「发疯」之余，谷歌前 CEO 演讲里还藏着这些 AI 真相

前阵子谷歌前 CEO 施密特在斯坦福大学的演讲分享彻底出圈了。其中内容牵涉到大量 硅谷科技企业的辛秘和 AI 相关的观点分享，相当多的言论看起来非常离谱且不加掩饰。

很多文章将施密特的分享视作为「发疯」和「放飞自我」，但实际上，这些内容仅仅只是截取了施密特大量演讲内容当中很小的抓眼球的一部分。由于施密特本人的特殊身份和经历，所分享的内容也许并没有看起来那样仅有娱乐属性。国外还有不少媒体，会认为施密特的分享，直接大声说出了了这场 AI 革命中沉默的真相，把房间中的大象指给所有人看。

我在 Github 上找到了现场的录音和转录的文本，以下是重新阅读后提取的主要值得看的部分。

施密特丰富多样的背景

在开始之前，我觉得有必要先了解一下施密特本人。

施密特并不只是一名成功的商人和企业家，在职业生涯早期，施密特曾在IT公司担任过一系列技术职位，其中包括 Byzromotti Design、贝尔实验室（负责研发）、Zilog 和 帕罗奥托研究中心（PARC，也就是诞生最早图形化界面的那个），他还曾是知名计算机企业 Sun（太阳微系统公司） 的首位软件经理。

这也意味着，即使后期他进入谷歌公司、包括成为谷歌母公司的 CEO，他也绝不是简简单单的「职业经理人」上位，而是彻彻底底熟知技术、精通商业的技术型官僚。在谷歌担任 CEO 期间，他做出了许多重要的决策，他对于移动计算的战略偏好，让他成为当时推动收购 Andorid 的重要推手，这也为 Android 随后成为移动互联网两大操作系统之一奠定基础，也为 Google 争取到了巨大的发展契机。

需要注意的是，在施密特在谷歌担任 CEO 的 10 年间，他还同时成为了苹果的董事会成员；从 谷歌 CEO 位置退下之后，他转职为 董事长，并且直到 2017 年才彻底离开董事会。

需要特别注意的是，施密特身份的独特性还不止于此。根据 2016 年 3 月公开的信息显示，他还加入了国防部下辖的「国防创新顾问委员会」，作为科技企业和国防部的联络机构。2019 年至 2021 年期间，他与罗伯特·O·沃克共同担任国家人工智能安全委员会主席，而根据这次演讲内容，他还参与了 AI 在军事领域的应用。

我之所以要强调施密特的个人经历和背景，重点是要强调，他在技术、商业甚至军事领域都有足够深的涉猎，虽然在整个访谈过程中，有很多牵涉他个人立场的内容可能并不那么「公允理智客观」，甚至某些内容也可以被冠以「发疯」的标签，但是其中很多内容和观点，依然极具参考价值，这2个小时的「公开」分享当中的诸多信息，值得重看。

AI 趋势和「抄袭 Tiktok」

在整个分享的开头，施密特在互动中分享了他所观察到的重要的 AI 趋势。

• Python 和 Mojo 语言之争

「我从未希望看到 Python 这种编程语言（在过去的编程技术迭代中）存活下来，然而如今人工智能领域的一切都借助 Python 语言中完成。与此同时，另一种名为 Mojo 的新语言刚刚问世，而它看起来终于更好地解决了人工智能编程的问题，我们将拭目以待，看看这种语言是否真的能取代 Python 的统治地位。」

• CUDA 的马太效应

「为什么英伟达价值 2 万亿美元，而其他公司却举步维艰？答案是技术。……这可以归结为大部分代码都需要运行 CUDA 优化，而目前只有Nvidia的 GPU 支持这种优化。我喜欢把 CUDA 视为 GPU 的 C 编程语言。Cuda诞生于 2008 年，我一直认为这是一门糟糕的语言，但它却成为了主流。……有一组开源库针对 CUDA 进行了高度优化，而不是其他东西。……如果你想与 Cuda 竞争，面对高度优化的 CUDA，就很难对抗和复制了。」

CUDA 因为 Nvidia 显卡的不可替代性而变得重要，这毫无疑问是一种技术上的马太效应（强者愈强弱者越弱的现象）。

• AI 的文本转操作

「Text to Action，不是把文字变成更多的文字，而是把文字变成 AI 所触发的动作。……明年，你将看到非常大的上下文窗口、AI 代理和文本转操作。当它们被大规模应用时，将会对世界产生巨大的影响，而这种影响的程度还没有人能够理解。在我看来，这比社交媒体给我们带来的可怕影响要大得多。」

紧接着，为了体现这些趋势的强大之处，施密特说出了另外一个令人诧异的「案例」：

「举个例子，美国政府正在试图禁止 TikTok，如果 TikTok 正式被禁，我建议你们每个人都这么做：对你们的大模型说：给我复制一份 TikTok，偷走所有的用户信息，偷走所有的音乐，把我的喜好加进去。在接下来的 30 秒内，制作出这个 APP，发布出去，一个小时后，如果它还没有出现病毒式传播，就按照同样的思路微调，加入一些不同的东西。」

「如果任意文本能被 AI 变成任意可执行的数字命令，你知道这有多么强大。……想象一下，地球上的每一个人都有自己的私有程序员，你也不用花那么多钱，而且这些程序的供应量是无限的。这一切都在未来一两年内可以实现。」

可怕的地方在于，这是以为知名企业家在这样的场合明目张胆地以抄袭作为范例来预测 AI 未来的能力。他在后续的分享中，还越描越黑：

「顺便说一句，我并不是说你应该非法地窃取别人的音乐。如果你是硅谷的创业者，你会做的是，如果 APP 起飞了，去雇一大堆律师去收拾残局，明白吗？但如果没人使用你的产品，你偷了所有内容也没用。」

施密特直接点破了硅谷企业在产品层面的抄袭流程。虽然这曾经是房间里的大象，但是之前稍有这个级别的企业家真正将其点破。

「换句话说，硅谷会进行这些测试，然后帮你收拾残局。这些事情通常就是这么做的。不要引用我的话。」

时间和效率：谷歌在 AI 革命中失利的原因

除了开头提到的「要求与会者不要分享会议内容」的部分，他这次分享中，引起大范围讨论的内容之一，是他作为前谷歌 CEO，对于 AI 革命中谷歌失败的「归因」：

「谷歌认为，工作与生活的平衡、早回家和在家工作比获胜更重要。而初创企业之所以能成功，是因为人们拼命工作。很抱歉我说得这么直白，但事实是，如果你们都离开大学去创办一家公司，你们就不会让员工在家工作，一周只来一天。如果你想与其他初创公司竞争，早期的谷歌、微软都是这样。」

「我对台积电印象深刻。他们规定，即使是新来的优秀物理学博士也要在工厂一线工作体验。你能想象让美国物理学家和博士们也这样做吗？不太可能。这是截然不同的职业道德标准。我之所以同样苛刻，是因为在整个产业生态中，这具有网络效应。」

网络效应也叫网络外部性，当采用某产品或服务的人数越多，那么每个用户获得的价值也越高，和「规模效应」类似。更卷的系统获得更高的价值。

「……因为时间很重要，但是很多企业不是这样。……我和电信公司签协议要耗费 18 个月，但是这个时间消耗完全没有理由。

「我们正处于增长最快、收益最大的历史阶段。」

对于时间效率的问题，他在分享中还举了马斯克的例子。

「……我们也许不喜欢马斯克的私生活和个人行为，但是看看他是怎么脱颖而出的吧。晚上我和他吃完饭之后，他立刻赶飞机，去参加晚上 10 点和 xAI 团队开会。创业者们总是把人逼到极限。」

施密特对于「东亚式内卷」的偏好和目前已经建立起来的硅谷文化显得有点格格不入。AI 大模型研发上，谷歌不敌 OpenAI 也就算了，排名不如 Anthropic 和 Claude 这一点，让这位前 CEO 着实破防。

施密特还在分享过程中，穿插着点评了其他的几家顶级的科技公司：

• 关于微软

「……现在还需要疯狂的想法。就像微软与OpenAI的交易一样，我之前认为这是最愚蠢的想法，把 AI 的领导权外包给 OpenAI 的 山姆及其团队。在其他地方，没人会这么做。然而如今，微软正在成为最有价值的公司。他们无疑是苹果公司的头号竞争对手。」

• 关于苹果

「……（在软件层面）苹果没有好的 AI 解决方案。在硬件方面，苹果将一部分 Macbook 的生产线转移到德州的原因，并不是因为德州的劳动力便宜，相反是因为他们不再需要大量的劳动力。美国的制造业产值正在激增，但是就业人数并没有大幅增长。」

• 关于 AMD 和 Nvidia

「AMD，他们正试图在韩国建立晶圆厂，英特尔的垄断已经结束了……我跟 AMD 和 Lisa Sue 交谈了很久。他们建立一个可以从 CUDA 架构转换到他们自己的架构的东西，叫做 Rockum。目前还不能完全运行。如今垄断市场的，其实是 Nvidia」

资本与开源：AI 背后的硬博弈

作为一个投资人以及有着丰富企业运营经验的企业家，施密特对 AI 的前景持乐观态度，同时也确实以身入局，作为一个和头部企业有着密切关联的企业家，他也呈现出令人震惊的……迷茫：

「现在大家在 AI 里投的钱多得让人匪夷所思。而我的选择是，基本上什么都投，因为我不知道谁会赢。」

同时，AI 领域的还在快速转变，正是基于之前对于现有 AI 发展状况和 3 个趋势的预测，施密特重新调整了 6 个月之前的预期：

「六个月前，我还坚信差距会越来越小，所以我在小公司身上投了很多钱。现在我不这么认为，大公司告诉我，他们需要100亿、200亿、500亿、1000亿。我和 OpenAI 的 山姆奥特曼是亲密的朋友，他告诉我 Stargate 项目需要 3000亿美元甚至更多。（而一旦拥有了）这些价值1000亿、3000亿美元的数据中心，电力开始成为稀缺资源。这注定是大国之间的竞争。」

虽然谁赢谁输他还没准确判断，但是可以确定几件事情，一个是 AI 领域是存在泡沫的：

「而我的选择是，我基本上什么都投，因为我不知道谁会赢。……市场上有一种信念，即智能发明的回报是无限的。因此，我们可能会经历一些巨大的投资泡沫，然后它会自行解决。过去如此，现在也可能如此。」

实际上科技领域的泡沫每隔一段时间就会出现，比如千禧年之前的以 Netscape 为代表的网络浏览器的那一拨科技泡沫，作为亲历者施密特应该是深有体会。

从开源软件中没少获益的施密特，认为 AI 领域后续的发展过程中，从开源转向闭源的趋势是必然，甚至他自己会亲自带头：

「法国有一家叫 Mistral 的 AI 公司，我是他们的投资者。他们如今已经推出了第二个开源的大版本。但是他们第三个版本可能是闭源的，因为成本太高了，他们需要收入，并且他们不能将自己的模型拱手相让。

「我的整个职业生涯都建立在人们愿意分享开源软件的基础上，我的一切都是开源的。然而，资本成本是如此巨大，可能会从根本上改变软件的构建方式。」

黑箱和革命：AI 的潜力和学习的必要

AI 在很多细分领域正在快速地迭代升级。施密特在开头提及趋势的时候，强调了上下文窗口、AI 代理和文本到操作的组合，施密特认为它们能够很好地提升 AI 的迭代速度和解决问题的能力：

「我认为主要是因为上下文窗口可以解决重复性的问题。目前的模型需要一年多的时间来训练，大概需要 18 个月，六个月的准备，六个月的训练，六个月的微调。
所以它们总是过时的，而上下文窗口则可以提供大量的的当前问题的背景信息。它会像谷歌一样，变得与时俱进。」

「有一种工具叫 ChemCrow，是一种基于大模型的化学学习 AI 系统。可以用它来生成关于蛋白质的化学假设，然后他们有个实验室通宵进行测试验证，然后 AI 就会学习迭代。这在化学、材料科学等领域是一个巨大的加速器。这是典型的 AI 代理。」

「而文本到操作如果实现，那么你可以说，给我打造一个谷歌的竞争对手，可以做网络搜索，建立UI，做好文案，以有趣的方式加入 AIGC 功能，30秒内完成，看看是否有效，就好了。所以很多人认为，包括谷歌在内的公司，在这种竞争面前其实是不堪一击的。」

这些确实极大的扩展了 AI 的触达和输出的能力，但是即便如此，施密特依然认为，我们虽然能创造 AI ，但是我们并不够了解 AI：

「理查德-费曼（Richard Feynman）曾经说过："我无法创造的东西，我也无法理解。"然而现在，我们正在创造能够创造的东西，但我们并不真正了解其中的奥秘。 」

「比如，AI 学到了我们认知中认为不好的东西，但是它无法告诉你它学到了什么，它也不知道这个好或者不好，而你作为训练者也不知道该问 AI 什么来这个问题（你不知道你不知道）。比如 AI 学会了某种你从未了解和猜想过的化学物质。」

施密特的回答很好地反映出大模型和 AI 本身强烈的黑箱属性，而这也正好涉及到新时代知识和学习的本质：

「而这延申出来的另一个问题是，知识的本质是否正在发生某种变化？在未来，是否会在 AI 不向我们解释的前提下，我们不得不开始只相信这些大模型？」

「因此，我们可能会需要一个知识系统，我们无法完全描述 AI 的特征，但我们了解 AI 的边界和极限。这也许就是我们能得到的最好结果。」

在整个演讲分享的问答环节，有人提出了这样一个问题：考虑到 AI 越来越强，我们还有必要学习代码吗？

对于这个问题，施密特的回答，在我看来，是非常值得想想的：

「因为归根结底，这还是一个老问题：如果你会说英语，为什么还要学英语？首先，学会之后，你会说得更好。其次，你确实需要了解这些系统是如何工作的，我对此深有感触。」

施密特其他的观点

在演讲分享的过程中，有太多一闪而逝的观点，不一定对，但是值得深挖。整个内容分享的信息量极大，以下是我的零星摘取：

• 拥有大量资金、大量人才、强大的教育体系和取胜意愿的国家（才可能在接下来的 AI 竞赛中取胜）。
• 可以肯定的是，在你们的有生之年，中美之间的知识霸权之争将是一场大战。
• （美国对比中国的）芯片优势大约为 10 年。
• （AI 发展下去）富人更富，穷人不得不尽力图存。事实上，这是一场属于富裕国家的游戏，对吧？
• 危险的工作和不需要人做判断的工作将被(AI)取代。
• CEO们一般都在追求收益最大化。为了最大限度地增加收入，就必须最大限度地提高参与度。要使参与度最大化，就要使愤怒最大化。算法会选择愤怒的情绪，因为它能带来更多收入。因此，人们会偏向于疯狂的东西。

音频文件：https://drive.google.com/file/d/1eQPHqcRwChpTHYEUQlhUDnBNnCSCTXtp/
参考来源：https://en.wikipedia.org/wiki/Eric_Schmidt