Google Cloud生成式AI的真实路线:从内部狗粮到企业规模化
这期 No Priors 播客中,Google Cloud CTO办公室生成式AI负责人 Kawal Gandhi 罕见地系统讲述了 Google 内部如何使用生成式AI、再将其产品化并推向企业市场的全过程。从 Workspace 的“狗粮实验”,到企业采用大模型的真实路径,再到成本、信任与多模态的未来,这是一份来自一线的冷静判断。
这期 No Priors 播客中,Google Cloud CTO办公室生成式AI负责人 Kawal Gandhi 罕见地系统讲述了 Google 内部如何使用生成式AI、再将其产品化并推向企业市场的全过程。从 Workspace 的“狗粮实验”,到企业采用大模型的真实路径,再到成本、信任与多模态的未来,这是一份来自一线的冷静判断。
大多数人聊企业级大模型,第一反应是“选哪个模型”“是不是 GPT-4”。但在 Stripe AI Day 上,Dust 联合创始人 Gabriel Hubert 用一场并不炫技的 Demo,抛出了一个更刺耳的观点:真正拖慢 AI 落地的,从来不是模型本身。
在这场Stripe AI Day的现场演示里,PhotoRoom创始人抛出一个反直觉结论:大多数人根本不想、也不会写Prompt。真正让AI修图跑起来的,不是更强的模型,而是把Prompt这件事“藏起来”。这是一场关于AI产品设计的高密度示范。
两款AI可穿戴设备,主打“听你一天、懂你一生”,却在硅谷掀起罕见骂战。一边6小时卖光,一边被指“危险又越界”。这不是硬件之争,而是关于隐私、记忆与人类边界的正面冲突。
DALL·E 3不是悄悄上线,而是直接“免费空降”。不用排队、不用付费,只要一个微软账号就能用。这一刻,AI绘画的竞争逻辑变了:从拼参数、拼美感,转向拼“谁更懂人话”。
还没全面开放,ChatGPT Vision已经被玩出“作弊级”用法:看图写代码、白板秒变产品原型、复杂停车牌一句话搞定。这不是炫技,而是AI把“理解世界”的门槛直接打穿。
当所有人都盯着ChatGPT和Copilot时,亚马逊在秋季硬件发布会上做了一件更激进的事:让Alexa彻底重生。从“指令机器”变成真正会理解你家的AI,这一步,可能比你想的更危险,也更值钱。
这不是一次普通的模型升级。DALL·E 3 真正可怕的地方,不在画质,而在它被直接塞进了 ChatGPT。当“会聊天的大模型”开始替你写提示词、理解意图、并拥有数亿分发渠道,整个 AI 绘画格局可能正在被重写。
这是一场罕见的群体式对话:40位Y Combinator背景的AI创始人,毫不修饰地谈论他们每天真实使用、构建和怀疑的人工智能。从写婚礼致辞到自动改UI代码,从创造力爆发到幻觉失控,这些一线经验勾勒出当下AI最真实的能力边界。
在所有人都盯着“大模型谁更强”的时候,Salesforce 在 Dreamforce 上抛出了一个更残酷的现实:企业 AI 的未来,拼的不是模型,而是定制能力。从 Einstein Copilot 到 Copilot Studio,这场发布会暴露了一个正在重塑整个 B2B 软件格局的信号。