前陣子谷歌前 CEO 施密特在斯坦福大學的演講分享徹底出圈了。其中內(nèi)容牽涉到大量 硅谷科技企業(yè)的辛秘和 AI 相關的觀點分享，相當多的言論看起來非常離譜且不加掩飾。

很多文章將施密特的分享視作為「發(fā)瘋」和「放飛自我」，但實際上，這些內(nèi)容僅僅只是截取了施密特大量演講內(nèi)容當中很小的抓眼球的一部分。由于施密特本人的特殊身份和經(jīng)歷，所分享的內(nèi)容也許并沒有看起來那樣僅有娛樂屬性。國外還有不少媒體，會認為施密特的分享，直接大聲說出了了這場 AI 革命中沉默的真相，把房間中的大象指給所有人看。

我在 Github 上找到了現(xiàn)場的錄音和轉(zhuǎn)錄的文本，以下是重新閱讀后提取的主要值得看的部分。

施密特豐富多樣的背景

在開始之前，我覺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業(yè)家，在職業(yè)生涯早期，施密特曾在IT公司擔任過一系列技術職位，其中包括 Byzromotti Design、貝爾實驗室（負責研發(fā)）、Zilog 和 帕羅奧托研究中心（PARC，也就是誕生最早圖形化界面的那個），他還曾是知名計算機企業(yè) Sun（太陽微系統(tǒng)公司） 的首位軟件經(jīng)理。

這也意味著，即使后期他進入谷歌公司、包括成為谷歌母公司的 CEO，他也絕不是簡簡單單的「職業(yè)經(jīng)理人」上位，而是徹徹底底熟知技術、精通商業(yè)的技術型官僚。在谷歌擔任 CEO 期間，他做出了許多重要的決策，他對于移動計算的戰(zhàn)略偏好，讓他成為當時推動收購 Andorid 的重要推手，這也為 Android 隨后成為移動互聯(lián)網(wǎng)兩大操作系統(tǒng)之一奠定基礎，也為 Google 爭取到了巨大的發(fā)展契機。

需要注意的是，在施密特在谷歌擔任 CEO 的 10 年間，他還同時成為了蘋果的董事會成員；從 谷歌 CEO 位置退下之后，他轉(zhuǎn)職為 董事長，并且直到 2017 年才徹底離開董事會。

需要特別注意的是，施密特身份的獨特性還不止于此。根據(jù) 2016 年 3 月公開的信息顯示，他還加入了國防部下轄的「國防創(chuàng)新顧問委員會」，作為科技企業(yè)和國防部的聯(lián)絡機構。2019 年至 2021 年期間，他與羅伯特·O·沃克共同擔任國家人工智能安全委員會主席，而根據(jù)這次演講內(nèi)容，他還參與了 AI 在軍事領域的應用。

我之所以要強調(diào)施密特的個人經(jīng)歷和背景，重點是要強調(diào)，他在技術、商業(yè)甚至軍事領域都有足夠深的涉獵，雖然在整個訪談過程中，有很多牽涉他個人立場的內(nèi)容可能并不那么「公允理智客觀」，甚至某些內(nèi)容也可以被冠以「發(fā)瘋」的標簽，但是其中很多內(nèi)容和觀點，依然極具參考價值，這2個小時的「公開」分享當中的諸多信息，值得重看。

AI 趨勢和「抄襲 Tiktok」

在整個分享的開頭，施密特在互動中分享了他所觀察到的重要的 AI 趨勢。

• Python 和 Mojo 語言之爭

「我從未希望看到 Python 這種編程語言（在過去的編程技術迭代中）存活下來，然而如今人工智能領域的一切都借助 Python 語言中完成。與此同時，另一種名為 Mojo 的新語言剛剛問世，而它看起來終于更好地解決了人工智能編程的問題，我們將拭目以待，看看這種語言是否真的能取代 Python 的統(tǒng)治地位。」

• CUDA 的馬太效應

「為什么英偉達價值 2 萬億美元，而其他公司卻舉步維艱？答案是技術。……這可以歸結為大部分代碼都需要運行 CUDA 優(yōu)化，而目前只有Nvidia的 GPU 支持這種優(yōu)化。我喜歡把 CUDA 視為 GPU 的 C 編程語言。Cuda誕生于 2008 年，我一直認為這是一門糟糕的語言，但它卻成為了主流。……有一組開源庫針對 CUDA 進行了高度優(yōu)化，而不是其他東西。……如果你想與 Cuda 競爭，面對高度優(yōu)化的 CUDA，就很難對抗和復制了。」

CUDA 因為 Nvidia 顯卡的不可替代性而變得重要，這毫無疑問是一種技術上的馬太效應（強者愈強弱者越弱的現(xiàn)象）。

• AI 的文本轉(zhuǎn)操作

「Text to Action，不是把文字變成更多的文字，而是把文字變成 AI 所觸發(fā)的動作。……明年，你將看到非常大的上下文窗口、AI 代理和文本轉(zhuǎn)操作。當它們被大規(guī)模應用時，將會對世界產(chǎn)生巨大的影響，而這種影響的程度還沒有人能夠理解。在我看來，這比社交媒體給我們帶來的可怕影響要大得多。」

緊接著，為了體現(xiàn)這些趨勢的強大之處，施密特說出了另外一個令人詫異的「案例」：

「舉個例子，美國政府正在試圖禁止 TikTok，如果 TikTok 正式被禁，我建議你們每個人都這么做：對你們的大模型說：給我復制一份 TikTok，偷走所有的用戶信息，偷走所有的音樂，把我的喜好加進去。在接下來的 30 秒內(nèi)，制作出這個 APP，發(fā)布出去，一個小時后，如果它還沒有出現(xiàn)病毒式傳播，就按照同樣的思路微調(diào)，加入一些不同的東西。」

「如果任意文本能被 AI 變成任意可執(zhí)行的數(shù)字命令，你知道這有多么強大。……想象一下，地球上的每一個人都有自己的私有程序員，你也不用花那么多錢，而且這些程序的供應量是無限的。這一切都在未來一兩年內(nèi)可以實現(xiàn)。」

可怕的地方在于，這是以為知名企業(yè)家在這樣的場合明目張膽地以抄襲作為范例來預測 AI 未來的能力。他在后續(xù)的分享中，還越描越黑：

「順便說一句，我并不是說你應該非法地竊取別人的音樂。如果你是硅谷的創(chuàng)業(yè)者，你會做的是，如果 APP 起飛了，去雇一大堆律師去收拾殘局，明白嗎？但如果沒人使用你的產(chǎn)品，你偷了所有內(nèi)容也沒用。」

施密特直接點破了硅谷企業(yè)在產(chǎn)品層面的抄襲流程。雖然這曾經(jīng)是房間里的大象，但是之前稍有這個級別的企業(yè)家真正將其點破。

「換句話說，硅谷會進行這些測試，然后幫你收拾殘局。這些事情通常就是這么做的。不要引用我的話。」

時間和效率：谷歌在 AI 革命中失利的原因

除了開頭提到的「要求與會者不要分享會議內(nèi)容」的部分，他這次分享中，引起大范圍討論的內(nèi)容之一，是他作為前谷歌 CEO，對于 AI 革命中谷歌失敗的「歸因」：

「谷歌認為，工作與生活的平衡、早回家和在家工作比獲勝更重要。而初創(chuàng)企業(yè)之所以能成功，是因為人們拼命工作。很抱歉我說得這么直白，但事實是，如果你們都離開大學去創(chuàng)辦一家公司，你們就不會讓員工在家工作，一周只來一天。如果你想與其他初創(chuàng)公司競爭，早期的谷歌、微軟都是這樣。」

「我對臺積電印象深刻。他們規(guī)定，即使是新來的優(yōu)秀物理學博士也要在工廠一線工作體驗。你能想象讓美國物理學家和博士們也這樣做嗎？不太可能。這是截然不同的職業(yè)道德標準。我之所以同樣苛刻，是因為在整個產(chǎn)業(yè)生態(tài)中，這具有網(wǎng)絡效應。」

網(wǎng)絡效應也叫網(wǎng)絡外部性，當采用某產(chǎn)品或服務的人數(shù)越多，那么每個用戶獲得的價值也越高，和「規(guī)模效應」類似。更卷的系統(tǒng)獲得更高的價值。

「……因為時間很重要，但是很多企業(yè)不是這樣。……我和電信公司簽協(xié)議要耗費 18 個月，但是這個時間消耗完全沒有理由。

「我們正處于增長最快、收益最大的歷史階段。」

對于時間效率的問題，他在分享中還舉了馬斯克的例子。

「……我們也許不喜歡馬斯克的私生活和個人行為，但是看看他是怎么脫穎而出的吧。晚上我和他吃完飯之后，他立刻趕飛機，去參加晚上 10 點和 xAI 團隊開會。創(chuàng)業(yè)者們總是把人逼到極限。」

施密特對于「東亞式內(nèi)卷」的偏好和目前已經(jīng)建立起來的硅谷文化顯得有點格格不入。AI 大模型研發(fā)上，谷歌不敵 OpenAI 也就算了，排名不如 Anthropic 和 Claude 這一點，讓這位前 CEO 著實破防。

施密特還在分享過程中，穿插著點評了其他的幾家頂級的科技公司：

• 關于微軟

「……現(xiàn)在還需要瘋狂的想法。就像微軟與OpenAI的交易一樣，我之前認為這是最愚蠢的想法，把 AI 的領導權外包給 OpenAI 的 山姆及其團隊。在其他地方，沒人會這么做。然而如今，微軟正在成為最有價值的公司。他們無疑是蘋果公司的頭號競爭對手。」

• 關于蘋果

「……（在軟件層面）蘋果沒有好的 AI 解決方案。在硬件方面，蘋果將一部分 Macbook 的生產(chǎn)線轉(zhuǎn)移到德州的原因，并不是因為德州的勞動力便宜，相反是因為他們不再需要大量的勞動力。美國的制造業(yè)產(chǎn)值正在激增，但是就業(yè)人數(shù)并沒有大幅增長。」

• 關于 AMD 和 Nvidia

「AMD，他們正試圖在韓國建立晶圓廠，英特爾的壟斷已經(jīng)結束了……我跟 AMD 和 Lisa Sue 交談了很久。他們建立一個可以從 CUDA 架構轉(zhuǎn)換到他們自己的架構的東西，叫做 Rockum。目前還不能完全運行。如今壟斷市場的，其實是 Nvidia」

資本與開源：AI 背后的硬博弈

作為一個投資人以及有著豐富企業(yè)運營經(jīng)驗的企業(yè)家，施密特對 AI 的前景持樂觀態(tài)度，同時也確實以身入局，作為一個和頭部企業(yè)有著密切關聯(lián)的企業(yè)家，他也呈現(xiàn)出令人震驚的……迷茫：

「現(xiàn)在大家在 AI 里投的錢多得讓人匪夷所思。而我的選擇是，基本上什么都投，因為我不知道誰會贏。」

同時，AI 領域的還在快速轉(zhuǎn)變，正是基于之前對于現(xiàn)有 AI 發(fā)展狀況和 3 個趨勢的預測，施密特重新調(diào)整了 6 個月之前的預期：

「六個月前，我還堅信差距會越來越小，所以我在小公司身上投了很多錢。現(xiàn)在我不這么認為，大公司告訴我，他們需要100億、200億、500億、1000億。我和 OpenAI 的 山姆奧特曼是親密的朋友，他告訴我 Stargate 項目需要 3000億美元甚至更多。（而一旦擁有了）這些價值1000億、3000億美元的數(shù)據(jù)中心，電力開始成為稀缺資源。這注定是大國之間的競爭。」

雖然誰贏誰輸他還沒準確判斷，但是可以確定幾件事情，一個是 AI 領域是存在泡沫的：

「而我的選擇是，我基本上什么都投，因為我不知道誰會贏。……市場上有一種信念，即智能發(fā)明的回報是無限的。因此，我們可能會經(jīng)歷一些巨大的投資泡沫，然后它會自行解決。過去如此，現(xiàn)在也可能如此。」

實際上科技領域的泡沫每隔一段時間就會出現(xiàn)，比如千禧年之前的以 Netscape 為代表的網(wǎng)絡瀏覽器的那一撥科技泡沫，作為親歷者施密特應該是深有體會。

從開源軟件中沒少獲益的施密特，認為 AI 領域后續(xù)的發(fā)展過程中，從開源轉(zhuǎn)向閉源的趨勢是必然，甚至他自己會親自帶頭：

「法國有一家叫 Mistral 的 AI 公司，我是他們的投資者。他們?nèi)缃褚呀?jīng)推出了第二個開源的大版本。但是他們第三個版本可能是閉源的，因為成本太高了，他們需要收入，并且他們不能將自己的模型拱手相讓。

「我的整個職業(yè)生涯都建立在人們愿意分享開源軟件的基礎上，我的一切都是開源的。然而，資本成本是如此巨大，可能會從根本上改變軟件的構建方式。」

黑箱和革命：AI 的潛力和學習的必要

AI 在很多細分領域正在快速地迭代升級。施密特在開頭提及趨勢的時候，強調(diào)了上下文窗口、AI 代理和文本到操作的組合，施密特認為它們能夠很好地提升 AI 的迭代速度和解決問題的能力：

「我認為主要是因為上下文窗口可以解決重復性的問題。目前的模型需要一年多的時間來訓練，大概需要 18 個月，六個月的準備，六個月的訓練，六個月的微調(diào)。
所以它們總是過時的，而上下文窗口則可以提供大量的的當前問題的背景信息。它會像谷歌一樣，變得與時俱進。」

「有一種工具叫 ChemCrow，是一種基于大模型的化學學習 AI 系統(tǒng)。可以用它來生成關于蛋白質(zhì)的化學假設，然后他們有個實驗室通宵進行測試驗證，然后 AI 就會學習迭代。這在化學、材料科學等領域是一個巨大的加速器。這是典型的 AI 代理。」

「而文本到操作如果實現(xiàn)，那么你可以說，給我打造一個谷歌的競爭對手，可以做網(wǎng)絡搜索，建立UI，做好文案，以有趣的方式加入 AIGC 功能，30秒內(nèi)完成，看看是否有效，就好了。所以很多人認為，包括谷歌在內(nèi)的公司，在這種競爭面前其實是不堪一擊的。」

這些確實極大的擴展了 AI 的觸達和輸出的能力，但是即便如此，施密特依然認為，我們雖然能創(chuàng)造 AI ，但是我們并不夠了解 AI：

「理查德-費曼（Richard Feynman）曾經(jīng)說過："我無法創(chuàng)造的東西，我也無法理解。"然而現(xiàn)在，我們正在創(chuàng)造能夠創(chuàng)造的東西，但我們并不真正了解其中的奧秘。 」

「比如，AI 學到了我們認知中認為不好的東西，但是它無法告訴你它學到了什么，它也不知道這個好或者不好，而你作為訓練者也不知道該問 AI 什么來這個問題（你不知道你不知道）。比如 AI 學會了某種你從未了解和猜想過的化學物質(zhì)。」

施密特的回答很好地反映出大模型和 AI 本身強烈的黑箱屬性，而這也正好涉及到新時代知識和學習的本質(zhì)：

「而這延申出來的另一個問題是，知識的本質(zhì)是否正在發(fā)生某種變化？在未來，是否會在 AI 不向我們解釋的前提下，我們不得不開始只相信這些大模型？」

「因此，我們可能會需要一個知識系統(tǒng)，我們無法完全描述 AI 的特征，但我們了解 AI 的邊界和極限。這也許就是我們能得到的最好結果。」

在整個演講分享的問答環(huán)節(jié)，有人提出了這樣一個問題：考慮到 AI 越來越強，我們還有必要學習代碼嗎？

對于這個問題，施密特的回答，在我看來，是非常值得想想的：

「因為歸根結底，這還是一個老問題：如果你會說英語，為什么還要學英語？首先，學會之后，你會說得更好。其次，你確實需要了解這些系統(tǒng)是如何工作的，我對此深有感觸。」

施密特其他的觀點

在演講分享的過程中，有太多一閃而逝的觀點，不一定對，但是值得深挖。整個內(nèi)容分享的信息量極大，以下是我的零星摘取：

• 擁有大量資金、大量人才、強大的教育體系和取勝意愿的國家（才可能在接下來的 AI 競賽中取勝）。
• 可以肯定的是，在你們的有生之年，中美之間的知識霸權之爭將是一場大戰(zhàn)。
• （美國對比中國的）芯片優(yōu)勢大約為 10 年。
• （AI 發(fā)展下去）富人更富，窮人不得不盡力圖存。事實上，這是一場屬于富裕國家的游戲，對吧？
• 危險的工作和不需要人做判斷的工作將被(AI)取代。
• CEO們一般都在追求收益最大化。為了最大限度地增加收入，就必須最大限度地提高參與度。要使參與度最大化，就要使憤怒最大化。算法會選擇憤怒的情緒，因為它能帶來更多收入。因此，人們會偏向于瘋狂的東西。

音頻文件：https://drive.google.com/file/d/1eQPHqcRwChpTHYEUQlhUDnBNnCSCTXtp/
參考來源：https://en.wikipedia.org/wiki/Eric_Schmidt