真大佬输出猛料，喷谷歌员工一周只上一天班，怎么能不落后

前谷歌首席执行官埃里克·施密特（Eric Schmidt），虽已不再是Google的员工，却在不久前于斯坦福大学进行了一场意义深远的分享活动。这一活动被记录并上传至斯坦福大学的官方YouTube频道，视频中包含了施密特与在场学生进行的超过40分钟的问答环节。

施密特在分享中的直率和坦诚赢得了观众的广泛关注，但也因其直言不讳的风格而引发争议。他的言论触及了一些敏感的主题，随即成为媒体报道的焦点。这种直接而真实的交流方式虽受到一部分听众的赞赏，但也让斯坦福大学感到了压力，导致学校最终决定将这段视频从YouTube上撤下。

事件发酵之后，施密特通过电子邮件接受了媒体采访，并针对他在分享中所做的一些表述表示了歉意。

他在邮件中提到，自己的一些言论未能完全考虑到广泛的受众和潜在的影响，对于可能造成的误解和不适表示遗憾。尽管如此，这场分享无疑加深了公众对于开放对话与言论自由边界的思考。

知名科技博主阑夕总结了施密特分享的重点内容，TLDR。文章后面也附上了施密特的全程问答。

01 三个会改变未来的 AI 技术

主持人：你怎么看 AI 在短期内的发展？在你这里短期的定义应该是未来一两年，是吧？

Eric Schmidt：事情发展得太快了，感觉每隔六个月，我就要重新做一次关于未来的演讲。这里有没有计算机科学专业的？有没有人能给大家解释一下，什么是百万 token 上下文窗口？

听众：基本的含义是，提问 prompt 可以用一百万个 token 或者一百万个词，或者其他类似的东西。

Eric Schmidt ：所以百万 token 意味着你可以提出一个一百万词长度的问题。

听众：是的，我知道这是目前 Gemini 的一个大方向。

Gemini 官网介绍（中文翻译为插件效果，感谢沉浸式翻译）

Eric Schmidt: 不，他们的目标是达到一千万。Anthropic 已经达到了20万，而且还在继续增长。他们的目标是一百万甚至更多，我敢说 OpenAI 也有类似的目标。有人能给我们解释一下什么是 AI 代理吗？

听众：AI 代理就是在网上代表你执行任务，比如购物和其他类似的操作。

Eric Schmidt: 所以，代理就是执行某些任务的工具。另一个定义是具备记忆功能的大型语言模型。下一个问题，计算机科学的同学，能解释一下什么是文本到行动吗？

听众：就是将文本转化为更复杂的互动，输入文本，然后 AI 根据这些文本触发行动。

Eric Schmidt: 另一个定义是将语言转换成 Python——一种我原本以为不会继续存在的编程语言。但现在，所有的 AI 都是用 Python 来实现的。最近有一种叫 Mojo 的新语言问世，它似乎解决了 AI 编程的问题，但在 Python 占主导地位的情况下，我们还得看看它能否存活下来。

Eric Schmidt: 为什么 Nvidia 的市值达到了两万亿美元，而其他公司却陷入困境呢？

听众：这主要是技术原因。优化的代码执行是关键。大多数代码需要在优化的环境中运行，目前只有 Nvidia 的 GPU 能够做到这一点。事实上，其他公司虽然有长达十年的软件开发经验，但他们缺乏专门针对机器学习优化的团队。

Eric Schmidt: 我喜欢将 CUDA 看作是 GPU 的 C 语言。它在 2008 年诞生，虽然我一直觉得它是种糟糕的语言，但它已经成为主流。现在有一整套针对 CUDA 高度优化的开源库。构建这些技术栈的所有人都忽略了这一点。我们称之为 vlm 技术，以及其他一些类似的针对 CUDA 进行优化的开源库，这让竞争对手很难复制。

Eric Schmidt: 这一切意味着什么？

在接下来的一年里，你将看到更大的上下文窗口、代理和文本到行动功能的应用。

当这些功能大规模应用时，其影响将超过我们现在从社交媒体看到的巨大冲击，至少在我看来是这样。

在这些上下文窗口中，你可以将它们视为短期记忆，这在技术上是非常惊人的。服务和计算的复杂性非常高。

短期记忆的有趣之处在于，你可以将20本书的文本输入作为查询，让它告诉你这些书的内容。人类的大脑会忘记中间的部分。现在，一些人正在构建基础的 LLM 代理。比如，它们读取化学内容，发现其中的化学原理，进行测试，然后将结果纳入其理解中。这非常强大。

第三点，即我所说的文本到行动。例如，考虑到政府目前正在考虑禁止 TikTok 的情况。我们不知道这是否会发生。如果 TikTok 被禁了，我会告诉你的 LLM：复制一个 TikTok，获取所有用户和所有音乐，加入我的偏好，30秒内生成并发布。如果一小时内没火，那就换个类似的策略。砰的一声，马上就完成了。

你明白了吗？如果你能从任何语言直接生成任何数字指令，这基本上就是Python 在这种情况下的作用。想象一下，每个人都有一个能按你要求工作的程序员，而不是那些为我工作但不听话的程序员。（笑）程序员们都知道我在说什么。想象一个不自大的程序员，真正按照你的要求去做，而且不用付那么多钱。而且这些程序员是无限供应的。

主持人：这一切将在未来一两年内实现。

Eric Schmidt: 很快就会实现。我非常相信它们将在下一波技术浪潮中出现。

听众：你提到将扩展的上下文窗口、代理和文本到行动的结合将带来难以想象的影响。首先，为什么这种结合很重要？其次，我知道你无法预测未来，但为什么你认为这会超出我们目前的想象？

Eric Schmidt: 主要是因为扩展的上下文窗口可以解决时效性问题。当前的 AI 模型需要大约一年的时间来训练——六个月的准备，六个月的训练，六个月的微调，因此它们总是有点滞后。但扩展的上下文窗口允许你输入最新的信息，这样的上下文功能非常强大，就像 Google 能够实时更新一样。

关于代理模型，我举个例子。我资助了一个基金会，它启动了一个非营利组织的项目，有一个名为 Chemcrow 的工具，这是一个基于大型语言模型的系统，用来学习化学知识。他们使用这个系统产生关于蛋白质的化学假设，然后实验室会在晚上进行测试，系统继续学习。这极大地加快了化学和材料科学领域的研究进展。

我认为「文本到行动」可以看作是大量廉价程序员带来的影响。但我们还没有真正理解，当每个人都有一个自己的程序员时会发生什么，他们执行的是你的专长，而不是像简单地开关灯那样的事情。

你可以想象一个场景，比如你不喜欢 Google。就说，帮我造一个 Google 的竞争对手，搜索网页、搭建界面、加入生成式 AI，30 秒内完成，我们来看看效果。这些老牌公司，比如 Google，很可能会面临这种攻击的威胁，我们拭目以待。

02 「我已经不是 Google 员工了」

主持人：你在 Google 工作了很多年，他们发明了 Transformer 架构，Peter（Peter Norvig，前 Google Research 的工程总监）是其中的领头人之一。感谢像 Peter 和 Jeff Dean 这样的杰出人才。不过现在，Google 似乎已经在主导地位上失去了优势，OpenAI 已经迎头赶上。我看到的最新排名中，Anthropic 的 Claude 排在了前面。我问过 Sundar（桑达尔·皮查伊），他没有给我一个明确的回答。或许你能给出一个更清晰或客观的解释，告诉我们那里到底发生了什么？

Eric Schmidt：我已经不再是 Google 的一员了。坦白说，Google 更加重视工作与生活的平衡，似乎早早下班和居家办公比赢得战斗更为重要。而初创公司的成功秘诀就在于员工的拼命工作。我很抱歉这么直接，但这是事实。如果你们毕业后创办公司，肯定不会让员工每周只来公司一天，大部分时间在家工作。这样的做法是无法与其他初创公司竞争的。

主持人：Google 早期的情况和当时的微软很相似……

Eric Schmidt：确实如此。

在我们这个行业，有一种常见现象：一些公司以非常创新的方式赢得市场，彻底主导了一个领域，但却无法顺利过渡到下一个阶段。

这种情况屡见不鲜。我认为创始人的角色非常关键，他们的领导对公司至关重要。虽然创始人往往难以相处，对员工要求苛刻，但他们的确推动了公司的发展。

尽管我们可能不喜欢 Elon（马斯克）的一些个人行为，但看看他的工作成就。我和他共进晚餐的那天，他一直在忙着来回飞行。我当时在蒙大拿，他那天晚上十点还要飞去参加凌晨的会议。

当我在台湾时，感受到不同地方有不同的文化，深刻印象的是，台积电（TSMC）有一个规定，新入职的物理学博士要先在工厂地下室工作。你能想象让美国的博士去做这种工作吗？这在美国几乎是不可能的。

工作效果是不同的。我之所以如此严格地看待工作问题，是因为这些系统存在网络效应。时间在这里非常关键，而在大多数行业中，时间并不那么重要，他们有足够的时间。可口可乐和百事可乐的竞争会一直存在，就像冰川一样慢慢变化。

当我与电信公司合作时，常规的电信合同需要 18 个月才能签署。我觉得这太久了，事情应该尽快完成。我们现在正处在增长和创新的高峰期，需要一些疯狂的想法。

例如，当微软决定与 OpenAI 合作时，我最初认为这是个疯狂的想法。微软将 AI 的领导权交给了 OpenAI 和 Sam 的团队，这简直不可思议。然而，现在他们正在逐步成为最有价值的公司之一，与苹果竞争不相上下。苹果在 AI 方面没有好的解决方案，看起来微软的策略奏效了。

在这段对话中，我们看到了一些技术和业务决策背后的深层逻辑。你认为现在的 AI 领域中还有哪些未被充分探讨的新趋势或者挑战？

03 模型的差距正在拉大

Eric Schmidt：你刚才问了接下来会发生什么，事实上，我的看法每六个月就会有所变化。我们正处于一个震荡的周期，目前看来，领先的模型之间的差距——目前只有三种顶尖模型——与其他模型的差距似乎在扩大。六个月前，我还认为这种差距在缩小，因此我大量投资了一些小型公司，但现在我开始有所怀疑。

我开始与大公司进行谈判，这些公司告诉我，他们需要的资金量是庞大的，可能是100亿、200亿、500亿，甚至1000亿。

主持人：他们的目标是1000亿，对吗？

Eric Schmidt：是的，这非常困难。我和Sam Altman是好朋友，他认为可能需要3000亿，甚至更多。我告诉他，我已经计算过了，我们需要考虑的不仅仅是资金，还有电力。上周五我去了白宫，坦诚地说我们需要加强与加拿大的关系，因为加拿大不仅在人才上出众，还有丰富的水电资源，而我们国内的电力供应不足以支持这样的发展。

还有一种可能是让阿拉伯国家投资，我个人很喜欢阿拉伯地区，也在那里待过很长时间。但他们可能不会遵循我们的国家安全规则，而加拿大和美国则可以协同合作。

主持人：是的。所以这些价值1000亿、3000亿的数据中心，电力将成为一个稀缺资源。

Eric Schmidt：正是。延伸这个想法，如果3000亿美元都要投给Nvidia，你应该知道该买什么股票了，对吧？（笑）当然，这不是股票推荐。

主持人：确实如此。我们将需要更多的芯片，Intel正在从美国政府那里获得大量资金，AMD也是如此，他们都在努力建设芯片工厂。

Eric Schmidt：如果在场有人使用Intel芯片的设备，请举手（观众举手）。它的市场垄断地位看来已经结束了。

主持人：Intel曾经的确是市场垄断者。而现在Nvidia占据了这一地位。那么，像CUDA这样的技术壁垒，其他公司能否有所作为呢？前几天我和一位创业者聊天，他说会根据能获取的资源，在TPU和Nvidia芯片之间切换。

Eric Schmidt：他这么做是因为别无选择。如果他拥有无限的资源，他今天肯定会选择Nvidia的B200架构，因为那样会更快。我并不是在暗示什么，竞争当然是好事。我和AMD的Lisa Sue（苏姿丰）详细讨论过这个问题，他们已经开发了一种系统，可以将CUDA架构转换成他们自己的架构，称为Rocm。虽然它现在还没有完全发挥作用，但他们正在不断改进。

04 我们会经历一场巨大的泡沫

然后市场会自己调整

听众：你对AI的前景似乎很乐观。你认为是什么因素推动了这种进展？是因为更多的资金、更多的数据，还是技术上的突破？

Eric Schmidt：我基本上是看到哪个AI项目就投资哪个，因为很难确切知道哪个项目会成功。现在跟随我的投资的资金非常多。我认为这部分原因是因为早期投资者已经从中获利，现在那些拥有大量资金的投资者虽然不完全懂AI，但他们认为每个项目都应该加入一些AI元素，因此几乎所有投资都变成了AI投资。但他们很难辨别项目的优劣。我理解的AI是那些真正能够学习和自我进步的系统。

此外，现在有一些非常先进的新算法，已经超越了传统的Transformer架构。我有一个朋友，同时也是我的长期合作伙伴，他开发了一种全新的非Transformer架构。我在巴黎资助的一个团队也有类似的创新，斯坦福也有一些新的发展。

最后，市场普遍相信，开发智能技术将带来巨大的经济回报。例如，如果你向一家公司投资了500亿美元，你肯定希望通过智能技术赚回一大笔钱。因此，我们可能会经历一个巨大的投资泡沫，最终市场将自行调整。历史上一直是这样，现在也不例外。

主持人：你之前提到，现在的领头公司正在拉开与其他公司的差距。

Eric Schmidt：是的，确实如此。有一家法国公司叫Mistral，他们表现非常出色，我也对他们进行了投资。他们推出了第二版模型，但第三版可能会是封闭的，因为成本太高。他们需要收入，不能再免费提供模型了。

在我们行业中，开源和闭源的辩论非常激烈。我的整个职业生涯几乎都是建立在愿意分享开源软件的人们基础之上。我参与的技术工作大多是开源的，谷歌的很多核心技术也是开源的。但现在，由于资本成本非常高，软件的开发方式可能会发生根本性变化。

我个人认为，软件开发者的生产力至少会翻倍。目前有三四家软件公司正在努力实现这一目标，我也对这些公司进行了投资。他们的目标是提高软件开发者的效率。

我最近遇到的一个非常有趣的公司叫Augment。我一直在关注单个程序员的生产力，但他们实际上是针对那些管理数百万行代码的大型软件团队，这些团队中没有人能完全理解所有代码的运作。这正是AI可以发挥作用的地方。他们能赚钱吗？我希望如此。

主持人：看来我们还有很多问题需要讨论。

听众：关于非Transformer架构，我认为像状态模型这类架构并没有得到足够的讨论，但它们现在似乎有了更多的进展。你在这个领域看到了哪些新动向？

Eric Schmidt：我对数学的了解不够深入，这些领域的数学非常复杂。但基本上，这些新架构都是采用不同的方法进行梯度下降和矩阵乘法，使得计算更快、更有效。Transformers是一种系统化地进行矩阵乘法的方式，我是这样理解的。它们采用类似的方法，但数学原理有所不同。

听众：你是工程师出身，考虑到这些模型将来可能具备的能力，我们是否还需要花时间学习编程？

Eric Schmidt：这就像你已经会说英语，为什么还要继续学习英语呢？学习总是能让你达到更高水平。你需要理解这些系统是如何工作的。

05 分布式计算解决不了AI 的算力问题

听众：两个问题：第一，大型语言模型的市场影响是否比你最初预期的要慢？第二，你认为学术界应该得到AI补贴还是应该与大公司合作？

Eric Schmidt：我一直在推动为高校建立数据中心。如果我是这里的计算机科学教授，我会很不满意，因为我无法与研究生们一起开发算法，还必须依赖与大公司的合作。在我看来，这些公司的支持还不够。我和一些教授交流过，他们很多都在抱怨需要等待Google Cloud的使用配额。这是一个迅速发展的领域，正确的做法应该是为高校提供更多资源，我正在努力推动这一点。

至于你提到的劳动力市场影响，我相信高技能的大学教育和相关工作会持续需求，因为人们将会与这些系统共同工作。我认为这些系统的影响和之前的技术浪潮相似，那些危险的或不太需要人类判断的工作最终会被自动化取代。

听众：你有没有考虑过分布式计算的可能性？我这么问是因为搭建大型集群很困难，但是MacBook等设备却很强大。全世界有很多这样的小型设备。你认为像Folding@home这样的分布式计算项目能用于AI训练吗？

Eric Schmidt：分布式计算是一个挑战，建立大型集群确实困难，但是像MacBook这样的设备拥有相当的计算能力。全球有如此多的小型设备，将它们联网的想法确实具有潜力，理论上可以用于训练，但还有许多技术细节需要解决。

我们已经深入研究了这个问题，这些算法的基本工作原理是：你有一个非常大的矩阵，需要进行频繁的乘法运算。系统的性能完全依赖于数据从内存到CPU或GPU的传输速度。事实上，Nvidia的下一代芯片已经将这些功能集成在一个芯片上，现在的芯片已经非常大且功能齐全。芯片和封装的过程都在无尘室中完成，非常精细。因此，关键在于超级计算能力和内存之间的快速互联，所以短期内实现你提到的分布式计算可能性不大。

主持人：是否有可能将大型语言模型进行拆分处理？

Eric Schmidt：如果要拆分这些模型，你需要成千上万个这样的模型，这会使查询过程变得非常缓慢。

06 未来我们可以不理解 AI

但需要知道它们的边界

主持人：现在让我们转向一些哲学话题。去年，您与亨利·基辛格和丹尼尔·赫滕洛彻合作撰写了一篇文章，探讨了知识的本质和其演变。我最近也和别人探讨过这个主题。在大部分历史时期，人类对宇宙的理解都带有一种神秘感，直到科学革命和启蒙运动才开始改变这种状况。您们的文章中提到，如今的模型变得越来越复杂，以至于我们对其内部机制的理解开始变得模糊。

费曼曾经说过，“我创造不出的东西，我也无法理解。”这句话我最近也提到过，但看来现在人们似乎在创造一些连自己也不太理解的东西。这是否标志着我们对知识的理解正在经历一种变革？我们是否需要开始接受这些模型的结果，即使它们不能提供清晰的解释呢？

Eric Schmidt：我来打个比方，这就像对待青少年一样。如果你家有青少年，你知道他们是人，但有时你不完全了解他们的想法。尽管如此，我们的社会已经学会了如何与他们共处，并知道他们最终会成熟。我们可能遇到一些我们无法完全理解的知识系统，但我们能理解它们的边界。我们了解这些系统能做什么，不能做什么。这可能已是我们能期待的最好结果了。

主持人：您认为我们能掌握这些系统的限制吗？

Eric Schmidt：我相信我们可以。我们的团队每周都在讨论，认为未来可能会使用对抗性AI技术。想象一下，未来可能会有公司专门提供这种服务，你支付他们，他们会帮你测试AI系统，找出漏洞，就像现在的“红队”测试那样，但使用的是AI。整个行业可能会发展出AI对AI的测试，特别是对那些我们还不太了解的部分。我认为这是一个可行的方向。斯坦福也可以考虑这一方向。如果有研究生对破解这些大型模型或研究它们的工作原理感兴趣，这将是一个有价值的技能。所以，我认为这两方面都将一起进步。

听众：您刚才提到了对抗性AI，除了提升AI性能的模型之外，还有哪些问题我们需要解决？要让AI真正做到我们想要的效果，主要的挑战是什么？

Eric Schmidt：我们确实需要提升更高性能的模型。你必须假设，随着技术的进步，AI产生的幻觉会减少，虽然不会完全消失。我们还需要有验证效果的方法，这样我们就能确认结果是否符合预期。

例如，我之前提到的关于TikTok竞争者的例子。顺便说一句，我并不是建议大家非法窃取任何人的音乐。如果你是硅谷的创业者——我希望你们都能成为这样的创业者——如果你的产品成功了，你就需要聘请一大批律师来帮你解决问题；如果没人使用你的产品，即使你盗用了所有内容，也不会有太大影响。但这只是一个比喻，不要当真。

硅谷会进行这些测试，并解决这些问题。这是我们通常的处理方式。因此，我相信未来我们会看到更多高性能系统的出现，测试会更加精细，最终会有对抗性测试来确保AI的可控性。技术上，这被称为“链式思维推理”。预计在未来几年内，你能够实现1000步的链式推理，就像按食谱烹饪一样，你按照步骤操作，然后验证最终结果是否正确。这就是系统的工作方式。当然，除非你是在玩游戏。

07 虚假信息短期看起来无解

听众：在接下来的选举中，我们如何防止AI在公众舆论中制造虚假信息？从短期和长期来看，我们有哪些解决方案？

Eric Schmidt：在接近的选举中，甚至是全球范围内，虚假信息的传播主要是通过社交媒体，而目前社交媒体公司还没有有效的管理手段。以TikTok为例，人们批评它倾向于传播某些类型的虚假信息。我们的社会在这方面相当混乱，我们需要培养批判性思维。这是一个巨大的挑战，仅仅因为有人告诉你某件事，并不意味着它就是事实。

听众：会不会走向另一个极端，即真实的事情反而没有人相信了？有人把这种现象称为“认识论危机”。

Eric Schmidt：我认为我们现在正面临一个信任危机。对社会来说，虚假信息是最大的威胁之一，因为我们在制造虚假信息的能力越来越强。我管理YouTube时，最大的挑战之一是假视频的上传，有时甚至导致了人员伤亡。那时我们还实行了一项“无死亡政策”，听起来很震惊吧。

尽管尝试解决这些问题很痛苦，但那时还没有生成式AI技术。所以老实说，我没有特别好的解决方法。

主持人：技术手段似乎不能完全解决问题，但似乎有一种看似可行的方法，比如公钥认证。为什么不能在拜登发表演讲时，就像SSL证书一样，给他的话加上数字签名？或者名人和公众人物发言时，能否使用他们自己的公钥？

Eric Schmidt：这确实是公钥认证的一个应用，结合其他验证手段，确保我们知道信息的来源。

我曾与人合作撰写了一篇论文，支持你的这一观点，遗憾的是，这篇论文并没有产生太大影响。所以可能系统还没有像你说的那样被有效组织起来应对这个问题。

总的来说，公司的CEO们追求的是最大化收入，为了实现这一目标，他们必须吸引尽可能多的用户参与。要达到这一点，往往需要激发更多的愤怒情绪。算法会优先推送那些能激发愤怒的内容，因为这样能带来更多的收益。因此，整体上存在一种偏向极端内容的趋势，这种偏向并不分阵营。这是我们社会必须要解决的问题。

关于TikTok的处理，我们以前私下讨论过。记得小时候有一个“平等时间规则”吗？因为TikTok实际上并不是传统意义上的社交媒体，它更像是电视，内容是由程序员控制的。数据显示，美国的TikTok用户平均每天花90分钟观看大约200个视频，这个数字非常庞大。虽然政府可能不会制定平等时间规则，但某种形式的平衡措施是必要的。

08 大模型是少数国家才有资格参与的竞争

听众：就国家安全或利益来说，你认为 AI 在与中国的竞争中会发挥什么作用？

Eric Schmidt：我曾担任 AI 委员会主席，这个委员会详细研究了这个问题。报告有 752 页，你可以去看看。我简单总结一下：我们现在领先，我们需要继续保持领先地位，而且需要大量资金来实现这一点。

大致情况是，如果前沿 AI 模型继续发展，少数开源模型也参与进来，那么只有少数几个国家有资格参与。那些拥有大量资金、强大教育体系，并且有取胜决心的国家。美国是其中之一，中国也是。也许还有其他国家。但可以肯定的是，在你们有生之年，美国和中国之间的知识领域的竞争将是最大的对抗。

美国政府基本上已经禁止向中国出口 Nvidia 芯片，虽然他们不允许说这个，但确实是这么做的。我们在芯片技术上大约领先中国 10 年。在光刻机技术方面，我们也领先了大约 10 年。未来我猜我们还能再领先几年。芯片法案是特朗普政府的决定，并得到了拜登政府的批准。

主持人：您认为当前政府和国会是否听取您的建议？您认为他们会进行这么大规模的投资吗？除了芯片法案之外，是否会继续建设大型 AI 系统？

Eric Schmidt：正如你所知，我领导了一个非正式的小组，这个小组不是官方性质的小组，这个小组包括了所有常见的 AI 领域的参与者。过去一年里，这些参与者提出的建议成为了拜登政府 AI 领域决策的基础，这个法案可能是历史上最长的总统指令。

注：美国拜登总统于去年 8 月 9 日发布的《关于解决美国在特定国家对某些国家安全技术和产品的投资问题的行政命令》（Executive Order on Addressing United States Investments in Certain National Security Technologies and Products in Countries of Concern）

主持人：你正在推进特别竞争研究项目。

Eric Schmidt: 这是行政办公室的实际执行法案。他们正在忙于落实细节，到目前为止做得不错。

举个例子，去年我们讨论过一个问题：如何检测系统中的潜在危险。这种系统可能已经学到了一些危险的东西，但你却不知道该问什么。换句话说，这是个核心问题。系统学到了一些不好的东西，但它不会告诉你学到了什么，而你也不知道该怎么提问。这里面有很多威胁，比如它可能学会了你不了解的化学混合方式。所以现在很多人都在努力解决这个问题。

最终，我们在备忘录中设定了一个阈值，叫做 10^26 次方浮点运算，它是一种计算能力的衡量标准。超过这个阈值时，你必须向政府报告你的行为。这是规则的一部分，欧盟设定的阈值是 10 的 25 次方，但差别不大。我认为这些技术区别最终都会消失，现在的技术可以进行「联邦训练」，也就是可以将不同部分组合起来进行训练。所以我们可能无法完全避免这些新技术带来的威胁。

主持人 ：听说 OpenAI 已经不得不这么做，部分原因是因为电力消耗太大，没有一个地方能单独承担所有的计算量。

09 AI 是有钱人的游戏，富者愈富

听众：《纽约时报》起诉 OpenAI 用他们的作品训练模型。您认为这对数据使用意味着什么？

Eric Schmidt：我在音乐版权方面有很多经验。在 60 年代，有一系列诉讼，最终达成了一个协议，就是每次你的歌曲被播放的时候，无论听众是否知道你是谁，你都会得到一定的版税，这笔钱会被存入你的银行账户。我猜未来的情况也会类似，会有很多诉讼，最终达成某种协议，规定使用这些作品时必须支付一定比例的收入。你可以看看 ASCAP（美国作曲家、作家和发行商协会）和 BMI（Broadcast Music, Inc.，一家美国表演权组织）的例子，虽然看起来有点过时，但我认为最终的情况会是这样。

听众：看起来有几家公司在主导且会继续 AI 领域，这些公司似乎正是所有反垄断法关注的对象。你怎么看这两个趋势？你觉得监管机构会拆分这些公司吗？这会对行业产生什么影响？

Eric Schmidt：在我的职业生涯中，我曾经推动过拆分微软，但它并没有被拆分。我也努力让谷歌不被拆分，结果它也没被拆分。所以在我看来，只要这些公司避免成为像 John D. Rockefeller（标准石油公司创始人）那样的垄断巨头，趋势就不是拆分。这就是反垄断法的由来。

我不认为政府会采取行动。你看到这些大公司主导市场的原因是，只有它们有资金建造这些数据中心。所以我的朋友 Reed Hastings（Netflix 联创兼 CEO）和 Elon Musk 都在这样做。

所以富者愈富，穷者只能尽力而为。这是事实，这是富国的游戏，需要巨额资本、大量技术人才和强有力的政府支持。还有许多其他国家有各种问题，他们没有这些资源，所以他们必须与其他国家合作。

听众：你花了很多时间帮年轻人创造财富，对这件事很有热情。对在座的同学们职业生涯的这个阶段以及未来，有什么建议吗？

Eric Schmidt：我对你们快速展示新想法的能力印象深刻。在我参与的一个黑客松中，获胜团队的任务是让无人机在两座塔之间飞行。他们在一个虚拟无人机空间里完成了这个任务，让无人机理解了「在…之间」的意思，用 Python 写了代码，在模拟器中成功让无人机穿过了塔楼。如果是专业程序员来做这件事，可能需要一两周的时间。

我要说的是，快速制作原型的能力确实非常重要。作为企业家，问题之一就是一切都发生得非常快。现在，如果你不能在一天内利用各种工具做出原型，你就得好好想想了，因为你的竞争对手能完成。

所以我的建议是，当你开始考虑创业，写一份商业计划是好的，你应该让电脑帮你写商业计划，用这些工具快速将你的想法转化为原型是非常重要的。因为可以肯定的是，在另一家公司、另一所大学或者你从未去过的地方，有人也在做同样的事。

参考资料：transcripts
/Stanford_ECON295⧸CS323_I_2024_I_The_Age_of_AI,_Eric_Schmidt.txt

—The end—

一起聊聊生意的故事

可微信搜索“tufei2024”添加一匪轩哥微信，一对一交流。

声明：以上仅做个人分享，不构成投资建议。部分内容转自阑夕。