Logan Kilpatrick 谈 AI 开发者、交互界面与模型的未来

Matthew Berman 采访 Google 的 Logan Kilpatrick，讨论开发者工具、AI 界面、浏览、模型和创意媒体。对话录制于 2025 年 7 月，产品信息和预期反映的是当时的情况。

Berman 首先谈到部分 Windsurf 团队成员加入 Google DeepMind。Kilpatrick 认为，在 GitHub Copilot 引发第一波热潮之后，这一动向表明改变软件构建方式仍有巨大机会。

Berman 问为什么 Google 招聘了部分团队成员，而没有收购后来由 Cognition 获得的产品、知识产权和客户。Kilpatrick 说自己不了解交易的全部细节；他称赞 Windsurf，并表示自己也在使用它。

在 Kilpatrick 看来，这一变化也表明 DeepMind 除了基础研究和科学研究，正越来越重视开发者产品。他期待与关心开发者体验的人合作。

Berman 问及团队收购的趋势，以及未随交易转移的创始人和员工会受到怎样的影响。Kilpatrick 说，收购和其他联合方式可以为初创公司提供重要出路，但他没有回答 Berman 对个人结果的所有顾虑。

关于助手的最佳界面，Kilpatrick 预计聊天、音频和后台智能体会并存。他设想一个类似 GitHub 拉取请求的待审队列，让人查看建议操作并批准有用的工作。

他说，眼镜可以提供视觉背景，而上下文对有用的助手至关重要。不过，许多有价值的工作发生在电脑和手机上，用户已经可以选择共享屏幕；并非每种场景都需要眼镜。

Kilpatrick 将 Project Astra 描述为视觉和音频交互的试验平台，并讨论 Gemini 的原生音频能力。他说带音频的 Veo 3 当时刚通过 API 提供；这些是访谈时的产品信息。

无法方便打字时，例如在车里，语音很有用；复制文字或在桌面工作时，文本通常更快。Kilpatrick 设想助手能够适应所处场景，而不是在所有地方使用同一种交互方式。

Berman 描述了自己开车途中使用语音的经历，并设想让助手安排餐厅预订。Kilpatrick 指出其局限：在车里通过语音审查详细代码修改很不方便。助手可以等用户回到屏幕前再提示这件事。

Berman 认为助手可以在开车时读出重要邮件并建议回复。随后他问，智能体浏览是否会让人们完全不再访问某些网站。

Kilpatrick 认为人们重视其他人的作品和观点。AI 摘要可以提供帮助，但有时他想知道某个可信之人的看法，而不是综合观点。随着看似可信的合成内容越来越容易制作，他认为真实性和发现内容的能力更加重要。

他以购买周年纪念礼物为例。他没有在那次购买中使用深度研究，但认为系统可以查看他自己永远不会读完的数百个网页。它能够补充搜索，而最终选择仍由他负责。

Berman 认为旅行规划显然适合交给智能体，因为航空公司和酒店网站需要反复操作。Kilpatrick 对简单行程更持怀疑态度，但承认复杂行程可能受益。Berman 则认为，即使是熟悉的预订，让智能体处理并由人确认也可能节省时间。

话题转向模型成为系统。Berman 问，价值有多少来自模型本身，有多少来自周边工具、记忆和编排，尤其是对决定产品方向的初创公司而言。

Kilpatrick 说，早期生产应用经常需要复杂支架来弥补模型的不足。他以 NotebookLM 为例，称随着模型和团队理解的进步，其工作流变得简单得多。

推理模型越来越能够在生成答案的过程中使用搜索、代码执行和函数调用。Kilpatrick 预计，一些过去需要外部编排的功能会更自然地融入基于模型的系统。

他并不认为对支架的需求会消失。当模型获得浏览器访问等新能力时，如何在生产环境中可靠使用这些能力又会带来新的问题。旧层消失时，支架的前沿也在移动。

他建议创业者为今天的产品构建必要的支架，同时准备在模型改进后简化或替换它。快速变化带来机会，也要求持续适应；他把模型继续进步视为自己的工作预期，而不是保证。

Berman 问，为什么 Kilpatrick 认为即便 AI 提高每名工程师的生产力，工程师总数仍会增长。Kilpatrick 承认自己作为软件工程师的偏向，并把基础的解决问题能力与表达解决方案所用的具体工具区分开。

他重视系统思维、坚持不懈，以及从失败尝试中学习。Berman 同意，即便编程界面发生变化，这些技能也使学习代码对他的孩子有价值。

Kilpatrick 认为，懂代码的人能更有效地检查和完善生成的成果。新手可能需要勇气才能打开代码一探究竟，而当前产品经常没有在用户等待生成时帮助他们学习。

他认为产品可以在用户构建东西时教学，展示有用的细节，而不只是代替用户完成一切。他希望这类工具能吸引更多开发者进入生态；1 亿人的数字是一个愿景。

Berman 问，自然语言规格能否成为事实来源，每次编译成代码并进行测试。Kilpatrick 担心，如果每次转换的结果不同，严肃系统可能失去确定性的行为。

Kilpatrick 说，低风险应用或许适合自然语言工作流，但对于其他用途，控制能力和可预测行为使代码仍然重要。Berman 指出，完全精确的自然语言规格本身也可能开始变得像代码。

话题转向 Veo 3。Kilpatrick 说它当时刚通过 API 提供。他介绍了生成视频中包含原生音频的能力，以及降低媒体创作成本和技能门槛的可能性。

他预计开发者会构建 Google 自有产品之外的创意工具，并提出小规模、精准定向的营销活动作为一个用途。Berman 认为，当生成变得容易，品味和策划体验的能力会更加重要。

Kilpatrick 将品味、真实性和自主性列为有价值的人类特质。Berman 把自主性与自己作为家长正在思考的问题联系起来：学校如何帮助孩子培养这种能力。

Kilpatrick 说，与更早的版本相比，Veo 3 改变了他对生成视频实际价值的看法。他希望技术继续进步，但没有宣布未来版本，也没有保证进步速度会保持不变。

Berman 询问类似游戏的控制和世界模拟。两人讨论研究与演示，认为它们可能通向可交互或不断扩展的环境。Kilpatrick 将其视为可能性，而非已经确认的产品承诺。

被问到用户下一步的需求时，Kilpatrick 提到成本和更长的生成时间，并说当时预计会推出更快的 Veo 3 版本。他描述了一个权衡：单次生成越长，模型可能需要做出越多假设，控制也可能越困难。

他提到创作者通过多次生成拼接出连贯的长视频，并把这个过程与人类电影制作中的多镜头、多次迭代相比较。创意工具和合适的制作流程可以帮助用户引导模型。

Berman 问，基于扩散的语言模型能否与 transformer 竞争。Kilpatrick 说研究问题在于扩散架构能否以类似方式扩展。他看到快速生成的潜力，包括代码和动态生成界面，但也指出成本与质量的权衡。

速度很重要，因为使用 AI 构建产品时，长时间等待会打断迭代。Berman 说自己的观众投票中，速度所占权重相对较低；两人都认为它值得更多关注。

他们讨论预训练、后训练和与推理相关的强化学习扩展。Kilpatrick 将 Gemini 2.5 的进展归因于多个维度的工作，并认为不同改进可以相互影响。这是他的判断，并非经过量化的普遍规律。

Berman 问及 Gemini 3，但 Kilpatrick 没有透露具体细节。Berman 说他希望模型更快，并希望 AI Studio 内置更多工具。这是当时的功能愿望清单，并非产品公告。

谈到竞争，Kilpatrick 说不同团队都在努力为客户解决问题，他欣赏整个行业的投入。他认为 DeepMind 的研究广度和 Google 的分发能力可能是优势。

他提到语言模型之外的科学研究，以及向广泛用户部署 AI 所带来的责任。许多人通过已有产品初次接触生成式 AI，却并不密切关注这项技术，因此产品设计必须照顾不同程度的熟悉度。

Berman 询问 TPU。Kilpatrick 认为，掌握专用硬件有助于 Google 大规模部署模型并管理成本，尤其是在产品服务大量用户时。他引用的使用数据是 2025 年对话中的说法。

Berman 感谢 Kilpatrick 并结束采访。两人的讨论仍然留下开放问题：界面、模型和开发者工作究竟会以多快的速度改变。