在本期 All-In Podcast，三位老友兼資深投資人——Chamath Palihapitiya、Jason Calacanis 與 David Friedberg——聯袂掌舵，特別邀請到 Google 共同創辦人 Sergey Brin 親臨對談。他們一起聊了聊 Gemini 如何借助無限上下文與鏈式推理，將 AI 從被動執行者升級為認知協作者，也剖析了這一次典範躍遷對技術生產力與人機互動界線的深遠重構。
以下為本場 Podcast 內容實錄：
Chamath Palihapitiya: 你簡直像在打卡上班一樣。我聽說了一些消息，我們也聊過，你每天都在工作。
Jason Calacanis: 說實話，這算得上是我人生中最快樂的一段時光。我在疫情前大約一個月退休，當時創立了 Hidden Theory。我覺得這樣挺好，我想做點別的，去咖啡館待著，讀讀物理方面的書。結果過了一個月左右，我覺得那樣的生活不太適合我。所以後來一旦可以去辦公室，我就開始去上班了。其實當時有個 OpenAI 的朋友，叫 Dan，我在一次聚會上碰到了他，他說，現在是電腦科學有史以來最偉大的變革時刻，對於你這樣的電腦科學家來說更是如此。
Chamath Palihapitiya: 你曾經是電腦科學的博士生。
Jason Calacanis: 我還沒完成我的博士學位，嚴格來說我處於休學狀態。我想，他說得對，這確實令人難以置信。大家顯然都在關注所有的人工智慧技術，作為一個電腦科學家，就技術層面而言，這絕對是我人生中最激動人心的事情。
Chamath Palihapitiya: 而這種指數級的性質和速度，讓我們在職業生涯中所見過的任何事情都相形見绌。這幾乎就像我們在過去三四十年裡所做的一切，都是為了這一刻的到來。Google 從 100 個使用者和 10 名員工發展到現在，有超過 20 億人在使用，我想有 6 個產品或 5 個產品超過了 20 億人。這甚至不值得計算，因為地球上絕大多數人都在使用 Google 的產品。請你描述一下這個成長速度。
Jason Calacanis: 我還記得早期網際網路的那種興奮感，當時是用 Mosaic，後來用 Netscape。有多少人還記得 Mosaic？（環顧四周）嗯，挺少的。你們還記得當時有個「最新內容」頁面嗎？比如某所小學的網站，某個魚缸愛好者的網站，還有 Michael Jordan 的粉絲頁面。
當時整個網際網路就只有這三個新網站。很明顯，網際網路從那時起發展得非常迅速，那是一個非常令人興奮的時期，然後我們有了智慧型手機。但是與此相比，人工智慧的發展簡直令人震驚。網路雖然普及了，但從技術上來說，每個月、每年並沒有發生太大的變化。但這些人工智慧系統實際上變化很大。你知道，如果你離開一個月再回來，你可能會驚呼：「哇，發生了什麼？」
Chamath Palihapitiya: 有人告訴你開始提交程式碼了，這讓大家都有些吃驚。
Sergey Brin: 發生了什麼？
Jason Calacanis: 我提交的程式碼並沒有什麼特別令人興奮的。我只是需要添加一些權限，以便能夠存取某些東西，這裡改一點，那裡改一點，沒有什麼額外的。但你需要這樣做，才能做一些基本的事情，執行一些基本的實驗，我嘗試這樣做了，並接觸了系統的不同部分，我覺得這很有趣。
其次，能夠回到公司，不用承擔任何的行政責任，但還能夠深入到每一個細微之處，這真的感覺是一種榮幸。
Sergey Brin: 目前人工智慧堆疊的哪些部分更讓你感興趣？有沒有某些地方特別吸引你？
Jason Calacanis: 我幾年前，或者說一年前，就開始非常關注我們所說的「預訓練」。大多數人認為的「AI 訓練」，不管人們怎麼稱呼它，由於各種歷史原因，我們稱之為「預訓練」。這是個超級專案，需要投入大量的計算資源。我也學到了很多，看到我們從一個模型到另一個模型，也執行了一些小的實驗，但基本上只是為了好玩，最近後期的訓練，特別是當思維模型出現後，這標誌著通用人工智慧的又一個巨大進步。所以我們真的不知道它的上限在哪裡。
Chamath Palihapitiya: 那你如何向一個普通人解釋提示工程、深度研究以及正在發生的事情之間的關係？因為我認為人們並沒有點擊下拉箭頭去觀看 Gemini 行動應用程式中的深度研究，你們有一個行動應用程式非常棒。順便提一句，在咱們聊過之後，我也買了 Fold 手機，「OK Google」功能簡直太厲害了。當你要求它開啟某個應用程式時，它真的會執行。而且它在深度研究中進行的執行緒數、查詢數和 UPS 的數量達到了 200、300 個。你能解釋一下這種跳躍，以及你認為接下來會發生什麼嗎？
Jason Calacanis: 對我來說，人工智慧最令人興奮的地方，尤其是在今天，還沒有達到人們追求的完全的通用人工智慧（AGI），也不是超人的智慧，但它已經相當聰明了，而且絕對會讓你感到驚訝。它的超能力在於它能以我無法企及的規模完成任務。預設情況下，我使用我們的一些人工智慧系統，它會抓取前 10 個搜尋結果，或者一本書，然後從中提取你需要從中提取的資訊。但說實話我自己也能做到，也許會花我更多的時間。但是如果它抓取前 1000 個結果，然後對每個結果進行後續搜尋並深入閱讀，那對我來說就是一週的工作量，我做不到。
Chamath Palihapitiya: 這就是我認為那些沒有使用過深度研究專案的人尚未完全意識到的事情。之前我們請了一位 F1 賽車手到台上，我還是個新手，對此一無所知。我問，過去幾十年裡平均每年有多少起死亡事故？我想知道每行駛里程的死亡人數。它一開始說，這可能非常困難。我說，我允許你盡力嘗試，給出你最好的理論。我們來做吧。然後它列出了有多少車隊，有多少比賽等等。
Sergey Brin: 用哪個模型？
Chamath Palihapitiya: 我用的是 Gemini，非常棒。但我對待它就像跟它鬥嘴一樣，這對我來說還挺奏效。
Jason Calacanis: 這事挺奇怪的，就像喝酒一樣我們不繞圈子。但不僅僅是我們的模型，所有的模型如果你用類似暴力的方式威脅它們，往往會表現得更好，但人們對此感覺很奇怪。
Chamath Palihapitiya: 我當時威脅它說它不夠「fabulous」，它也回應了。
Jason Calacanis: 之前你只要說「如果你不喜歡那樣，我就綁架你」。
Chamath Palihapitiya: 它實際上建立了一個系統，我覺得我們應該把練習里程算進去，假設賽道上每英里有 100 英里的練習里程，然後它就給出了每英里的估計死亡數，然後我開始交叉參考。我當時想，這簡直就像大學生的學期論文一樣，你知道嗎？哇，幾分鐘就完成了。
Jason Calacanis: 是的。我的意思是，這太神奇了。我們都有過這樣的經歷，我把這個扔給人工智慧，並沒有真的期望它能成功。然後就驚呼：「哇，竟然成功了。」
Sergey Brin: 當你經歷了這些時刻，然後回到你作為父親的日常生活時，你有沒有想過，我的孩子們將來會做什麼？他們現在的學習方式是否正確？我是否應該徹底改變他們現在所做的一切？你有沒有經歷過類似的時刻？
Jason Calacanis: 說實話，我真的不知道該怎麼想這件事。我沒有一個奇妙的方法。我的孩子在上高中和國中，人工智慧基本上已經超越了他們。很明顯，人工智慧在某些方面是特別的，比如早期的簡單數學，它們會犯一些人類永遠不會犯的錯誤。但總的來說，如果你談論數學、微積分之類的，它們都非常不錯。它們可以贏得數學競賽、程式設計競賽等等，擊敗一些頂尖的人。
Jason Calacanis: 我的兒子將從高二升到高三，我在想他會學到什麼，也和他討論過這個問題，人工智慧到底會在哪些領域發展？
Sergey Brin: 有沒有什麼領域你會告訴你兒子不要接觸，或者說暫時別去碰？
Jason Calacanis: 我並沒有特別規劃我的人生要成為一個企業家什麼的。我只是喜歡數學和電腦科學。也許我比較幸運，結果發現這對世界有用。孩子們應該去做他們喜歡的事情。我希望他們做的事情有一定的挑戰性，能克服各種不同的問題。
David Friedberg: 你認為大學應該像現在這樣繼續存在嗎？
Jason Calacanis: 即使在人工智慧帶來這種挑戰之前，大學似乎就已經在經歷一場變革了。大家會問，我是否應該更注重職業技能？什麼才是真正有用的？但我們已經進入了這樣一種局面，人們對大學提出了各種疑問。顯然人工智慧把這個問題推到了最前沿。
David Friedberg: 作為家長，我經常思考中產階級和上層階級的很多教育都圍繞著大學展開，如何讓孩子進入大學。其實最近我一直在想，也許他們不應該去上大學。
Sergey Brin: 我的兒子即將升入高中三年級，他所有的心思都放在想去一所 SEC 的學校，因為那裡的文化氛圍。兩年前，我會很焦慮，會想我是否應該幫他進入這所或那所很棒的學校。但現在我想，這實際上是他能做的最好的事情，在社交上適應良好，心理上能夠應對各種失敗。
David Friedberg: 享受幾年的探索時光吧。Sergey，我方便問一些關於硬體的問題嗎？多年前，Google 擁有波士頓動力公司，也許當時有點超前了，但是這些系統透過視覺資訊和感官資訊學習，基本上學會如何適應周圍環境的方式，正在觸發硬體領域非常深刻的學習曲線。現在有幾十家新創公司在製造機器人系統。你如何看待機器人和硬體領域？現在是真正開始崛起的時刻嗎？
Jason Calacanis: 我們已經收購又出售了大約五家機器人公司，波士頓動力就是其中之一。如果我回顧一下，我們製造了硬體，最近內部構建了 Everyday Robotics 公司，但後來不得不轉型。機器人本身都很酷，但軟體還不太成熟。每次我們嘗試這樣做時都是如此，你必須讓它們真正有用。也許有一天可能會不再是這樣。
Sergey Brin: 你相信人形機器人嗎？還是你覺得這有點太提前了？
Jason Calacanis: 我可能是一個不太喜歡人形機器人的怪人，但這也許是因為我太遲鈍了，因為我們收購了兩家人形機器人新創公司，後來又把它們賣掉了，所以我有點厭倦了。但原因是，人們想要製造人形機器人，很大程度上是因為這個世界是圍繞這種形態設計的。你可以在 YouTube 上訓練，可以透過影片訓練，可以做各種事情。我個人認為這並沒有給予人工智慧足夠的信任。人工智慧可以透過模擬和現實生活很快地學習如何處理不同的情況。不需要和人類完全相同數量的手臂、腿和輪子才能讓一切正常運作。所以我可能對此不太樂觀。但有很多非常聰明的人正在製造人形機器人，所以我不會考慮。
Chamath Palihapitiya: 成為程式設計師的道路又是怎樣的呢？Google 現在有一個 20 年歷史的程式碼庫了，所以實際上可能會產生很大的影響。那麼你在公司內部看到了什麼？比如，Kennex 的開發人員，或者說，偶爾能看到一些獨角獸專案運轉起來。但我們是否會看到所有開發人員的生產力都達到 8、9、10 的水平，還是說這一切都將由電腦完成，我們只需要檢查一下。
Jason Calacanis: 如果你喜歡程式碼，其實我有點不好意思聊這個，我最近在公司內部發生了一場很大的爭執，因為我們有一份列出了允許使用的程式碼工具和不允許使用的程式碼工具的列表，而 Gemini 被列在了不允許使用的名單上。因為一些非常奇怪的原因，這讓我我很困惑。
關於 Gemini，沒有人會強制執行這條規則，但是不知出於什麼歷史原因，確實有一個內部網頁上提到 Gemini，我們大吵了一架。
Chamath Palihapitiya: 不知道你還記不記得，你是擁有超級投票權的創辦人身份，這公司畢竟還是你的。
Jason Calacanis: 不過，他 (CEO) 非常支持我。我跟他說: 「我沒法跟那些人打交道，你 需要 處理一下。」我 非常生氣 ，他們竟然說我們「很奇怪」!。
Chamath Palihapitiya: 想像一下，在一家你並未參與創建的公司裡居然還有官僚主義，這感覺一定很奇怪。
Sergey Brin: 不過從另一個角度看，我反而覺得挺令人驚訝的，一些初級的市場行銷人員 ， 竟然敢對我們說「走 開 」。我是認真的，我認為這恰恰是健康企業文化的一個標誌。
Jason Calacanis: 總之這事解決了，大家都在用了 (Gemini)。他們有被開除嗎?
David Friedberg: 被發配去 Google 的西伯利亞辦公室了嗎?
Jason Calacanis: 沒有啦。我們現在正嘗試各種可能的 AI，也包括外部的，比如 Cursor 之類的工具，所有這些都是為了看看什麼真的能提高大家的生產力。就我個人而言，使用這些工具絕對提高了我的生產力。
Sergey Brin: 你們訓練了許多基礎模型嗎? 展望三年以後，這些模型會開始分化並變得高度專業化嗎? 比如，除了通用和推理型的，也許會出現一個專門用於晶片設計的模型，很顯然也會有一個專門用於生物藥物設計、蛋白質摺疊的模型。未來基礎模型的數量會是今天的好幾倍，還是差不多，或者介於兩者之間?
Jason Calacanis: 這是個好問題。你們的猜測可能和我一樣準，但如果讓我下注，我認為趨勢是越來越趨同。在整個機器學習領域基本都是如此。過去我們有各種不同的模型，比如用於視覺的卷積神經網路等等，有用於文本和語音的循環神經網路等。但這一切基本上 最後都轉向了 Transformer，而且越來越趨向於使用單一模型。
當然，我們偶爾也會為特定目標專門化模型。在你有特定目標的時候，這在科研上絕對是很好的迭代方法。你沒必要用一個模型來處理所有語言、影像、影片和音訊。但是通常在我們做過專門化之後，我們能汲取那些經驗，並基本上把那些能力融入一個通用模型。所以專門化帶來的好處並沒有那麼多。你可以 用一個小一點、更專業的模型，也許速度更快、成本更低，但大趨勢並不是那樣發展的。
Sergey Brin: 你們如何看待開源和閉源的選擇？有沒有一些重要的理念變化讓你們對開源的價值有了不同看法? 我們還在等 OpenAI，我們現在還沒看到，但理論上很快會有結果。
Jason Calacanis: 必須實事求是。DeepSeek 大概在一月份發布了一個非常強大的模型，確實縮小了與專有模型之間的差距。我們兩方面都在探索。所以我們發布了 Gemma，這是我們的開源模型。它們表現很好，是小型而密集的模型，可以很好地在單機上執行。它不如 Gemini 那麼強大。不過究竟哪種方式會勝出，現在還很難說，你怎麼看?
David Friedberg: 你覺得隨著 AI 發展，人機互動會變成什麼樣子? 以前，多虧了你 (Sergey Brin) 開發 的搜 尋框，我們是在一個框裡輸入關鍵詞或者問題，然後點擊網路連結來找答案。未來的互動方式會不會是輸入一個問題，或者對著 AirPods 說話呢?或者用想的?答案直接透過語音告訴你。
Sergey Brin: 在上週五，Neuralink 的腦機介面獲得了「突破性裝置」認定，這是讓 FDA 批准人人植入晶片邁出的非常重要的一步。
David Friedberg: 如果讓你總結一下，你認為未來十年裡最常見的人機互動模式會是什麼樣子? 是一種帶有螢幕的眼鏡嗎? 你很早以前不是嘗試過這種東西嗎?
Jason Calacanis: 說實話，我當時搞砸了，完全沒踩準節奏。
Chamath Palihapitiya: 那是還是 先行者，太早了。
Jason Calacanis: 對，就是太早了。有很多事情我希望當初能做得不一樣。但當時的技術還沒為 Google 眼鏡做好準備。不過現在，我覺得這些東西合理多了。但 依然存在電池續航的問題 ， 我認為我們和其他公司都需要解決這個問題，但那是一個很酷的形態設計。很多人都在說，奇點大概五年後就會到了，那麼未來展望如何？
David Friedberg: 我 想 提一個問題。Larry 多年前說過，人類只是進化過程中的墊腳石，你對此有什麼評價? 比如，你認為這種通用人工智慧、超級智慧或者真正的 矽基智慧 會不會超越人類能力，而人類只是演化進程中的一塊墊腳石呢?
Jason Calacanis: 我覺得有時候我們這些書呆子喝多了酒就喜歡說些玄乎其玄的話。我已經喝了兩杯酒了，現在有點興致上頭。
David Friedberg: 哈哈，請繼續。Jason Calacanis: 我可能還需要再來點酒。我們還是來聊人體植入吧，咱們 開始有點 上道了。
我們開始逐漸體驗到有些 AI 在某些方面確實做得比我們好得多。而且可以肯定的是，就拿我的數學和程式設計能力來說，現在最好還是求助 AI。其實 這並沒有真正困擾到我。你知道，我把它當作一種工具來用，所以我覺得已經習慣了。不過也許將來它們變得更強大時，我會用不同的眼光來看待這一切。
Sergey Brin: 這就涉及到安全方面的問題了。Jason Calacanis: 也許吧。我想說一句題外話，用 AI 來做管理其實是最容易的事情。
Chamath Palihapitiya: 絕對是這樣的。
Jason Calacanis: 我在 Gemini 也試過一些工作場景的聊天應用程式，有點像 Slack，但那是我們自己的內部版本。我們有一個非常強大的 AI 工具。可惜的是，我們暫時把它撤下了，不過我覺得我們會重新上線，並推廣給所有人用。它可以抓取整個聊天空間的內容，然後回答相當複雜的問題。所以當時我對它說: 「好的，幫我總結一下剛才討論的要點。」它答: 「好的，現在給每個人分配一些任務。」然後我把它的回覆貼回工作群，這樣一來大家並不會意識到那是 AI 安排的任務。其實從隻言片語中也能看出些端倪，但它幹得非常好。然後我又想: 「好吧，在這個聊天群裡，誰應該被提拔?」結果它居然挑出了一個年輕的女工程師，她平時在那個群裡話不多，特別是其他人 都被刷掉了。
事實上並沒有那些 (傳統的人事) 流程。然後我意識到 AI 察覺到了什麼。我去找了她的經理，結果他竟然說: 「是啊，你知道嗎，你說得對。她一直工作非常努力，幹了這麼多事情。」最後真的就發生了 (她得到晉升)。所以我想過一段時間後，你可能就會習以為常，覺得可以讓 AI 來做這些決定。
Sergey Brin: 你認為「無限上下文」有沒有用武之地?
Jason Calacanis: 百分百有用。如果那些都是需要考慮的東西，那麼理論上你只需要一個模型。
Sergey Brin: Google 的程式碼庫就完全 可以 存取無限的上下文，再加上多會話并行運行，這樣你可以同時跑 19、20 個這種 專案 ，或者讓它即時自我進化。
Jason Calacanis: 是的，在上下文長度的使用上是沒有限制的。而且有很多方法可以讓它變得越來越長。
Sergey Brin: 有傳言說我們內部有一個代號 Gemini Bill 的版本，它具有無限的上下文 系統 。我不知道 這東西 是否 有價值。對於 AI 中任何一個超酷的新想法，我們內部可能都有五種類似的嘗試。問題是它們表現如何。我們肯定在智慧、上下文、速度等各方面都在突破所有界線，你能想到的都有嘗試。
Jason Calacanis: 硬體呢? 比如你們在構建系統時，會在意有沒有暢通的途徑使用 NVIDIA 嗎? 還是說你們認為最終這一層會被抽象化，比如出現一個轉換器，然後底層是 NVIDIA 加上其他十種選擇，所以誰管它呢，我們只管盡可能快地前進就行?
Sergey Brin: 對於 Gemini，我們主要用我們自己的 TPU。不過我們也支持 NVIDIA。我們是 NVIDIA 晶片的主要採購商之一，我們在 Google Cloud 上為客戶提供這些晶片，以及 TPU。在目前這個階段，為了追求最 好的性能，還沒法做到完全抽象化。也許將來某一天 AI 會幫我們把這一層抽象掉。但是你也知道，鑑於在這些模型上需要進行的計算量之巨大，你實際上必須非常仔細地考慮每一件事情的實現方式，以及你採用哪種晶片、記憶體如何工作、通訊如何工作等等——這些其實都是非常重要的因素。也許將來某天 AI 本身會聰明到替我們權衡這些。就今天來說，它還沒那麼聰明。
Chamath Palihapitiya: 你們在使用介面的時候也是這種體驗嗎? 我發現，即使在我的桌上型電腦上，當然在手機上更是這樣，我現在一上來就直接用語音對話模式，對它說: 「不對，停下。那不是我的問題，我真正的問題是這個。不是這樣的。再說一遍，用要點概括。不，我想聚焦在這個點上。」完全就是這樣。現在系統響應非常快。去年這個功能還沒法用，太慢了。現在它會立刻停下來回答: 「好的。」然後你就繼續下一步。
我可以 用語音 輸入 ，與此同時我看著文字在螢幕上被輸入。我再打開另一個視窗，一邊用 Google 搜尋，或者向大型語言模型發送二次查詢，或者寫 Google 文件或 Notion 頁面，或者手動輸入點什麼。整個場景 幾乎就像《關鍵報告》裡他戴著手套操作的場景，或者《銀翼殺手》裡他在公寓裡說「向左一點，拉近一點 ; 向右一點，拉近一點」的場景。這一切都和這些語言模型及它們的能力有關——響應時間始終是你關注的重點，對吧。是否存在這樣一個響應速度的飛躍，讓語音互動現在變得值得用，而以前並非如此?
Jason Calacanis: 一切都在變得越來越好、越來越快。所以更小的模型也變得更強大了。有更快更好的方法來對它們進行推理。
Sergey Brin: 你也可以把它們堆疊起來，比如 Nico 那家公司的 Eleven Labs。它有一個非常出色的文字轉語音 (TTS)、語音轉文字(STT) 的模型棧。還有其他選擇，Whisper 在某些方面也非常出色。不過我認為未來你會看到一種模組化的組合：某些特定任務會有某些專門的基礎模型。你把它們堆疊在一起，處理好延遲，效果就非常棒。就像你剛才提到的那些語音範例，Whisper 和 Eleven 都非常厲害。
Chamath Palihapitiya: 等到你打開攝影機，它能看到你聽到回答時的反應。你「嗯」了一聲，在你還沒來得及 說 「不需要」或者你只是舉起手指之前，它就暫停了。「哦，你想要別的結果嗎?哦，我明白了，你對這個結 果不滿意。」
Jason Calacanis: 有趣的是，我們公司是大型開放式辦公室佈局。所以上班時間我不太能用語音模式。我通常是在開車時用。
Chamath Palihapitiya: 開車的時候用語音那簡直太棒了。
Jason Calacanis: 我感覺在辦公室不行......我可以戴著耳機聽 AI 給我的輸出，但如果我開口對它說話，周圍每個人都會聽見，很怪異，我只是覺得在社交上會很尷尬。但我應該在車裡這麼用，我確實會跟車裡的 AI 助手對話，但那是語音輸入、語音輸出。不過老實說，也許這就是該要一間私人辦公室的理由了。我應該像你們一樣多花點時間獨處辦公。
David Friedberg: 沒錯。
Chamath Palihapitiya: 你可以跟你的經理談談這事兒。
Jason Calacanis: 他們可能會逮著我不放 (笑)。其實我就是喜歡和大家待在一起。
David Friedberg: 我也是，喜歡融入大家、打成一片。不過我確實覺得自己錯過了一個 AI 的使用場景。要是大家想試試你的新產品，也許應該更頻繁地去嘗試一下。
Chamath Palihapitiya: 如果人們想體驗你的新產品，有沒有一個他們可以存取的網站，或者現在有沒有什麼特別的邀請碼可以用來試? 去看看吧。說實話，有一個專門的 Gemini 應用程式。如果你想用 Gemini，就像以前用 Google 搜尋導航一樣，直接下載 Gemini 應用程式。它太棒了。
Sergey Brin: 我覺得這真的是目前最好的模型。Jason Calacanis: 你應該用 2.5 Pro 版本。
David Friedberg: 2.5 Pro，是付費版，對吧? Jason Calacanis: 是的，你有幾次免費查詢的機會。但是如果你經常使用的話，就需要每月 20 美元訂閱它。
Chamath Palihapitiya: 你有沒有想過把它做成免費，然後旁邊放一些廣告來盈利?
Sergey Brin: 可能就 要走下坡路了，包括整個硬體板塊。
Jason Calacanis: 好吧，目前它 (Gemini) 是免費的，旁邊也沒有廣告。只是對於頂級模型的使用次數有所限制。我認為我們可能永遠都會有一些最頂尖的模型，不可能一開始就無限量地提供給所有人使用。但是，你知道，再等三個月，就會有下一代模型了。
Chamath Palihapitiya: 就我來說，如果我問了所有這些問題，只是在側邊欄顯示一些我可能感興趣的東西，一個即時更新的列表，那也挺好嘛。
Jason Calacanis: 對於真正高品質的 AI 廣告，我不認為我們會把我們最新最好的模型免費給所有人用，因為它們需要耗費大量算力。不過，當我們進入下一代時，你知道，就像我們每次換代一樣，新的免費層通常和之前的專業付費層一樣好，有時甚至更好。
Chamath Palihapitiya: 感謝 Sergey Brin！謝謝你。