Eric Schmidt 谈机器人竞赛、奇点时间线与能源短缺 | 241
摘要
Schmidt估计，AI目前只实现了其最终影响的10–15%，尽管当下的推理系统已经是“人类的完美伙伴——无论好坏”。 San Francisco的共识认为，递归自我改进将在2至3年后到来，但Schmidt强调它尚不存在：有限的演示无法做到“学会一切、发现新事物，并告诉我你学到了什么”。
软件开发在几个月内就从辅助编程转向了自主编排。 现场被称为 Opus 1.6 的 Claude Code 发布，让湾区工作流从“80/20”变成“20/80”；如今，一名程序员只需在晚上7点写下规格和评估函数，再让系统通宵完成Schmidt所说过去需要6个月和10名Google程序员的工作。
AI应该把价值集中到公司规模光谱的两端：少数巨型平台和大量小团队。 Schmidt预计，顶尖程序员——历史上价值相当于下一梯队10倍——将作为并行智能体的指挥者变得更有价值，而手写代码会“像骑马一样”。稀缺能力将从产出代码转向定义目标、测试和学习循环。
电力是美国面临的硬约束，预计到2030年将短缺92 GW。 这相当于约60座、每座1.5 GW的核电站；按每GW基础设施约500亿美元计算，100 GW意味着5年内投入5万亿美元。Schmidt认为需求尚未出现渐近线，因为效率提升会触发杰文斯悖论：更好的硬件和算法会解锁更多用途、电脑和电力消耗。
Google和Nvidia处于异常强势的基础设施位置，因为它们控制着更多推理栈。 Schmidt称，TPU version two十年前的设计选择使其成为理想的推理引擎，而Nvidia做到了Intel未能做到的事：控制一个可购买的“完整服务器架构”。太空数据中心可能提供近乎无限的电力，但散热和辐射仍是问题；Schmidt将地面与太空的选择定义为一个涉及光纤、发射规模及其他权衡的商业问题。
凭借电动车供应链、电机专长和“残酷竞争”，中国似乎有望赢下低成本机器人硬件。 Schmidt称中国是竞争者，“不是敌人”，但他认为允许中国主导低端电动车是一个错误，美国有可能在机器人领域重蹈覆辙。他的边界很明确：可预测的电池生产能够快速自动化，而精密火箭装配仍依赖能够运用判断力的熟练工人，这是当前机器人所不具备的能力。
前沿模型市场或许能容纳约10家资本密集型竞争者，但它们的架构和国家战略正走向分化。 中国偏好开放权重和无处不在的边缘计算，即使面临美国芯片限制；美国仍以集中式 AGI 和 ASI 为核心。Schmidt认为，安全必须在不放慢竞赛的前提下塑造——尽管一次“类似切尔诺贝利”的事件，可能才会最终迫使竞争中的政府展开协调。
精读
1. 推理智能体已经到来；递归式AI尚未出现
Schmidt认为，世界目前只走到了AI影响的“10%或15%”，软件的发展速度快于硬件和机器人。即使进展今天停止——但他认为不会，而且没有任何政府、个人或公司能够停止或控制它——推理智能体也已经足以推动人类进步，同时带来好的和坏的影响。
“San Francisco共识”认为，今年将是智能体扩展到各类工作的年份，随后2至3年内实现递归自我改进。其运行机制是：一家拥有1,000名稀缺AI研究员的公司，或许可以运行约100万名研究智能体，主要受电力约束，并以明确的评估指标进行判断。
现场被称为 Opus 1.6 的 Claude Code 发布，就是这种加速的证据：湾区开发者称，工作原来是“80/20”，现在变成了“20/80”。Schmidt认为，跃升与其说来自上下文长度，不如说来自底层模型能够进行更长时间的推理，并生成质量更高的token。
他对递归自我改进的判断仍刻意保持未决：科学家并未就必要路径达成一致，成功的实验室测试也只是“有限案例，有点像演示”。真正的递归应该能够回答：“现在开始，学会一切、发现新事物，并告诉我你学到了什么。”但这个请求目前仍无法实现。
2. 编程正从手艺变成编排
Schmidt举出的最佳案例是一名UI开发者：他写下规格和评估函数，晚上7点启动智能体，凌晨4点后检查系统的创造。“这件事过去在Google会花掉我6个月和10名程序员”，Schmidt说；而开发者在此期间一直睡觉。
Diamandis将这种工作流与2个月前的Davos作对比：当时AI仍只是需要人盯着的自动补全工具。到了台上，他同时在云端运行6个 Claude 4.6 任务，并预计它们能在活动结束前解决6个已经启动的问题。
Schmidt认为，顶尖程序员获得的是杠杆，而不是消失：顶尖梯队原本就值下一梯队的10倍，如今这些人可以指挥并行系统。由此形成的市场结构将是“相对少数的巨型公司”与大量只需更少员工的小公司并存。
Schmidt提议把提示词工程设为每名大学生大一必修课；Diamandis则希望下沉到高中。Schmidt认可这一逻辑，但提示了年龄限制和易受影响的青少年问题、软件与客户服务领域正在出现的就业影响，以及不同供应商的智能体彼此交互时可能出现的不可预测编排。
3. Google的持久优势来自架构与评估
回顾Google在transformer、TPU和DeepMind上的工作，Schmidt说：“当你正在创造历史时，通常并不知道自己正在创造历史。”他认可Larry和Sergey的技术标准，包括他们曾称他提出招聘Java程序员的建议是“我们听过的最愚蠢的想法”。
TPU version one本质上是矩阵乘法器；version two改变了算法，尤其擅长推理。Schmidt将其与Nvidia的Rubin架构相提并论，认为Nvidia做到了Intel从未做到的事：控制完整的服务器架构，并交付一台能够运行的超级计算机。
主持人回忆，DeepMind以6亿美元收购时曾被嘲笑为一场没有收入的围棋豪赌，后来据称仅靠数据中心制冷成本节省就收回了成本。在2016年的围棋比赛中，Schmidt看着胜率估计从50%升到51%再到52%；团队的回答是：“我们只是计划让它走向无穷。”
围棋案例更大的启示是，必须设定明确的验证函数，而不只是下令写出一个能获胜的程序。同一团队随后研究蛋白质折叠；Schmidt称，他们最终做出了基本能够自我学习的 AlphaZero。主持人说，蛋白质折叠把一项原本需要4年博士研究的任务压缩到约1小时，而Schmidt称 Gemini 3 是在多语言和多模态深度上覆盖最广的非中国系统。
4. AI建设进入电力与资本超级周期
Schmidt在国会给出的估计是，到2030年美国将短缺92 GW电力——相当于约60座、每座1.5 GW的核电站，而美国目前“基本上既没有建设，也只建设了1座”。大学、人才和融资都不是问题，稀缺资源是电力。
每1 GW对应约500亿美元的硬件、软件和数据中心投资，这意味着100 GW在5年内接近5万亿美元。Schmidt认为，美国或许能“靠祈祷和运气”完成融资；数据中心建设已经贡献了约1%的美国GDP增速。
一座标准的新设施规模约为400 MW，长约半英里、宽500英尺。本质上，它是一台内部采用液冷的气流机器：芯片功耗约2千瓦，而 HBM3E 和 HBM4 内存产生的热量足以要求水冷。
效率并不能拯救电网，因为杰文斯悖论会把更便宜的计算转化为新的需求。“渐近线什么时候到来？”Schmidt不断追问，但目前看不到放缓。太空数据中心或许能提供无限电力，但辐射仍是问题；Schmidt称散热在技术上已经可以解决。他将太空与地面——后者拥有光纤等优势——的选择定义为一个涉及发射规模和权衡的商业问题。
5. 中国拥有美国在电动车领域拱手让出的低端机器人优势
Schmidt对地缘政治的区分非常明确：中国是美国的“竞争者，不是敌人”。中国拥有资本、技术人才、相当甚至更强的工作伦理，并在关键行业占据主导地位；将中国汽车挡在美国消费者之外，并不能抹去中国的竞争力，也改变不了美国失去低端电动车制造的错误。
机器人继承了电动车供应链，因为机器人本质上就是“大脑加执行器”——电动车行业生产的正是同样的步进电机及相关系统。因此，Schmidt认为中国将赢下低成本机器人硬件，Unitree的机器人与人类共舞就是一个直观例子。
Diamandis认为，高度自动化的超级工厂让“机器人制造机器人”已近在眼前。Schmidt收窄了这一判断：电池生产是可预测且可规模化的，但火箭装配仍需要能够理解管材、公差和缺陷的顶尖工人。“任何形式的低技能劳动都会被卷走”；熟练的机械判断力，可能是最后一批被替代的能力之一。
6. 前沿竞争与安全将共同塑造
Schmidt使用了自己明确称为“编出来的”数字，认为全球至少可以容纳10家前沿公司：其中几家在中国，美国占多数，欧洲尽管电力成本高或许有1至2家，印度可能有1家。他的估算排除了俄罗斯，因为该国正在打仗。
中国的策略是将开源、开放权重模型——包括 DCV4、Quinn、Kimi 2 和 Kimi version 3——与用户周边更多的边缘计算结合起来。美国的模式更加集中，并聚焦 AGI/ASI；Schmidt不认为两种路径会简单地同步推进。
Microsoft和Google可以用企业现金流为这场竞赛提供资金；Anthropic从其他公司获得了大量融资，使用Google TPU，并在企业智能体体系中引领 Claude API。OpenAI正在调整战略，但Schmidt给出的诚实预测是不确定：“1年后，我们会看得更清楚。”
他关于“类似切尔诺贝利”的警告是描述性的，“不是认可”：由这些系统引发的一次规模希望很小的生物或核攻击，可能最终迫使中国和美国展开协调。Diamandis呼吁政治、历史、心理学、治理和伦理领域的专家参与塑造对齐；Schmidt则主张加快能源审批、吸引高技能移民，并塑造竞赛而不是放慢竞赛，同时将伤害未成年人视为不可逾越的红线。