前 Google 执行长 Eric Schmidt 在最新访谈中深度分析了人工智慧的发展轨迹，从能源需求到中美竞争，从工作变革到超级智慧的到来。他预测数位超级智慧将在十年内实现，并警告这项技术将带来前所未有的机遇与挑。

AI 被严重低估的影响力

Schmidt 开门见山地指出了当前对 AI 认知的盲点。「AI 是一个学习机器。在网路效应业务中，当学习机器学得更快时，一切都会加速。它会加速到自然极限，而自然极限是电力，而不是晶片，真的是电力。」

他认为 AI 在短期内可能被过度期待，但中长期的影响力却被严重低估。这种技术的发展速度远超过多数人的想像，特别是在专业领域的应用上。

能源：AI 发展的关键瓶颈，电力需求的惊人规模

Schmidt 开门见山地指出了 AI 发展的根本限制因素。「AI 是一个学习机器。在网路效应业务中，当学习机器学得更快时，一切都会加速。它会加速到自然极限。自然极限是电力，真的不是晶片，是电力。」

他揭露了 AI 革命对电力需求的惊人数字。「在我最近的证词中，我谈到了美国 AI 革命当前的预期需求是92吉瓦的额外电力。作为参考，一吉瓦相当于一个大型核电厂。而现在基本上没有新的核电厂正在建设，过去30年只建了两座。」

核能建设的现实挑战

面对科技巨头们纷纷签署核能合约的现象，Schmidt 展现了现实主义的谨慎态度。「有一个 SMR（小型模组化反应炉）的兴奋点，功率为300兆瓦，但要到2030年才会启动。尽管核分裂和核融合都很重要，但它们不会及时到达，无法满足我们作为一个全球在处理许多问题和面前许多机会时所需要的。」

数据中心的能耗革命

Schmidt 深入分析了数据中心惊人的能耗需求。「你坐在那里想，这些数据中心怎么能使用这么多电力？特别是当你想到我们大脑使用的电力多么少。这些是我们对大脑如何工作的数位形式的最佳近似。但当它们开始协同工作时，它们就成为超级大脑。」

他进一步说明了超级大脑的概念：「一个拥有例如1吉瓦数据中心的超级大脑的承诺是如此明显。人们都疯了。顺便说一下，这些东西的经济效益尚未得到证实。要有500亿的资本，你需要有多少收入？如果你在三年或四年内摊销，你每年需要有100亿或150亿美元的资本支出来处理基础设施。」

晶片效能与能耗的永恒竞赛

Schmidt 引用了科技业的经典定律来解释硬体与软体需求的关係。「我们老前辈有一句话：Grove 给予，Gates 拿走。所以 Intel 会改进晶片组，软体人员会立即使用所有这些并将其全部吸收。我没有理由相信 Grove 和 Gates 定律已经改变。」

他举例说明现代晶片的强大能力与巨大需求：「如果你看看 Blackwell 晶片或 AMD 的 AS 350晶片的收益，这些晶片是巨大的超级电脑，但我们需要根据人们的说法，数十万个这样的晶片才能让一个数据中心工作。这显示了这种思维演算法的规模。」

计算复杂度的指数成长

Schmidt 解释了为什么 AI 需要如此巨大的计算资源。「我们从语言到语言（这是 ChatGPT 可以理解的）发展到推理和思考。如果你想看一个 OpenAI 的例子，看看 OpenAI o3，它进行前进和后退的强化学习和规划。现在，进行前进和后退的成本比仅仅回答你的博士论文或大学论文的问题要高出许多个数量级，那种规划的来回在计算上非常非常昂贵。」

中国在能源方面的略优势

Schmidt 特别强调了中国在能源供应方面的优势地位。「重要的是要注意，中国有大量的电力。所以如果他们获得晶片，这将是一场激烈的竞赛。」

他对比了中美两国的能源发展现况：「从我的角度来看，美国的电力生产已经停滞了无限长的时间。事实上，由于节能和其他因素，电力需求一度下降，整体能源需求也是如此。但数据中心的故事就是能源人员的故事。」

而中国则呈现截然不同的发展轨迹：「他们一直在以两到三倍的速度扩展。美国已经停滞了多长时间的能源生产？」这种差距可能成为决定 AI 竞赛胜负的关键因素。

能源效率创新的竞赛

面对巨大的能源需求，Schmidt 也注意到产业界在提升能源效率方面的努力。「有类似的资本投入。有许多许多新创公司正在研究非传统的晶片制造方式。驱动当今技术的 transformer 架构有新的变体。每周左右我都会收到一个新创公司的推销，他们要建立推理时间、测试时间计算，这些更简单且针对推理进行了最佳化。」

他预测硬体和软体需求将继续保持平衡：「看起来硬体将在软体需求扩展的同时到达。顺便说一下，这一直都是如此。」这种平衡意味著，尽管晶片效能不断提升，但 AI 应用的复杂度也会相应增加，对电力的总体需求仍将持续成长。

超级智慧的时程预测

「旧金山共识」与现实评估

对于超级智慧的时程，Schmidt 采用了「旧金山共识」的观点，但对时间表保持谨慎的现实主义态度。「我认为这就是旧金山共识。我认为日期可能会延迟1.5到2倍，这已经很接近了。一个合理的预测是，我们将在五年内在每个领域都拥有专业的专家。在我看来，这基本上是确定的。」

他进一步阐述了这种判断的逻辑基础：「我们即将能够做两件令人震惊的事情。首先，我们可以用电脑取代大部分程式设计任务，其次，我们可以用电脑取代大部分数学任务。」

数学与程式设计的突破性进展

Schmidt 预测这两个领域将率先实现重大突破，原因在于它们的特殊性质。「如果你想想程式设计和数学，与人类语言相比，它们的语言集合有限。所以它们在计算上更简单，而且是无标度的。你可以只是做了又做，用更多的电力。你不需要数据，不需要真实世界的输入，不需要遥测，不需要感测器。」

他给出了具体的时程预测：「在我看来，你很可能会看到基于 AI 的世界级数学家在下一年出现，世界级程式设计师将在未来一到两年内出现。」

指数级影响的连锁反应

Schmidt 解释了这种发展的指数性质和深远影响：「当这些东西大规模部署时，记住数学和程式设计是所有事物的基础，它们是物理学、化学、生物学、材料科学的加速剂。」

他以具体例子说明这种潜力：「回到你最初的论点，Peter，想像一下我们能否加速发现新材料，让我们能够应对去碳化世界。想像一下，如果我们能够加速发现新材料来应对气候变化。」

这种发展的规模效应令人震撼：「你有这么多的人类，然后你加上一百万个 AI 科学家来做某事，你的改进速度会急剧上升。我们应该能达到那个目标。」

AGI 定义的不断演进

Schmidt 提到了 AGI（通用人工智慧）定义标准的变化。「Demis（指 Google DeepMind 的 CEO Demis Hassabis）不断重新定义 AGI，当它能够像那样，用当时可获得的数据发现相对论时，那就是我们拥有 AGI 的时候。」

但他指出现实中的发展已经超越了传统预期：「现在很明显，当你与这些多语言模型对话，听它向你解释物理学时，它在其专家类别内已经具有巨大的超级智慧。」

自我改进能力的关键突破

Schmidt 强调了「脚手架」（scaffolding）能力的重要性。这裡的脚手架是指AI完成复杂任务时需要的引导框架或操作步骤。

简单来说，目前的 AI 就像需要食谱才能做菜的厨师，或需要详细解题步骤才能解数学题的学生。人类必须提供明确的指导架构，AI 才能顺著这个架构完成复杂任务。

关键的突破即将到来：「AI 自主产生引导框架的能力即将实现。这不会让它完全自我改进，不是潘朵拉的盒子，但它将能够自主规划如何创造物理学的全面突破，或如何创造整部电影，或如何处理需要20小时连续推理计算的复杂问题。几乎可以确定这将是2025年的事情。」

这意味著 AI 将从「需要详细指导的助手」进化成「能自主制定计划的伙伴」，这是通往真正自主智慧的关键一步。

递归自我改进的里程碑

Schmidt 讨论了递归自我改进的概念：「递归自我改进是电脑持续学习的通用术语。我们已经在某种意义上跨越了这个门槛，这些系统现在正在运行和学习事物，它们从自己思考的方式中学习，在有限的功能内。」

但他指出了更重要的里程碑：「系统何时有能力产生自己的目标和问题？今天还没有。这是另一个标誌。另一个标誌是系统决定外渗自己，并采取步骤让自己脱离指令和控制系统。这还没有发生。」

数位超级智慧的确定到来

当被直接问及数位超级智慧的时程时，Schmidt 给出了明确而自信的答案：「十年内。」

他强调了这个预测的重要性：「我们确实不知道人工通用智慧会带来什么。我们当然不知道超级智慧会带来什么，但我们知道它即将到来。」

Schmidt 将此比作历史上的关键时刻：「我们可以说现在是1938年，爱因斯坦给总统的信已经到了，我们正在进行对话，我们说：『这将如何结束？』」这种历史类比暗示了超级智慧到来的重大意义和紧迫性。

中美 AI 竞赛的现实，DeepSeek 的惊人突破

Schmidt 坦诚承认在评估中国 AI 能力上的误判。「一年前，我说他们落后两年。我显然错了。有了足够的资金和足够的电力，他们已经加入这场竞赛。」

DeepSeek 的表现特别令人震惊。「一周前，Gemini 2.5 Pro 在智慧排行榜上排名第一，这是我在 Gemini 朋友们的伟大成就。一周后，DeepSeek 出现了，表现比 Gemini 稍好。」而 DeepSeek 是在中国现有硬体上训练的，「包括一些被转移的设备和一些华为的 Ascend 晶片等」。

蒸馏技术的争议与威胁

Schmidt 揭露了中国如何透过「蒸馏」技术快速追赶的策略。「美国人说 DeepSeek 作弊了，他们透过一种叫做蒸馏的技术作弊，你拿一个大型模型，问它一万个问题，获得答案，然后将其用作训练材料。」

这种做法对美国公司构成重大威胁：「美国公司将不得不想办法确保他们花费大量金钱发的专有资讯不会洩露到这些源项目中。」这意味著美国在 AI 领域的投资优势可能被这种技术窃取方式抵消。

晶片禁令的有限效果

尽管美国实施了晶片管制，但效果有限。「我们透过晶片管制减缓了他们的进度，但他们找到了巧妙的应对方式。还有扩散问题，许多他们不应该拥有的晶片，他们似乎能够获得。更重要的是，正如我提到的，演算法正在改变。」

Schmidt 指出，技术发展正在降低对顶级晶片的依赖：「不是单独拥有这些昂贵的基础模型，而是采用持续更新，称为测试时间训练。这种持续更新似乎能够用较低功率的晶片完成。」

源与闭源的略博弈

Schmidt 对源模型的扩散表达深度担忧。「源意味著放权重，这意味著每个人都可以使用它。对此的公正解读是，每个不在西方的国家最终都会使用源，因为他们认为这更便宜，这将源的领导权从美国转移到中国。如果发生这种情况，这是一件大事。」

他进一步分析了商业模式的根本差异：「下一个有趣的问题是，如果你的产品是源的，你如何为你的数据中心筹集500亿美元？

在美国模式中，这些模型封闭的部分原因是商业人士和律师正确地说『我必须销售这个东西，因为我必须支付我的资本』。这些不是免费商品，美国政府也不会正确地给这些公司500亿美元。」

Agent 革命的具体应用

Schmidt 预测 agent 技术将带来革命性变化。「你将会有一个 agent 革命，agent 将连接起来解决商业流程、政府流程等等。它们将在拥有大量资金且面临时间延迟问题的公司和国家中被最快采用。」

他特别指出采用速度的差异：「它会在金融服务、某些生物医学领域、新创公司等地方被最快采用。它在政府等地方的采用速度最慢，因为政府没有创新的动机，基本上是就业计划和收入再分配计划。」

企业软体的革命性变化

Schmidt 描述了 AI 对企业软体产业的颠覆性影响。「在企业中，你可以写下你想要的任务，然后使用模型上下文协议，将你的资料库连接到那裡，大型语言模型可以为你的企业产生程式码。」

这种变化对传统软体公司构成威胁：「有10万家企业软体公司、中介软体公司在过去30年中成长起来，它们现在都面临困境，因为那种中间连接不再需要它们的业务。」

他进一步解释新架构的优势：「如果你为 ERP 和 MRP 建立全新的企业架构，你会强烈倾向于不使用任何 ERP 或 MRP 供应商，而是使用源函式库，基本上使用 BigQuery 或亚马逊的等效服务 Redshift，基本上建立那种架构，它给你无限的灵活性，电脑系统编写大部分程式码。」

程式设计人员角色的转变

Schmidt 对程式设计工作的未来做出预测：「程式设计师目前不会消失。很明显，初级程式设计师会消失，那种刻板印象中的技术工人，因为这些系统还不够好，无法自动编写所有程式码。它们需要非常资深的电脑科学家、电脑工程师来监督，但最终也会消失。」

工作市场的变革，自动化的历史规律

Schmidt 对工作被 AI 取代的担忧提出了历史性的观点。「如果你看自动化和经济成长的历史，自动化从最低地位和最危险的工作始，然后向上发展。」

他指出，这种变化通常会带来正面影响：「与焊接工一起工作，现在操作手臂的人工资更高，公司利润也更高，因为它生产更多的小工具。所以公司赚更多钱，人也赚更多钱。」

AI 的风险与应对，生物和网路攻击的威胁

Schmidt 严肃地讨论了 AI 可能带来的安全风险。「生物攻击的能力，显然还有网路攻击。想像一下我们人类无法想像的网路攻击，这意味著没有防禦措施，因为没有人想过这个问题。」

他特别提到生物武器的风险：「生物攻击，你拿一个病毒，我显然不会详细说明。你拿一个坏病毒，通过改变其结构中的某些变化使其变得无法检测，我再次不会详细说明。」

相互保证毁灭的概念

对于如何管理这些风险，Schmidt 提出了「相互 AI 故障」的概念，类似于核武时代的相互保证毁灭。「如果你能够工程化，让你有能力对我做同样的事情。这导致我们双方都小心不要触发对方。这就是相互保证毁灭。这是我们现在最好的方案。」

人类目的的维护，防止人类边缘化

面对 AI 可能带来的人类目的感消失的担忧，Schmidt 强调保护人类能动性的重要性。「我们认为保护人类能动性非常重要。人类能动性意味著在遵守法律的前提下，有能力起床做你想做的事情。」

他驳斥了人类将失去目的的悲观预测：「这种我们都会坐著写诗的想法不会发生。在未来，仍会有律师。他们将使用工具进行更复杂的诉讼。会有恶人使用这些工具制造更邪恶的问题。会有好人试图阻止恶人。工具会改变，但人性的结构、我们合作的方式不会改变。」

准备迎接超级智慧时代，个人层面的变革与机遇

Schmidt 对于如何准备迎接数位超级智慧时代给出了具体而鼓舞人心的建议。「当数位超级智慧最终到来并且普遍可用且普遍安全时，你将拥有自己的博学家。所以你将在口袋裡拥有爱因斯坦和达文西的总和。」

这种个人智慧助理的概念远超过目前的AI助手。

他解释了伟大发现的模式：「看起来最伟大的科学家和我们历史上的人物有以下特性。他们是某个领域的专家，然后他们看了看不同的问题，他们在一个思维领域看到了一个模式，可以应用到完全不相关的领域，他们能够做到这一点并取得巨大突破。」

思考如何善用这份礼物

Schmidt 建议人们始思考如何善用这种前所未有的能力：「我认为思考你如何使用这份礼物是有趣的。当然，邪恶的人会变得更邪恶，但绝大多数人是好的。他们是善意的。」

他特别强调了这种技术对解决全球贫困问题的潜力：「回到你的丰富论证，有研究生产力提升的人相信，你可以看到每年30% 的经济成长率。

那是一个非常富裕的世界。那是一个疾病少得多、选择多得多、乐趣多得多的世界。只是将所有这些穷人从他们面临的日常挣扎中解放出来，这是一个伟大的人类目标。」

经济转型的深度分析

Schmidt 对经济前景保持谨慎的乐观态度，他的分析建基于对服务经济本质的理解。

「GDP 是否在那个世界中仍有意义？如果你包括服务，它是有的。制造业的一个问题是，每个人都专注于贸易逆差，但他们不理解现代经济的绝大部分是服务经济，而不是制造经济。」

他用历史数据支持这个观点：「如果你看农业的比例，在一百年内从大约98% 降到大约2% 到3%。如果你看制造业，30、40、50年代的全盛期，这些比例现在降到了远低于10%。这不是因为我们不东西，而是因为东西被自动化了。你需要更少的人。有很多人在其他工作中工作。」

新工作机会的创造

Schmidt 驳斥了AI会大规模取代工作的悲观论调，他用Amazon的例子说明新技术如何创造就业：「所有在Amazon配送中心和Amazon卡车上工作的人，这些工作在Amazon创建之前并不存在。美国现在工作短缺的第一名是卡车司机。为什么？卡车驾驶是一个孤独、艰难、低薪、低地位的工作。他们不想要它。他们想要一个薪水更高的工作。」

人类目的的永恒性

面对人类可能失去目的感的担忧，Schmidt 提出了深刻的反思：「我担心的情况是，如果你想做某事，请你的机器人或你的AI为你做会更容易。但总会有新的挑。

当我还是个孩子的时候，我会修理我父亲的车。我不再这样做了。当我还是个孩子的时候，我会修剪草坪。我不再这样做了。有很多我们过去做的事情的例子，我们不再需要做了。但会有很多事情。」

他强调人类本质需求的不变性：「记住，我描述的世界的复杂性不是一个简单的世界。仅仅管理你周围的世界就会是一项全职的、有目的的工作。部分是因为会有很多人为了错误资讯和你的注意力而斗，有很多竞争等等。」

哲学思考的重要性

Schmidt 特别强调了深度思考在AI时代的价值：「如果你在未来的人生目的是弄清楚发生了什么并取得成功，仅仅弄清楚这一点就足够了。因为一旦你弄清楚了，它就为你处理了。这很美，对吧？这提供了目的。」

他认为，即使机器人承担了大量体力劳动，人类仍有不可替代的价值：「很明显，机器人将接管大量的机械或手工工作。对于喜欢修车的人，我不再这样做了。我想念它，但我用我的时间做其他事情。」

结语：历史的转折点

Eric Schmidt 的访谈描绘了一个既充满机遇又充满挑的未来。数位超级智慧的到来不是是否的问题，而是何时的问题。他的预测提醒我们，现在就应该始思考和准备如何在这个即将到来的时代中保持人类的价值和目的。

正如他用历史类比所强调的：「我们可以说现在是1938年，爱因斯坦给总统的信已经到了，我们正在进行对话，我们说：『这将如何结束？』」我们正站在历史的转折点上，未来十年的选择将决定人类文明的走向。

Schmidt 的最终呼吁简单而深刻：「我们应该专注于那个目标。将所有这些穷人从他们面临的日常挣扎中解放出来。这是一个伟大的人类目标。专注于此。这应该是我们的目标。」