Google DeepMind's Logan Kilpatrick: Why the Model Eats the Harness

所以我们可以把这一段剪一剪，让它看起来像是我们在这里。

这里。好吗？对。对。我我是想把这个放到我们刚才没开机、镜头外聊天的那个位置。

比如说，我们应该把那个放到开场里，因为我觉得它会让所有这些东西显得更有能力。我见过一些例子，里面那种非常细微的 nuance（细微差别）让我意识到，这就像是 world understanding（世界理解）在真实展开。我当时在做一个演讲，和我的朋友 Tulsi 一起站在台上，他负责 model team（模型团队）。我跟台下的某个人提到，让他编辑一下这段视频，结果他们真的把那张画面拿去，用 Omni 实时编辑，然后一只狗就出现在了台上。在编辑后的版本里，其他嘉宾会低头看到那只狗。

他们会轻轻笑一下。那时候我正在台上大谈特谈某些关于 AI 的内容。对。不是因为我的笑话好笑。他们他们是因为那只狗走上来才笑的。

它跳到我的腿上。我会有点像是，注意到那只狗，但继续讲话。我一边说，一边摸摸它之类的。这里面要拿捏准确的微妙细节实在太多了，而这个 model（模型）把它完成得非常出色。

而且这件事真的非常有意思，我也还在试着慢慢吸收、消化，这对我们制作内容的方式，以及其他所有这些事情，究竟意味着什么。

这太有意思了。很高兴邀请 Logan 来到节目中。Logan 负责 Google AI Studio 和 Gemini API。你花了很多时间在为下一代 builder（构建者/开发者）思考并打造产品。

对。

所以我很期待今天和你聊聊各种话题，从 AgenTik AI 到 AI coding（AI 编程）、world models（世界模型）等等，而且时间点也正好紧接着 Google IO 之后。还能有比这更好的时机吗？

对，我超级兴奋。感谢你邀请我来。

太好了。我们先从 AgenTik AI 说起。Sundar 在 IO 开场时把这称为 AgenTik Gemini 时代。AgenTik AI 对 Google 意味着什么？

对，这是个好问题。我想，我们之前其实也算是——如果你当时有仔细关注的话——在 Gemini 2.0 那会儿就稍微提到过其中一些东西，只不过我觉得当时有点偏早了。所以我认为，现在这个时代，这个像是 Gemini 3.5 的时代，感觉现在真的开始成为现实了：我们正处在 agentic coding（智能体式编码）、agentic products（智能体式产品），以及就 Gemini 而言几乎一切都围绕 agents（智能体）的时代。对我们来说，这一层 agentic layer（智能体层），我想我们其实也在 IO 上发布过，某种意义上是由 antigravity agent harness 提供支持，它成了 Google 的一条额外主线，把我们现在所依托的所有产品连接起来。

从历史上看，在 Gemini 之前，Google 旗下大概不到 100 个、或者说我们这 50 个产品之间，其实并没有一条统一主线。那时候没有这样一条主线。后来有了 Gemini，它就成了这条主线。现在所有东西都在以某种方式使用 Gemini。

现在，对 antigravity 来说，这也正在变成现实：随着所有产品都重新构建，逐步变成某种 agentic native products（原生智能体产品），真正开始代表用户采取行动、帮助他们把事情做成，你会看到一条新的主线正在浮现。我觉得这其实非常非常有意思。

抱歉，帮我确认一下，Antigravity 是那个 IDE（集成开发环境），对吧？还是说——对，不是——

antigravity 包含很多东西，而我觉得这恰恰再次说明了它对我们来说是一个机会。你可以把它理解为有一个核心 IDE，也有一个如果你愿意的话以 agent first（智能体优先）为核心的 web 体验，还有一个 CLI（命令行界面），还有一个 SDK（软件开发工具包）。

所以我其实觉得——虽然我不确定我们有没有一直这样定义它——它本质上确实是一个我们构建出来的生态系统，设计目标就是在开发者所处的任何位置与他们衔接。你可以通过 Gemini API 来使用它，如果你想要的是一个 managed agent（托管式智能体），不想自己去做那些基础设施工作的话，也完全可以。然后最有意思的部分在于，它不只是 antigravity 自身这套生态；它实际上还在驱动——几乎可以说是字面意义上的——其他所有 Google 产品。也就是说，正是同一个 harness 也在为所有其他 Google 产品提供支持。所以 antigravity 将会为 search、Gemini app，以及 cloud 和 AI Studio 等各处的大量 agent 相关能力提供支持，这一点真的很令人兴奋。

我明白了。所以以前是 Gemini API。也就是说，在 AI 如何被嵌入每一个 Google 产品这件事上，language model（语言模型）一直是那条主线。对。而现在不只是 API 了，还有 coding harness。

完全正确。

这些产品里都在使用它，因此，某种意义上说，真正推动产品内部出现更多 agentic（智能体式）特性的，是 coding agent 本身。我这样描述公平吗？

这个描述基本公平。我觉得更泛化地说，它其实就是 agent harness。我认为 coding 可以算是 agent harness 的一种专门 use case（使用场景），这显然很强大；但同时，coding 也已经被证明是一种通用的 agent harness，不仅适用于 coding，而且作为通用用途也很好用。

agent harness 和 coding harness 是同义词吗，还是不是？

肯定还是有细微差别的。我觉得，你确实可以通过做 specialize（专门优化）榨出更多优化空间。实际上你已经能看到这种情况：从技术上说，AI Studio 使用的 agent harness，会针对 vibe coding 这个 use case 稍微做一些专门化；而 Gemini app 使用的 agent harness，则会针对面向 consumer（消费者）、always-on（二十四小时在线）的 24/7 agent 稍微做一些专门化。所以我认为，你会有一个基础 harness，其中大概 80% 的东西是相同的，然后再针对 coding 或其他具体 use case 做专门化。很有意思。

你怎么看对现有业务的 cannibalization（蚕食）问题，尤其是现在你们更激进地推进 agentic 特性之后？因为我能理解，比如如果你做的只是 search 或 summarization（摘要），那对业务被蚕食的担忧可能没那么大。可如果 AI 真的在替我处理 email、替我回复，那我还会不会自己去看 email？所以我能想象，随着 agentic 能力变多，你们产品上由真人眼球产生的使用时长反而可能会变少。这种看法公平吗？或者说，你们是怎么思考这种 cannibalization 的？

对，这很有意思。我的一个观察是，在当前这个 AI 时代刚开始的时候——我觉得 Sundar 在这方面解释得非常好——一开始大家都假设，AI 能替你回答问题这件事，对 search 来说会是负和的。但实际上最后发生的是，它对 search 来说是一个极其正和的结果。人们搜索得更多了，人们做的事情也更多了。

agent 也会搜索。

对。其实，还是那句话，恰恰在 agent 能做更多事情的同时，也出现了一个完整的新市场；与此同时，人类自己的搜索也变得更多了。显然，世界上人类时间总量是有限的，但就我目前对这件事发展方式的初步感受来看，它确实像是会从 ecosystem（生态系统）价值创造的角度带来非常积极的结果。至于其中“人类行为”这一面最终会怎么发展，我觉得在未来一到两年里会比较清楚；而三到五年之后就没那么清楚了，因为到那时技术会进一步提升，产品形态可能也会和现在看起来有些不同。但归根结底，这就是产品成功与否的体现。

我觉得我们一直都会和 Demis 进行很多交流，而核心点在于，构建这项技术的目的，就是让它能替你去做事情。对 Google 来说，成功大概并不意味着尽可能把用户眼球时间最大化地留在我们的产品前；更像是尽可能为客户实现他们想完成的结果，让他们做成自己想做的事，然后去过自己的生活、做自己想做的事情。所以我感觉，你大概会看到我们走向的是“最大化客户结果”，而不是“最大化眼球停留”。

对，我脑子里一直卡着一个词：agent-led growth（agent 驱动增长）。在我看来——我自己私下里现在就大量在用 coding agents（编程 agent），而且我会直接让 agent 替我做所有基础设施选择。我就会说，我不在乎用哪个 database（数据库），你来告诉我。之所以提这个，是因为这在今天的编程场景里确实已经成立了。

我猜再往后看，这种情况大概也会普遍适用于很多事情，比如 shopping（购物）。你觉得这会怎样改变 advertising（广告）的运作方式，以及 aggregators（聚合平台）的价值获取方式？

这感觉像是一个非常相似的趋势。虽然这样说并不完全准确，但这些东西很多时候都只是彼此的 proxy（代理指标）。我认为 SEO 的运作方式，和——我一时忘了那个词现在叫什么了——大概就是 GEO，generative engine optimization（生成式引擎优化）之类的说法，是直接相关的。所以确实会让人感觉，这些事情之间存在很强的相关性。

我的猜测是，它看起来会比我们现在设想的那种情况要激进得少得多，因为这些东西是层层叠加、相互复利发展的。

如果用 crawl、walk、run 这个尺度来给 agenticness（agent 化程度）打分的话，你觉得 Google 整套产品目前处在什么阶段？

对，这是个很好的问题。现在肯定还是 crawl 阶段，我觉得这其中一部分原因在于 Google 天生存在的产品张力。你们有——多少来着——超过 13,000,000,000 的用户产品，所以我其实认为，我们也有一些更像 labs（实验室）式的体验，在那里你可能已经更接近 run 或者 walk 了；但我觉得，今天大多数产品体验肯定还是更接近 crawl。我认为这就是我们在构建一款被大量人群使用的产品时所承担的 stewardship（审慎管理）责任。我不觉得长尾客户群体已经准备好让 AI 自己跑起来、把所有事情都做掉。他们还是希望自己坐在驾驶位上。

他们正在谨慎地迈出第一步，我觉得 Google team And Search 也许是这方面最典型的例子。我认为他们确实承担着很大的责任，要以一种能把用户一起带上的方式来做这件事，而不是一下子把人们与互联网互动的方式、以及他们与产品建立联系的方式之类的一切都改变掉。

嗯。你觉得哪些产品最接近 Walk？

这是个好问题。我觉得 Gemini app 肯定是最接近 Walk 的。至于 Spark，我认为那种 24/7 常驻的 agent（智能代理），真的会替你行动、并且可能代表你执行一大堆操作，绝对是最前沿的 use case（用例）之一；而且我觉得你还会看到——我认为 antigravity 也是另一个例子，在那里你可能会有 autonomous coding agents（自主编程代理）去重建 operating systems（操作系统），消耗数十亿 token（令牌），并代表你花掉数千美元。我觉得这些再次都更偏向——而且实际上，GDM 里也有这方面的另一个角度，所以我认为 GDM 对这件事采取的是一种非常前沿的视角；而我觉得 Google 的其他产品，则是在更渐进地往那个方向靠近，这一点在我看来同样是合理的。

嗯。你觉得 Google 最终会形成一套、两套、三套用于使用 AI 的产品界面，还是会有成千上万套？

这很难说。我觉得其中很大一部分其实已经写在了人类消费产品的方式里。我的感觉是，这种产品之间的区隔和专业化其实有某种好处：如果你最后得到的是一个什么都替你做的产品，那么从本质上说，使用那个版本的产品反而需要投入更多工作。我认为那会成为默认情况。也许未来会有人把真正神奇的体验整合出来，让事情不再如此；但我觉得，对绝大多数人来说，要让一个通用型产品真正做出他们想做的事，往往得花更多心智和更多时间。相较之下，有一种体验就很好：我点开 calendar app，它就只给我看我的日历。像这样，我不需要去担心或处理别的任何东西。

这就是我对为什么 slide decks（幻灯片文稿）能存在这么久的一个 hot take（个人判断）：因为你会希望那个东西、那条信息，始终精确地待在同一个位置。

还有，

我觉得我们人类其实就是已经非常习惯这种方式了。相比之下，generative interface（生成式界面）这个概念听起来对我来说很酷，但问题在于：我们的大脑真的——那难道不是会给我们带来更多认知负担吗？

在某些情况下，确实是这样。我觉得还是需要有人去——再次强调，世界上有很多极其聪明的人，所以也许会有人找到一种让这件事感觉更自然的体验。但对现在的我来说，也许不是 10,000 那种极端版本。我猜更像是会有更多产品去针对不同的——也许另一个答案是，我不知道这对 Google 来说会是什么样子。但对整个 ecosystem（生态）来说，我认为看起来会是更多得多的产品。

这确实非常令人兴奋。我想，Google 最终会如何从战略上做决定：我们的客户是想和一个拥有 10,000 个产品的我们打交道，还是只保留三个会更好？这最终会归结为我们的一个战略决策。

这完全说得通。我和 enterprise（企业）里的公司交流时，他们会说，大家都在谈 agentic AI，但他们真正看到 agent（智能体）有效运作的唯一场景，就是 coding agent（编码智能体）。你同意这种看法，还是不同意？

是的。我觉得这取决于你对“有效运作”的标准是什么，而这正是这件事里很微妙的一点。比如，我认为如果你真的想把非常复杂的任务卸载出去，而这些任务所属的领域里，model（模型）其实还没有跨过质量门槛，那么我觉得这种说法肯定是对的。它不会直接解决这个问题，但这是我很希望我们能衡量的一件事。一个很好的例子是，OpenRouter 现在就在衡量正在发生的 total token consumption（总 token 消耗量），所以你能某种程度上看到这些趋势是如何随着时间展开的：和一年前相比，如今世界上多了多少 intelligence（智能）。

与此同时，我其实还很想衡量的一件事是：平均一次 agent run（智能体运行）或者平均一个任务，实际持续了多长时间。我不觉得这是他们会公开发布的数据，但我感觉他们大概有一些很有意思的数据，我也确定还有别的机构有。因为我确实认为，你会看到每次新的 model capability（模型能力）落地，或者新 model 发布时，这个指标都会突然上升。也许现在这条曲线整体仍然很低，但你已经能看到一些早期迹象：它正在向长时运行任务快速上扬，而所有 model lab（模型实验室）都在说，我们发布了这个新模型，它完成了三天的 autonomous work（自主工作），或者类似这样的事。这当然是极端案例，但我觉得在实践中，你会看到这种变化很快就会逐步渗透上来，这一点非常有意思。

所以即便企业界目前除了 coding（编程）之外还没有明显感受到这一点，他们今年也会感受到，因为其他那一批 use case（用例）也会变得好得多。

从 DeepMind 的角度看，你觉得 long horizon agents（长时程智能体）是一个重要的 KPI（关键绩效指标）吗？它是最重要的那个 KPI 吗？

它当然重要。我觉得对 DeepMind 来说，我们在做很多事情，之后可以再多聊。现在同时在进行的是一个非常庞大的、由不同押注组成的 portfolio（组合）。长时运行的 agent 显然非常重要。我也认为，特别是其中的 coding agent 也非常重要。

很显然，如果你拥有一个出色的 coding model（编码模型），它会成为你业务其他所有部分的 accelerant（加速器）。所以我认为，确保我们拥有这一点，是当前最重要的关注点之一。

明白了。我想稍微换个话题，聊聊编程。

对。

好。我来问个比较尖锐的问题。我的很多 developer（开发者）朋友很长一段时间里一直在用 Claude。OpenAI 看到了这一点，直接拉响了 code red（红色警报）。现在 Codex 真的非常强。

我会说，我这些朋友现在在用 Claude 和用 Codex 之间，大概已经五五开了。我倒是没怎么听说他们很多人在用 Gemini，这一点我一直有点困惑。这里面到底发生了什么？

是啊，这是个很好的问题。我觉得这里还有一部分背景可以补充，而且这会让整件事更有意思。那就是在 12 月的时候，外界的叙事是 Google 已经赢了。等到我们推出 Gemini three 的时候，我认为从 model（模型）能力的角度看，那是一次非常深刻的提升。我觉得当时很多人的说法都是，Google 实现了一次巨大的跃进，而且真的做成了。

而我觉得，作为 ecosystem（生态系统）里的参与者，一个有意思的观察并不只是这个叙事转向得有多快，而是紧接着到来的下一波叙事，很明显就是假期期间发生、然后延续到 1 月及之后的那一整波 agentic coding（智能体式编程）热潮，而那其实也就是不久之前的事。所以这真的是一种——

我感觉从那以后，我们就一直处在 warp speed（曲速）状态。

对，绝对是这样，但这也再次提醒我们，事情变化的速度可以有多快。我觉得这个观察并不算不合理。我确实认为，我们在幕后所做的事情，是尽可能快地把 coding（编程）的前沿往前推，所以我觉得 Anti Gravity 实际上是其中一个重要组成部分。我想其中一个结论是：如果你自己没有一个真正做这件事的产品，那么要为 developer（开发者）这种需要超长时间持续运行、完成成套工作的 use case（使用场景）做出一个很棒的 coding model（编程模型），其实是非常难的。我想 Google 也意识到了这一点。这就是 Windsurf deal 发生的原因。

这也是为什么那些人加入了我们，并最终做出了 Anti Gravity。实际上我们一直在内部使用它，Sundar 也在 IO 上展示过这一点——Google 内部 token（令牌）消耗增长的那张曲线图。所以你需要让那台 engine（引擎）真正转起来。而更宏观的一点评论，还是那句话：这台引擎已经转起来了。模型要真正取得进展是需要时间的，但我非常有信心。我觉得我们现在做 code（代码）这一块的这群人，我在内部会把他们形容成 AI 版的 Avengers，所以这真的是 Google 内部最优秀的一批人在非常严肃地推进这件事，努力把这块巨石往山上推。至于 three flash，先不谈一些关于价格之类的讨论，我认为它某种程度上就是一个信号：我们开始把这些能力以及这些努力的成果真正带出来了。作为一个 flash model（Flash 模型），从 coding 的角度看，它比我们过去发布过的任何 pro model（Pro 模型）都更强，而我们以前的 pro models 本来就已经很不错了。

这里还有另一条线索，大家也都忘了还有 pre training（预训练）窗口这回事。我在想，应该有人把这个在线追踪起来，那样看着会很有意思。

也就是说，在大规模 run（训练运行）方面，哪些 clusters（集群）是可用的，以及

没错，就是这个。这些大规模 run 本身就是这件事里一个很有意思的线索。所以从外部视角看，可能会觉得“哦，你们在某些方面已经严重落后了”，但实际上，你忽略了一个非常重要的背景：大规模 run 在哪里进行，大规模 pre training run（预训练运行）又在哪里进行。所以我认为这一点也很关键。显然，pre training 历来一直是 DeepMind 的一个巨大强项。我们拥有世界上最优秀的一批人才，我非常期待看到这些努力结出的成果，以及其他所有已经发生的进展。3.5 flash 基本上全都是 post training（后训练）带来的提升，这一点非常酷。

所以这也极大证明了那个团队所做工作的价值：他们真的把性能提升到了那个层级，并且几乎完全只是靠 post training，就超过了之前的 pro model，这非常棒。

你们内部对 dogfooding（内部试用自家产品）这件事到底有多坚持？比如说，DeepMind 的人现在还可以用其他 model 吗，还是说你们现在都在用 Gemini harness，所以必须把它做得特别特别好？

对。我觉得使用其他 model 是很健康的，因为如果你不这么做，有时候就很难真正 grok（真正理解）这个 ecosystem（生态）里在发生什么。所以我会用所有 model，也会用所有产品。我认为 DeepMind 其他很多人也都在这么做。

不过，你当然还是得用 Gemini model。这从 feedback flywheel（反馈飞轮）的角度看非常重要，而且这本来就是它们持续变好的方式之一。DeepMind，以及更广义上的 Google，拥有超过 100,000 名非常出色的 engineers（工程师）在使用这些 model 并提供反馈；这理应成为 Google 的竞争优势，因为我们有这种规模的工程资源，也有足够深的人才储备，还能做 AB tests（A/B 测试）、live experiments（在线实验）以及所有这些事情。所以我认为所有 model 都得用，但对大多数人来说，Gemini 更像是 daily driver（日常主力工具），而这很好。

你是否相信这样一种叙事：一旦你拥有了足够好的 agentic coding model（具备 agent 能力的编程模型），它就会加速研究进展的速度，并形成一个自我强化的循环。

这听起来显而易见是真的，但也许是我 Kool Aid 喝太多了，才会觉得情况就是如此。

你已经开始看到这方面的迹象了吗？

看到了。你肯定能看到一些这方面的迹象。我觉得目前仍然偏早期的迹象，是从 model（模型）这个层面来做这件事；而我认为这里的一部分背景是，一些更大规模的训练 run（训练运行）的资源分配实在非常可观，所以在做这些决策时，驾驶位上肯定还是有人类——因为你不可能一不小心就调动 10,000 个 TPU 去启动一个其实并没有太大意义的任务。但从 product（产品）角度看，你绝对已经能看到这种变化了。我觉得我们团队就在经历这个。我们用 anti gravity 构建了 mobile app（移动应用），而且把它们推向全球的速度，比我认为 Google 任何团队过去做出一款移动应用的速度都更快。

Josh 的团队也是这样做 Gemini macOS app 的，他们算是端到端地交付了这款 app（应用），速度几乎比 Google 任何团队过去交付一款 Mac app 都更快，而这就是因为 agentic coding（agent 驱动编程），所以从产品角度看，这非常棒。

我记得你以前说过，如果有一个系统能够用代码构建任何东西，那人类就无法在同一层级上竞争了，而那就是 narrow superintelligence（狭义超级智能）。你觉得我们已经到那个点了吗？

这很有意思。我觉得这个 narrow superintelligence（狭义超级智能）的例子很值得观察。显然，就 coding（编程）而言，现在确实有那种感觉——它的编程能力已经强到，确实会让人感觉像是 narrow superintelligence。我也不确定，这最终还是取决于你怎么把这些细节真正量化；但我认为重要的是，正如你之前说的，它在代码这件事上效果好得惊人。

所以，如果它还能做好很多别的事情，那当然很棒；但实际上，仅仅是它能把代码这件事做到这么好，就已经有巨大的影响了。因此我会花很多时间让这个事实慢慢沉淀在自己心里，因为我觉得，显然，构建 AGI（通用人工智能）极其重要，也非常有趣；但如果构建 AGI 这件事，某种程度上掩盖了这项技术当下现实能力的故事，我觉得那其实是一种不太好的取舍。所以我一直在努力同时、同等地把这两件事放在脑中：我们需要构建通用目的的技术，但显然，拥有现在这个东西本身就已经影响巨大。而且感觉它并没有削弱人类开发者——这反而是最好的积极结果之一。我真的觉得，它更像是对人类开发者能力的加速器。作为一个人类开发者，我感觉自己在这个世界上拥有了更多 agency（行动能力/自主性）。我感觉自己可以去处理……这是我个人的体验。

我觉得自己可以去解决更有雄心的问题。以前我也会反复琢磨一些想法，但它们总是稍微有点遥不可及，我就会想：啊，要是能做到就好了。现在我反而遇到了相反的问题：我在琢磨一个想法时，会觉得，我大概还能把它做得更有雄心一些。这其实带来了一层不同的责任感，或者说一种不同的负担，因为我会想，哦，我不能只是做一个 MVP（最小可行产品）版本，我实际上得再往前走 10 步，因为技术已经让我做得到。而我觉得，重设自己的雄心水平，也是我花了很多时间思考的一件事。

但我认为这会先发生在这些垂直领域的 superintelligence（超级智能）里，那会很有意思，而且感觉在我们解决某种——几乎可以说是 jagged superintelligence（锯齿状超级智能）——之前，我们会先得到一批这样的东西；我想，最后我们得到的大概就是这种形态。

你觉得接下来哪些垂直领域会先出现 superintelligence（超级智能）？

这是个很好的问题。说实话，我最近花了很多时间——可能是太多时间——在想 coding，所以我得稍微想一想其他领域。我觉得其中一部分原因在于，那些更容易 verifiability（可验证）的事情，显然会是你更快看到进展的地方，所以像 math 和 finance 这类领域。其实，science 也可能会是一个非常有意思的方向。看到这些具有一定 verifiability 的领域真正开始起飞，会非常令人着迷；那会很酷。而且我也觉得，就 AI 对世界正在产生什么影响这个更大的叙事而言，这也是件很重要的事。

你几乎会希望事情就是这样发展。在那些真正起作用的事物的推进顺序里，你会希望很多这种非常、非常好、影响深远、对世界有积极意义的事情，能尽可能早地发生，这样人们就会明白这项技术潜在的正面影响是什么。所以我觉得 science 可能会是个很有意思的方向。显然，现在还有很多关于 math proofs 之类的事情正在发生；我不是 mathematician，所以这里面有些内容我有点跟不上，不过——

我前几天看到一条很棒的 tweet。为什么 Aerodose 会遇到那么多问题？

对，没错。这句很好。我喜欢。很适合印在 T shirt 上。

太好笑了。好吧。不过，说到 Twitter，我在这之前翻了你的 Twitter，所以我打算再念一条你以前发的 tweet 给你听。Twitter 的好处就在于，那里有你所有预测的公开记录。

所以我得把那个自动删除 tweet 的功能之类的东西打开了。

去年 10 月，你发推说，到 2025 年年底，所有人都将能够用 vibe code 来做视频游戏。对。那么这最后成真了吗？

感觉已经很接近了。而且我觉得——我的意思是，显然不是 AAA 游戏。比如说，你现在还做不出下一个 Call of Duty 或 GTA。但我觉得，这种感觉比以往任何时候都更接近了。而且我认为，实际上，视频游戏里很多有意思的部分在于，你最终还需要构建很多这类其他东西。

模型这件事——我们刚才在镜头外也聊到过——Three. Js 就是一个很好的例子。比如，Three. Js 让很多以前做不到的事情成为可能，但仍然存在很多粗糙边角，这不是一个 coding agent 就能解决的；所以你还需要 sprite generation，而模型原生做这个并不太擅长，因此你需要某种 orchestration layer（编排层）和 tooling（工具链）来让这件事发生。还有很多类似的东西，对游戏这种 video game 体验来说都很核心，而且需要很高程度的可靠性。我觉得这些已经触手可及了，但实际上仍然需要大量的产品 scaffolding（脚手架式支撑）工作，才能创造出可复用、可重玩，并且具有一定深度的体验，而这其中也还需要一点审美判断。

你有没有看到人们在 AI Studio 和你们提供的其他开发者界面里制作很多视频游戏？

有的。所以这其实是基于我们查看早期数据得出的。当时在 AI Studio 里，大概有类似 20% 的应用，都是大家实际在做的游戏。人们当时都在尝试做游戏，很多很多。

那是最受欢迎的类别吗？

现在它已经不是最受欢迎的类别了，我觉得主要是因为生态系统变了，用户群也变了，但游戏的数量还是很多。

那最受欢迎的类别是什么？

我觉得大概有 20% 是和金融相关的东西，20%。

哇，人们这么喜欢数自己的钱啊。

我觉得其实有不少是围绕 crypto 的，我想人们确实在做很多金融相关的东西、很多个人效率相关的东西，以及很多 gen media 相关的东西，因为很显然，Google 那套 gen media 产品做得非常好。但我也觉得 GDM 有点像——很明显，Demis 非常关心游戏，而且他职业生涯一开始做 AI 相关的事情，本来就和游戏有关，所以我觉得我们会在这方面做一些有意思的尝试。我们在 Kaggle 的团队——某种程度上就是我们在 GDM 里做的一批 AI 基准测试相关工作——实际上也在和 GDM 一起搭这个 game arena，这算是我们用来测试朝着 AGI 进展的一种方式：把游戏当作一种代理指标，而这同样也深深植根于 GDM 的历史。

你觉得我们离这样一个状态还有多远：街上随便一个普通人，冒出一个不错的点子，就能用 vibe code 做出一个真正好玩、能玩的游戏？

我想说就是今年。其实我觉得，model capability（模型能力）已经让这件事变得可行了。我认为这也是我在产品侧开始兴奋起来的地方，而且我们刚才在镜头外也聊到这个生态里的 startups，因为这感觉上已经可能了。现在不像是模型质量还有明显缺口，更像是还缺一个真正知道做好游戏需要什么的人，把必要的 scaffolding（脚手架式支撑结构）以正确方式搭起来，让这件事成为现实。我觉得现在已经有人在这么做了，所以一部分问题在于 discoverability 和 awareness——很多人甚至还不知道自己已经能这么做；另一部分则可能只是某些类别的模型能力还稍微差一点，我们距离跨过那道鸿沟也许只差几周或几个月，一旦跨过去，这件事对大多数人来说就会直接可用了。

这正好可以自然过渡到下一个问题。我接下来想问 world models，不过你觉得，用 vibe code 来做视频游戏，更可能会是基于 game engine 加 coding agents 的路线，还是更可能会是基于 world model 的路线？

对。我觉得最终会发生的是，world models 的定义会变得模糊起来，这点我们应该结合 Omni 来聊。我认为 coding agent 最终看起来仍会像某种 world model 类型的系统，但实际上，如果你想让 world models 对真实任务有用，你是需要 scaffolding 的。所以我觉得，同样地，现在其实已经有一批很有意思的 startups 在做这方面的工作：他们在摸索，world models 的 scaffolding 到底应该是什么，才能把它们从这种天生非常开放、设计上本就非常开放的空间里，真正落到一个可操作的形式上，让它锚定在某个具体 use case 中，并且能够被反复使用。也许会有人最终找出让 world models 能够用于做游戏的那套 scaffolding，但就 world models 目前的内在性质而言，我觉得它们以现在这种形式其实并不太适合做游戏。

但进展确实快得惊人，所以谁知道呢？也许两年后，那些版本就能做到了；不过至少在短期内，我觉得从游戏的角度看，真正更可能出现大量 alpha（超额优势/领先结果）的，还是 coding agent 加上某种 game engine 这条路。

这很有道理。好，所以你说 world models（世界模型）的定义很模糊。我们能展开讲讲吗？