Gmail之父谈AGI：谷歌的迟疑、OpenAI的破局与自由之争

Paul Buchheit 回顾了谷歌早期的AI理想为何未能彻底释放，也解释了 OpenAI 为什么能后来居上。他从技术、组织与价值观三个层面，讨论了AGI、开源模型以及“控制 vs 自由”这一长期冲突。

为什么谷歌“什么都有”，却走得最慢

理解谷歌的AI路径很重要，因为它几乎拥有通向AGI的所有要素：顶级研究者、海量数据和算力。Paul Buchheit 在访谈中直言，谷歌“本来就应该是一家 AI 公司”。在他看来，内部并不缺技术判断，而是缺乏把判断变成激进产品决策的勇气。

他回忆自己早期加入谷歌时，公司文化强调“做大事”，而不仅是优化小算法。但随着规模扩大，风险控制逐渐压过探索欲望。谈到为何多年AI积累没有迅速转化为颠覆性产品，他用了一个非常直接的评价：谷歌“extremely risk averse”。这种谨慎在搜索时代是优势，但在生成式AI时代却成了刹车。

这也是一个典型的大公司困境：当现有业务足够成功，任何可能打破平衡的技术突破，都会被下意识延后。Buchheit 的判断并不是技术不行，而是组织激励不允许它全力下注。

从谷歌到OpenAI：另一种组织答案

如果说谷歌代表了“有能力但不敢冒险”，那 OpenAI 则恰恰相反。Buchheit 在节目中提到，OpenAI 实际上是从 Y Combinator 的生态中“spin out”出来的，这一点在其后来的法律文件中也能追溯到。

他认为 OpenAI 成功的关键，不只是模型本身，而是它被允许快速试错、快速部署。相比之下，谷歌内部的AI更多停留在研究层面。Buchheit 提到一个现实限制：当前模型“which in this case is limited by the fact that it's just being fed text”，也就是说，哪怕能力惊人，本质上仍受制于输入模态。

但正是在这种不完美中，OpenAI 选择了先把工具交到用户手中。这种“先用起来再说”的策略，让模型在真实世界中获得了远超实验室的数据和反馈，也形成了难以复制的正循环。

控制 vs 自由：AI发展的核心张力

在访谈中最耐人寻味的，是 Buchheit 对“control versus freedom”的讨论。这不仅是技术问题，更是价值选择。严格控制意味着更低风险，但也意味着更慢的进化速度；给予自由则可能带来混乱，却能释放创造力。

他并不否认风险的存在，反而强调这些“are not theoretical things”。无论是模型滥用，还是地缘政治层面的技术竞争，都会真实发生。但他的态度很明确：如果希望系统像人类一样学习和适应，就必须允许它在真实环境中犯错。

在这个框架下，开源模型并不只是技术路线，而是一种权力分配方式。谁能使用AI、谁能改进AI，最终决定了AI会服务于少数机构，还是成为更广泛的生产力工具。

算力、效率与下一次断裂点

展望未来，Buchheit 把目光放在两个确定趋势上：算力增长和算法效率提升。他认为，只要继续获得“better hardware and better algorithms”，系统能力就会自然外溢到更多模态，而不仅是文本或“pictures are nice”的阶段。

他预测真正的断裂点，不在于参数规模本身，而在于系统何时能像人一样理解和行动。那将是AI第一次在广义任务上表现出一致性，也会迫使社会重新思考工作、治理和国际关系。

在他看来，企业层面的变化已经开始显现：那些愿意“give people the right tools”的公司，正在比单纯追求控制的组织走得更快。

总结

这场对话的价值，不在于预测具体时间表，而在于揭示了AI发展的深层动力：技术能力、组织选择与价值观的相互作用。Paul Buchheit 用亲历者的视角提醒我们，AGI并非只属于算力最强的公司，而更可能诞生于敢于承担不确定性的地方。对读者而言，真正的启发是思考：在自己的组织和决策中，是不是也存在同样的“风险厌恶”。

关键词： Paul Buchheit， AGI， Google， OpenAI， 控制与自由

事实核查备注： 涉及公司：Google、OpenAI、Y Combinator；核心观点用语："AI company"、"extremely risk averse"、"control versus freedom"；技术限制描述：当前模型主要以文本作为输入；组织背景：OpenAI 从 YC 生态中发展而来。