前 Google 執(zhí)行長 Eric Schmidt 在最新訪談中深度分析了人工智慧的發(fā)展軌跡，從能源需求到中美競爭，從工作變革到超級智慧的到來。他預測數(shù)位超級智慧將在十年內(nèi)實現(xiàn)，并警告這項技術將帶來前所未有的機遇與挑。

AI 被嚴重低估的影響力

Schmidt 開門見山地指出了當前對 AI 認知的盲點。「AI 是一個學習機器。在網(wǎng)路效應業(yè)務中，當學習機器學得更快時，一切都會加速。它會加速到自然極限，而自然極限是電力，而不是晶片，真的是電力。」

他認為 AI 在短期內(nèi)可能被過度期待，但中長期的影響力卻被嚴重低估。這種技術的發(fā)展速度遠超過多數(shù)人的想像，特別是在專業(yè)領域的應用上。

能源：AI 發(fā)展的關鍵瓶頸，電力需求的驚人規(guī)模

Schmidt 開門見山地指出了 AI 發(fā)展的根本限制因素。「AI 是一個學習機器。在網(wǎng)路效應業(yè)務中，當學習機器學得更快時，一切都會加速。它會加速到自然極限。自然極限是電力，真的不是晶片，是電力?！?/p>

他揭露了 AI 革命對電力需求的驚人數(shù)字?！冈谖易罱淖C詞中，我談到了美國 AI 革命當前的預期需求是92吉瓦的額外電力。作為參考，一吉瓦相當于一個大型核電廠。而現(xiàn)在基本上沒有新的核電廠正在建設，過去30年只建了兩座?！?/p>

核能建設的現(xiàn)實挑戰(zhàn)

面對科技巨頭們紛紛簽署核能合約的現(xiàn)象，Schmidt 展現(xiàn)了現(xiàn)實主義的謹慎態(tài)度?！赣幸粋€ SMR（小型模組化反應爐）的興奮點，功率為300兆瓦，但要到2030年才會啟動。盡管核分裂和核融合都很重要，但它們不會及時到達，無法滿足我們作為一個全球在處理許多問題和面前許多機會時所需要的?！?/p>

數(shù)據(jù)中心的能耗革命

Schmidt 深入分析了數(shù)據(jù)中心驚人的能耗需求?！改阕谀抢锵?，這些數(shù)據(jù)中心怎么能使用這么多電力？特別是當你想到我們大腦使用的電力多么少。這些是我們對大腦如何工作的數(shù)位形式的最佳近似。但當它們開始協(xié)同工作時，它們就成為超級大腦?！?/p>

他進一步說明了超級大腦的概念：「一個擁有例如1吉瓦數(shù)據(jù)中心的超級大腦的承諾是如此明顯。人們都瘋了。順便說一下，這些東西的經(jīng)濟效益尚未得到證實。要有500億的資本，你需要有多少收入？如果你在三年或四年內(nèi)攤銷，你每年需要有100億或150億美元的資本支出來處理基礎設施?！?/p>

晶片效能與能耗的永恒競賽

Schmidt 引用了科技業(yè)的經(jīng)典定律來解釋硬體與軟體需求的關係?！肝覀兝锨拜呌幸痪湓挘篏rove 給予，Gates 拿走。所以 Intel 會改進晶片組，軟體人員會立即使用所有這些并將其全部吸收。我沒有理由相信 Grove 和 Gates 定律已經(jīng)改變?！?/p>

他舉例說明現(xiàn)代晶片的強大能力與巨大需求：「如果你看看 Blackwell 晶片或 AMD 的 AS 350晶片的收益，這些晶片是巨大的超級電腦，但我們需要根據(jù)人們的說法，數(shù)十萬個這樣的晶片才能讓一個數(shù)據(jù)中心工作。這顯示了這種思維演算法的規(guī)模?！?/p>

計算復雜度的指數(shù)成長

Schmidt 解釋了為什么 AI 需要如此巨大的計算資源?！肝覀儚恼Z言到語言（這是 ChatGPT 可以理解的）發(fā)展到推理和思考。如果你想看一個 OpenAI 的例子，看看 OpenAI o3，它進行前進和后退的強化學習和規(guī)劃?，F(xiàn)在，進行前進和后退的成本比僅僅回答你的博士論文或大學論文的問題要高出許多個數(shù)量級，那種規(guī)劃的來回在計算上非常非常昂貴?！?/p>

中國在能源方面的略優(yōu)勢

Schmidt 特別強調(diào)了中國在能源供應方面的優(yōu)勢地位?！钢匾氖且⒁?，中國有大量的電力。所以如果他們獲得晶片，這將是一場激烈的競賽。」

他對比了中美兩國的能源發(fā)展現(xiàn)況：「從我的角度來看，美國的電力生產(chǎn)已經(jīng)停滯了無限長的時間。事實上，由于節(jié)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(shù)據(jù)中心的故事就是能源人員的故事?！?/p>

而中國則呈現(xiàn)截然不同的發(fā)展軌跡：「他們一直在以兩到三倍的速度擴展。美國已經(jīng)停滯了多長時間的能源生產(chǎn)？」這種差距可能成為決定 AI 競賽勝負的關鍵因素。

能源效率創(chuàng)新的競賽

面對巨大的能源需求，Schmidt 也注意到產(chǎn)業(yè)界在提升能源效率方面的努力。「有類似的資本投入。有許多許多新創(chuàng)公司正在研究非傳統(tǒng)的晶片制造方式。驅(qū)動當今技術的 transformer 架構(gòu)有新的變體。每周左右我都會收到一個新創(chuàng)公司的推銷，他們要建立推理時間、測試時間計算，這些更簡單且針對推理進行了最佳化?！?/p>

他預測硬體和軟體需求將繼續(xù)保持平衡：「看起來硬體將在軟體需求擴展的同時到達。順便說一下，這一直都是如此?！惯@種平衡意味著，盡管晶片效能不斷提升，但 AI 應用的復雜度也會相應增加，對電力的總體需求仍將持續(xù)成長。

超級智慧的時程預測

「舊金山共識」與現(xiàn)實評估

對于超級智慧的時程，Schmidt 采用了「舊金山共識」的觀點，但對時間表保持謹慎的現(xiàn)實主義態(tài)度?！肝艺J為這就是舊金山共識。我認為日期可能會延遲1.5到2倍，這已經(jīng)很接近了。一個合理的預測是，我們將在五年內(nèi)在每個領域都擁有專業(yè)的專家。在我看來，這基本上是確定的?！?/p>

他進一步闡述了這種判斷的邏輯基礎：「我們即將能夠做兩件令人震驚的事情。首先，我們可以用電腦取代大部分程式設計任務，其次，我們可以用電腦取代大部分數(shù)學任務。」

數(shù)學與程式設計的突破性進展

Schmidt 預測這兩個領域?qū)⒙氏葘崿F(xiàn)重大突破，原因在于它們的特殊性質(zhì)?！溉绻阆胂氤淌皆O計和數(shù)學，與人類語言相比，它們的語言集合有限。所以它們在計算上更簡單，而且是無標度的。你可以只是做了又做，用更多的電力。你不需要數(shù)據(jù)，不需要真實世界的輸入，不需要遙測，不需要感測器?！?/p>

他給出了具體的時程預測：「在我看來，你很可能會看到基于 AI 的世界級數(shù)學家在下一年出現(xiàn)，世界級程式設計師將在未來一到兩年內(nèi)出現(xiàn)?！?/p>

指數(shù)級影響的連鎖反應

Schmidt 解釋了這種發(fā)展的指數(shù)性質(zhì)和深遠影響：「當這些東西大規(guī)模部署時，記住數(shù)學和程式設計是所有事物的基礎，它們是物理學、化學、生物學、材料科學的加速劑?！?/p>

他以具體例子說明這種潛力：「回到你最初的論點，Peter，想像一下我們能否加速發(fā)現(xiàn)新材料，讓我們能夠應對去碳化世界。想像一下，如果我們能夠加速發(fā)現(xiàn)新材料來應對氣候變化。」

這種發(fā)展的規(guī)模效應令人震撼：「你有這么多的人類，然后你加上一百萬個 AI 科學家來做某事，你的改進速度會急劇上升。我們應該能達到那個目標?！?/p>

AGI 定義的不斷演進

Schmidt 提到了 AGI（通用人工智慧）定義標準的變化?！窪emis（指 Google DeepMind 的 CEO Demis Hassabis）不斷重新定義 AGI，當它能夠像愛因斯坦那樣，用當時可獲得的數(shù)據(jù)發(fā)現(xiàn)相對論時，那就是我們擁有 AGI 的時候?！?/p>

但他指出現(xiàn)實中的發(fā)展已經(jīng)超越了傳統(tǒng)預期：「現(xiàn)在很明顯，當你與這些多語言模型對話，聽它向你解釋物理學時，它在其專家類別內(nèi)已經(jīng)具有巨大的超級智慧?！?/p>

自我改進能力的關鍵突破

Schmidt 強調(diào)了「腳手架」（scaffolding）能力的重要性。這裡的腳手架是指AI完成復雜任務時需要的引導框架或操作步驟。

簡單來說，目前的 AI 就像需要食譜才能做菜的廚師，或需要詳細解題步驟才能解數(shù)學題的學生。人類必須提供明確的指導架構(gòu)，AI 才能順著這個架構(gòu)完成復雜任務。

關鍵的突破即將到來：「AI 自主產(chǎn)生引導框架的能力即將實現(xiàn)。這不會讓它完全自我改進，不是潘朵拉的盒子，但它將能夠自主規(guī)劃如何創(chuàng)造物理學的全面突破，或如何創(chuàng)造整部電影，或如何處理需要20小時連續(xù)推理計算的復雜問題。幾乎可以確定這將是2025年的事情。」

這意味著 AI 將從「需要詳細指導的助手」進化成「能自主制定計劃的伙伴」，這是通往真正自主智慧的關鍵一步。

遞歸自我改進的里程碑

Schmidt 討論了遞歸自我改進的概念：「遞歸自我改進是電腦持續(xù)學習的通用術語。我們已經(jīng)在某種意義上跨越了這個門檻，這些系統(tǒng)現(xiàn)在正在運行和學習事物，它們從自己思考的方式中學習，在有限的功能內(nèi)?！?/p>

但他指出了更重要的里程碑：「系統(tǒng)何時有能力產(chǎn)生自己的目標和問題？今天還沒有。這是另一個標誌。另一個標誌是系統(tǒng)決定外滲自己，并采取步驟讓自己脫離指令和控制系統(tǒng)。這還沒有發(fā)生?！?/p>

數(shù)位超級智慧的確定到來

當被直接問及數(shù)位超級智慧的時程時，Schmidt 給出了明確而自信的答案：「十年內(nèi)?！?/p>

他強調(diào)了這個預測的重要性：「我們確實不知道人工通用智慧會帶來什么。我們當然不知道超級智慧會帶來什么，但我們知道它即將到來?！?/p>

Schmidt 將此比作歷史上的關鍵時刻：「我們可以說現(xiàn)在是1938年，愛因斯坦給總統(tǒng)的信已經(jīng)到了，我們正在進行對話，我們說：『這將如何結(jié)束？』」這種歷史類比暗示了超級智慧到來的重大意義和緊迫性。

中美 AI 競賽的現(xiàn)實，DeepSeek 的驚人突破

Schmidt 坦誠承認在評估中國 AI 能力上的誤判?！敢荒昵埃艺f他們落后兩年。我顯然錯了。有了足夠的資金和足夠的電力，他們已經(jīng)加入這場競賽?！?/p>

DeepSeek 的表現(xiàn)特別令人震驚?！敢恢芮?，Gemini 2.5 Pro 在智慧排行榜上排名第一，這是我在 Gemini 朋友們的偉大成就。一周后，DeepSeek 出現(xiàn)了，表現(xiàn)比 Gemini 稍好?！苟?DeepSeek 是在中國現(xiàn)有硬體上訓練的，「包括一些被轉(zhuǎn)移的設備和一些華為的 Ascend 晶片等」。

蒸餾技術的爭議與威脅

Schmidt 揭露了中國如何透過「蒸餾」技術快速追趕的策略?！该绹苏f DeepSeek 作弊了，他們透過一種叫做蒸餾的技術作弊，你拿一個大型模型，問它一萬個問題，獲得答案，然后將其用作訓練材料。」

這種做法對美國公司構(gòu)成重大威脅：「美國公司將不得不想辦法確保他們花費大量金錢發(fā)的專有資訊不會洩露到這些源項目中。」這意味著美國在 AI 領域的投資優(yōu)勢可能被這種技術竊取方式抵消。

晶片禁令的有限效果

盡管美國實施了晶片管制，但效果有限?！肝覀兺高^晶片管制減緩了他們的進度，但他們找到了巧妙的應對方式。還有擴散問題，許多他們不應該擁有的晶片，他們似乎能夠獲得。更重要的是，正如我提到的，演算法正在改變。」

Schmidt 指出，技術發(fā)展正在降低對頂級晶片的依賴：「不是單獨擁有這些昂貴的基礎模型，而是采用持續(xù)更新，稱為測試時間訓練。這種持續(xù)更新似乎能夠用較低功率的晶片完成?！?/p>

源與閉源的略博弈

Schmidt 對源模型的擴散表達深度擔憂?！冈匆馕吨艡?quán)重，這意味著每個人都可以使用它。對此的公正解讀是，每個不在西方的國家最終都會使用源，因為他們認為這更便宜，這將源的領導權(quán)從美國轉(zhuǎn)移到中國。如果發(fā)生這種情況，這是一件大事?！?/p>

他進一步分析了商業(yè)模式的根本差異：「下一個有趣的問題是，如果你的產(chǎn)品是源的，你如何為你的數(shù)據(jù)中心籌集500億美元？

在美國模式中，這些模型封閉的部分原因是商業(yè)人士和律師正確地說『我必須銷售這個東西，因為我必須支付我的資本』。這些不是免費商品，美國政府也不會正確地給這些公司500億美元?！?/p>

Agent 革命的具體應用

Schmidt 預測 agent 技術將帶來革命性變化?！改銓幸粋€ agent 革命，agent 將連接起來解決商業(yè)流程、政府流程等等。它們將在擁有大量資金且面臨時間延遲問題的公司和國家中被最快采用?！?/p>

他特別指出采用速度的差異：「它會在金融服務、某些生物醫(yī)學領域、新創(chuàng)公司等地方被最快采用。它在政府等地方的采用速度最慢，因為政府沒有創(chuàng)新的動機，基本上是就業(yè)計劃和收入再分配計劃?！?/p>

企業(yè)軟體的革命性變化

Schmidt 描述了 AI 對企業(yè)軟體產(chǎn)業(yè)的顛覆性影響?！冈谄髽I(yè)中，你可以寫下你想要的任務，然后使用模型上下文協(xié)議，將你的資料庫連接到那裡，大型語言模型可以為你的企業(yè)產(chǎn)生程式碼?！?/p>

這種變化對傳統(tǒng)軟體公司構(gòu)成威脅：「有10萬家企業(yè)軟體公司、中介軟體公司在過去30年中成長起來，它們現(xiàn)在都面臨困境，因為那種中間連接不再需要它們的業(yè)務?！?/p>

他進一步解釋新架構(gòu)的優(yōu)勢：「如果你為 ERP 和 MRP 建立全新的企業(yè)架構(gòu)，你會強烈傾向于不使用任何 ERP 或 MRP 供應商，而是使用源函式庫，基本上使用 BigQuery 或亞馬遜的等效服務 Redshift，基本上建立那種架構(gòu)，它給你無限的靈活性，電腦系統(tǒng)編寫大部分程式碼?！?/p>

程式設計人員角色的轉(zhuǎn)變

Schmidt 對程式設計工作的未來做出預測：「程式設計師目前不會消失。很明顯，初級程式設計師會消失，那種刻板印象中的技術工人，因為這些系統(tǒng)還不夠好，無法自動編寫所有程式碼。它們需要非常資深的電腦科學家、電腦工程師來監(jiān)督，但最終也會消失。」

工作市場的變革，自動化的歷史規(guī)律

Schmidt 對工作被 AI 取代的擔憂提出了歷史性的觀點。「如果你看自動化和經(jīng)濟成長的歷史，自動化從最低地位和最危險的工作始，然后向上發(fā)展?！?/p>

他指出，這種變化通常會帶來正面影響：「與焊接工一起工作，現(xiàn)在操作手臂的人工資更高，公司利潤也更高，因為它生產(chǎn)更多的小工具。所以公司賺更多錢，人也賺更多錢。」

AI 的風險與應對，生物和網(wǎng)路攻擊的威脅

Schmidt 嚴肅地討論了 AI 可能帶來的安全風險?！干锕舻哪芰Γ@然還有網(wǎng)路攻擊。想像一下我們?nèi)祟悷o法想像的網(wǎng)路攻擊，這意味著沒有防禦措施，因為沒有人想過這個問題?！?/p>

他特別提到生物武器的風險：「生物攻擊，你拿一個病毒，我顯然不會詳細說明。你拿一個壞病毒，通過改變其結(jié)構(gòu)中的某些變化使其變得無法檢測，我再次不會詳細說明?！?/p>

相互保證毀滅的概念

對于如何管理這些風險，Schmidt 提出了「相互 AI 故障」的概念，類似于核武時代的相互保證毀滅?！溉绻隳軌蚬こ袒?，讓你有能力對我做同樣的事情。這導致我們雙方都小心不要觸發(fā)對方。這就是相互保證毀滅。這是我們現(xiàn)在最好的方案?！?/p>

人類目的的維護，防止人類邊緣化

面對 AI 可能帶來的人類目的感消失的擔憂，Schmidt 強調(diào)保護人類能動性的重要性?！肝覀冋J為保護人類能動性非常重要。人類能動性意味著在遵守法律的前提下，有能力起床做你想做的事情?！?/p>

他駁斥了人類將失去目的的悲觀預測：「這種我們都會坐著寫詩的想法不會發(fā)生。在未來，仍會有律師。他們將使用工具進行更復雜的訴訟。會有惡人使用這些工具制造更邪惡的問題。會有好人試圖阻止惡人。工具會改變，但人性的結(jié)構(gòu)、我們合作的方式不會改變?！?/p>

準備迎接超級智慧時代，個人層面的變革與機遇

Schmidt 對于如何準備迎接數(shù)位超級智慧時代給出了具體而鼓舞人心的建議?！府敂?shù)位超級智慧最終到來并且普遍可用且普遍安全時，你將擁有自己的博學家。所以你將在口袋裡擁有愛因斯坦和達文西的總和?！?/p>

這種個人智慧助理的概念遠超過目前的AI助手。

他解釋了偉大發(fā)現(xiàn)的模式：「看起來最偉大的科學家和我們歷史上的人物有以下特性。他們是某個領域的專家，然后他們看了看不同的問題，他們在一個思維領域看到了一個模式，可以應用到完全不相關的領域，他們能夠做到這一點并取得巨大突破?！?/p>

思考如何善用這份禮物

Schmidt 建議人們始思考如何善用這種前所未有的能力：「我認為思考你如何使用這份禮物是有趣的。當然，邪惡的人會變得更邪惡，但絕大多數(shù)人是好的。他們是善意的?！?/p>

他特別強調(diào)了這種技術對解決全球貧困問題的潛力：「回到你的豐富論證，有研究生產(chǎn)力提升的人相信，你可以看到每年30% 的經(jīng)濟成長率。

那是一個非常富裕的世界。那是一個疾病少得多、選擇多得多、樂趣多得多的世界。只是將所有這些窮人從他們面臨的日常掙扎中解放出來，這是一個偉大的人類目標。」

經(jīng)濟轉(zhuǎn)型的深度分析

Schmidt 對經(jīng)濟前景保持謹慎的樂觀態(tài)度，他的分析建基于對服務經(jīng)濟本質(zhì)的理解。

「GDP 是否在那個世界中仍有意義？如果你包括服務，它是有的。制造業(yè)的一個問題是，每個人都專注于貿(mào)易逆差，但他們不理解現(xiàn)代經(jīng)濟的絕大部分是服務經(jīng)濟，而不是制造經(jīng)濟?！?/p>

他用歷史數(shù)據(jù)支持這個觀點：「如果你看農(nóng)業(yè)的比例，在一百年內(nèi)從大約98% 降到大約2% 到3%。如果你看制造業(yè)，30、40、50年代的全盛期，這些比例現(xiàn)在降到了遠低于10%。這不是因為我們不東西，而是因為東西被自動化了。你需要更少的人。有很多人在其他工作中工作?！?/p>

新工作機會的創(chuàng)造

Schmidt 駁斥了AI會大規(guī)模取代工作的悲觀論調(diào)，他用Amazon的例子說明新技術如何創(chuàng)造就業(yè)：「所有在Amazon配送中心和Amazon卡車上工作的人，這些工作在Amazon創(chuàng)建之前并不存在。美國現(xiàn)在工作短缺的第一名是卡車司機。為什么？卡車駕駛是一個孤獨、艱難、低薪、低地位的工作。他們不想要它。他們想要一個薪水更高的工作?！?/p>

人類目的的永恒性

面對人類可能失去目的感的擔憂，Schmidt 提出了深刻的反思：「我擔心的情況是，如果你想做某事，請你的機器人或你的AI為你做會更容易。但總會有新的挑。

當我還是個孩子的時候，我會修理我父親的車。我不再這樣做了。當我還是個孩子的時候，我會修剪草坪。我不再這樣做了。有很多我們過去做的事情的例子，我們不再需要做了。但會有很多事情。」

他強調(diào)人類本質(zhì)需求的不變性：「記住，我描述的世界的復雜性不是一個簡單的世界。僅僅管理你周圍的世界就會是一項全職的、有目的的工作。部分是因為會有很多人為了錯誤資訊和你的注意力而斗，有很多競爭等等?！?/p>

哲學思考的重要性

Schmidt 特別強調(diào)了深度思考在AI時代的價值：「如果你在未來的人生目的是弄清楚發(fā)生了什么并取得成功，僅僅弄清楚這一點就足夠了。因為一旦你弄清楚了，它就為你處理了。這很美，對吧？這提供了目的?！?/p>

他認為，即使機器人承擔了大量體力勞動，人類仍有不可替代的價值：「很明顯，機器人將接管大量的機械或手工工作。對于喜歡修車的人，我不再這樣做了。我想念它，但我用我的時間做其他事情?！?/p>

結(jié)語：歷史的轉(zhuǎn)折點

Eric Schmidt 的訪談描繪了一個既充滿機遇又充滿挑的未來。數(shù)位超級智慧的到來不是是否的問題，而是何時的問題。他的預測提醒我們，現(xiàn)在就應該始思考和準備如何在這個即將到來的時代中保持人類的價值和目的。

正如他用歷史類比所強調(diào)的：「我們可以說現(xiàn)在是1938年，愛因斯坦給總統(tǒng)的信已經(jīng)到了，我們正在進行對話，我們說：『這將如何結(jié)束？』」我們正站在歷史的轉(zhuǎn)折點上，未來十年的選擇將決定人類文明的走向。

Schmidt 的最終呼吁簡單而深刻：「我們應該專注于那個目標。將所有這些窮人從他們面臨的日常掙扎中解放出來。這是一個偉大的人類目標。專注于此。這應該是我們的目標?！?/p>