谷歌AI的14年、Gemini翻身之战，与视觉理解模型：专访DeepMind前核心科学家Andrew Dai｜Neolabs特辑

前谷歌 AI 核心研究员、Elorian AI 创始人 Andrew Dai 回顾了其 14 年的研发历程，剖析了从序列学习到 Gemini 模型的演进与内部决策挑战。他指出，谷歌内部的官僚体系与保守策略曾导致其在大模型竞争中落后于 OpenAI，而高质量数据处理与混合专家架构（MoE）的引入是 Gemini 实现反超的关键。针对当前大模型瓶颈，Dai 认为单纯扩展语言模型无法通向通用人工智能（AGI），视觉理解才是构建世界模型的基石。他目前正致力于开发融合语言与视觉推理的 “全栈” 模型，旨在通过更深层的物理世界认知，解决当前模型在多模态推理上的局限，探索通往 AGI 的新路径。