埃里克·施密特 （Eric Schmidt） ，前谷歌CEO，曾擔任美國國家安全委員會AI事務負責人，現任Relativity Space公司董事長，是全球AI戰略與技術治理的重要聲音之一。本次對談錄音于2024年在YouTube頻道《AI Founders Journey》發布，聚焦創始人心理、人工智能競賽、中美開源博弈及超級智能時代的社會挑戰。分享給大家，希望對你有啟發。

創始人心理：從天賦到驗證機制

主持人： 大家好，歡迎收聽《AI創始人之旅》第一期節目。我是主持人Air。今天非常高興邀請到我的朋友Eric Schmidt。他曾擔任谷歌CEO，現在是Relativity Space的首席執行官。嗨，Eric，很高興再次見到你。順便祝賀你獲得新職位。首先，你想怎么介紹自己？

Eric Schmidt： 我曾是谷歌的首席執行官，現在擔任Relativity Space的董事長，這是一家專注于大型火箭的私營航天企業。很多人可能不知道，其實我并不是那種典型的創業者類型。

主持人： 有趣，那我們就從這里聊起吧。作為創始人，最難的事情之一就是找到優秀的人才。但諷刺的是，當你真的找到了，他們往往最后都會自己去創業。

Eric Schmidt： 我完全明白你的意思。我加入谷歌和Sun Microsystems時，從沒想過要自己創業。我不認為自己是那種“在家突然想到點子就開始折騰”的創始人。 我更像是一名職業經理人，愿意加入一個好團隊，為他們打下堅實基礎，推動公司成長。 我覺得這更適合我。事實上，從小時候起，在父親的影響下，我就一直是“把事情做成”的那類人。

拉里和謝爾蓋也是那種天生的創始人型。我第一次見他們時就意識到，他們非常聰明，而我可以帶來的是他們暫時還沒有的經驗。記得2001年完成第一筆融資后，拉里對我說：“你知道嗎，我們現在不需要你，但將來會需要。”這話聽起來有點刺耳，但他是對的。那時候他們已經做得很出色，而我的價值在公司需要規模化擴張、制度建設時才會顯現。

如果你是一名創始人，你的任務是判斷未來要走向哪里，具備那種獨到的遠見。而如果你像我一樣，則更適合成為“放大器”： 接住那些好想法，整合、實現、規模化。 很多創始人擅長推動技術，但常常缺乏處理公司治理、財務、合規等事務的耐心而這些恰恰是公司要走遠必須解決的問題。這就是創始人和職業經理人兩種角色的根本區別。

主持人： 是的。其實很多人創業成功，是因為他們在早期就加入了一家極具潛力的公司。你怎么看這種“后來者反而更好”的路徑？

Eric Schmidt： 我也在反復思考這個問題。過去十年，美國和中國市值最高的公司都有一個共通點：它們獲得了投資者的資本支持，有人才成長的土壤。這些人才通常很年輕、未經考驗，非常自信，甚至有點傲慢。你跟他們講點什么，他們馬上就否定你，緊接著又會提出另一個新想法。這些新點子通常只是某個產品功能，而不是一個完整的平臺或系統。

換句話說，他們提出的是解決某個具體問題的新方法，這個問題只是更大系統中的一部分。大多數這類初創公司最后都會被收購。真正能實現獨立增長的想法是少數。所以從市場角度來看，這種結構其實是低效的。這些人一開始可能就應該直接加入成熟公司。不過也有人會反駁這個觀點。

但想想看，一家公司為什么要收購另一家小公司？通常是因為需要那個功能。所以你一次次會看到，初創公司創始人參與的其實是一個“驗證游戲”： 哪家公司最終被驗證成功，就應該被收購。 剩下的那些人要么換崗、要么“回收”， 很多公司做收購并不是為了產品，而是為了人才。 這當然是有價值的，你為人才買單。這些人才之所以值錢，是因為他們已經在那個特定領域證明了自己。

作為一個普通團隊的CEO，你很難有途徑發現這樣的人才。但通過這種機制，你能直接識別出行業里的贏家。我喜歡這種模式，因為只要營收增長、估值瘋狂，市場就會獎勵這家公司。這是典型的贏家特征。它允許大公司收購小公司，把贏家收入麾下。最關鍵的是，它不僅得到了那個功能，還得到了那個“人”。別忘了，10家公司里有9家不會成功。有些甚至更慘。按照風險投資的傳統經驗，4家會徹底失敗，5家會成為“活死人”，也就是說公司沒有發展空間、又無法退出，這才是最糟糕的。

主持人： 是的，你當然不想被困在那種既上不去、又退不出的境地。

Eric Schmidt： 我見過很多這種情況，確實非常令人沮喪。

主持人： 你之前說一切都與團隊有關。我很好奇，你既投資也支持了很多創始人，那你在一家公司里最看重什么？

Eric Schmidt： 我在回答你這個問題前，先說一句： 整個系統其實運作得很好，我不建議大家去大幅修改它。 當然在邊緣層面可以做些優化。但你看看微軟、蘋果、Sun、谷歌、Meta、Airbnb、特斯拉、SpaceX……這些公司都有共同特點：它們都參與了競爭。

當你在挑選一個創始人時，我通常會做一個簡單的測試。假設我是投資人，而你是創始人。某一天，你會遇到一種情況：一家大公司決定開始做和你的小公司一樣的事情。這種事總是會發生。他們聽說了你在做什么，覺得有趣，再加上一些額外的資源和人手，于是也加入了這個賽道。我所尋找的創始人，在這種時刻會說：“好啊，那就來吧。”然后他們會更加努力，投入更多精力，專注于擴張，并激勵整個團隊迎接挑戰。

當你是初創公司， 一切發展順利，缺少挑戰者時，反而是一種困擾 。我認識一些公司，它們處在良好的發展階段，數據也不錯，用戶也在增長，但它們并沒有真正的競爭對手。而一旦競爭對手出現，真正的比賽才算開始。這時候你才真正感受到樂趣。競爭會來得很快。所以對我來說，這就是“領導力”的真正體現：在壓力下迎難而上，而不是被嚇倒；是擁有勇氣去領導，而不僅僅是管理。

我們說說CEO吧。不管是創始人CEO還是外部聘任的CEO，總是會被推到聚光燈下。我一直認為CEO這個角色被嚴重低估了。能在這個崗位上堅持下來的人太少了，因為這份工作每天都要面對各種挑戰。每天都有內部摩擦、招聘問題，有人離職，有人加入，對手搞小動作，媒體盯著你，成功后他們反而唱衰你。客戶永遠有新需求，投資人永遠想要更多。

愿意在這種環境下堅持工作的人，就像那些政治領袖一樣，承受著各種攻擊。我當然是個自私的人，但我真心佩服那些愿意站在擂臺上拼搏的人。正如羅斯福1910年的那句名言：“我欽佩在競技場上的人。”

批評別人很容易，而我希望自己，也希望我的創始人和同事們，都是站在競技場里的人。我們都太習慣批評，總覺得什么都不對，什么都能做得更好。那就你來試試，你來做，你來承擔所有這些事。你有沒有那種毅力，愿意每天起床，然后連續工作12到14小時，處理所有壓力和問題，晚上還能溫柔地面對家人，而不是把氣撒在狗身上？這真的非常難，遠比大家想象中要難得多。

主持人： 沒錯。那我們來談談，現在AI創業公司很多。就像你剛才說的，有時候加入一家發展良好的公司反而比自己創業更合適。但現在AI初創公司數量龐大，很多工程師不知道該怎么選，也不知道自己真正感興趣的是什么。你會給他們什么建議？他們應該怎么選擇或者評估？

Eric Schmidt： 首先，有一點要明確：這其實是你我之前聊到的那個模型的自然結果。每一次技術浪潮來臨時，都會有一大批人想要成為贏家。尤其是剛從研究生院畢業的年輕人，這個問題更明顯你要選誰？你怎么選？而我和大多數人的觀點不同。我認為 你不應該去選“最可能成功”的公司，而應該去選擇那個“你玩得最開心”的地方。 如果你是一個高素質的人，在你喜歡的地方，你自然會被聰明人包圍。水漲船高，會讓所有船都升起來。

我給你舉個例子：誰發明了iPhone？很多人會說是Steve Jobs，但其實不對。蘋果公司有上千位員工參與了這個項目。真正負責這個項目的副總裁才是核心人物。他極具才華，是一位很棒的表演者和戰略家。但我們卻記不得這些人的名字。他們在歷史上扮演了非常重要的角色，也理應為自己的貢獻感到自豪。

所以問題是：你該如何去帶領這樣一群極聰明的人？我的建議是， 作為年輕人，去找你認識的最聰明的朋友。 可能是你最欣賞的同學。和他們一起出去做點什么。如果你想成功，那就試一試。這就是這個系統最精妙的地方，尤其對年輕人來說：你有能力去冒險。

有一天我問Larry：谷歌是怎么成功的？他說了一句話我一直記得。他說：“我不理解我們一無所有的時候，可以承擔巨大的風險；可現在我們擁有那么多，卻反而不敢承擔了。”這就是公司衰老的過程。他說得完全正確。

所以，尤其是在初創公司階段，現在正是你冒險的時候。而且你還擁有很多優勢。如果你回顧那些成功的初創公司，你就會知道它們必須同時滿足很多條件才能成功。比如時機必須對，這就是所謂的產品市場契合度；你要解決市場真正需要的痛點，還要有很強的技術方案來支撐。

領導力的本質：招人、留人、激發人

Eric Schmidt： 回到谷歌的成功這一問題，它主要靠兩點：第一，搜索引擎本身非常強大，它的技術核心叫PageRank，是Larry早年在碩士論文里提出的。第二，是廣告變現系統，后來被稱為AdSense。這個系統采用的是一種更高效的拍賣方式，叫“勝者拍賣”或“第二價格拍賣”。我記得當我意識到他們在用這種機制時，心想：他們真是又發明了一種新玩法。

我們當時找到了一個完美組合：一個出色的產品，再加上一種清晰、可擴展的盈利方式。剛開始時我們其實根本不知道它能有多成功，也沒什么現金流。但它能大規模運轉，這就是它厲害的地方。

今天，如果我在評估一家初創公司，尤其是我現在正在看的項目，我會直接問一句： 你的模型中有沒有“學習”？ 換句話說，如果你在創建一家公司，而它無法通過基礎模型或AI工具不斷邊做邊學，那么你就會被那些“已經學會如何學習”的競爭對手打敗。因為學習速度最快的人會贏。

這也引出了一個關鍵問題： 學習型人才和傳統工程師不一樣，而AI公司往往缺少真正懂如何搭建系統的工程師。 所以你必須強化團隊的其中一端。最理想的公司架構，應該包含一部分AI研究員和學習者，他們真正理解如何使用機器學習，尤其是基礎模型、專用模型、微調模型等，把它們應用到大規模問題中去。這點非常關鍵。

如果你構建的產品是基于GCP或者其他云服務商的平臺，那么只要你的學習過程在持續推進，市場份額也會隨之增長。一旦你掌握了“邊做邊學”的節奏，就有機會在某個細分市場上占據90%的份額，成為主導者。所以對于初創公司來說，最快實現財富的路徑，就是盡可能按這個方向走。

主持人： 沒錯，這確實很有道理。本質上還是回到“學習過程”的問題上。

Eric Schmidt： 是的。但很多時候，你在招聘的時候，面試者其實真正想知道的是你到底在做什么？產品是什么？你們正在招哪些人？而公司這邊可能還在探索階段。你們也不清楚最終能不能成功，但你需要做的，是創造一個能吸引人才的方式，讓他們覺得：這是一次難得的機會，我們正在解決一個重要難題。

頂尖人才的動力從來不是金錢或名聲。他們之所以被吸引，是因為他們 真正全情投入，想要解決一個復雜、基礎性的新問題。 所以當我在招人時，我會說：“我不知道答案，但如果你能解決這個問題，不管它是什么，那你就是英雄。”這句話真的很有用。

我舉個例子。有一次我和軍方合作時，遇到一個人，出于一些原因我不細說了，但他是個非常熱情的設計師。說實話，他在其他方面表現一般，但在衛星工程上，他非常有想法。這種人該怎么用？就放手讓他去跑。你要做的是告訴他：“這是你負責的領域，你來看看能不能想出新東西。如果真的很有意思，我就會為你提供資源。”

這非常有效。為什么？因為你激發了他的能力，也滿足了他想要被認可的心理需求。從某種意義上說，CEO的角色就是讓其他人做出卓越成果，而自己則負責組織協調所有環節。現在的CEO，人們常常忘記了：30或40年前，他們是被討厭的角色，大家覺得他們無聊。

后來科技行業興起，有一段時間，大家開始喜歡科技公司CEO。可現在又回到了被集體攻擊的階段。但在那段受歡迎的高峰期，確實非常精彩。人們終于明白， CEO的本質工作，是組織一群有創造力的人，讓他們發揮最大的潛力。 如果他們成功了，我也就成功了。

想象一下：如果我的團隊做成了，那我也就成功了；如果我成功了，公司財務也會變好；這時候大家都是贏家。但很多人容易誤解。他們以為這份工作只是為了賺錢。確實會賺很多錢，但那是因為有人創造了一切。

金錢從來都不是最重要的， 真正重要的是你有沒有改變世界的能力。 我對人的判斷是這樣的：如果一個人真的在乎，他會非常忙。我不會擔心這種人，我知道他們是真的在意。再給你舉個例子。在谷歌早期，有人會來找我，說：“我真的很想為你工作。”我也很喜歡他們。但有的人會接著說：“不過我現在是副總裁了，我的下一步要做CEO或者COO。”這時候我只能禮貌地告訴他：“我們沒有COO的職位，但我們有很多棘手的問題。”

實際上，COO并不是真正關鍵的問題。有三四個人，我本來非常喜歡，但他們的答案不對。他們說“我想來，但要有一個頭銜”。而我真正欣賞的，是那些說：“我來是為了幫你解決最難的問題。”這樣的人能幫我賺幾十億美元，真的，是很多錢。因為在創業公司里，問題太多了，你都搞不清哪個才是優先項。如果你是為我工作的人，盡管你這個人本身很棒，但你必須說：“我會盡一切努力讓公司成功。”

在小公司里，處處是空白。你可以自己選一個方向去深入，然后把它徹底解決。作為我的員工，我希望你主動去占領這些空間，然后告訴我哪里有問題因為你在這些事情上比我懂得更多。事情就是這么運作的。

在我寫的關于谷歌運營方式的那本書里，我們討論過天后型和中庸型員工的區別。SteveJobs就是典型的天后型：他非常有才華，脾氣也大，但他堅定執著。沒人會質疑他對用戶的承諾，以及他對蘋果的成功起到了決定性作用。而中庸型員工是另一類人，看起來也很聰明，但他們本質上是自利的。他們只是為了自己的利益在做事。

天后型和中庸型的區別有時候很難看出來，但你要記住：要留下天后型，支持他們，因為他們才是能帶來變革的人。他們是公司真正的推動者，是交付新產品的關鍵。你必須認真聽他們的意見。而那些中庸之輩，說實話，你只能把他們辭掉。

AI初創公司的底層邏輯：學得快的人贏

Eric Schmidt： 如果你考慮一個人的行為背景、當時的情境以及他們掌握的權力，那你會意識到有時候確實行不通。我在擔任谷歌CEO的時候，每天都會提醒自己，我能擔任這個職位、領導這家公司，是一種幸運。因為一旦判斷失誤，后果將會非常嚴重。我永遠不會忘記，我是被創始人們雇來的。雖然從執行上來說，是他們在為我工作，但在實際運作中，我們是一個團隊。我尊重他們的貢獻，他們當然也尊重我的角色。

主持人： 你是怎么找到這些天后型人才的？他們通常會在哪里出現？

Eric Schmidt： 他們通常出現在一些有趣的項目周圍。我們嘗試過很多方式來尋找他們。通常他們會在某項技術工作中處于領導地位，只不過這項技術在其他公司里沒有受到足夠重視。他們感到自己被忽略、沒有被傾聽，或者只是剛從大學畢業、但才華橫溢。

當然，很多剛從大學出來的人還是很狹隘的，但有些人確實能突破那個限制。有時候，這些人就來自你現有的員工群體。我從組織管理中學到的一點是： 在一個人真正經受住考驗之前，不要輕易下判斷。 尤其是在軟件領域，大多數非軟件出身的人根本理解不了工程師們在干嘛，而工程師自己有時也不太確定。這和硬件不同。軟件需要專業知識，真的很難看清團隊是否能交付。

所以你需要給他們一個短期項目，看看他們會怎么安排。換句話說，我對工程管理者的基本要求是：即便我臨時在走廊上碰見你、沒有任何準備，你也應該能立刻回答以下幾個問題：你正在做什么？遇到了什么問題？你的進度安排是怎樣的？我怎么幫你更快推進？別再抱怨資源不夠，每個人的資源都不夠，對吧？我剛才說的這些，其實也是一種測試方式，能判斷一個人有沒有真正關注這些事，還是在溜號、等著吃午飯。

主持人： 哈哈哈，是的。你告訴過我你上網沖浪看很多內容。

Eric Schmidt： 上網沖浪嘛。作為CEO，你確實需要對細節有足夠了解，才能掌控全局、引領方向。而這一切的前提，是你要真正理解員工在做什么、認真傾聽他們的意見、關注細節并做出微調。我做每件事都盡量這樣做。

主持人： 這確實非常非常不容易。很多人根本沒意識到這事有多難，除非他們親身經歷過。我相信這對你來說是一段非常有收獲的旅程。

Eric Schmidt： 是的。而且，如果有人聽完這些還覺得“這太扯了”，那我想說這些高管確實薪水很高，也確實有很多光環，這些都是真的。但你不能忘了，他們也是普通人，他們有家庭、有真實的生活。你必須以更人性化的視角去理解他們，這樣你才能真正理解他們，成為他們的伙伴，也才能真正為他們服務。

我自己也從很多導師那里受益匪淺。比如我剛進Sun的時候，有位叫Bernie的前輩，現在已經退休了。他非常聰明，對我也特別嚴格。他會直接問我：“你為什么遲到？為什么我們關心這件事？”你知道，我那時候還是學術背景出身的，很多事不懂，但他教會了我“管理的精度”。

我今天能站在這里和你聊天，是因為有很多人當年在我身上下注。他們看到我有潛力，也看到我在哪些方面還差點火候。所以到了我現在這個年紀，我愿意再賭一次，但前提是：你得愿意傾聽反饋，即便有反對意見也能聽進去。

在政治體系中，我們常看到，如果一個人愿意傾聽，他就能及時糾正錯誤；但如果他只是空想主義者，那他就不會調整。而這也正是問題所在。它可能錯得太久，最后你連自己都說服了，但公司卻已經因此破產。

所以，作為CEO，我們會花大量時間去搞清楚信息是不是全面的，擔心團隊告訴我們的并不是事實全貌。因此我總是主動去問我認識的每一個人，關于某個具體問題他們是怎么看的。我會認真傾聽各種不同的聲音，然后判斷這些意見是真的有見地，還是他們只是情緒不滿。當然，后者在公司里也常見，但你要學會區分。在企業文化中，很多教條其實是被反復強化出來的，但現實世界并不是這樣的。

一個最典型的例子就是媒體行業。曾經的主流媒體擁有大量發行渠道和巨大的影響力，但現在，這些都被網絡和社交媒體取代了。我和他們打了15年的交道，我得出的結論是：他們的合同把他們鎖死了。他們必須交付那些內容，合同到期前什么都改不了。直到下一任領導，通常是更年輕、更有新想法的新CEO上任，改變才會發生。這種情況其實是典型的“代際轉換”。

所以，當你看到一家企業幾十年如一日地維持舊模式運作，那就該考慮如何收購或重組它了。大多數人無法做到這一點，也不具備創建對手的能力。

比如你看數據庫行業，其實早就該有一個純在線的替代平臺了。SQL解決方案的變革早該發生，但各種原因導致它一直沒有到來。再比如，你我談到的半導體行業中，也有很多用新思維顛覆舊設計工具的機會。但公司通常很難真正采納這些新方法。為什么這些機會總會出現？因為舊公司總是被鎖死在一整套相互關聯的協議里。怎么賺錢、怎么對客戶、怎么造產品、系統壓力在哪這些全都卡死了。

要真正打破這種局面，通常只能靠創始人出面，不是CEO，而是真正的創始人。他們必須拍板、定方向。要不就是等一場危機，比如破產；要不就是要有某種能撼動文化根基的轉折。人類的本性是偏好維持現狀。作為CEO，你的職責之一，就是理解這一點，并知道在哪些節點上施加改變的壓力。但我們都是人，都有極限。

主持人： 是啊，確實如此。那么我們來談談這些“人才”現在都去了哪里。顯然，答案是人工智能。那么，你認為我們現在正處于AI泡沫嗎？

Eric Schmidt： 不，我不這么認為。事實上，我覺得AI被低估了，而不是被高估。幾個月前，Daario Amade提出一個觀點，我非常認同。他說AI的發展其實受到縮放定律的驅動。

第一個縮放定律就是：你投入更多算力、網絡參數等，就能不斷獲得突破。這套縮放機制帶來了ChatGPT、Gemini、Claude3……而且這還遠沒結束。我們還沒找到這些曲線的盡頭。接下來的第二個方向是強化學習，它允許系統通過試錯迭代來制定計劃。你可以把它想象成“推理規劃”。比如OpenAI的GPT-4o，還有DeepSeek R1，都是這方面的代表。還有第三種趨勢叫測試時計算。簡單來說，就是模型在運行過程中邊跑邊學。這一塊目前還處于起步階段。

所以，在這些技術的弧線真正開始放緩之前，我們都不該輕易下判斷。有人說六個月內就會降速，但沒人知道，而現實是它們還沒降速。 現在我們可能面臨的瓶頸，不是算法本身，而是物理限制 ，比如電力資源。就以NVIDIA最近發布的GB300芯片為例，簡直太強大了。AMD剛出的350也很棒，你比我更懂這個。還有Tranium，還有谷歌最新的TPU v5 D系列，都在持續優化。

主持人： 那在你看來，AI軟件的進步將會帶來哪些變化？

Eric Schmidt： AI軟件將開始深入改變我們的商業流程、推理能力，甚至是發明創造。我還沒提到那些影響深遠的科學突破呢。

主持人： 是的，確實如此。那我們大膽設想一下：如果這一切都實現了，你會如何想象一個通用人工智能時代的世界？

Eric Schmidt： 這個我寫過一本書，叫《The Age of AI: And Our Human Future》 （中文版譯為《創世紀》） 。你們應該有這本書。它在2024年11月出版，是我和Henry Kissinger以及Craig Mundie一起寫的。這是Henry在去世前參與的最后一個項目，他去世前一周還在修改這本書。所以，對我來說，這是一次非常感人又特殊的經歷。

中國模式崛起與全球AI競賽的價值沖突

Eric Schmidt： 我的好朋友Henry Kissinger在那本書里多次探討了一個核心問題：當我們擁有這些遠超人類的智能系統之后，人的身份認同將會變成什么樣。他講得比我好太多了。理解這個問題的方式之一是：我們其實對“人類意味著什么”有很多潛在的、未被明說的假設。

雖然我們無法精準定義意識，但我們知道人類的偉大之處。我們贊美頂尖的運動員、賽車手、數學家，我們知道什么樣的表現值得尊敬。那當這種超人的外星智慧真的到來時，我們的生活會變成什么樣？我曾提出一個思想實驗，稱之為“舊金山學派”：在舊金山，有人聲稱我們將在三到四年內實現與人類相當的智能水平，也就是AGI。

而當他們談到AGI時，定義是： 它的能力要與最優秀的人類相當。再往后就是超級智能，指的是比所有人類加起來還要聰明的系統。 想象一下，如果你我掌管著一個比全人類更聰明的系統，它擁有萬億級的資金、龐大的計算資源和數據，那我們該怎么管理它？你會讓它去做什么？如果落入壞人之手，它完全可能帶來滅絕性的威脅。這顯然是不可接受的。那你要如何組織它的運作方式，才能確保不會剝奪人類的自由？

舉個簡單的例子：人類不喜歡被機器支配。比如我住在紐約，如果這個超級智能系統用算法規劃城市交通，使效率最優，但結果卻對我所在的社區造成了傷害，那這對我來說就不是好事。再比如，一個孕婦即將生產，她的丈夫開車想把她送去醫院，但因為系統限制速度，結果耽誤了孩子的搶救時間。這也是明顯錯誤的。

你可以想象無數這種情況，尤其是在孩子、家庭、個體的層面。這本書中也探討了類似的場景。我們現在的問題是：我們還沒有一套思維體系，能真正理解人類將如何與這種智能共處。它正在來臨，我們的預測可能有偏差，但方向基本是對的，只是有時機沒把握準。

現在你剛才說，如果這個系統比我們聰明，那我們的角色是什么？它們是完全自主的，還是我們能部分掌控？還有一個問題是：它們會不會像我們對狗那樣看待我們？也就是說，它們會因為比我們聰明，而“憐憫”我們嗎？這顯然不是一個令人安心的前景。

所以，作為社會，我們必須找到一條出路。這不僅僅是你我這些科技人要面對的問題，而是全人類共同的問題。我們必須思考 如何與這些智能共存。 因為一旦使用得當，它們將能幫助我們解決氣候變化、延長壽命，攻克那些困擾人類幾千年的疾病。如果用得好，AI將有可能從根本上改變人類所有最困難的處境。

主持人： 確實非常令人振奮。有時候我會想，既然AI那么重要，那為什么各國不統一稅收政策、合力投入資源，推動這件事呢？

Eric Schmidt： 我們已經投入了大量金錢和精力，只為了看看人類到底能走多遠。而且現在的確還有很多AI領域沒有被充分開發。你剛才提到的問題是否應加大投入？我的答案是：中國正在做這件事。因為DeepSeek的巨大成功，中國已經將AI視為國家級戰略。他們投入了數十億美元，不再像以前那樣袖手旁觀。

中國的模式值得重視。他們非常聰明，也極其努力。雖然他們在部分芯片領域落后于美國，但美國施加的出口限制反而激勵他們創造出像DeepSeek那樣令人印象深刻的新算法。 千萬不要低估中國的競爭力。

主持人： 完全同意。DeepSeek現在是世界領先的開源模型之一。這確實說明中國至少在開源領域正在取得成果。那你怎么看美國的下一步？我們應該走開源路線，還是堅持閉源？你怎么看？

Eric Schmidt： 我們現在面臨的情況其實很矛盾。像我這樣的很多人，是在開源文化中成長起來的。開源是指：你發明了一個工具或模型，然后免費公開給所有人使用。這聽起來非常不合理，但其實是一種奇妙的合作機制。通過分享你的成果，你吸引到其他聰明人來合作。你甚至能保持領先，因為你自己率先做到了，別人還在學習你的技術。聽上去確實有點奇怪，但這個策略效果非常好。

以谷歌為例，它在很多基礎層面的技術上都是開源的，盡管它也有專有部分。相比之下，蘋果就是閉源的。Steve Jobs本人就堅持這一點，我也和他談過很多次。但蘋果也有少數開源組件，用于授權或共享。所以你看，兩家公司都有不同的技術策略。

當前AI領域最強的模型，幾乎都是閉源的。你不能直接了解它們內部怎么運行，只能通過API、對話接口等形式使用。這種形式叫“開放權重、閉源結構”。這雖然對整個生態系統不太透明，但也正因此，像中國這樣的國家也能接觸到這些模型。

要使用這些頂級模型，其實是非常困難的。你需要大學更多地參與到開源創新中，因為真正原創的思想大多數都來自學術界。即使你承認大公司會使用專有技術，這主要還是因為成本原因開發一個頂級模型，往往要投入1億~2億美元。你花這么多錢開發模型，不可能隨便送出去。

所以哪怕公司閉源，大學也應繼續推動開源。比如強化學習就很有希望。我知道有幾所大學正在嘗試用不同的數學思路來構建基礎模型。這種探索值得支持。全世界范圍內，開源項目越多，我們就越能吸引到最聰明的大腦。

未來十年：硬件瓶頸、強化學習與價值選擇

Eric Schmidt： 風險巨大。但我們為什么不試試呢？所以我們需要支持那些正在努力做事的人。問題出在擴散上。

我來解釋一下技術方面的挑戰。我們估計，目前AI模型所需的計算規模約為10的26次方，也就是1后面跟著26個零。這個單位稱為浮點運算，是衡量計算能力的標準，也是推動模型發展的基礎。但這也代表了危險的知識。

剛開始，這些模型“懂得不多”，但一旦深入某些領域，它們可能就會掌握對人類有害的信息，比如炸彈制造、有毒病毒之類的內容。因此，要找到一種監管開源的方法非常難。想象一下，你既要保護大家的安全，又必須把源代碼公開。這就是我們稱為“極其困難”的問題。目前我們還沒有解決辦法，正在不斷嘗試。當像DeepSeek這樣的開源項目，其最前沿的模型甚至比大多數閉源模型還強大時，你是否感到意外？

主持人： 你驚訝嗎？他們為什么要這么做？你怎么看？

Eric Schmidt： 老實說，我確實感到驚訝。我低估了他們。DeepSeek已經存在一段時間了。他們最初其實是一家金融對沖基金，而不是科技公司。是完全自籌資金，在中國市場賺了很多錢。顯然，他們非常聰明。他們的做法是使用開源的Llama模型，有人說他們還從封閉模型中提煉技術。這可能違反了服務條款，但無論如何，他們確實在硬件有限的情況下，訓練出了和沒有硬件限制時質量相近的模型，這非常值得關注。

DeepSeek的團隊聲稱，他們只花了500萬美元訓練模型。但實際上，他們用了一個造價超過1億美元的大模型作為基礎。這明顯是個“選擇性披露”的說法。我們還需要繼續觀察。中國目前似乎正在推動開源的發展，這其實是對西方在技術層面“閉源”姿態的一種回應。其影響非常重大。

多數國家無法獲得頂尖技術資源，但又迫切需要這些工具。因此，他們很有可能最終選擇中國的開源方案。這對我們美國來說，不是好事。我們需要能與中國開源模型抗衡的替代方案，以確保我們還能保持技術領先。他們在論文中并未詳細披露全部訓練成本，只提到最后幾輪的成本，而且他們保留了大量GPU資源。這只是按每小時費率算出的片面信息。真實訓練的成本肯定高得多。

再說另一個例子，我想探討的問題是： 有 沒有可能出現一種情況，你有一個超級龐大的數據中心、電力充足，但卻賺不到錢？ 從市場的角度看，這可能是真的。有時候，基礎設施跑在了需求前面。也就是說，你擁有的東西太多，而真正賺錢的部分卻沒有。

目前，系統的營收尚不足以支撐巨額資本開支。如果繼續這樣發展，這些超級數據中心有可能成為經濟陷阱。我并不認同這種觀點，但我能理解人們的謹慎。畢竟，我們談論的是500億甚至1000億美元級別的投資。這些企業主當然希望能收回成本。因此，我們必須對未來真正的AI應用場景有一個合理預估。

DeepSeek向我們展示，用更少的資源，也可以做到接近最優解。這是他們值得稱贊的一點。但另一方面，現在的強化學習和各種AI規劃模型，很多都使用了100倍甚至更多的資源來進行失敗或隨機嘗試，原因在于它們的推理過程不夠穩定，模型沒有做到真正的邏輯推演。

所以我認為： 未來十年，硬件將永遠不夠用。 限制因素最終會是電力和系統構建能力。你是半導體領域的專家。我最擔心的問題之一，就是芯片行業從繁榮滑向衰退。芯片公司研發出了很棒的產品，為了回本，不得不抬高價格。但一旦供過于求，產品價格又會暴跌。這個繁榮-蕭條的循環，在半導體行業里是有破壞性的。

主持人： 最后一個問題：你覺得美國公司該不該使用中國的開源模型？

Eric Schmidt： 這個問題很好。有趣的是，我認識很多公司，他們的團隊中有很多優秀的中國研發人員。我本以為他們不會用中國的模型，但事實上，他們都在用。原因很簡單：這些模型在某些方面比美國的更快、更強。很多美國公司用的是DeepSeek，因為它性能好，響應快。我們當然會開發美國版來回應。畢竟，隨著時間推移，token的單位成本每年都在以10倍速度下降。

主持人： 那如果你現在20多歲，想做AI初創項目，你會選什么方向？

Eric Schmidt： 我年輕的時候研究的是操作系統和編程語言，那時候，計算機運行速度很慢。我在施樂園區讀博，也常去伯克利，感覺像站在世界中心一樣。如果我今天還年輕，我會選擇強化學習。去年大家都關注深度學習，今年最難也最有前景的，是控制AI的規劃能力。

你可以想象，越復雜的問題，對推理能力的要求就越高。最終，我們希望AI能在合理邊界內自主推理。如果你能把AI規劃和推理規模化，那就等于掌握了超人級別的能力。這對我來說，是最吸引人的事。因為它是所有行業流程的基礎A步驟、B步驟、C步驟，都是如此。

如果我是其他領域的科學家，比如生物學、化學或政治學，我也會嘗試構建基礎模型，把我所在領域的知識輸入到AI系統中，讓AI參與問題建模與解答。這適用于一切領域。例如，我參加過一個政治會議，大家討論選民數據，我建議他們構建一個基礎模型，把這些知識體系化，這樣你就可以隨時提問，得到答案。這就是可信AI的下一階段成為一個強大合作者。 未來真正重要的權力博弈，將不再是資源或政治，而是誰能掌握這些AI系統解決問題的能力。

主持人： 非常棒。最后，你對強化學習怎么看？

Eric Schmidt： 我在伯克利讀博時研究過代碼優化。強化學習最大的問題是定義獎勵函數，我們很難精確描述什么是對人類有價值的獎勵。一旦我們能清晰界定獎勵，AI的自學習就能邁上新臺階。以前沒人重視強化學習，現在大家都開始談。但還缺少對這些獎勵函數的深入理解和制定規則的方法。

主持人： 太好了。作為年輕人，我們應該挑戰最難的課題。只有解決難題，才有價值。

Eric Schmidt： 沒錯。別去做簡單的事，那些別人都能做。 你應該專注于那些最難的問題，解決它們，收獲成長。 這不僅僅是為企業，也是為了你自己的意義。當你每天起床時，問問自己：我為什么重要？

主持人： Eric，這真是非常棒的一期播客。謝謝你抽出時間，非常感激你分享的見解。

Eric Schmidt： 很高興來聊聊。也很高興再次見到你。你是非常好的朋友，我相信你在新公司一定會取得巨大成功。也許我還能因為你的成功而賺點錢呢！

主持人： 謝謝！感謝大家收聽。保持求知欲，保持好奇心。繼續嘗試，繼續學習，突破AI的邊界。我們下期《AI創始人之旅》再見！

原視頻： Former Google CEO: "China Will Win AI Race Unless We Act Now" | Founder Psychology，Talent Wars，AI

本文來自微信公眾號： Z Potentials ，作者：UniversalAGI，編譯：Nicole Wang