Google 前CEO：人工超级智能究竟会是什么样——Eric Schmidt 与 Dave B 对谈
摘要
Eric Schmidt 对基础设施的核心判断是，AI 被低估了，因为在具备网络效应的业务中，学习机器会不断加速，直到撞上电力瓶颈，而不是“芯片”瓶颈。 他估计美国还需要新增92 GW电力，约等于92座大型核电站，但几乎没有新电站开工；一座拟议中的300 MW小型模块化反应堆也要到2030年才能投入。即使芯片性能继续提升，也会被更昂贵的推理、规划和测试时计算消耗掉：“Grove giveth and Gates take it away.”
即使Schmidt把“旧金山共识”的时间表拉长1.5至2倍，能力进展仍然激进。 他预计，1年内会出现世界级AI数学家，1至2年内出现世界级程序员，5年内各领域出现专业型天才——“基本已经板上钉钉”——10年内出现数字超级智能。如果这种能力普遍可得且安全，它意味着“把Einstein和Leonardo da Vinci的总和装进你口袋大小的设备里”。
企业AI在取代所有程序员之前，可能先摧毁软件的连接层。 Schmidt称，Model Context Protocol可以把企业数据库接入模型，由模型编写大部分必要代码，约10万家中间件和企业软件公司将因此承压；初级编程工作会最先消失，而高级工程师暂时仍需负责监督。短期机会在于彻底重构工作流，从呼叫中心到动态生成的界面都包括在内。
中国距离前沿比Schmidt此前判断的更近，因此能源、算法和开放权重的重要性不亚于芯片管制。 Gemini 2.5 Pro登上智能排行榜首位后，Schmidt称DeepSeek一周后便略微领先，使用的是中国可获得的硬件、蒸馏技术、Huawei Ascend芯片等资源。“一年前我说他们落后两年，显然错了”；只要有足够的资金和电力，中国就“在牌桌上”。
核心安全分岔在于，前沿智能究竟会继续集中在可监控、可防护的数GW级设施中，还是扩散到小型服务器上。 如果世界上只有10个模型，或许可以监控并部分国有化；但训练权重可能在4块或8块GPU上运行，量化、蒸馏或100倍的推理效率提升，都可能在模型出口后放大其能力。Schmidt提出的应对方案是“相互AI故障”：建立对等网络攻击能力，追踪芯片和训练运行，在任何一方越过威胁主权的红线前形成威慑。
对创业公司而言，Schmidt区分硬件与软件：专利、发明、电力系统和机器人可以形成较慢但更深的技术壁垒，而软件真正持久的壁垒是学习速度，而不是品牌。 在反馈快速的市场中，一款能从每次点击、交易或传感器读数中学习的产品，可能变得“基本不可阻挡”；由于增长曲线呈指数级，落后几个月的竞争者仍可能输掉比赛。他预计，还会出现约10家建立在这类反馈循环上的Google或Meta规模消费公司，而政府和教育等反馈缓慢的市场在结构上仍然更难。
Schmidt否定近期就业总量崩塌的预测，但预计常规白领工作会立即承压，并经历痛苦的岗位替代。 他对未来5至10年的判断基于几个因素：采用存在滞后，自动化会提高产出和工资，AI助手能帮助人们再培训，而劳动力规模正在收缩——韩国每两名父母平均只有0.7个孩子，中国为1个，印度约为2.0个。Dave Blundin更尖锐的警告是时间窗口：如果一个人的技能可能在2至3年内被自动化，就必须现在开始转型，因为“等等看”最终会把成本转嫁给员工。
Peter和Schmidt认为，最深层的风险与其说是Terminator式事件，不如说是那些懂得如何说服每个人的系统逐渐侵蚀人的能动性、注意力和判断力。 AI可以降低创作成本、扩大繁荣——Peter引用的估算是经济每年增长20%至30%——但也可能制造虚假信息引擎、情感上极具吸引力的陪伴者，以及“一种虚拟监狱”。他们对“丰裕时代将无所事事”的回应是，挑战会迁移：“我们都会坐在那里写诗，这种事不会发生。”
精读
上游暂未提供，后续同步将继续补齐。