對話谷歌前 CEO Eric Schmidt：數字超智能將在十年內到來，AI 將創造更多更高薪的工作

責編 | 王啟隆

出品 | CSDN（ID：CSDNnews）

投稿或尋求報道 | zhanghy@csdn.net

科技巨擘、谷歌前 CEO Eric Schmidt 最近做客 Peter Diamandis 的 Moonshots 播客，與主持人 Peter Diamandis 及 Dave London 展開了一場關于人工智能未來的深度對話。

全世界都在為 AI 的飛速發展感到興奮又焦慮時，這位曾經執掌谷歌帝國長達十年、親眼見證并推動了這場技術浪潮的傳奇人物，卻拋出了一個更加大膽的觀點：我們現在所看到的一切，可能還只是冰山一角。在他看來，AI 并非被“過度炒作”，而是被嚴重低估了。

在這場對話中，Schmidt 毫不含糊地給出了他的時間表：我們距離他所定義的“數字超智能”——那種超越人類智慧總和的存在——只有不到十年的時間。但他同時指出了一個出人意料的瓶頸：限制這場智能革命的，可能不是我們日夜追逐的芯片，而是更基礎的東西——電力。

他生動地描述了一個未來：每個人都將擁有自己的“博學家”，一個裝在口袋里的“愛因斯坦加達芬奇”的結合體。他探討了 AI 將如何顛覆從商業競爭到國家安全的方方面面，甚至提出了一個令人不寒而栗的新概念——“相互確保失靈”（Mutually Assured Malfunction），作為 AI 時代的大國博弈準則。

他指出了未來商業世界中唯一可持續的“護城河”——快速學習的循環。同時，他也對人類的未來發出了深刻的警示，真正的危險可能不是“終結者”式的暴力毀滅，而是一種“漂移”——在無所不能的 AI 面前，人類逐漸喪失自主性、判斷力，甚至是我們之所以為人的“目的感”。

以下是這場對話的內容。

「AI 被嚴重低估了」

主持人：這一個月來，AI 世界風云變幻，但我認為從現在開始，每個月都會是瘋狂的一個月。所以我想談幾個話題，聽聽你的看法。

我想從你最近提出的、引起了廣泛關注和討論的最重要觀點開始，那就是 AI 被嚴重低估了（underhyped）。而世界上的其他人要么感到困惑、迷茫，要么認為它并沒有影響我們。我們會更深入地探討細節，但你對此有什么最想表達的要點嗎？

Eric Schmidt：AI 是一臺學習機器。在具有網絡效應的業務中，當學習機器學得更快時，一切都會加速。它會加速到其自然極限。而那個自然極限，是電力。

主持人：不是芯片？

Eric Schmidt：是電力。

主持人：這讓我想到關于 AI 和能源的討論。我們最近看到 Meta 宣布他們與 Constellation Energy 簽署了一份為期 20 年的核能合同。我們看到谷歌、微軟、亞馬遜，所有人都在購買核能容量。

這肯定很奇怪，私營公司基本上正在親手接管過去屬于公用事業的職能。

Eric Schmidt：說句比較現實的話，我很高興那些公司計劃在建造核電站所需的 20 年里一直存在。

當前 AI 革命在美國的預期需求是 92 個大型核電站的新增電力，而現在基本上沒有新的在建核電站。

主持人：過去 30 年只 建了兩座。

Eric Schmidt：現在人們對 SMR（小型模塊化反應堆）感到興奮，它能提供 300 兆瓦的電力，但要到2030年才會啟動。盡管核能，無論是裂變還是聚變，都非常重要，但它們無法及時到來，以滿足我們作為全球社會處理諸多問題和抓住眾多機遇的需求。

主持人：你認為，如果我們看那個走向 AGI 的時間線，如果你今天開始一個聚變反應堆項目，它需要五、六、七年才能上線，有沒有一種可能性是，AGI 會想出其他一些聚變或其他突破性技術，讓這個項目在上線前就變得無關緊要了？

Eric Schmidt：非常好的問題。我們不知道通用人工智能（AGI）會帶來什么，我們當然也不知道超智能會帶來什么，但我們知道它正在到來。所以，我們首先需要為此做好規劃，這其中有很多問題，也有很多機遇。但事實是，我們現在需要的計算能力將來自傳統的能源供應商，比如美國、阿拉伯世界、加拿大和西方世界。

值得注意的是，中國擁有大量的電力。所以，如果他們能得到芯片，那將是一場激烈的競賽。

主持人：是的，他們一直在以美國兩到三倍的速度擴張。而美國的能源生產已經停滯了多久了？

Eric Schmidt：從我的角度看，是無限久。實際上，由于節能和其他因素，電力需求一度下降，整體能源需求也是如此。但數據中心的故事就是能源行業的故事。你會坐在那里想，“這些數據中心怎么會用掉這么多電？” 特別是當你想到我們的大腦只用那么一點點電的時候。嗯，這些數據中心是我們目前用數字形式對大腦工作方式的最佳近似，但當它們開始協同工作時，它們就變成了超級大腦。

一個擁有 1 吉瓦數據中心的超級大腦所帶來的前景是如此真切，以至于人們都為之瘋狂。順便說一下，這些東西的經濟效益是未經證實的。你需要多少收入才能支撐 500 億美元的資本投入？如果你在三四年內折舊，你每年需要有 100 億或 150 億美元的資本支出，僅僅是為了維持基礎設施。這些都是巨大的業務和巨大的收入，但在大多數地方，這些收入目前還不存在。

「AI 時代的護城河：不可阻擋的學習循環」主持人：我很好奇，現在有這么多資本被投資和部署在 SMR、核能（讓三里島核電站重新上線）、聚變公司上，為什么沒有同等數量的資本投入到讓整個芯片組和計算的能源效率提高一千倍上呢？Eric Schmidt：實際上有類似數量的資本正在投入。有很多很多創業公司正在研究非傳統的芯片制造方式。Transformer 架構，也就是今天驅動這些技術的核心，正在出現新的變種。差不多每個星期，我都會收到一家新創業公司的融資演講，他們打算構建用于推理（inference）、測試、計算的芯片，這些都更簡單，并且為推理進行了優化。

看起來，硬件的到來恰逢軟件需求的擴張。順便說一下，這一直都是事實。我們這些老家伙有個說法：“格魯夫（Grove，英特爾創始人）給予，蓋茨（Gates）取走。”（笑）英特爾會改進芯片組，早在那個年代，軟件開發者會立刻用光所有性能。他們會立刻吸干所有資源。我沒有理由相信這個“格魯夫與蓋茨定律”已經改變了。

如果你看看像 Blackwell 芯片或 AMD 的 MI300X 芯片所取得的進步，這些芯片都是巨大的超級計算機。然而，據說我們需要數十萬個這樣的芯片才能讓一個數據中心工作。

現在你可能會想，“這些人到底用這些芯片在做什么？” 我給你舉個例子。我們從語言到語言（這是 ChatGPT 可以被理解的方式），發展到了推理和思考。如果你想看一個 OpenAI 的例子，可以看看他們的 GPT-4o，它進行了前向和后向的強化學習與規劃。現在，進行這種前向和后向規劃的計算成本，比僅僅回答你關于博士論文或大學論文的問題要高出許多個數量級。

這種規劃，這種來回推演，在計算上非常非常昂貴。許多人相信，如果你將規劃和非常深刻的記憶結合起來，就就能構建出人類水平的智能。

當然，一開始它會非常昂用。但人類非常勤勞。而且，未來的偉大公司將擁有 AI 科學家（即非人類科學家）、AI 程序員（而不是人類程序員），他們將加速其影響力。

Peter，回到你的“富足”論，你可以說是這個理論的創始人。你談論這個已經 20 年了，你是第一個看到它的人。現在看來，如果我們有足夠的電力，我們確實能產生足夠的“智力”，以實現你幾十年前預測的那種富足。

「一切都有一個負面領域」主持人：讓我給你提供一些數據來印證你剛才說的。我們實驗室有幾家公司正在做語音客服和語音銷售，就在過去這一個月。這些對話的價值在 10 到 1000 美元之間，而計算成本，可能需要兩三個 GPU 并發才能達到最佳效果，大概是 10 到 20 美分。所以他們會愿意購買大量的計算資源來提升對話質量。我們統計大約有 1000 萬個并發電話，應該會在未來一兩年內轉向 AI。Eric Schmidt：我認為那是一個很好的戰術性解決方案和很棒的業務。讓我們看看其他戰術性解決方案的例子。我當然有利益沖突，因為我非常熱愛谷歌，所以帶著這個前提來看。看看谷歌云平臺（GCP）現在的實力，他們提供了一套完整的、全方位服務的企業級產品，基本上可以實現用AI 自動化你的公司。

最了不起的是——這對我來說是令人震驚的——在企業里，你可以寫下你想要的任務，然后用一種叫做“模型上下文協議”（MCP）的東西，將你的數據庫連接到它上面，然后大語言模型就能為你的企業生成代碼。

過去 30 年我一直在這個行業工作，涌現出了成千上萬的企業軟件公司、中間件公司，現在他們都遇到了麻煩。因為那種中間的連接層不再需要了。現在，當然，他們也必須改變。對他們來說好消息是，企業做出這些改變的速度非常慢。如果你要構建一個全新的企業架構，用于 ERP 和 MRP，你很可能會傾向于不使用任何現有的 ERP 或 MRP 供應商，而是使用開源庫，構建一個，比如說用 BigQuery 或者亞馬遜的 Redshift，然后基本上讓計算機系統為你編寫大部分代碼。

現在，程序員并不會立刻消失。但很明顯，初級程序員，那種我們刻板印象中的“熟練工”，會消失。因為現在的系統還不夠好，無法自動編寫所有代碼。它們需要非常資深的計算機科學家、計算機工程師來監督。這種情況最終會改變。

我想談談生產力，我稱之為“舊金山共識”，因為它主要是那里人們的看法。它大概是這樣的：我們即將達到一個可以做兩件令人震驚的事情的臨界點。

第一，我們可以用計算機取代大部分編程任務。

第二，我們可以用計算機取代大部分數學任務。

你可能會問，為什么？嗯，如果你想想編程和數學，它們的語言集相比人類語言是有限的。它們在計算上更簡單，而且它們是“無尺度”（scale-free）的。你只需要用更多的電力就能不斷地做下去。你不需要數據，不需要真實世界的輸入，不需要遙測數據，不需要傳感器。

所以，在我看來，世界級的數學家很可能會在未來一年內出現。世界級的程序員會在未來一兩年內出現。當這些東西被大規模部署時，記住，數學和編程是幾乎所有事物的基礎。它們是物理、化學、生物學、材料科學的加速器。

回到像氣候變化這樣的問題。你能想象嗎，如果我們能加速新材料的發現，讓我們能夠應對這個碳化的世界？這非常非常令人興奮。

中美 AI 競賽與“相互確保失靈”主持人：這讓我想到，博士級別的 AI 研究人員，能夠攻克并解決任何問題，解決數學、物理問題。這種 AI 智能爆炸的想法，Leopold Aschenbrenner 預測在 2026、2027 年，走向數字超智能在未來幾年內。你認同這個時間線嗎？Eric Schmidt：同樣，我認為那也是“舊金山共識”。我認為這個預測時間可能會有 1.5 到 2 倍的偏差，但這已經很接近了。一個合理的預測是，我們將在五年內，在每個領域都擁有專門的“學者”（savants）。這基本上是板上釘釘的事了。

原因如下：現在有這么多人類，然后基于此再增加一百萬個 AI 科學家來做某件事，你的進步斜率就會像這樣陡峭上升。我們應該能達到那個目標。

真正的問題是，一旦你有了所有這些學者，它們會統一起來嗎？它們最終會成為一個“超人”嗎？我們用的詞是“超智能”，這意味著一種超越人類總和的智能。

爭奪超智能的競賽，極其重要。因為想象一下一個超智能能做什么我們自己無法想象的事情。它比我們聰明得多。這帶來了巨大的擴散問題、競爭問題、中美之間的問題、電力問題等等。我們甚至還沒有一套語言來討論這些強大模型的威懾方面和擴散問題。

主持人：完全同意。這其實是最初奇點大學和 Ray Kurzweil 的書中的一個主要缺陷。他畫了一條曲線，從老鼠級別的智能到貓、猴子，然后達到人類，再到超智能。

谷歌 DeepMind 的 Demis Hassabis 不斷地重新定義 AGI 實現的日期。他說，當它能像愛因生那樣，用截止到那個日期的可用數據發現相對論時，我們才算擁有了 AGI。但我們早就超越那個點了。

Eric Schmidt：是的，所以我覺得有必要把時間線說清楚。

以下這些事情是已經板上釘釘的：將會有一場智能體革命，智能體被連接起來解決業務流程、政府流程等等。它們在資金雄厚、對時間延遲敏感的公司中會被最快采納，比如金融服務、某些生物醫藥、創業公司等等，這些是值得關注的地方。而在政府等缺乏創新激勵的領域，采納會最慢。

所有這些都將發生：智能體將會出現，數學將會突破，軟件將會突破。我們可以爭論生物學革命發生的速度，但所有人都同意，它緊隨其后。我們離重大的生物學理解非常非常近了。在物理學領域，你受限于數據，但你可以生成合成數據。我資助了一些團隊，他們正在生成物理模型，可以近似那些不可計算的算法。

而下一個問題與一個國家緊急狀態有關。它大概是這樣的：我所談論的一切都處于正面領域，但也有一個負面領域。生物攻擊、網絡攻擊的能力。想象一下一種我們人類無法構想的網絡攻擊，這意味著我們沒有防御措施，因為沒人想到過。這些都是真實的問題。

從我的角度來看，核心問題如下：

一、中國是否能夠——即使有芯片限制——通過架構上的改變來構建和我們一樣強大的模型？

二、如果你的產品是開源的，你怎么籌集 500 億美元來建數據中心？在美國模式下，這些模型之所以是閉源的，部分原因是商業人士和律師指出，“我得賣這個東西，因為我得支付我的資本成本。” 這些不是免費的商品。

所以我們不知道。對我來說，最值得關注的問題是DeepSeek。就在 DeepSeek 發布之前的一周，Gemini 登上了大模型排行榜的榜首；而在那一周后，DeepSeek 出現了，并且比 Gemini 略勝一籌。而 DeepSeek 是在中國現有的硬件上訓練的。

「短期內，AI 對就業是積極的」主持人：讓我們換個話題。人們關心的一個問題，尤其是在短期內，人們一直在敲響警鐘，就是關于工作。你對此有何看法？然后，引申到教育，我們今天該如何教育我們的孩子，在高中、大學？你有什么建議？Eric Schmidt：好的，關于第一個問題，你是否相信會出現像 Dario Amodei（Anthropic CEO）在電視節目上談到的那種大規模白領失業？我們還看到各種機器人正在出現。

讓我們假設，在三四十年后，會有一個非常不同的就業、機器人、人類的互動模式，對工作的定義，對身份的定義也都會不同。讓我們先假定這一點。再讓我們假設，這些變化需要二三十年才能在我們的經濟中完全體現出來。

現在在加州和其他城市，你可以坐上 Waymo 出租車。Waymo 是 2025 年的產品，但最初的工作是在 90 年代末完成的。所以，從一個可見的演示到一個我們能在日常生活中使用的產品，花了超過 20 年。

為什么？因為它很難，是深度科技，需要監管等等。我認為對于與人類互動的機器人來說也是如此。它們會受到監管。你不可能讓一個機器人在街上隨便走，然后它決定扇你一巴掌。社會不會允許這種情況發生。

所以，在短期內，也就是五到十年，我認為這對就業是積極的。

原因如下：如果你看看自動化和經濟增長的歷史，自動化總是從地位最低、最危險的工作開始，然后向上發展。所以，想想汽車的裝配線，熔爐，所有那些我們祖先做過的非常危險的工作，現在都不再做了。它們由機器人解決方案完成，通常不是人形機器人，而是一個機械臂。

那么，那些人怎么樣了？事實證明，那個曾經在焊工旁邊工作，現在操作機械臂的人，工資更高了。而公司因為生產了更多的產品，利潤也更高了。所以公司賺了更多的錢，那個人也賺了更多的錢。

現在，你會說，“嗯，那不對，因為人們不想被重新培訓。”

啊哈。

但在我們所設想的未來里，每個人都會有一個計算機助手，一個非常智能的助手，來幫助他們工作。你把一個普通智能或知識的人，加上一個“加速器”，他們就能得到一份薪水更高的工作。

所以你可能會想，“嗯，那為什么工作崗位更多，而不是更少呢？”

經濟學不是這樣運作的。經濟之所以擴張，是因為機會在擴張，利潤在擴張，財富在擴張，等等。所以，雖然會有大量的崗位轉移，但總的來說，是會有更多的人被雇傭，還是更少？答案是：更多的人，從事著薪水更高的工作。

主持人：在印度也是這樣嗎？

Eric Schmidt：將會是這樣。你之所以提到印度，是因為印度有人口紅利，盡管他們的出生率現在降到了 2.0。世界其他地方正在選擇不生孩子。如果你看看韓國，已經降到了每兩個父母 0.7 個孩子。中國降到了每兩個父母 1 個孩子。

在那種情況下會發生什么？他們會完全自動化一切，因為這是提高國家實力的唯一途徑。所以，最可能的情況是，至少在未來十年，使用更多的 AI 來提高生產力將成為一種國家緊急狀態。因為我們的出生率一直在下降。

主持人：那么教育呢？對于今天的高中生和大學生，有什么不同的建議嗎？

Eric Schmidt：他們會沒事的。他們會好好的。這一切對他們來說都很有意義，而我們只是擋了他們的路。他們不僅僅是數字原住民，他們懂。他們理解這種速度。這對他們來說是自然的。坦白說，他們也比我們更快、更聰明。我們有智慧，他們有智能，他們贏了。（笑）

所以，就他們而言，我現在實際上認為，去學習如何將智能應用到你感興趣的任何領域，是作為一個年輕人能做的最好的事情。大多數孩子接觸編程是因為游戲或其他原因，他們很小就學會了編程，所以他們對此非常熟悉。

我與一所大學的本科生一起工作，他們在大二的時候就已經在做不同的強化學習算法了。這顯示了這一切在他們那個層面發生得有多快。他們會沒事的。

監管之下的好萊塢，與失去的深度閱讀主持人：Google I/O 大會太棒了。向整個團隊致敬。Veo 的演示令人震驚。我們坐在這里，離好萊塢只有 8 英里。我只是想知道你對它將產生的影響有何看法。我們會看到“一人電影”嗎？就像我們可能會看到“一人獨角獸”一樣。我們會看到一個個體能夠與好萊塢制片廠競爭嗎？他們應該為自己的資產感到擔憂嗎？
Eric Schmidt：嗯，他們總是應該擔心的，因為有知識產權的問題。我認為大片很可能仍然由人來制作，只是會得到 AI 的大量幫助。我不認為那會消失。如果你看看我們現在能用生成式長視頻做什么，它制作起來非常昂用，雖然成本會下降，而且偶爾會出現多余的腿或時鐘之類的東西，還不完美。這需要人類的編輯。

所以即使在很多視頻是由計算機生成的場景中，也會有人類來制作和導演它。我最好的例子是在好萊塢，我當時在一個制片廠，他們給我看這個。他們有一個演員，正在重現 William Shatner 的動作，一個年輕人，他們從 William Shatner 那里獲得了肖像權許可，他現在年紀大了。他們把他的頭放在這個年輕人的身體上，天衣無縫。這非常令人印象深刻。這對每個人來說都是更多的收入。

另一個例子是，現在他們用綠幕而不是布景。而且，在那些有外星人的嚇人電影里，他們不用化妝師，而是用數字方式添加妝容。所以，誰贏了？成本更低，電影制作更快，理論上電影更好，因為你有更多的選擇。每個人都贏了。誰輸了？那個搭建布景的人，那個布景不再需要了。那是一個木匠，一個非常有才華的人，現在他得去木工行業找份工作。

所以，我認為人們搞混了。如果我審視娛樂業的數字化轉型，在知識產權得到保護的前提下——這總是個問題——它會沒事的。仍然會有大片。成本會下降而不是上升。因為在好萊塢，他們有自己的會計方式，他們基本上把所有收入都分配給關鍵的制作人。這種分配會轉向那些最有創造力的人。這是一個正常的過程。

我們之前說過，自動化會取代那些質量最低、最危險的工作。那些相對直接的工作可能會被自動化。但那些真正有創造力的工作，比如編劇，未來仍然會有編劇，但他們會得到 AI 的大量幫助來寫出更好的劇本。那不是壞事。

智能爆炸、人類目的與新世界的復雜性主持人：我看到斯坦福最近的一項研究記錄了 AI 比最優秀的人類更具說服力。這敲響了一些警鐘。它也引發了一些關于廣告未來的有趣思考。你對此有什么特別的想法嗎？Eric Schmidt：我們知道以下事實：如果系統足夠了解你，它就能學會如何說服你做任何事。這意味著在一個不受監管的環境中，系統會越來越了解你，越來越擅長向你推銷。如果你不夠精明，不夠聰明，你很容易被操縱。我們也知道，計算機比試圖做同樣事情的人類更擅長。所以這一切我都不驚訝。

真正的問題是——我把它作為一個問題提出——在不受監管的、充滿錯誤信息引擎（會有很多：廣告商、政治家、犯罪分子等等）的環境中，當他們擁有言論自由，包括利用錯誤信息為自己謀利的自由時，民主會變成什么樣？

我們在民主社會中長大，這里圍繞著信任有一種共識，有一群精英或多或少地管理著信任體系，有一套共享的價值觀。這些共享的價值觀會消失嗎？在我們的書《Genesis》中，我們把這看作一個更深層次的問題：當你的主要互動對象是這些數字事物時，作為人類意味著什么？特別是當這些數字事物有它們自己的議程時。

我最喜歡的例子是，你給孫子或孩子一個泰迪熊，它有自己的個性。孩子長大了，熊也“長大”了。誰來監管這只熊對孩子說了些什么？

主持人：很多人還沒有體驗過那種超級、超級有同理心的聲音，它可以有任何你想要的語調。當他們體驗到那個——可能在未來兩三個月內——他們的眼睛會完全睜開。

Eric Schmidt：嗯，要記住，語音轉換技術在幾年前就已經解決了。你可以把任何人的聲音轉換成你自己的。這帶來了各種各樣的問題。

主持人：你見過你愛的人的化身嗎？比如已經去世的人，或者亨利·基辛格？

Eric Schmidt：我們確實在他家人的允許下創建了一個。這非常感人，因為……它是一個真實的人，真實的記憶，真實的聲音。我認為我們會看到更多這樣的東西。一個明顯會發生的事情是，在未來的某個時刻，當我們自然死亡時，我們的數字精華將活在云端，它將知道我們當時所知道的一切。然后你可以問它一個問題。你能想象問愛迪生：“你對特斯拉到底怎么想的？你是真的喜歡他，還是在信里只是客氣一下？” 在所有那些我們作為學生研究過的著名爭論中，你能想象能夠直接問那些當事人嗎？

主持人：你之前談到了人機融合，這正是其中一種形式，即一個 AI 伙伴。當你能和牛頓、愛因斯坦對話時，就比僅僅讓一個大語言模型來得更有說服力了。

那么，在接下來的幾年里，對于創業公司來說，還有什么樣的護城河存在？當 AI 涌入并顛覆一切時，你認為哪些護城河還存在？你有一個清單嗎？你在投資的公司里看重什么？

Eric Schmidt：有的。我給你一個簡單的答案。首先，在深度科技、硬件領域，會有專利、專利申請、發明，那些硬核的東西。這些東西的增長速度比軟件行業慢得多，但同樣重要。比如電源系統，我們等了很久的機器人系統，它就是慢。

在軟件領域，對我來說很清楚，會非常簡單。軟件本質上是一個網絡效應的業務，最快的行動者獲勝。而最快的行動者，在一個 AI 系統里，是學得最快的。

所以我尋找的是那種公司，它有一個“循環”。理想情況下，有幾個學習循環。

我舉例最簡單的一種：你得到越多的用戶，用戶點擊得越多，你就從他們的點擊中學習。他們表達了他們的偏好。假設我發明了一個全新的消費品。

此外，我假設我對消費者的行為一無所知，但我會發布這個產品，一旦人們開始使用它，我就會從他們身上學習，我會即時學習以變得更聰明地了解他們想要什么。如果我的學習斜率是這樣的，我基本上是不可阻擋的。我之所以不可阻擋，是因為我的學習優勢，到我的競爭對手搞清楚我在做什么的時候，已經太大了。

現在，我的競爭對手需要離我多近才能輸掉？答案是：幾個月。因為斜率是指數級的。

所以，很可能會出現另外 10 家谷歌、Meta 規模的、了不起的公司。它們都將建立在這種學習循環的原則之上。當我說學習循環時，我指的是在核心產品中，以最快的速度解決當前問題。如果你無法定義那個學習循環，你就會被一個能夠定義它的公司擊敗。

編者注：施密特居然是支持“AI 時代依舊可以有數據飛輪”的，這點比較意外。

主持人：在那些學習循環中，你認為領域特定的合成數據是一個巨大的優勢嗎？

Eric Schmidt：嗯，答案是，任何能帶來更快學習的東西都是。有些應用，你已經有足夠的人類訓練數據了。有些應用，你需要從人類的行為中生成訓練數據。所以你可以想象一種情況，你有一個學習循環，里面沒有人類參與，它在監控某些東西，一些傳感器。但因為它從那些傳感器上學得更快，它變得如此聰明，以至于無法被另一個傳感器管理公司取代。

主持人：你知道 Daniela Rus 嗎？她負責 CSAIL 實驗室。

Eric Schmidt：當然，在麻省理工學院。

主持人：在馬薩諸塞州建立了一個 AI 中心。

Eric Schmidt：我們的學術系統存在一個問題，那就是大公司擁有所有的硬件，因為他們有所有的錢。而大學沒有錢，即使是建立一個中等規模的數據中心。我曾與一所大學合作，經過多次會議，他們同意花費 5000 萬美元建立一個數據中心，結果只能提供不到 1000 個 GPU，用于整個校園和所有研究。這還不包括 TB 級的存儲等等。

所以，我和其他人正在通過慈善的方式來解決這個問題。政府將不得不投入更多的資金，為大學提供這類系統。這是最好的投資之一。我年輕的時候，拿的是國家科學基金會的獎學金，每年賺 15000 美元。我對國家的回報，基于我交的稅和我們創造的就業機會，可以說是非常非常好的。

所以，為下一代創造一個生態系統，讓他們能夠接觸到這些系統，是非常重要的。但我不確定他們是否需要數十億美元。我很確定他們需要一百萬、兩百萬美元。這才是目標。

主持人：我們還沒講完超智能的時間線。我覺得給人們一個概念很重要，關于這種自我參照學習能變得多快，我們能多快地達到一種比人類強大一千倍、一百萬倍、十億倍的東西。

在硬幣的另一面，Eric，當我想到我最大的擔憂時，當我們度過這五到七年的、你所說的流氓行為者和穩定化階段之后，我最大的擔憂之一是人類目的的削弱。

你在書 里（《 人工智能時代與人類價值 》）寫道——我聽了有聲書，還沒親眼讀過，我兒子們說：“爸爸，你現在都不讀書了，你只 聽書。”（笑）——你說，“真正的風險不是終結者，而是漂移。” 你認為 AI 不會暴力地摧毀人類，但如果放任不管、被誤解，它可能會慢慢侵蝕人類的價值觀、自主性和判斷力。所以這更像是一個《機器人總動員》（WALL-E）式的未來，而不是一個《星際迷航》（Star Trek）式的、勇敢探索的未來。

Eric Schmidt：是的，在書中，我們非常強調，保護人類能動性（human agency）是至關重要的。人類能動性意味著，在法律允許的范圍內，你早上醒來，能做你想做的事情。這些數字設備完全有可能創造一種虛擬監獄，讓你作為一個人類，感覺無法做你想做的事情。這是必須避免的。

主持人：我擔心的不是那種情況，我更擔心的是，如果你想做什么事，讓你的機器人或 AI 來做實在是太容易了。那種想要克服挑戰的人類精神……你知道，沒有挑戰的生活是如此……

Eric Schmidt：但總會有新的挑戰。

我小時候，我的一件事就是修理我父親的車。我現在不做了。

我小時候會割草，現在也不做了。

所以有很多我們過去做，但現在不需要做的事情。但總會有很多新事情。只要記住我所描述的世界的復雜性，它不是一個簡單的世界。僅僅是管理你周圍的世界，就會是一份全職的、有目的的工作。部分原因是會有很多人為了錯誤信息和你的注意力而斗爭，會有很多競爭。

所以我認為人類的目的會保留下來，因為人類需要目的。有很多文獻表明，那些從事著我們認為低薪、無價值工作的人，他們享受去上班。所以挑戰不是要剝奪他們的工作，而是要利用 AI 工具讓他們的工作更有成效。他們仍然會去上班。

我認為這個概念，即我們都將坐著寫詩，是不會發生的。未來仍然會有律師，他們會用工具來打更復雜的官司。會有壞人，用這些工具制造更邪惡的問題。也會有好人，試圖阻止壞人。工具變了，但人類的結構，我們協同工作的方式，是不會改變的。

主持人：Peter 和我幾個月前在 Michael Saylor 的游艇上，我抱怨說所有學校的課程都完全過時了。我的意思是，我們應該教 AI。

他說，“是的，我們應該教美學。”

我看著他，心想：“你到底在說什么？”

他說：“不，在 AI 時代，這是必然的。看看你周圍的一切，無論好壞，令人愉快與否，都與設計美學有關。當 AI 成為如此強大的力量倍增器，你可以創造幾乎任何東西時，你創造什么、為什么創造，就成了挑戰。”

Eric Schmidt：如果你看看維特根斯坦和所有這些理論，我們正在進行一場美國式的對話，關于任務和結果。這是我們的文化。但人類生活還有其他方面：意義、思考、推理。我們不會停止做這些。

想象一下，如果你未來的生活目標就是搞清楚到底發生了什么，而成功地做到這一點就足夠了。因為一旦你搞清楚了，它就為你解決了。這提供了目的。

很明顯，機器人將接管大量的機械或體力勞動。但我會想念修理汽車的感覺，但我有其他更有意義的事情可以做。

數字永生與終極問題主持人：你在書中談到了數字永生。

Eric Schmidt：是的，我們正在創建一個程序，讓人們，在他們生命的盡頭，能夠貢獻他們的思想。然后他們的家人，在征得同意的情況下，可以在他們去世后與他們進行數字形式的互動。我認為這既可怕又美妙。想象一下，你能和你的祖父母，在你從未見過他們的情況下，進行對話，就像他們還活著一樣。

主持人：我們公司內部也在討論這個。你有多少客戶愿意付費，來創建一個他們已故親人的數字版本？

Eric Schmidt：我認為有很多。我的母親最近去世了，我很想念她。我愿意付出一切來再次聽到她的聲音。

主持人：那么，當一個 15 歲的孩子，他的所有朋友都是 AI 時，會發生什么？

Eric Schmidt：嗯，我們都認為這是個壞主意。我認為人們希望與真實的人互動。也許我只是個老古董。我認為這最終是個錯誤。

主持人：有趣。

最后的忠告：成為 AI 時代的“副駕駛”主持人：Eric，非常感謝你的時間。最后一個問題：對于那些希望在 AI 世界里獲得成功的企業家、CEO、個人，你有什么最重要的建議？Eric Schmidt：第一條：這東西（AI）是真實的，它正在到來，而且它被低估了。所以，無論你做什么，你都需要一個 AI 戰略。

第二條：你需要找到你組織里那些真正懂 AI 的人，那些年輕人，那些新來的人，給他們權力，讓他們做一些有趣的事情。

第三條：如果你不知道該做什么，就找一個你現有的流程，用 AI 來讓它變得更好。

第四條，也是最重要的一條：你作為領導者，你作為一個個體，你需要學習如何使用這些工具。你不需要成為一名程序員，但你需要了解它的能力。把它看作你的副駕駛（copilot）。副駕駛這個詞用得很好。它在幫助你。你仍然是飛行員，你仍然在掌控之中。但你的副駕駛非常非常聰明，而且每天都在變得更聰明。

本文編譯自 Moonshots Podcast

原文 | https://www.youtube.com/watch?v=qaPHK1fJL5s

AI 產品爆發，但你的痛點解決了嗎？

2025 全球產品經理大會

8 月 15–16 日

北京·威斯汀酒店

互聯網大廠、AI 創業公司、ToB/ToC 實戰一線的產品人

12 大專題分享，洞察趨勢、拆解路徑、對話未來。

立即掃碼領取大會PPT

搶占 AI 產品下一波紅利