前谷歌 CEO 深知行业动态，他强调千万不要低估中国的 AI 竞争力。中国在 AI 领域展现出了惊人的速度与潜力。从科研投入到人才培养，从算法创新到应用落地，中国都在不断发力。众多顶尖的 AI 研究机构和企业如雨后春笋般涌现，在图像识别、自然语言处理等领域取得了举世瞩目的成果。中国的 AI 技术不仅在国内广泛应用，还走向世界，与全球各国展开竞争与合作。其强大的计算能力、丰富的数据资源以及庞大的市场需求，都为中国 AI 的持续发展提供了坚实基础，不容小觑。

埃里克·施密特（Eric Schmidt），前谷歌CEO，曾担任美国国家安全委员会AI事务负责人，现任Relativity Space公司董事长，是全球AI战略与技术治理的重要声音之一。本次对谈录音于2024年在YouTube频道《AI Founders Journey》发布，聚焦创始人心理、人工智能竞赛、中美开源博弈及超级智能时代的社会挑战。分享给大家，希望对你有启发。

创始人心理：从天赋到验证机制

主持人：大家好，欢迎收听《AI创始人之旅》第一期节目。我是主持人Air。今天非常高兴邀请到我的朋友Eric Schmidt。他曾担任谷歌CEO，现在是Relativity Space的首席执行官。嗨，Eric，很高兴再次见到你。顺便祝贺你获得新职位。首先，你想怎么介绍自己？

Eric Schmidt：我曾是谷歌的首席执行官，现在担任Relativity Space的董事长，这是一家专注于大型火箭的私营航天企业。很多人可能不知道，其实我并不是那种典型的创业者类型。

主持人：有趣，那我们就从这里聊起吧。作为创始人，最难的事情之一就是找到优秀的人才。但讽刺的是，当你真的找到了，他们往往最后都会自己去创业。

Eric Schmidt：我完全明白你的意思。我加入谷歌和Sun Microsystems时，从没想过要自己创业。我不认为自己是那种“在家突然想到点子就开始折腾”的创始人。我更像是一名职业经理人，愿意加入一个好团队，为他们打下坚实基础，推动公司成长。我觉得这更适合我。事实上，从小时候起，在父亲的影响下，我就一直是“把事情做成”的那类人。

拉里和谢尔盖也是那种天生的创始人型。我第一次见他们时就意识到，他们非常聪明，而我可以带来的是他们暂时还没有的经验。记得2001年完成第一笔融资后，拉里对我说：“你知道吗，我们现在不需要你，但将来会需要。”这话听起来有点刺耳，但他是对的。那时候他们已经做得很出色，而我的价值在公司需要规模化扩张、制度建设时才会显现。

如果你是一名创始人，你的任务是判断未来要走向哪里，具备那种独到的远见。而如果你像我一样，则更适合成为“放大器”：接住那些好想法，整合、实现、规模化。很多创始人擅长推动技术，但常常缺乏处理公司治理、财务、合规等事务的耐心而这些恰恰是公司要走远必须解决的问题。这就是创始人和职业经理人两种角色的根本区别。

主持人：是的。其实很多人创业成功，是因为他们在早期就加入了一家极具潜力的公司。你怎么看这种“后来者反而更好”的路径？

Eric Schmidt：我也在反复思考这个问题。过去十年，美国和中国市值最高的公司都有一个共通点：它们获得了投资者的资本支持，有人才成长的土壤。这些人才通常很年轻、未经考验，非常自信，甚至有点傲慢。你跟他们讲点什么，他们马上就否定你，紧接着又会提出另一个新想法。这些新点子通常只是某个产品功能，而不是一个完整的平台或系统。

换句话说，他们提出的是解决某个具体问题的新方法，这个问题只是更大系统中的一部分。大多数这类初创公司最后都会被收购。真正能实现独立增长的想法是少数。所以从市场角度来看，这种结构其实是低效的。这些人一开始可能就应该直接加入成熟公司。不过也有人会反驳这个观点。

但想想看，一家公司为什么要收购另一家小公司？通常是因为需要那个功能。所以你一次次会看到，初创公司创始人参与的其实是一个“验证游戏”：哪家公司最终被验证成功，就应该被收购。剩下的那些人要么换岗、要么“回收”，很多公司做收购并不是为了产品，而是为了人才。这当然是有价值的，你为人才买单。这些人才之所以值钱，是因为他们已经在那个特定领域证明了自己。

作为一个普通团队的CEO，你很难有途径发现这样的人才。但通过这种机制，你能直接识别出行业里的赢家。我喜欢这种模式，因为只要营收增长、估值疯狂，市场就会奖励这家公司。这是典型的赢家特征。它允许大公司收购小公司，把赢家收入麾下。最关键的是，它不仅得到了那个功能，还得到了那个“人”。别忘了，10家公司里有9家不会成功。有些甚至更惨。按照风险投资的传统经验，4家会彻底失败，5家会成为“活死人”，也就是说公司没有发展空间、又无法退出，这才是最糟糕的。

主持人：是的，你当然不想被困在那种既上不去、又退不出的境地。

Eric Schmidt：我见过很多这种情况，确实非常令人沮丧。

主持人：你之前说一切都与团队有关。我很好奇，你既投资也支持了很多创始人，那你在一家公司里最看重什么？

Eric Schmidt：我在回答你这个问题前，先说一句：整个系统其实运作得很好，我不建议大家去大幅修改它。当然在边缘层面可以做些优化。但你看看微软、苹果、Sun、谷歌、Meta、Airbnb、特斯拉、SpaceX……这些公司都有共同特点：它们都参与了竞争。

当你在挑选一个创始人时，我通常会做一个简单的测试。假设我是投资人，而你是创始人。某一天，你会遇到一种情况：一家大公司决定开始做和你的小公司一样的事情。这种事总是会发生。他们听说了你在做什么，觉得有趣，再加上一些额外的资源和人手，于是也加入了这个赛道。我所寻找的创始人，在这种时刻会说：“好啊，那就来吧。”然后他们会更加努力，投入更多精力，专注于扩张，并激励整个团队迎接挑战。

当你是初创公司，一切发展顺利，缺少挑战者时，反而是一种困扰。我认识一些公司，它们处在良好的发展阶段，数据也不错，用户也在增长，但它们并没有真正的竞争对手。而一旦竞争对手出现，真正的比赛才算开始。这时候你才真正感受到乐趣。竞争会来得很快。所以对我来说，这就是“领导力”的真正体现：在压力下迎难而上，而不是被吓倒；是拥有勇气去领导，而不仅仅是管理。

我们说说CEO吧。不管是创始人CEO还是外部聘任的CEO，总是会被推到聚光灯下。我一直认为CEO这个角色被严重低估了。能在这个岗位上坚持下来的人太少了，因为这份工作每天都要面对各种挑战。每天都有内部摩擦、招聘问题，有人离职，有人加入，对手搞小动作，媒体盯着你，成功后他们反而唱衰你。客户永远有新需求，投资人永远想要更多。

愿意在这种环境下坚持工作的人，就像那些政治领袖一样，承受着各种攻击。我当然是个自私的人，但我真心佩服那些愿意站在擂台上拼搏的人。正如罗斯福1910年的那句名言：“我钦佩在竞技场上的人。”

批评别人很容易，而我希望自己，也希望我的创始人和同事们，都是站在竞技场里的人。我们都太习惯批评，总觉得什么都不对，什么都能做得更好。那就你来试试，你来做，你来承担所有这些事。你有没有那种毅力，愿意每天起床，然后连续工作12到14小时，处理所有压力和问题，晚上还能温柔地面对家人，而不是把气撒在狗身上？这真的非常难，远比大家想象中要难得多。

主持人：没错。那我们来谈谈，现在AI创业公司很多。就像你刚才说的，有时候加入一家发展良好的公司反而比自己创业更合适。但现在AI初创公司数量庞大，很多工程师不知道该怎么选，也不知道自己真正感兴趣的是什么。你会给他们什么建议？他们应该怎么选择或者评估？

Eric Schmidt：首先，有一点要明确：这其实是你我之前聊到的那个模型的自然结果。每一次技术浪潮来临时，都会有一大批人想要成为赢家。尤其是刚从研究生院毕业的年轻人，这个问题更明显你要选谁？你怎么选？而我和大多数人的观点不同。我认为你不应该去选“最可能成功”的公司，而应该去选择那个“你玩得最开心”的地方。如果你是一个高素质的人，在你喜欢的地方，你自然会被聪明人包围。水涨船高，会让所有船都升起来。

我给你举个例子：谁发明了iPhone？很多人会说是Steve Jobs，但其实不对。苹果公司有上千位员工参与了这个项目。真正负责这个项目的副总裁才是核心人物。他极具才华，是一位很棒的表演者和战略家。但我们却记不得这些人的名字。他们在历史上扮演了非常重要的角色，也理应为自己的贡献感到自豪。

所以问题是：你该如何去带领这样一群极聪明的人？我的建议是，作为年轻人，去找你认识的最聪明的朋友。可能是你最欣赏的同学。和他们一起出去做点什么。如果你想成功，那就试一试。这就是这个系统最精妙的地方，尤其对年轻人来说：你有能力去冒险。

有一天我问Larry：谷歌是怎么成功的？他说了一句话我一直记得。他说：“我不理解我们一无所有的时候，可以承担巨大的风险；可现在我们拥有那么多，却反而不敢承担了。”这就是公司衰老的过程。他说得完全正确。

所以，尤其是在初创公司阶段，现在正是你冒险的时候。而且你还拥有很多优势。如果你回顾那些成功的初创公司，你就会知道它们必须同时满足很多条件才能成功。比如时机必须对，这就是所谓的产品市场契合度；你要解决市场真正需要的痛点，还要有很强的技术方案来支撑。

领导力的本质：招人、留人、激发人

Eric Schmidt：回到谷歌的成功这一问题，它主要靠两点：第一，搜索引擎本身非常强大，它的技术核心叫PageRank，是Larry早年在硕士论文里提出的。第二，是广告变现系统，后来被称为AdSense。这个系统采用的是一种更高效的拍卖方式，叫“胜者拍卖”或“第二价格拍卖”。我记得当我意识到他们在用这种机制时，心想：他们真是又发明了一种新玩法。

我们当时找到了一个完美组合：一个出色的产品，再加上一种清晰、可扩展的盈利方式。刚开始时我们其实根本不知道它能有多成功，也没什么现金流。但它能大规模运转，这就是它厉害的地方。

今天，如果我在评估一家初创公司，尤其是我现在正在看的项目，我会直接问一句：你的模型中有没有“学习”？换句话说，如果你在创建一家公司，而它无法通过基础模型或AI工具不断边做边学，那么你就会被那些“已经学会如何学习”的竞争对手打败。因为学习速度最快的人会赢。

这也引出了一个关键问题：学习型人才和传统工程师不一样，而AI公司往往缺少真正懂如何搭建系统的工程师。所以你必须强化团队的其中一端。最理想的公司架构，应该包含一部分AI研究员和学习者，他们真正理解如何使用机器学习，尤其是基础模型、专用模型、微调模型等，把它们应用到大规模问题中去。这点非常关键。

如果你构建的产品是基于GCP或者其他云服务商的平台，那么只要你的学习过程在持续推进，市场份额也会随之增长。一旦你掌握了“边做边学”的节奏，就有机会在某个细分市场上占据90%的份额，成为主导者。所以对于初创公司来说，最快实现财富的路径，就是尽可能按这个方向走。

主持人：没错，这确实很有道理。本质上还是回到“学习过程”的问题上。

Eric Schmidt：是的。但很多时候，你在招聘的时候，面试者其实真正想知道的是你到底在做什么？产品是什么？你们正在招哪些人？而公司这边可能还在探索阶段。你们也不清楚最终能不能成功，但你需要做的，是创造一个能吸引人才的方式，让他们觉得：这是一次难得的机会，我们正在解决一个重要难题。

顶尖人才的动力从来不是金钱或名声。他们之所以被吸引，是因为他们真正全情投入，想要解决一个复杂、基础性的新问题。所以当我在招人时，我会说：“我不知道答案，但如果你能解决这个问题，不管它是什么，那你就是英雄。”这句话真的很有用。

我举个例子。有一次我和军方合作时，遇到一个人，出于一些原因我不细说了，但他是个非常热情的设计师。说实话，他在其他方面表现一般，但在卫星工程上，他非常有想法。这种人该怎么用？就放手让他去跑。你要做的是告诉他：“这是你负责的领域，你来看看能不能想出新东西。如果真的很有意思，我就会为你提供资源。”

这非常有效。为什么？因为你激发了他的能力，也满足了他想要被认可的心理需求。从某种意义上说，CEO的角色就是让其他人做出卓越成果，而自己则负责组织协调所有环节。现在的CEO，人们常常忘记了：30或40年前，他们是被讨厌的角色，大家觉得他们无聊。

后来科技行业兴起，有一段时间，大家开始喜欢科技公司CEO。可现在又回到了被集体攻击的阶段。但在那段受欢迎的高峰期，确实非常精彩。人们终于明白，CEO的本质工作，是组织一群有创造力的人，让他们发挥最大的潜力。如果他们成功了，我也就成功了。

想象一下：如果我的团队做成了，那我也就成功了；如果我成功了，公司财务也会变好；这时候大家都是赢家。但很多人容易误解。他们以为这份工作只是为了赚钱。确实会赚很多钱，但那是因为有人创造了一切。

金钱从来都不是最重要的，真正重要的是你有没有改变世界的能力。我对人的判断是这样的：如果一个人真的在乎，他会非常忙。我不会担心这种人，我知道他们是真的在意。再给你举个例子。在谷歌早期，有人会来找我，说：“我真的很想为你工作。”我也很喜欢他们。但有的人会接着说：“不过我现在是副总裁了，我的下一步要做CEO或者COO。”这时候我只能礼貌地告诉他：“我们没有COO的职位，但我们有很多棘手的问题。”

实际上，COO并不是真正关键的问题。有三四个人，我本来非常喜欢，但他们的答案不对。他们说“我想来，但要有一个头衔”。而我真正欣赏的，是那些说：“我来是为了帮你解决最难的问题。”这样的人能帮我赚几十亿美元，真的，是很多钱。因为在创业公司里，问题太多了，你都搞不清哪个才是优先项。如果你是为我工作的人，尽管你这个人本身很棒，但你必须说：“我会尽一切努力让公司成功。”

在小公司里，处处是空白。你可以自己选一个方向去深入，然后把它彻底解决。作为我的员工，我希望你主动去占领这些空间，然后告诉我哪里有问题因为你在这些事情上比我懂得更多。事情就是这么运作的。

在我写的关于谷歌运营方式的那本书里，我们讨论过天后型和中庸型员工的区别。SteveJobs就是典型的天后型：他非常有才华，脾气也大，但他坚定执着。没人会质疑他对用户的承诺，以及他对苹果的成功起到了决定性作用。而中庸型员工是另一类人，看起来也很聪明，但他们本质上是自利的。他们只是为了自己的利益在做事。

天后型和中庸型的区别有时候很难看出来，但你要记住：要留下天后型，支持他们，因为他们才是能带来变革的人。他们是公司真正的推动者，是交付新产品的关键。你必须认真听他们的意见。而那些中庸之辈，说实话，你只能把他们辞掉。

AI初创公司的底层逻辑：学得快的人赢

Eric Schmidt：如果你考虑一个人的行为背景、当时的情境以及他们掌握的权力，那你会意识到有时候确实行不通。我在担任谷歌CEO的时候，每天都会提醒自己，我能担任这个职位、领导这家公司，是一种幸运。因为一旦判断失误，后果将会非常严重。我永远不会忘记，我是被创始人们雇来的。虽然从执行上来说，是他们在为我工作，但在实际运作中，我们是一个团队。我尊重他们的贡献，他们当然也尊重我的角色。

主持人：你是怎么找到这些天后型人才的？他们通常会在哪里出现？

Eric Schmidt：他们通常出现在一些有趣的项目周围。我们尝试过很多方式来寻找他们。通常他们会在某项技术工作中处于领导地位，只不过这项技术在其他公司里没有受到足够重视。他们感到自己被忽略、没有被倾听，或者只是刚从大学毕业、但才华横溢。

当然，很多刚从大学出来的人还是很狭隘的，但有些人确实能突破那个限制。有时候，这些人就来自你现有的员工群体。我从组织管理中学到的一点是：在一个人真正经受住考验之前，不要轻易下判断。尤其是在软件领域，大多数非软件出身的人根本理解不了工程师们在干嘛，而工程师自己有时也不太确定。这和硬件不同。软件需要专业知识，真的很难看清团队是否能交付。

所以你需要给他们一个短期项目，看看他们会怎么安排。换句话说，我对工程管理者的基本要求是：即便我临时在走廊上碰见你、没有任何准备，你也应该能立刻回答以下几个问题：你正在做什么？遇到了什么问题？你的进度安排是怎样的？我怎么帮你更快推进？别再抱怨资源不够，每个人的资源都不够，对吧？我刚才说的这些，其实也是一种测试方式，能判断一个人有没有真正关注这些事，还是在溜号、等着吃午饭。

主持人：哈哈哈，是的。你告诉过我你上网冲浪看很多内容。

Eric Schmidt：上网冲浪嘛。作为CEO，你确实需要对细节有足够了解，才能掌控全局、引领方向。而这一切的前提，是你要真正理解员工在做什么、认真倾听他们的意见、关注细节并做出微调。我做每件事都尽量这样做。

主持人：这确实非常非常不容易。很多人根本没意识到这事有多难，除非他们亲身经历过。我相信这对你来说是一段非常有收获的旅程。

Eric Schmidt：是的。而且，如果有人听完这些还觉得“这太扯了”，那我想说这些高管确实薪水很高，也确实有很多光环，这些都是真的。但你不能忘了，他们也是普通人，他们有家庭、有真实的生活。你必须以更人性化的视角去理解他们，这样你才能真正理解他们，成为他们的伙伴，也才能真正为他们服务。

我自己也从很多导师那里受益匪浅。比如我刚进Sun的时候，有位叫Bernie的前辈，现在已经退休了。他非常聪明，对我也特别严格。他会直接问我：“你为什么迟到？为什么我们关心这件事？”你知道，我那时候还是学术背景出身的，很多事不懂，但他教会了我“管理的精度”。

我今天能站在这里和你聊天，是因为有很多人当年在我身上下注。他们看到我有潜力，也看到我在哪些方面还差点火候。所以到了我现在这个年纪，我愿意再赌一次，但前提是：你得愿意倾听反馈，即便有反对意见也能听进去。

在政治体系中，我们常看到，如果一个人愿意倾听，他就能及时纠正错误；但如果他只是空想主义者，那他就不会调整。而这也正是问题所在。它可能错得太久，最后你连自己都说服了，但公司却已经因此破产。

所以，作为CEO，我们会花大量时间去搞清楚信息是不是全面的，担心团队告诉我们的并不是事实全貌。因此我总是主动去问我认识的每一个人，关于某个具体问题他们是怎么看的。我会认真倾听各种不同的声音，然后判断这些意见是真的有见地，还是他们只是情绪不满。当然，后者在公司里也常见，但你要学会区分。在企业文化中，很多教条其实是被反复强化出来的，但现实世界并不是这样的。

一个最典型的例子就是媒体行业。曾经的主流媒体拥有大量发行渠道和巨大的影响力，但现在，这些都被网络和社交媒体取代了。我和他们打了15年的交道，我得出的结论是：他们的合同把他们锁死了。他们必须交付那些内容，合同到期前什么都改不了。直到下一任领导，通常是更年轻、更有新想法的新CEO上任，改变才会发生。这种情况其实是典型的“代际转换”。

所以，当你看到一家企业几十年如一日地维持旧模式运作，那就该考虑如何收购或重组它了。大多数人无法做到这一点，也不具备创建对手的能力。

比如你看数据库行业，其实早就该有一个纯在线的替代平台了。SQL解决方案的变革早该发生，但各种原因导致它一直没有到来。再比如，你我谈到的半导体行业中，也有很多用新思维颠覆旧设计工具的机会。但公司通常很难真正采纳这些新方法。为什么这些机会总会出现？因为旧公司总是被锁死在一整套相互关联的协议里。怎么赚钱、怎么对客户、怎么造产品、系统压力在哪这些全都卡死了。

要真正打破这种局面，通常只能靠创始人出面，不是CEO，而是真正的创始人。他们必须拍板、定方向。要不就是等一场危机，比如破产；要不就是要有某种能撼动文化根基的转折。人类的本性是偏好维持现状。作为CEO，你的职责之一，就是理解这一点，并知道在哪些节点上施加改变的压力。但我们都是人，都有极限。

主持人：是啊，确实如此。那么我们来谈谈这些“人才”现在都去了哪里。显然，答案是人工智能。那么，你认为我们现在正处于AI泡沫吗？

Eric Schmidt：不，我不这么认为。事实上，我觉得AI被低估了，而不是被高估。几个月前，Daario Amade提出一个观点，我非常认同。他说AI的发展其实受到缩放定律的驱动。

第一个缩放定律就是：你投入更多算力、网络参数等，就能不断获得突破。这套缩放机制带来了ChatGPT、Gemini、Claude3……而且这还远没结束。我们还没找到这些曲线的尽头。接下来的第二个方向是强化学习，它允许系统通过试错迭代来制定计划。你可以把它想象成“推理规划”。比如OpenAI的GPT-4o，还有DeepSeek R1，都是这方面的代表。还有第三种趋势叫测试时计算。简单来说，就是模型在运行过程中边跑边学。这一块目前还处于起步阶段。

所以，在这些技术的弧线真正开始放缓之前，我们都不该轻易下判断。有人说六个月内就会降速，但没人知道，而现实是它们还没降速。现在我们可能面临的瓶颈，不是算法本身，而是物理限制，比如电力资源。就以NVIDIA最近发布的GB300芯片为例，简直太强大了。AMD刚出的350也很棒，你比我更懂这个。还有Tranium，还有谷歌最新的TPU v5 D系列，都在持续优化。

主持人：那在你看来，AI软件的进步将会带来哪些变化？

Eric Schmidt：AI软件将开始深入改变我们的商业流程、推理能力，甚至是发明创造。我还没提到那些影响深远的科学突破呢。

主持人：是的，确实如此。那我们大胆设想一下：如果这一切都实现了，你会如何想象一个通用人工智能时代的世界？

Eric Schmidt：这个我写过一本书，叫《The Age of AI: And Our Human Future》（中文版译为《创世纪》）。你们应该有这本书。它在2024年11月出版，是我和Henry Kissinger以及Craig Mundie一起写的。这是Henry在去世前参与的最后一个项目，他去世前一周还在修改这本书。所以，对我来说，这是一次非常感人又特殊的经历。

中国模式崛起与全球AI竞赛的价值冲突

Eric Schmidt：我的好朋友Henry Kissinger在那本书里多次探讨了一个核心问题：当我们拥有这些远超人类的智能系统之后，人的身份认同将会变成什么样。他讲得比我好太多了。理解这个问题的方式之一是：我们其实对“人类意味着什么”有很多潜在的、未被明说的假设。

虽然我们无法精准定义意识，但我们知道人类的伟大之处。我们赞美顶尖的运动员、赛车手、数学家，我们知道什么样的表现值得尊敬。那当这种超人的外星智慧真的到来时，我们的生活会变成什么样？我曾提出一个思想实验，称之为“旧金山学派”：在旧金山，有人声称我们将在三到四年内实现与人类相当的智能水平，也就是AGI。

而当他们谈到AGI时，定义是：它的能力要与最优秀的人类相当。再往后就是超级智能，指的是比所有人类加起来还要聪明的系统。想象一下，如果你我掌管着一个比全人类更聪明的系统，它拥有万亿级的资金、庞大的计算资源和数据，那我们该怎么管理它？你会让它去做什么？如果落入坏人之手，它完全可能带来灭绝性的威胁。这显然是不可接受的。那你要如何组织它的运作方式，才能确保不会剥夺人类的自由？

举个简单的例子：人类不喜欢被机器支配。比如我住在纽约，如果这个超级智能系统用算法规划城市交通，使效率最优，但结果却对我所在的社区造成了伤害，那这对我来说就不是好事。再比如，一个孕妇即将生产，她的丈夫开车想把她送去医院，但因为系统限制速度，结果耽误了孩子的抢救时间。这也是明显错误的。

你可以想象无数这种情况，尤其是在孩子、家庭、个体的层面。这本书中也探讨了类似的场景。我们现在的问题是：我们还没有一套思维体系，能真正理解人类将如何与这种智能共处。它正在来临，我们的预测可能有偏差，但方向基本是对的，只是有时机没把握准。

现在你刚才说，如果这个系统比我们聪明，那我们的角色是什么？它们是完全自主的，还是我们能部分掌控？还有一个问题是：它们会不会像我们对狗那样看待我们？也就是说，它们会因为比我们聪明，而“怜悯”我们吗？这显然不是一个令人安心的前景。

所以，作为社会，我们必须找到一条出路。这不仅仅是你我这些科技人要面对的问题，而是全人类共同的问题。我们必须思考如何与这些智能共存。因为一旦使用得当，它们将能帮助我们解决气候变化、延长寿命，攻克那些困扰人类几千年的疾病。如果用得好，AI将有可能从根本上改变人类所有最困难的处境。

主持人：确实非常令人振奋。有时候我会想，既然AI那么重要，那为什么各国不统一税收政策、合力投入资源，推动这件事呢？

Eric Schmidt：我们已经投入了大量金钱和精力，只为了看看人类到底能走多远。而且现在的确还有很多AI领域没有被充分开发。你刚才提到的问题是否应加大投入？我的答案是：中国正在做这件事。因为DeepSeek的巨大成功，中国已经将AI视为国家级战略。他们投入了数十亿美元，不再像以前那样袖手旁观。

中国的模式值得重视。他们非常聪明，也极其努力。虽然他们在部分芯片领域落后于美国，但美国施加的出口限制反而激励他们创造出像DeepSeek那样令人印象深刻的新算法。千万不要低估中国的竞争力。

主持人：完全同意。DeepSeek现在是世界领先的开源模型之一。这确实说明中国至少在开源领域正在取得成果。那你怎么看美国的下一步？我们应该走开源路线，还是坚持闭源？你怎么看？

Eric Schmidt：我们现在面临的情况其实很矛盾。像我这样的很多人，是在开源文化中成长起来的。开源是指：你发明了一个工具或模型，然后免费公开给所有人使用。这听起来非常不合理，但其实是一种奇妙的合作机制。通过分享你的成果，你吸引到其他聪明人来合作。你甚至能保持领先，因为你自己率先做到了，别人还在学习你的技术。听上去确实有点奇怪，但这个策略效果非常好。

以谷歌为例，它在很多基础层面的技术上都是开源的，尽管它也有专有部分。相比之下，苹果就是闭源的。Steve Jobs本人就坚持这一点，我也和他谈过很多次。但苹果也有少数开源组件，用于授权或共享。所以你看，两家公司都有不同的技术策略。

当前AI领域最强的模型，几乎都是闭源的。你不能直接了解它们内部怎么运行，只能通过API、对话接口等形式使用。这种形式叫“开放权重、闭源结构”。这虽然对整个生态系统不太透明，但也正因此，像中国这样的国家也能接触到这些模型。

要使用这些顶级模型，其实是非常困难的。你需要大学更多地参与到开源创新中，因为真正原创的思想大多数都来自学术界。即使你承认大公司会使用专有技术，这主要还是因为成本原因开发一个顶级模型，往往要投入1亿~2亿美元。你花这么多钱开发模型，不可能随便送出去。

所以哪怕公司闭源，大学也应继续推动开源。比如强化学习就很有希望。我知道有几所大学正在尝试用不同的数学思路来构建基础模型。这种探索值得支持。全世界范围内，开源项目越多，我们就越能吸引到最聪明的大脑。

未来十年：硬件瓶颈、强化学习与价值选择

Eric Schmidt：风险巨大。但我们为什么不试试呢？所以我们需要支持那些正在努力做事的人。问题出在扩散上。

我来解释一下技术方面的挑战。我们估计，目前AI模型所需的计算规模约为10的26次方，也就是1后面跟着26个零。这个单位称为浮点运算，是衡量计算能力的标准，也是推动模型发展的基础。但这也代表了危险的知识。

刚开始，这些模型“懂得不多”，但一旦深入某些领域，它们可能就会掌握对人类有害的信息，比如炸弹制造、有毒病毒之类的内容。因此，要找到一种监管开源的方法非常难。想象一下，你既要保护大家的安全，又必须把源代码公开。这就是我们称为“极其困难”的问题。目前我们还没有解决办法，正在不断尝试。当像DeepSeek这样的开源项目，其最前沿的模型甚至比大多数闭源模型还强大时，你是否感到意外？

主持人：你惊讶吗？他们为什么要这么做？你怎么看？

Eric Schmidt：老实说，我确实感到惊讶。我低估了他们。DeepSeek已经存在一段时间了。他们最初其实是一家金融对冲基金，而不是科技公司。是完全自筹资金，在中国市场赚了很多钱。显然，他们非常聪明。他们的做法是使用开源的Llama模型，有人说他们还从封闭模型中提炼技术。这可能违反了服务条款，但无论如何，他们确实在硬件有限的情况下，训练出了和没有硬件限制时质量相近的模型，这非常值得关注。

DeepSeek的团队声称，他们只花了500万美元训练模型。但实际上，他们用了一个造价超过1亿美元的大模型作为基础。这明显是个“选择性披露”的说法。我们还需要继续观察。中国目前似乎正在推动开源的发展，这其实是对西方在技术层面“闭源”姿态的一种回应。其影响非常重大。

多数国家无法获得顶尖技术资源，但又迫切需要这些工具。因此，他们很有可能最终选择中国的开源方案。这对我们美国来说，不是好事。我们需要能与中国开源模型抗衡的替代方案，以确保我们还能保持技术领先。他们在论文中并未详细披露全部训练成本，只提到最后几轮的成本，而且他们保留了大量GPU资源。这只是按每小时费率算出的片面信息。真实训练的成本肯定高得多。

再说另一个例子，我想探讨的问题是：有没有可能出现一种情况，你有一个超级庞大的数据中心、电力充足，但却赚不到钱？从市场的角度看，这可能是真的。有时候，基础设施跑在了需求前面。也就是说，你拥有的东西太多，而真正赚钱的部分却没有。

目前，系统的营收尚不足以支撑巨额资本开支。如果继续这样发展，这些超级数据中心有可能成为经济陷阱。我并不认同这种观点，但我能理解人们的谨慎。毕竟，我们谈论的是500亿甚至1000亿美元级别的投资。这些企业主当然希望能收回成本。因此，我们必须对未来真正的AI应用场景有一个合理预估。

DeepSeek向我们展示，用更少的资源，也可以做到接近最优解。这是他们值得称赞的一点。但另一方面，现在的强化学习和各种AI规划模型，很多都使用了100倍甚至更多的资源来进行失败或随机尝试，原因在于它们的推理过程不够稳定，模型没有做到真正的逻辑推演。

所以我认为：未来十年，硬件将永远不够用。限制因素最终会是电力和系统构建能力。你是半导体领域的专家。我最担心的问题之一，就是芯片行业从繁荣滑向衰退。芯片公司研发出了很棒的产品，为了回本，不得不抬高价格。但一旦供过于求，产品价格又会暴跌。这个繁荣-萧条的循环，在半导体行业里是有破坏性的。

主持人：最后一个问题：你觉得美国公司该不该使用中国的开源模型？

Eric Schmidt：这个问题很好。有趣的是，我认识很多公司，他们的团队中有很多优秀的中国研发人员。我本以为他们不会用中国的模型，但事实上，他们都在用。原因很简单：这些模型在某些方面比美国的更快、更强。很多美国公司用的是DeepSeek，因为它性能好，响应快。我们当然会开发美国版来回应。毕竟，随着时间推移，token的单位成本每年都在以10倍速度下降。

主持人：那如果你现在20多岁，想做AI初创项目，你会选什么方向？

Eric Schmidt：我年轻的时候研究的是操作系统和编程语言，那时候，计算机运行速度很慢。我在施乐园区读博，也常去伯克利，感觉像站在世界中心一样。如果我今天还年轻，我会选择强化学习。去年大家都关注深度学习，今年最难也最有前景的，是控制AI的规划能力。

你可以想象，越复杂的问题，对推理能力的要求就越高。最终，我们希望AI能在合理边界内自主推理。如果你能把AI规划和推理规模化，那就等于掌握了超人级别的能力。这对我来说，是最吸引人的事。因为它是所有行业流程的基础A步骤、B步骤、C步骤，都是如此。

如果我是其他领域的科学家，比如生物学、化学或政治学，我也会尝试构建基础模型，把我所在领域的知识输入到AI系统中，让AI参与问题建模与解答。这适用于一切领域。例如，我参加过一个政治会议，大家讨论选民数据，我建议他们构建一个基础模型，把这些知识体系化，这样你就可以随时提问，得到答案。这就是可信AI的下一阶段成为一个强大合作者。未来真正重要的权力博弈，将不再是资源或政治，而是谁能掌握这些AI系统解决问题的能力。

主持人：非常棒。最后，你对强化学习怎么看？

Eric Schmidt：我在伯克利读博时研究过代码优化。强化学习最大的问题是定义奖励函数，我们很难精确描述什么是对人类有价值的奖励。一旦我们能清晰界定奖励，AI的自学习就能迈上新台阶。以前没人重视强化学习，现在大家都开始谈。但还缺少对这些奖励函数的深入理解和制定规则的方法。

主持人：太好了。作为年轻人，我们应该挑战最难的课题。只有解决难题，才有价值。

Eric Schmidt：没错。别去做简单的事，那些别人都能做。你应该专注于那些最难的问题，解决它们，收获成长。这不仅仅是为企业，也是为了你自己的意义。当你每天起床时，问问自己：我为什么重要？

主持人：Eric，这真是非常棒的一期播客。谢谢你抽出时间，非常感激你分享的见解。

Eric Schmidt：很高兴来聊聊。也很高兴再次见到你。你是非常好的朋友，我相信你在新公司一定会取得巨大成功。也许我还能因为你的成功而赚点钱呢！

主持人：谢谢！感谢大家收听。保持求知欲，保持好奇心。继续尝试，继续学习，突破AI的边界。我们下期《AI创始人之旅》再见！

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

本文来自微信公众号：Z Potentials，作者：UniversalAGI，编译：Nicole Wang