全文 3,000字 | 閱讀約 8 分鐘

（Eric Schmidt最新預(yù)言：接下來(lái)10年決定未來(lái)100年）

2025 年，AI 世界正被無(wú)形的張力撕扯：

一邊是模型參數(shù)的激增，一邊是系統(tǒng)資源的極限。

大家都在問(wèn)：GPT-5、Claude 4、Gemini 2.5 誰(shuí)更強(qiáng)？但前谷歌 CEO Eric Schmidt (埃里克·施密特) 在 2025 年 9 月 20 日的公開(kāi)演講中提出了更深層的洞察：

“AI 的到來(lái)，在人類歷史上，等同于火、電的發(fā)明。而接下來(lái)的 10 年，將決定未來(lái) 100 年的格局。”

他不是在講模型性能，也不是 AGI 的遠(yuǎn)近，而是在說(shuō)：

AI 不再是提升工具效率，而是重新定義商業(yè)運(yùn)作方式。

與此同時(shí)，在硅谷知名投資機(jī)構(gòu) a16z 的一場(chǎng)對(duì)話中，芯片分析師 Dylan Patel 指出：

“夸張的說(shuō)，現(xiàn)在搶 GPU 就像搶‘毒品’一樣，你要托關(guān)系、找渠道、搶配額。但這不是重點(diǎn)，真正的競(jìng)爭(zhēng)是誰(shuí)能構(gòu)建出支撐 AI 的一個(gè)完整體系?！?/p>

兩人的觀點(diǎn)指向同一個(gè)發(fā)展趨勢(shì)：

• 參數(shù)不是邊界，電力是邊界；

• 模型不是護(hù)城河，平臺(tái)才是護(hù)城河；

• AGI 不是目的，落地才是關(guān)鍵

如果說(shuō)過(guò)去三年，AI 的主線是能力爆發(fā)；

那接下來(lái)十年，主線就是基礎(chǔ)建設(shè)。

第一節(jié)｜AI 不再是工具升級(jí)，而是系統(tǒng)重構(gòu)

在這場(chǎng)對(duì)話里，Eric Schmidt 開(kāi)門(mén)見(jiàn)山地說(shuō)：

“AI 的到來(lái)在人類歷史中，和電、火的發(fā)明處于同一等級(jí)?！?/p>

他不是在強(qiáng)調(diào) AI 有多聰明，而是在提醒大家：我們熟悉的工作方式、管理模式、賺錢(qián)方法，都可能要徹底改變。

不是讓 AI 幫你寫(xiě)得更快， 而是讓 AI 決定該怎么寫(xiě)。

Schmidt 說(shuō)，現(xiàn)在最強(qiáng)的 AI 工具，已經(jīng)不再是一個(gè)助手了，而是正在變成：

一種全新的基礎(chǔ)設(shè)施，就像電網(wǎng)一樣，成為所有組織的標(biāo)準(zhǔn)配置。

這一句話，直接顛覆了過(guò)去幾年人們對(duì) AI 的看法。

換句話說(shuō)，這不是個(gè)人技能提升或團(tuán)隊(duì)效率優(yōu)化，而是整個(gè)組織運(yùn)轉(zhuǎn)方式的根本改變：

• 決策方式變了，AI 參與思考；

• 寫(xiě)作、編程、客服、財(cái)務(wù)都有了 AI 搭檔；

• 數(shù)據(jù)輸入、結(jié)果評(píng)估、反饋機(jī)制都被 AI 重新設(shè)計(jì)。

這種全面的組織變革讓 Schmidt 意識(shí)到，不是預(yù)先制定詳細(xì)流程，而是在實(shí)際應(yīng)用中讓 AI 逐步適應(yīng)和優(yōu)化。

據(jù)他介紹，自己目前參與的幾家創(chuàng)業(yè)公司都采用了這種方法，不是先做完整規(guī)劃，而是讓 AI 直接參與工作，在實(shí)踐中不斷調(diào)整和完善。

所以他講的，不是模型更強(qiáng)了，而是組織要不要轉(zhuǎn)向 AI 原生的新形態(tài)。

AI 正在從工具，變成企業(yè)運(yùn)營(yíng)的基礎(chǔ)設(shè)施。

第二節(jié)｜限制 AI 發(fā)展的，是電力

過(guò)去我們總以為，AI 的能力發(fā)展，會(huì)被技術(shù)卡?。?/p>

• 芯片性能不夠，模型算不動(dòng)；

• 算法太復(fù)雜，推理速度太慢。

但 Eric Schmidt 說(shuō)，真正限制 AI 發(fā)展的不是技術(shù)參數(shù)，而是電力供應(yīng)。

他提到一個(gè)具體數(shù)據(jù)：

“到 2030 年，美國(guó)需要新增 92GW 電力，才能支撐數(shù)據(jù)中心的需求?！?/p>

什么概念？

一個(gè)大型核電站，功率也不過(guò) 1 到 1.5GW。

92GW，相當(dāng)于幾十座核電站的發(fā)電量?，F(xiàn)實(shí)卻是：美國(guó)當(dāng)前在建核電站，基本是零。

這意味著，未來(lái)問(wèn)題不是模型技術(shù)不夠先進(jìn)，而是電力供應(yīng)跟不上訓(xùn)練需求。

Schmidt 甚至對(duì)國(guó)會(huì)說(shuō)過(guò)一個(gè)令人意外的例子：他們可能需要在海外訓(xùn)練美國(guó)自己的模型，比如在中東國(guó)家的發(fā)電基地。

（Sam Altman 剛剛發(fā)布博客：《智能時(shí)代的無(wú)限可能》）

這種對(duì)電力的渴求并非危言聳聽(tīng)。就在 9 月23 日，OpenAI CEO Sam Altman 剛剛發(fā)布博客，提出了一個(gè)更激進(jìn)的方向：我們希望建造一種工廠，每周新增 1GW 的 AI 算力設(shè)施，用電規(guī)?？氨纫蛔鞘小?/p>

他明確指出，這將需要芯片、電力、機(jī)器人、建筑等多個(gè)系統(tǒng)的協(xié)同突破。

用他的話說(shuō)：“一切都始于計(jì)算?！?/strong>

Altman 的這個(gè)目標(biāo)，不是遠(yuǎn)景展示，而是正在布局的基礎(chǔ)建設(shè)。它正是 Schmidt 所說(shuō)“AI 將成為新電網(wǎng)”的現(xiàn)實(shí)化路徑。

事實(shí)上：

模型訓(xùn)練本身并不貴，真正的成本是電力消耗、運(yùn)行時(shí)間和設(shè)備維護(hù)。

隨著推理任務(wù)越來(lái)越多，生成內(nèi)容越來(lái)越復(fù)雜（圖像、視頻、長(zhǎng)文本），AI 工廠的電量需求正變成新的算力瓶頸。

Dylan Patel 在另一場(chǎng)對(duì)話中也提到，搭建 AI 系統(tǒng)時(shí)，不僅要考慮芯片有多快，還要考慮散熱、電費(fèi)、穩(wěn)定性。他說(shuō)得更形象：

“AI 工廠不是買(mǎi)一堆 GPU 就行，還要考慮電能調(diào)度和持續(xù)運(yùn)行能力。”

所以這不是芯片問(wèn)題，而是電力跟不跟得上的問(wèn)題。

而當(dāng)電力無(wú)法滿足時(shí)，連鎖反應(yīng)就來(lái)了：

• 模型不能訓(xùn)練；

• 推理成本升高；

• AI 工具無(wú)法大規(guī)模部署；

• 最終失去落地的可能性。

Schmidt 認(rèn)為，基礎(chǔ)設(shè)施跟不上是目前 AI 落地面臨的最大現(xiàn)實(shí)挑戰(zhàn)。沒(méi)有足夠能源支撐，再領(lǐng)先的模型能力也用不起來(lái)。

因此，AI 的下一個(gè)戰(zhàn)場(chǎng)不在實(shí)驗(yàn)室，而在發(fā)電廠。

第三節(jié)｜不是誰(shuí)有芯片，而是誰(shuí)能把它們用起來(lái)

而即便電力解決了，問(wèn)題還沒(méi)完。你真的能把這些芯片、模型、任務(wù)，全都運(yùn)行起來(lái)嗎？

很多人以為，只要拿到 H100、B200 這些最先進(jìn)的芯片，AI 工廠就建成了。

但 Dylan Patel 一上來(lái)就潑了冷水：

“現(xiàn)在 GPU 非常緊缺，要發(fā)短信到處問(wèn)'你有多少貨？什么價(jià)格？”

他接著說(shuō)：

“但光有芯片還不夠。核心是要讓它們有效協(xié)作?！?/p>

也就是說(shuō)，芯片本身只是一個(gè)部件，真正決定 AI 工廠能否持續(xù)運(yùn)行的，是你有沒(méi)有能力把這些芯片整合起來(lái)運(yùn)行。

他將這種整合能力分為四個(gè)層面：

1. 算力底座：GPU、TPU 等硬件基礎(chǔ)；

2. 軟件棧：訓(xùn)練框架、調(diào)度系統(tǒng)、任務(wù)分配器；

3. 冷卻與電力管理：不只是有電，還要把溫度、負(fù)載、電費(fèi)控制好；

4. 工程能力：誰(shuí)來(lái)優(yōu)化模型、調(diào)優(yōu)算力、控制成本。

這就是 Dylan 所說(shuō)的“AI 工廠”的核心：AI 工廠不是一個(gè)模型、也不是一張卡，而是一整套連續(xù)的工程調(diào)度能力。

你會(huì)發(fā)現(xiàn)，AI 工廠不僅需要大量算力，更需要復(fù)雜的工程配合：

• 一堆 GPU 是“原材料”；

• 軟件調(diào)度是“控制室”；

• 冷卻和電力是“水電工”；

• 工程團(tuán)隊(duì)是“維修組”。

簡(jiǎn)單來(lái)說(shuō)，重心已經(jīng)從“造模型”轉(zhuǎn)向了“建基礎(chǔ)設(shè)施”。

Dylan 觀察到一個(gè)有趣的現(xiàn)象：你看現(xiàn)在的芯片公司，不只是賣(mài)卡了，而是開(kāi)始“包施工”了。Nvidia 開(kāi)始幫客戶整合服務(wù)器、配置冷卻、搭建平臺(tái)，自己就成了平臺(tái)。

（圖源：路透社報(bào)道）

這場(chǎng)訪談發(fā)布的同一天，Nvidia 與 OpenAI 公布了一項(xiàng)未來(lái)合作意向：Nvidia 將為 OpenAI 提供最多 10GW 級(jí)別的數(shù)據(jù)中心資源，投資規(guī)?？赡苓_(dá)到數(shù) 1000 億美元。

Sam Altman 在聲明中說(shuō)了一句話，恰好印證了上面這個(gè)邏輯：

計(jì)算基礎(chǔ)設(shè)施將是未來(lái)經(jīng)濟(jì)的基礎(chǔ)。Nvidia 不只是賣(mài)卡、供芯片，更是和他們一起部署、建設(shè)、運(yùn)營(yíng)整個(gè) AI 工廠。

這說(shuō)明了一個(gè)趨勢(shì)：真正有能力形成閉環(huán)的，不是最聰明的人，而是最懂如何落地的人。

也就是：

• 能造出模型，是一回事；

• 能讓模型每天穩(wěn)定運(yùn)行，是另一回事。

AI 不再是買(mǎi)來(lái)就能用的產(chǎn)品，而是需要持續(xù)運(yùn)營(yíng)的復(fù)雜工程系統(tǒng)。關(guān)鍵是你有沒(méi)有長(zhǎng)期運(yùn)營(yíng)這套系統(tǒng)的能力。

第四節(jié)｜AI 能力擴(kuò)散成趨勢(shì)，競(jìng)爭(zhēng)焦點(diǎn)在哪？

當(dāng)大家還在爭(zhēng)奪運(yùn)營(yíng)能力時(shí)，新的變化已經(jīng)出現(xiàn)了。

AI 模型做得越來(lái)越好，越來(lái)越聰明，但 Eric Schmidt 提了個(gè)警告：

“我們無(wú)法阻止模型蒸餾。幾乎任何一個(gè)能訪問(wèn) API 的人，都能復(fù)制它的能力?！?/p>

什么是蒸餾？簡(jiǎn)單說(shuō)：

• 大模型雖然能力強(qiáng)，但部署成本太高；

• 研究者會(huì)用它來(lái)訓(xùn)練一個(gè)小模型，讓小模型模仿它的思考方式；

• 成本低、速度快、精度高、難以追蹤。

就像你沒(méi)辦法復(fù)制一個(gè)頂級(jí)廚師，但可以通過(guò)他做出來(lái)的菜，教會(huì)另一個(gè)人做出八成相似的效果。

問(wèn)題就來(lái)了：能力越容易被轉(zhuǎn)移，模型本身越難被限制。

（Dylan Patel，知名芯片行業(yè)分析師，專注AI基礎(chǔ)設(shè)施研究）

Dylan Patel 也提到一個(gè)行業(yè)趨勢(shì)：

現(xiàn)在蒸餾成本，只占原始訓(xùn)練的 1% 左右，卻能復(fù)現(xiàn)原模型 80-90% 的能力。

即使 OpenAI、Google、Anthropic 把模型保護(hù)得再嚴(yán)密，也擋不住有人通過(guò)蒸餾獲得相似能力。

以前大家比的是誰(shuí)更強(qiáng)；現(xiàn)在開(kāi)始擔(dān)心誰(shuí)還控制得住？

Schmidt 在訪談里說(shuō)：最大的模型將永不開(kāi)放。而小模型的擴(kuò)散，將不可避免。

他不是在鼓吹封閉，而是在提醒一個(gè)現(xiàn)實(shí)：技術(shù)擴(kuò)散的速度，可能遠(yuǎn)快于治理跟上的節(jié)奏。

舉個(gè)例子，現(xiàn)在已有不少團(tuán)隊(duì)用 GPT-4 的 API，去蒸餾出一個(gè) GPT-4-lite：

• 成本低，易部署；

• 基本對(duì)外沒(méi)有明確標(biāo)識(shí)；

• 用戶用起來(lái)感覺(jué)幾乎一樣。

這就帶來(lái)一個(gè)難題：模型的能力，可能會(huì)像“空氣”一樣擴(kuò)散；但模型的源頭、責(zé)任歸屬、使用邊界，都很難界定清楚。

Schmidt 真正擔(dān)心不是模型太強(qiáng)，而是：

“當(dāng)越來(lái)越多的模型具備強(qiáng)能力，卻不受監(jiān)管、難以溯源、責(zé)任不清，我們?cè)撊绾未_保 AI 的可信度？”

這種現(xiàn)象已經(jīng)不是假設(shè)，而是當(dāng)前的現(xiàn)實(shí)。

隨著 AI 能力擴(kuò)散已經(jīng)成為不可逆轉(zhuǎn)的趨勢(shì)。單純擁有先進(jìn)模型不再是護(hù)城河。競(jìng)爭(zhēng)的焦點(diǎn)已經(jīng)轉(zhuǎn)向了如何更好地運(yùn)用和服務(wù)這些能力。

第五節(jié)｜平臺(tái)的關(guān)鍵，是越用越準(zhǔn)

所以最終，比能不能造出來(lái)更重要的是：你能不能構(gòu)建出一個(gè)越用越好的平臺(tái)？

Eric Schmidt 給出了他的答案：

“未來(lái)成功的 AI 公司，不只拼模型性能，更要拼持續(xù)學(xué)習(xí)的能力?！?/p>

通俗說(shuō)就是：你不是一次性做出一個(gè)產(chǎn)品就完事，而是建一個(gè)平臺(tái)，讓它用得越多越聰明、越用越好用、越用越穩(wěn)定。

他進(jìn)一步解釋：

平臺(tái)的核心不是功能，而是讓別人離不開(kāi)你。

比如：

• 電網(wǎng)不是因?yàn)闊襞萘?，而是因?yàn)槟茏屗袩舳剂粒?/p>

• 操作系統(tǒng)不是因?yàn)楣δ芏啵悄茏屢慌鷳?yīng)用穩(wěn)定運(yùn)行；

• AI 平臺(tái)也一樣，不是做出某個(gè)智能助手，而是讓別的團(tuán)隊(duì)、用戶、模型都能接入、調(diào)用、增強(qiáng)。

AI 平臺(tái)不是某個(gè)功能，而是一套持續(xù)運(yùn)轉(zhuǎn)的服務(wù)網(wǎng)絡(luò)。

他還建議年輕創(chuàng)始人：不要只問(wèn)這個(gè)產(chǎn)品做得完美不完美。要看它有沒(méi)有形成一條“用 → 學(xué) → 優(yōu)化 → 再用”的路徑。

因?yàn)椋耗艹掷m(xù)學(xué)習(xí)的平臺(tái)，才有長(zhǎng)期生存的可能。

Dylan Patel 補(bǔ)充說(shuō)，這其實(shí)也是 Nvidia 成功的路徑。黃仁勛做了三十年 CEO，靠的不是運(yùn)氣，而是不斷把芯片和軟件綁成閉環(huán)：客戶用得越多，他就越了解客戶想要什么；越了解需求，產(chǎn)品就越好用；產(chǎn)品越好用，客戶就越難放棄。

這樣就形成了良性循環(huán)，越用越值。

不是“發(fā)布即巔峰”，而是能夠持續(xù)成長(zhǎng)的平臺(tái)。

Schmidt 總結(jié)得很清晰：你能不能構(gòu)建出這樣一個(gè)增長(zhǎng)機(jī)制？一開(kāi)始可能很小，但它能不斷適應(yīng)、不斷擴(kuò)展、不斷更新？

他對(duì)未來(lái) AI 平臺(tái)成功者的判斷是：

不是你寫(xiě)了什么代碼，而是你能不能讓一個(gè)平臺(tái)活下來(lái)，而且越活越強(qiáng)。

結(jié)語(yǔ)｜誰(shuí)先形成閉環(huán)，誰(shuí)贏未來(lái)

Eric Schmidt 在訪談中說(shuō)：

“AI 就像電與火，這 10 年，將決定未來(lái) 100 年。”

AI 的能力已經(jīng)準(zhǔn)備好了，但往哪走、怎么搭、怎么用還沒(méi)想清楚。

現(xiàn)在的重點(diǎn)不是等下一代模型，而是把現(xiàn)有 AI 用起來(lái)、用得好。別總想著 GPT-6/DeepSeek R2 什么時(shí)候出，先把手頭的工具在客服、寫(xiě)作、數(shù)據(jù)分析等場(chǎng)景中跑通。讓 AI 能 24 小時(shí)穩(wěn)定工作，而不是只在發(fā)布會(huì)上驚艷一下。

這不是聰明人的比賽，而是執(zhí)行力的較量。

誰(shuí)能率先把 AI 從實(shí)驗(yàn)室?guī)У浆F(xiàn)實(shí)，誰(shuí)就掌握了未來(lái)十年的主動(dòng)權(quán)。

而這場(chǎng)“閉環(huán)之爭(zhēng)”，從現(xiàn)在就已經(jīng)開(kāi)始。

本文由AI深度研究院出品，內(nèi)容基于Eric Schmidt（前谷歌CEO）與Dylan Patel（SemiAnalysis CEO）訪談翻譯整理。未經(jīng)授權(quán)，不得轉(zhuǎn)載。

星標(biāo)公眾號(hào)， 點(diǎn)這里 1. 點(diǎn)擊右上角 2. 點(diǎn)擊"設(shè)為星標(biāo)" ← AI深度研究員 ? ← 設(shè)為星標(biāo)

參考資料：

https://www.youtube.com/watch?v=vvlE8-MzxyA

https://www.youtube.com/watch?v=bircUYzIlMg&t=442s

https://blog.samaltman.com/abundant-intelligence

https://eta-publications.lbl.gov/sites/default/files/2024-12/lbnl-2024-united-states-data-center-energy-usage-report.pdf?utm_medium=email&utm_source=chatgpt.com

https://techpolicy.press/transcript-us-lawmakers-probe-ais-role-in-energy-and-climate

https://eta-publications.lbl.gov/sites/default/files/2024-12/lbnl-2024-united-states-data-center-energy-usage-report.pdf?utm_medium=email&utm_source=chatgpt.com

來(lái)源：官方媒體/網(wǎng)絡(luò)新聞

排版：Atlas

編輯：深思

主編: 圖靈