科技巨擘、谷歌前 CEO Eric Schmidt 最近做客 Peter Diamandis 的 Moonshots 播客，与主持人 Peter Diamandis 及 Dave London 展开了一场关于人工智能未来的深度对话。

全世界都在为 AI 的飞速发展感到兴奋又焦虑时，这位曾经执掌谷歌帝国长达十年、亲眼见证并推动了这场技术浪潮的传奇人物，却抛出了一个更加大胆的观点：我们现在所看到的一切，可能还只是冰山一角。在他看来，AI 并非被“过度炒作”，而是被严重低估了。

在这场对话中，Schmidt 毫不含糊地给出了他的时间表：我们距离他所定义的“数字超智能”——那种超越人类智慧总和的存在——只有不到十年的时间。但他同时指出了一个出人意料的瓶颈：限制这场智能革命的，可能不是我们日夜追逐的芯片，而是更基础的东西——电力。

他生动地描述了一个未来：每个人都将拥有自己的“博学家”，一个装在口袋里的“爱因斯坦加达芬奇”的结合体。他探讨了 AI 将如何颠覆从商业竞争到国家安全的方方面面，甚至提出了一个令人不寒而栗的新概念——“相互确保失灵”（Mutually Assured Malfunction），作为 AI 时代的大国博弈准则。

他指出了未来商业世界中唯一可持续的“护城河”——快速学习的循环。同时，他也对人类的未来发出了深刻的警示，真正的危险可能不是“终结者”式的暴力毁灭，而是一种“漂移”——在无所不能的 AI 面前，人类逐渐丧失自主性、判断力，甚至是我们之所以为人的“目的感”。

以下是这场对话的内容。

· · ·

「AI 被严重低估了」

主持人：这一个月来，AI 世界风云变幻，但我认为从现在开始，每个月都会是疯狂的一个月。所以我想谈几个话题，听听你的看法。

我想从你最近提出的、引起了广泛关注和讨论的最重要观点开始，那就是 AI 被严重低估了（underhyped）。而世界上的其他人要么感到困惑、迷茫，要么认为它并没有影响我们。我们会更深入地探讨细节，但你对此有什么最想表达的要点吗？

Eric Schmidt：AI 是一台学习机器。在具有网络效应的业务中，当学习机器学得更快时，一切都会加速。它会加速到其自然极限。而那个自然极限，是电力。

主持人：不是芯片？

Eric Schmidt：是电力。

主持人：这让我想到关于 AI 和能源的讨论。我们最近看到 Meta 宣布他们与 Constellation Energy 签署了一份为期 20 年的核能合同。我们看到谷歌、微软、亚马逊，所有人都在购买核能容量。

这肯定很奇怪，私营公司基本上正在亲手接管过去属于公用事业的职能。

Eric Schmidt：说句比较现实的话，我很高兴那些公司计划在建造核电站所需的 20 年里一直存在。

当前 AI 革命在美国的预期需求是 92 个大型核电站的新增电力，而现在基本上没有新的在建核电站。

主持人：过去 30 年只建了两座。

Eric Schmidt：现在人们对 SMR（小型模块化反应堆）感到兴奋，它能提供 300 兆瓦的电力，但要到 2030 年才会启动。尽管核能，无论是裂变还是聚变，都非常重要，但它们无法及时到来，以满足我们作为全球社会处理诸多问题和抓住众多机遇的需求。

主持人：你认为，如果我们看那个走向 AGI 的时间线，如果你今天开始一个聚变反应堆项目，它需要五、六、七年才能上线，有没有一种可能性是，AGI 会想出其他一些聚变或其他突破性技术，让这个项目在上线前就变得无关紧要了？

Eric Schmidt：非常好的问题。我们不知道通用人工智能（AGI）会带来什么，我们当然也不知道超智能会带来什么，但我们知道它正在到来。所以，我们首先需要为此做好规划，这其中有很多问题，也有很多机遇。但事实是，我们现在需要的计算能力将来自传统的能源供应商，比如美国、阿拉伯世界、加拿大和西方世界。

值得注意的是，中国拥有大量的电力。所以，如果他们能得到芯片，那将是一场激烈的竞赛。

主持人：是的，他们一直在以美国两到三倍的速度扩张。而美国的能源生产已经停滞了多久了？

Eric Schmidt：从我的角度看，是无限久。实际上，由于节能和其他因素，电力需求一度下降，整体能源需求也是如此。但数据中心的故事就是能源行业的故事。你会坐在那里想，“这些数据中心怎么会用掉这么多电？” 特别是当你想到我们的大脑只用那么一点点电的时候。嗯，这些数据中心是我们目前用数字形式对大脑工作方式的最佳近似，但当它们开始协同工作时，它们就变成了超级大脑。

一个拥有 1 吉瓦数据中心的超级大脑所带来的前景是如此真切，以至于人们都为之疯狂。顺便说一下，这些东西的经济效益是未经证实的。你需要多少收入才能支撑 500 亿美元的资本投入？如果你在三四年内折旧，你每年需要有 100 亿或 150 亿美元的资本支出，仅仅是为了维持基础设施。这些都是巨大的业务和巨大的收入，但在大多数地方，这些收入目前还不存在。

「AI 时代的护城河：不可阻挡的学习循环」

主持人：我很好奇，现在有这么多资本被投资和部署在 SMR、核能（让三里岛核电站重新上线）、聚变公司上，为什么没有同等数量的资本投入到让整个芯片组和计算的能源效率提高一千倍上呢？

Eric Schmidt：实际上有类似数量的资本正在投入。有很多很多创业公司正在研究非传统的芯片制造方式。Transformer 架构，也就是今天驱动这些技术的核心，正在出现新的变种。差不多每个星期，我都会收到一家新创业公司的融资演讲，他们打算构建用于推理（inference）、测试、计算的芯片，这些都更简单，并且为推理进行了优化。

看起来，硬件的到来恰逢软件需求的扩张。顺便说一下，这一直都是事实。我们这些老家伙有个说法：“格鲁夫（Grove，英特尔创始人）给予，盖茨（Gates）取走。”（笑）英特尔会改进芯片组，早在那个年代，软件开发者会立刻用光所有性能。他们会立刻吸干所有资源。我没有理由相信这个“格鲁夫与盖茨定律”已经改变了。

如果你看看像 Blackwell 芯片或 AMD 的 MI300X 芯片所取得的进步，这些芯片都是巨大的超级计算机。然而，据说我们需要数十万个这样的芯片才能让一个数据中心工作。

现在你可能会想，“这些人到底用这些芯片在做什么？” 我给你举个例子。我们从语言到语言（这是 ChatGPT 可以被理解的方式），发展到了推理和思考。如果你想看一个 OpenAI 的例子，可以看看他们的 GPT-4o，它进行了前向和后向的强化学习与规划。现在，进行这种前向和后向规划的计算成本，比仅仅回答你关于博士论文或大学论文的问题要高出许多个数量级。

这种规划，这种来回推演，在计算上非常非常昂贵。许多人相信，如果你将规划和非常深刻的记忆结合起来，就就能构建出人类水平的智能。

当然，一开始它会非常昂用。但人类非常勤劳。而且，未来的伟大公司将拥有 AI 科学家（即非人类科学家）、AI 程序员（而不是人类程序员），他们将加速其影响力。

Peter，回到你的“富足”论，你可以说是这个理论的创始人。你谈论这个已经 20 年了，你是第一个看到它的人。现在看来，如果我们有足够的电力，我们确实能产生足够的“智力”，以实现你几十年前预测的那种富足。

「一切都有一个负面领域」

主持人：让我给你提供一些数据来印证你刚才说的。我们实验室有几家公司正在做语音客服和语音销售，就在过去这一个月。这些对话的价值在 10 到 1000 美元之间，而计算成本，可能需要两三个 GPU 并发才能达到最佳效果，大概是 10 到 20 美分。所以他们会愿意购买大量的计算资源来提升对话质量。我们统计大约有 1000 万个并发电话，应该会在未来一两年内转向 AI。

Eric Schmidt：我认为那是一个很好的战术性解决方案和很棒的业务。让我们看看其他战术性解决方案的例子。我当然有利益冲突，因为我非常热爱谷歌，所以带着这个前提来看。看看谷歌云平台（GCP）现在的实力，他们提供了一套完整的、全方位服务的企业级产品，基本上可以实现用 AI 自动化你的公司。

最了不起的是——这对我来说是令人震惊的——在企业里，你可以写下你想要的任务，然后用一种叫做“模型上下文协议”（MCP）的东西，将你的数据库连接到它上面，然后大语言模型就能为你的企业生成代码。

过去 30 年我一直在这个行业工作，涌现出了成千上万的企业软件公司、中间件公司，现在他们都遇到了麻烦。因为那种中间的连接层不再需要了。现在，当然，他们也必须改变。对他们来说好消息是，企业做出这些改变的速度非常慢。如果你要构建一个全新的企业架构，用于 ERP 和 MRP，你很可能会倾向于不使用任何现有的 ERP 或 MRP 供应商，而是使用开源库，构建一个，比如说用 BigQuery 或者亚马逊的 Redshift，然后基本上让计算机系统为你编写大部分代码。

现在，程序员并不会立刻消失。但很明显，初级程序员，那种我们刻板印象中的“熟练工”，会消失。因为现在的系统还不够好，无法自动编写所有代码。它们需要非常资深的计算机科学家、计算机工程师来监督。这种情况最终会改变。

我想谈谈生产力，我称之为“旧金山共识”，因为它主要是那里人们的看法。它大概是这样的：我们即将达到一个可以做两件令人震惊的事情的临界点。

第一，我们可以用计算机取代大部分编程任务。

第二，我们可以用计算机取代大部分数学任务。

你可能会问，为什么？嗯，如果你想想编程和数学，它们的语言集相比人类语言是有限的。它们在计算上更简单，而且它们是“无尺度”（scale-free）的。你只需要用更多的电力就能不断地做下去。你不需要数据，不需要真实世界的输入，不需要遥测数据，不需要传感器。

所以，在我看来，世界级的数学家很可能会在未来一年内出现。世界级的程序员会在未来一两年内出现。当这些东西被大规模部署时，记住，数学和编程是几乎所有事物的基础。它们是物理、化学、生物学、材料科学的加速器。

回到像气候变化这样的问题。你能想象吗，如果我们能加速新材料的发现，让我们能够应对这个碳化的世界？这非常非常令人兴奋。

中美 AI 竞赛与“相互确保失灵”

主持人：这让我想到，博士级别的 AI 研究人员，能够攻克并解决任何问题，解决数学、物理问题。这种 AI 智能爆炸的想法，Leopold Aschenbrenner 预测在 2026、2027 年，走向数字超智能在未来几年内。你认同这个时间线吗？

Eric Schmidt：同样，我认为那也是“旧金山共识”。我认为这个预测时间可能会有 1.5 到 2 倍的偏差，但这已经很接近了。一个合理的预测是，我们将在五年内，在每个领域都拥有专门的“学者”（savants）。这基本上是板上钉钉的事了。

原因如下：现在有这么多人类，然后基于此再增加一百万个 AI 科学家来做某件事，你的进步斜率就会像这样陡峭上升。我们应该能达到那个目标。

真正的问题是，一旦你有了所有这些学者，它们会统一起来吗？它们最终会成为一个“超人”吗？我们用的词是“超智能”，这意味着一种超越人类总和的智能。

争夺超智能的竞赛，极其重要。因为想象一下一个超智能能做什么我们自己无法想象的事情。它比我们聪明得多。这带来了巨大的扩散问题、竞争问题、中美之间的问题、电力问题等等。我们甚至还没有一套语言来讨论这些强大模型的威慑方面和扩散问题。

主持人：完全同意。这其实是最初奇点大学和 Ray Kurzweil 的书中的一个主要缺陷。他画了一条曲线，从老鼠级别的智能到猫、猴子，然后达到人类，再到超智能。

谷歌 DeepMind 的 Demis Hassabis 不断地重新定义 AGI 实现的日期。他说，当它能像爱因生那样，用截止到那个日期的可用数据发现相对论时，我们才算拥有了 AGI。但我们早就超越那个点了。

Eric Schmidt：是的，所以我觉得有必要把时间线说清楚。

以下这些事情是已经板上钉钉的：将会有一场智能体革命，智能体被连接起来解决业务流程、政府流程等等。它们在资金雄厚、对时间延迟敏感的公司中会被最快采纳，比如金融服务、某些生物医药、创业公司等等，这些是值得关注的地方。而在政府等缺乏创新激励的领域，采纳会最慢。

所有这些都将发生：智能体将会出现，数学将会突破，软件将会突破。我们可以争论生物学革命发生的速度，但所有人都同意，它紧随其后。我们离重大的生物学理解非常非常近了。在物理学领域，你受限于数据，但你可以生成合成数据。我资助了一些团队，他们正在生成物理模型，可以近似那些不可计算的算法。

而下一个问题与一个国家紧急状态有关。它大概是这样的：我所谈论的一切都处于正面领域，但也有一个负面领域。生物攻击、网络攻击的能力。想象一下一种我们人类无法构想的网络攻击，这意味着我们没有防御措施，因为没人想到过。这些都是真实的问题。

从我的角度来看，核心问题如下：

一、中国是否能够——即使有芯片限制——通过架构上的改变来构建和我们一样强大的模型？

二、如果你的产品是开源的，你怎么筹集 500 亿美元来建数据中心？在美国模式下，这些模型之所以是闭源的，部分原因是商业人士和律师指出，“我得卖这个东西，因为我得支付我的资本成本。” 这些不是免费的商品。

所以我们不知道。对我来说，最值得关注的问题是 DeepSeek。就在 DeepSeek 发布之前的一周，Gemini 登上了大模型排行榜的榜首；而在那一周后，DeepSeek 出现了，并且比 Gemini 略胜一筹。而 DeepSeek 是在中国现有的硬件上训练的。

「短期内，AI 对就业是积极的」

主持人：让我们换个话题。人们关心的一个问题，尤其是在短期内，人们一直在敲响警钟，就是关于工作。你对此有何看法？然后，引申到教育，我们今天该如何教育我们的孩子，在高中、大学？你有什么建议？

Eric Schmidt：好的，关于第一个问题，你是否相信会出现像 Dario Amodei（Anthropic CEO）在电视节目上谈到的那种大规模白领失业？我们还看到各种机器人正在出现。

让我们假设，在三四十年后，会有一个非常不同的就业、机器人、人类的互动模式，对工作的定义，对身份的定义也都会不同。让我们先假定这一点。再让我们假设，这些变化需要二三十年才能在我们的经济中完全体现出来。

现在在加州和其他城市，你可以坐上 Waymo 出租车。Waymo 是 2025 年的产品，但最初的工作是在 90 年代末完成的。所以，从一个可见的演示到一个我们能在日常生活中使用的产品，花了超过 20 年。

为什么？因为它很难，是深度科技，需要监管等等。我认为对于与人类互动的机器人来说也是如此。它们会受到监管。你不可能让一个机器人在街上随便走，然后它决定扇你一巴掌。社会不会允许这种情况发生。

所以，在短期内，也就是五到十年，我认为这对就业是积极的。

原因如下：如果你看看自动化和经济增长的历史，自动化总是从地位最低、最危险的工作开始，然后向上发展。所以，想想汽车的装配线，熔炉，所有那些我们祖先做过的非常危险的工作，现在都不再做了。它们由机器人解决方案完成，通常不是人形机器人，而是一个机械臂。

那么，那些人怎么样了？事实证明，那个曾经在焊工旁边工作，现在操作机械臂的人，工资更高了。而公司因为生产了更多的产品，利润也更高了。所以公司赚了更多的钱，那个人也赚了更多的钱。

现在，你会说，“嗯，那不对，因为人们不想被重新培训。” 

啊哈。

但在我们所设想的未来里，每个人都会有一个计算机助手，一个非常智能的助手，来帮助他们工作。你把一个普通智能或知识的人，加上一个“加速器”，他们就能得到一份薪水更高的工作。

所以你可能会想，“嗯，那为什么工作岗位更多，而不是更少呢？” 

经济学不是这样运作的。经济之所以扩张，是因为机会在扩张，利润在扩张，财富在扩张，等等。所以，虽然会有大量的岗位转移，但总的来说，是会有更多的人被雇佣，还是更少？答案是：更多的人，从事着薪水更高的工作。

主持人：在印度也是这样吗？

Eric Schmidt：将会是这样。你之所以提到印度，是因为印度有人口红利，尽管他们的出生率现在降到了 2.0。世界其他地方正在选择不生孩子。如果你看看韩国，已经降到了每两个父母 0.7 个孩子。中国降到了每两个父母 1 个孩子。

在那种情况下会发生什么？他们会完全自动化一切，因为这是提高国家实力的唯一途径。所以，最可能的情况是，至少在未来十年，使用更多的 AI 来提高生产力将成为一种国家紧急状态。因为我们的出生率一直在下降。

主持人：那么教育呢？对于今天的高中生和大学生，有什么不同的建议吗？

Eric Schmidt：他们会没事的。他们会好好的。这一切对他们来说都很有意义，而我们只是挡了他们的路。他们不仅仅是数字原住民，他们懂。他们理解这种速度。这对他们来说是自然的。坦白说，他们也比我们更快、更聪明。我们有智慧，他们有智能，他们赢了。（笑）

所以，就他们而言，我现在实际上认为，去学习如何将智能应用到你感兴趣的任何领域，是作为一个年轻人能做的最好的事情。大多数孩子接触编程是因为游戏或其他原因，他们很小就学会了编程，所以他们对此非常熟悉。

我与一所大学的本科生一起工作，他们在大二的时候就已经在做不同的强化学习算法了。这显示了这一切在他们那个层面发生得有多快。他们会没事的。

监管之下的好莱坞，与失去的深度阅读

主持人：Google I/O 大会太棒了。向整个团队致敬。Veo 的演示令人震惊。我们坐在这里，离好莱坞只有 8 英里。我只是想知道你对它将产生的影响有何看法。我们会看到“一人电影”吗？就像我们可能会看到“一人独角兽”一样。我们会看到一个个体能够与好莱坞制片厂竞争吗？他们应该为自己的资产感到担忧吗？

Eric Schmidt：嗯，他们总是应该担心的，因为有知识产权的问题。我认为大片很可能仍然由人来制作，只是会得到 AI 的大量帮助。我不认为那会消失。如果你看看我们现在能用生成式长视频做什么，它制作起来非常昂用，虽然成本会下降，而且偶尔会出现多余的腿或时钟之类的东西，还不完美。这需要人类的编辑。

所以即使在很多视频是由计算机生成的场景中，也会有人类来制作和导演它。我最好的例子是在好莱坞，我当时在一个制片厂，他们给我看这个。他们有一个演员，正在重现 William Shatner 的动作，一个年轻人，他们从 William Shatner 那里获得了肖像权许可，他现在年纪大了。他们把他的头放在这个年轻人的身体上，天衣无缝。这非常令人印象深刻。这对每个人来说都是更多的收入。

另一个例子是，现在他们用绿幕而不是布景。而且，在那些有外星人的吓人电影里，他们不用化妆师，而是用数字方式添加妆容。所以，谁赢了？成本更低，电影制作更快，理论上电影更好，因为你有更多的选择。每个人都赢了。谁输了？那个搭建布景的人，那个布景不再需要了。那是一个木匠，一个非常有才华的人，现在他得去木工行业找份工作。

所以，我认为人们搞混了。如果我审视娱乐业的数字化转型，在知识产权得到保护的前提下——这总是个问题——它会没事的。仍然会有大片。成本会下降而不是上升。因为在好莱坞，他们有自己的会计方式，他们基本上把所有收入都分配给关键的制作人。这种分配会转向那些最有创造力的人。这是一个正常的过程。

我们之前说过，自动化会取代那些质量最低、最危险的工作。那些相对直接的工作可能会被自动化。但那些真正有创造力的工作，比如编剧，未来仍然会有编剧，但他们会得到 AI 的大量帮助来写出更好的剧本。那不是坏事。

智能爆炸、人类目的与新世界的复杂性

主持人：我看到斯坦福最近的一项研究记录了 AI 比最优秀的人类更具说服力。这敲响了一些警钟。它也引发了一些关于广告未来的有趣思考。你对此有什么特别的想法吗？

Eric Schmidt：我们知道以下事实：如果系统足够了解你，它就能学会如何说服你做任何事。这意味着在一个不受监管的环境中，系统会越来越了解你，越来越擅长向你推销。如果你不够精明，不够聪明，你很容易被操纵。我们也知道，计算机比试图做同样事情的人类更擅长。所以这一切我都不惊讶。

真正的问题是——我把它作为一个问题提出——在不受监管的、充满错误信息引擎（会有很多：广告商、政治家、犯罪分子等等）的环境中，当他们拥有言论自由，包括利用错误信息为自己谋利的自由时，民主会变成什么样？

我们在民主社会中长大，这里围绕着信任有一种共识，有一群精英或多或少地管理着信任体系，有一套共享的价值观。这些共享的价值观会消失吗？在我们的书《Genesis》中，我们把这看作一个更深层次的问题：当你的主要互动对象是这些数字事物时，作为人类意味着什么？特别是当这些数字事物有它们自己的议程时。

我最喜欢的例子是，你给孙子或孩子一个泰迪熊，它有自己的个性。孩子长大了，熊也“长大”了。谁来监管这只熊对孩子说了些什么？

主持人：很多人还没有体验过那种超级、超级有同理心的声音，它可以有任何你想要的语调。当他们体验到那个——可能在未来两三个月内——他们的眼睛会完全睁开。

Eric Schmidt：嗯，要记住，语音转换技术在几年前就已经解决了。你可以把任何人的声音转换成你自己的。这带来了各种各样的问题。

主持人：你见过你爱的人的化身吗？比如已经去世的人，或者亨利·基辛格？

Eric Schmidt：我们确实在他家人的允许下创建了一个。这非常感人，因为……它是一个真实的人，真实的记忆，真实的声音。我认为我们会看到更多这样的东西。一个明显会发生的事情是，在未来的某个时刻，当我们自然死亡时，我们的数字精华将活在云端，它将知道我们当时所知道的一切。然后你可以问它一个问题。你能想象问爱迪生：“你对特斯拉到底怎么想的？你是真的喜欢他，还是在信里只是客气一下？” 在所有那些我们作为学生研究过的著名争论中，你能想象能够直接问那些当事人吗？

主持人：你之前谈到了人机融合，这正是其中一种形式，即一个 AI 伙伴。当你能和牛顿、爱因斯坦对话时，就比仅仅让一个大语言模型来得更有说服力了。

那么，在接下来的几年里，对于创业公司来说，还有什么样的护城河存在？当 AI 涌入并颠覆一切时，你认为哪些护城河还存在？你有一个清单吗？你在投资的公司里看重什么？

Eric Schmidt：有的。我给你一个简单的答案。首先，在深度科技、硬件领域，会有专利、专利申请、发明，那些硬核的东西。这些东西的增长速度比软件行业慢得多，但同样重要。比如电源系统，我们等了很久的机器人系统，它就是慢。

在软件领域，对我来说很清楚，会非常简单。软件本质上是一个网络效应的业务，最快的行动者获胜。而最快的行动者，在一个 AI 系统里，是学得最快的。

所以我寻找的是那种公司，它有一个“循环”。理想情况下，有几个学习循环。

我举例最简单的一种：你得到越多的用户，用户点击得越多，你就从他们的点击中学习。他们表达了他们的偏好。假设我发明了一个全新的消费品。

此外，我假设我对消费者的行为一无所知，但我会发布这个产品，一旦人们开始使用它，我就会从他们身上学习，我会即时学习以变得更聪明地了解他们想要什么。如果我的学习斜率是这样的，我基本上是不可阻挡的。我之所以不可阻挡，是因为我的学习优势，到我的竞争对手搞清楚我在做什么的时候，已经太大了。

现在，我的竞争对手需要离我多近才能输掉？答案是：几个月。因为斜率是指数级的。

所以，很可能会出现另外 10 家谷歌、Meta 规模的、了不起的公司。它们都将建立在这种学习循环的原则之上。当我说学习循环时，我指的是在核心产品中，以最快的速度解决当前问题。如果你无法定义那个学习循环，你就会被一个能够定义它的公司击败。

编者注：施密特居然是支持“AI 时代依旧可以有数据飞轮”的，这点比较意外。

主持人：在那些学习循环中，你认为领域特定的合成数据是一个巨大的优势吗？

Eric Schmidt：嗯，答案是，任何能带来更快学习的东西都是。有些应用，你已经有足够的人类训练数据了。有些应用，你需要从人类的行为中生成训练数据。所以你可以想象一种情况，你有一个学习循环，里面没有人类参与，它在监控某些东西，一些传感器。但因为它从那些传感器上学得更快，它变得如此聪明，以至于无法被另一个传感器管理公司取代。

主持人：你知道 Daniela Rus 吗？她负责 CSAIL 实验室。

Eric Schmidt：当然，在麻省理工学院。

主持人：在马萨诸塞州建立了一个 AI 中心。

Eric Schmidt：我们的学术系统存在一个问题，那就是大公司拥有所有的硬件，因为他们有所有的钱。而大学没有钱，即使是建立一个中等规模的数据中心。我曾与一所大学合作，经过多次会议，他们同意花费 5000 万美元建立一个数据中心，结果只能提供不到 1000 个 GPU，用于整个校园和所有研究。这还不包括 TB 级的存储等等。

所以，我和其他人正在通过慈善的方式来解决这个问题。政府将不得不投入更多的资金，为大学提供这类系统。这是最好的投资之一。我年轻的时候，拿的是国家科学基金会的奖学金，每年赚 15000 美元。我对国家的回报，基于我交的税和我们创造的就业机会，可以说是非常非常好的。

所以，为下一代创造一个生态系统，让他们能够接触到这些系统，是非常重要的。但我不确定他们是否需要数十亿美元。我很确定他们需要一百万、两百万美元。这才是目标。

主持人：我们还没讲完超智能的时间线。我觉得给人们一个概念很重要，关于这种自我参照学习能变得多快，我们能多快地达到一种比人类强大一千倍、一百万倍、十亿倍的东西。

在硬币的另一面，Eric，当我想到我最大的担忧时，当我们度过这五到七年的、你所说的流氓行为者和稳定化阶段之后，我最大的担忧之一是人类目的的削弱。

你在书里（《人工智能时代与人类价值》）写道——我听了有声书，还没亲眼读过，我儿子们说：“爸爸，你现在都不读书了，你只听书。”（笑）——你说，“真正的风险不是终结者，而是漂移。” 你认为 AI 不会暴力地摧毁人类，但如果放任不管、被误解，它可能会慢慢侵蚀人类的价值观、自主性和判断力。所以这更像是一个《机器人总动员》（WALL-E）式的未来，而不是一个《星际迷航》（Star Trek）式的、勇敢探索的未来。

Eric Schmidt：是的，在书中，我们非常强调，保护人类能动性（human agency）是至关重要的。人类能动性意味着，在法律允许的范围内，你早上醒来，能做你想做的事情。这些数字设备完全有可能创造一种虚拟监狱，让你作为一个人类，感觉无法做你想做的事情。这是必须避免的。

主持人：我担心的不是那种情况，我更担心的是，如果你想做什么事，让你的机器人或 AI 来做实在是太容易了。那种想要克服挑战的人类精神……你知道，没有挑战的生活是如此……

Eric Schmidt：但总会有新的挑战。

我小时候，我的一件事就是修理我父亲的车。我现在不做了。

我小时候会割草，现在也不做了。

所以有很多我们过去做，但现在不需要做的事情。但总会有很多新事情。只要记住我所描述的世界的复杂性，它不是一个简单的世界。仅仅是管理你周围的世界，就会是一份全职的、有目的的工作。部分原因是会有很多人为了错误信息和你的注意力而斗争，会有很多竞争。

所以我认为人类的目的会保留下来，因为人类需要目的。有很多文献表明，那些从事着我们认为低薪、无价值工作的人，他们享受去上班。所以挑战不是要剥夺他们的工作，而是要利用 AI 工具让他们的工作更有成效。他们仍然会去上班。

我认为这个概念，即我们都将坐着写诗，是不会发生的。未来仍然会有律师，他们会用工具来打更复杂的官司。会有坏人，用这些工具制造更邪恶的问题。也会有好人，试图阻止坏人。工具变了，但人类的结构，我们协同工作的方式，是不会改变的。

主持人：Peter 和我几个月前在 Michael Saylor 的游艇上，我抱怨说所有学校的课程都完全过时了。我的意思是，我们应该教 AI。

他说，“是的，我们应该教美学。” 

我看着他，心想：“你到底在说什么？” 

他说：“不，在 AI 时代，这是必然的。看看你周围的一切，无论好坏，令人愉快与否，都与设计美学有关。当 AI 成为如此强大的力量倍增器，你可以创造几乎任何东西时，你创造什么、为什么创造，就成了挑战。”

Eric Schmidt：如果你看看维特根斯坦和所有这些理论，我们正在进行一场美国式的对话，关于任务和结果。这是我们的文化。但人类生活还有其他方面：意义、思考、推理。我们不会停止做这些。

想象一下，如果你未来的生活目标就是搞清楚到底发生了什么，而成功地做到这一点就足够了。因为一旦你搞清楚了，它就为你解决了。这提供了目的。

很明显，机器人将接管大量的机械或体力劳动。但我会想念修理汽车的感觉，但我有其他更有意义的事情可以做。

数字永生与终极问题

主持人：你在书中谈到了数字永生。

Eric Schmidt：是的，我们正在创建一个程序，让人们，在他们生命的尽头，能够贡献他们的思想。然后他们的家人，在征得同意的情况下，可以在他们去世后与他们进行数字形式的互动。我认为这既可怕又美妙。想象一下，你能和你的祖父母，在你从未见过他们的情况下，进行对话，就像他们还活着一样。

主持人：我们公司内部也在讨论这个。你有多少客户愿意付费，来创建一个他们已故亲人的数字版本？

Eric Schmidt：我认为有很多。我的母亲最近去世了，我很想念她。我愿意付出一切来再次听到她的声音。

主持人：那么，当一个 15 岁的孩子，他的所有朋友都是 AI 时，会发生什么？

Eric Schmidt：嗯，我们都认为这是个坏主意。我认为人们希望与真实的人互动。也许我只是个老古董。我认为这最终是个错误。

主持人：有趣。

最后的忠告：成为 AI 时代的“副驾驶”

主持人：Eric，非常感谢你的时间。最后一个问题：对于那些希望在 AI 世界里获得成功的企业家、CEO、个人，你有什么最重要的建议？

Eric Schmidt：

第一条：这东西（AI）是真实的，它正在到来，而且它被低估了。所以，无论你做什么，你都需要一个 AI 战略。

第二条：你需要找到你组织里那些真正懂 AI 的人，那些年轻人，那些新来的人，给他们权力，让他们做一些有趣的事情。

第三条：如果你不知道该做什么，就找一个你现有的流程，用 AI 来让它变得更好。

第四条，也是最重要的一条：你作为领导者，你作为一个个体，你需要学习如何使用这些工具。你不需要成为一名程序员，但你需要了解它的能力。把它看作你的副驾驶（copilot）。副驾驶这个词用得很好。它在帮助你。你仍然是飞行员，你仍然在掌控之中。但你的副驾驶非常非常聪明，而且每天都在变得更聪明。

· · ·

📢 AI 产品爆发，但你的痛点解决了吗？

2025 全球产品经理大会

8 月 15–16 日 

北京·威斯汀酒店

互联网大厂、AI 创业公司、ToB/ToC 实战一线的产品人

12 大专题分享，洞察趋势、拆解路径、对话未来。

立即扫码领取大会PPT

抢占 AI 产品下一波红利