我认为，至少从 Google 内部来看，我们在语音理解和生成方面正开始出现巨大飞跃。图像方面有 Nano Banana，视频方面你也看到了 Veo 之类的进展。在 UX 和 UI 创新上，我们还有很长的路要走。而且我们经常看到，Gemini Live 的对话时长能达到以前的五倍，因为大家会在车里打开它，或者在小区里散步时打开它，就这么一直跟它聊着。所以我觉得，每当出现这种重大技术变革时，往往都会伴随着输入输出方式的转变，以及界面设计范式的转变。实际上我认为我们现在还处于非常早期的阶段。未来会有大量创新，对我们团队里的很多 UX 设计师来说，这是一个特别令人兴奋的时刻，因为你正在打破那种非常僵化的输入输出模式，转向更加动态、流畅的交互。是啊，你不用再点点按按的，而是真正用到所有……对，我经常去小区里散步，一边走一边跟 AI 聊天，可能我的邻居会觉得我很怪，不过……
如果你愿意分享的话，你都会跟它聊些什么？还是说你只是借它梳理思路？聊些什么呢？比如我在工作上遇到某个问题，或者某份文件搞不懂，我就会把整份文档复制粘贴到对话里，然后打开语音说：“嘿，咱们一起来解决这个问题吧。”接着我就跟它来来回回地讨论。我觉得我在户外散步时大脑转得比坐在办公桌前快多了，所以我特别愿意出去边走边聊。没错，我也一样。我做的也差不多，你就像是想要一个思想伙伴。而这种需求不一定适合坐在笔记本电脑或台式机前解决，你更想在外出走动的时候用它。是啊，我开玩笑说，有时候某些日子里我跟它聊的天比跟我老婆聊的还多。
"我是说，不管怎样吧。"
"哦，有意思。要知道，你很难把几千 token 的上下文加载给你的配偶。他们听不了那么久，会无聊的。"
"嗯，确实有意思。是啊，再次想到那个说法或那个主题时就觉得很有意思——如何筛选上下文并把它呈现出来？这很有意思。"
"我是说，我想我们大概有十年的共同上下文，所以也许在这方面就是 Gemini 了，不过——"
"是的，确实。嗯，仔细想想，生活中那些和你有这么多共享上下文的人其实挺有趣的。比如配偶，或者父母、兄弟姐妹，又或者是从小一起长大的死党之类的。对，就是这些人，你再想想和他们的互动。我不知道你那边是什么情况，但比如我和我妻子去参加派对什么的，通常会有很多默契的上下文，比如那种'好了，该走了'的时刻。"
"对。"
"就是说，她从来不用开口，我也不用开口。你们就是心照不宣，因为和那个人完全同步。所以……"
"对，对，说得很好。对话时你得用简写，对吧？"
"没错。是的，没错，没错。"
"好吧。那么，最后一个话题。我想深入了解一下你和你的团队实际上是如何使用 Gemini 的。你们会用 Gemini 吗？会先用来做原型吗？或者你们实际是怎么构建东西的？"
"哦，是的，是的。嗯，我们在用它。我觉得我们内部的一个转折点就是今年春天发布的 Gemini 2.5 Pro。那个模型至今在很多排行榜上仍是顶尖模型，哪怕已经过去六七个月了。嗯，我们大量在使用它。关于那个转折点，有一件事让我非常兴奋。嗯，甚至像 AI Studio 也是，我们有人会进去用。举个例子，几周前我们 Flow 团队的一位设计师进入 AI Studio，基本上把 Flow 重建了，用 vibe coding 做了 Flow，还实现了各种下一代迭代功能。嗯，花了他一周时间。呃，我们认为这大概能节省大约六周的时间，好把那些下一批功能做出来。呃，就是因为他可以把成果拿给团队，我们马上就能开始做用户研究。速度快太多了。所以我们经常这么做。嗯，我们还有一个大概一个月前推出的实验室项目，叫 Opel。背后的理念是，它是一种可视化的、基于节点的工具，你可以把某些调用串联起来。显然现在各种 agent 框架到处都是，但我们在想，如果做一种可视化编辑器之类的东西会是什么样。所以这个挺有意思的，Peter，因为现在我们内部有各种各样的人在做这些我们称之为 opals 的东西。举个例子，我们团队的一位律师，他做了一个东西，可以预先审核大量产品文档，在一开始就像初筛一样查找非常具体的法律问题，嗯，然后把那些需要深入处理的事项标记出来。所以嗯，无论是在创意方面，还是在流程方面，然后还有另一个让我们非常兴奋、内部开始大量使用的工具。我们有一个叫 Jules 的编程产品，它算是一种编程 agent。它很酷的一点是它在云端异步工作。所以我们团队会做 bug bash，把 bug 归档，然后我们就把 Jules 放上去，它就会开始修修修。所以就像是这样一整套循环，甚至在软件开发这块也正在发生，真的非常非常令人兴奋。"
"对。你只需给 Jules 一个任务，然后它就会准备好一个 PR 供审查之类的，对吧？是不是这样——"
"是的，目前就是这么运作的。我觉得真正有意思的是，它接下来会往哪走？在这方面，你可以想象 Jules 监控你 app 或产品的反馈，然后几乎就像帮你整理出一份清单：这是十大客户问题。我已经处理了其中四五个，而你需要专注于另外三四个之类的。呃，但这真的开始展现出一种愿景或图景，就是在那种情况下与 AI 共同创造、共同开发。"
"对，我已经在用了，就 agentic workflows 而言。我用它做 live coding，用它做 deep research，对吧，就是外包给 AI。而且我觉得未来，对，就像接收 inbound 信息——你们的支柱之一是 proactive，对吧？就是接收客户反馈，因为我现在就是复制粘贴一堆东西到 Gemini 里，试图获得反馈。"
"你知道。是啊，"
"我觉得这也是你之前提到的另一部分内容，关于如今市场上很多 AI 产品其实并不真正理解你，这是个人化那方面。主动式这边也是一个类似的洞察。如今大多数 AI 产品，即使是 Google 的，你也得把所有东西带给它。你得带来上下文，得带来 prompt，得做所有这些工作。而且——"
"我觉得我们对 Gemini 真正感到兴奋的是，Gemini 如何真正为你工作，把你的利益放在心上，理解你的目标是什么，你这周的项目是什么之类的，然后给你带来建议，或者在后台推动事情前进。嗯，所以我认为这是另一片全新的前沿，我们才刚刚开始探索。"
"是啊，那会很棒。比如如果它告诉我，你知道，这是你接下来的一周，这是你要准备的东西。就是如果能做到那样，会有很多令人惊喜的时刻。"
"哦，是啊。想象一下，早上醒来，它说嘿 Peter，你今天有七个会。每个会里有两三件真正重要的事。嗯，还有记得在这个会上问这个问题，这样你就能就这部分做出决定之类的。你懂我意思吧？就是说在工作场所有很多这样很酷的应用场景。然后我觉得在消费者端，我们——我不是说，不知道你怎么样，但工作之外的生活也很充实。你知道，我们有小孩，整天奔波于各种事情之间。如果能有像 Gemini 这样的东西帮忙组织这些，并且主动推进，那我们也认为非常有价值。"
"是啊。想象一下，孩子的日程表简直就是噩梦，兄弟。我需要 AI 帮忙。太费事了。"
"就像是救命，快来人救命。"
"是啊，是啊。还有，快速说一下，最后一点是 powerful。那么，这意味着什么呢？"
"是啊，是啊。嗯，我觉得也许这方面最近的例子就是你看到的 Nano Banana 这类东西，我们把一种本来需要大量时间、专业知识或资金的能力，以一种非常强大的方式提供给用户。而且我想这就是几周前我不得不发推的原因。我挺难受的。我们不得不暂时限制用户的生成量，因为整个服务就快要因为 TPU 而崩溃了。是啊，我觉得当你赋予人们那种力量和那种从无到有创造的能力时，就像我们展示的一些例子，嗯，后面还会有更多这样的东西。"
我认为，现在在 Google 工作令人兴奋的一点在于，固然有那些酷炫的产品、规模等等，但 Google DeepMind 还有一支非常出色的团队，他们正在构想各种全新的原始模型能力。因此，能够将这些能力与产品体验结合起来，希望这能为人们的日常生活带来更多助力。是啊，听起来很有趣。就像你每天都从 DeepMind 团队那里拿到糖果一样，你知道吗……
确实，和他们一起工作真的非常有趣。那我们就收尾吧。听起来现在正是加入 Google 的好时机，而且你提到了你看重的一些特质。比如，如果有人想加入你的团队，他们该怎么准备？是不是多去写代码就行？是啊，这有点意思，我觉得这种现象大概是几年前开始的，人们会说“嘿，看我的 GitHub，别管我的简历”之类的。所以我认为，这很可能是我们在寻找的明确信号之一。你在用 AI 做什么酷的东西？嗯，我一直很喜欢面试那些无论背景如何、都来对我们产品做过深入分析的人，他们会给出很多反馈，比如这个很好，这个很差。这是你胜过竞争对手的地方，这是你被竞争对手碾压的地方。我觉得这既体现了批判性思维，也体现了产品品味，以及形成“对用户什么才重要”这类意见的能力。另外，我觉得还有一点是，我们在 X 和 Discord 等平台上一直很活跃。我们也从那些社群里招聘过人，那些是热爱我们产品的用户。因为我觉得还有一点是，我们真的很在意那些关心使命的人。对我们来说，这可以一直追溯到我始终很喜欢 Google 使命陈述中的一点：如何让所有这些技术变得易于获取，进而变得有用。我觉得“有用”这个词很有意思。我们正处于一个奇特的时间点，即使你暂停所有模型开发，可能仍然有五年到十年有用的东西可以建造。但模型开发并没有放缓，所以还会有更多东西出现，关键是你如何将其转化为有用的产品？是啊。我的意思是，Google 最初的使命是整合全球信息，而 AI 可能比我见过的任何东西都更擅长这件事。没错，没错。它从未像现在这样切题，确实如此。是啊，太棒了。Josh，人们能在网上哪里找到你？给你提产品反馈。哦，好的。随时欢迎。我想我主要在 X 上，账号是 JShwood。而且我也常驻在我们的 labs Discord 里。我们一直在寻求关于产品的反馈，以及如何改进它们。所以请继续反馈。是啊，我非常看好 Google，因为你们现在听取反馈，迭代很快。这真的是非常好的成果。感谢你们的辛勤工作。哦，谢谢。也感谢你邀请我今天来。很高兴见到你。