Eric Schmidt 谈 AI 智能体、算力与 Google 的工作文化

2024 年 8 月，我回顾前 Google 首席执行官 Eric Schmidt 在斯坦福大学的一段讨论，并不时加入自己的评论。他谈到 AI 智能体、竞争、能源、工作文化、安全和软件的未来；他的预测并非已经确立的事实。

Schmidt 从大上下文窗口谈起，请观众解释百万 token 上下文窗口。我解释说，上下文窗口通常限制模型可以处理的信息量，包括提示和生成的回答；token 与词并不完全相同。

Schmidt 请大家定义 AI 智能体和文本转行动。他从语言模型、状态和记忆的角度描述智能体，并讨论如何把自然语言请求转化为可执行的行动。

他开玩笑谈到 Python 在 AI 中的主导地位，同时提到较新的 Mojo 语言。我不同意他对 Python 的不喜，解释了易读语法的价值，同时指出未来语言的采用情况仍不确定。

讨论转向 NVIDIA 和 CUDA。Schmidt 认为，NVIDIA 受益于成熟的软件生态和经过优化的库，竞争对手很难复制。我补充了自己对公司长期从事图形硬件的看法。

CUDA 不只是单一编程语言，它是 NVIDIA 面向其 GPU 的计算平台和软件生态。讨论强调了软件工具和硬件共同发挥的价值，并没有证明竞争对手无法建立替代方案。

Schmidt 预测，大上下文窗口、智能体和文本转行动结合后将对社会产生重大影响。这是他在 2024 年的预测，并不能证明这些能力或影响会按他提出的时间表出现。

他将长上下文窗口比作短期记忆，并指出模型有时难以利用长输入中间的信息。我把这一现象与课堂记忆练习比较，但这个类比不能证明两者的机制相同。

Schmidt 设想智能体阅读科学材料、提出实验并吸收结果。他认为这个循环可能对研究很有帮助；任何真实科学结果仍需要评估质量和可重复性。

为说明文本转行动，Schmidt 设想让 AI 快速构建 TikTok 的竞争产品。这个挑衅性的例子包含获取用户和音乐的说法；它是他的假设，并不证明现有系统能够做到，也不能证明取用受保护材料是合法的。

我指出，2024 年的编程工具可以协助构建软件，但不能直接提取受保护的素材并按需重建复杂服务。Schmidt 预测的时间和范围仍不确定。

Schmidt 说，他对领先模型和较小竞争对手之间差距的判断会随时间改变。他谈到预计需要巨额投资，并披露自己投资了多家 AI 公司；评价他的观点时，这一利益关系值得考虑。

他回忆了与政策制定者讨论能源需求的经历，认为增加电力供应，包括加拿大水电，可能对 AI 基础设施很重要。他提出的数字和地缘政治判断，是讨论中的估算与观点。

我同意能源限制值得关注，但质疑扩展一定需要更多数据和更大模型的假设。我讨论了合成数据与提高效率等可能方案，但没有证明它们能解决这一限制。

一位采访者问，尽管 Google 参与了 Transformer 研究，为什么它似乎落后了。Schmidt 说自己已不是 Google 员工，并将这一问题部分归因于公司把工作与生活平衡及远程工作置于竞争获胜之上。

我说 Schmidt 的言论引发争议，并区分他的判断与关于 Google 内部原因的证据。他认为创业公司工作非常投入；我同意努力可能很重要，但不同意每天到办公室是普遍必要的。

Schmidt 认为，创始人、组织紧迫感和网络效应会影响竞争结果。他举出科技公司的例子，并说在市场快速变化时，决策缓慢可能付出代价。

我描述自己创业时长时间工作和付出的牺牲，同时承认这种生活并不适合所有人。我的经历和 Schmidt 的轶事都不能证明某一种工作方式是成功的必要条件。

Schmidt 回忆，自己最初不看好 Microsoft 与 OpenAI 的合作，如今则把它视为非常规战略举措的例子。这是他根据 2024 年所了解的情况，对该合作作出的回顾性判断。

谈到中美竞争，Schmidt 介绍了一个国家安全委员会的工作，并认为保持领先需要投资、人才和教育。他对各国相对能力及未来竞争的描述是个人判断。

他讨论出口限制，并估计先进芯片能力存在相当大的领先差距。这些是他在访谈中的说法；视频没有独立证明差距的大小或持续时间。

采访者询问政府的安全政策。Schmidt 描述了有关超大规模训练任务申报门槛的建议工作，以及对系统可能获得危险能力、而评估人员不知道如何探测的担忧。

我质疑固定计算量门槛能否在模型和训练技术变化时持续有效。这是我对政策的判断；计算量门槛与模型的实际能力并非同一指标。

对话还提到分布式训练可能使简单门槛难以解释。Berman 和 Schmidt 只是从概念层面讨论，并没有证明某个特定系统规避了申报要求。

被问及乌克兰和无人机时，Schmidt 介绍自己在低成本机器人系统方面的工作，并认为廉价无人机可能改变陆战的经济关系。这是他提出的战略和预测，并不能证明它会消除陆战。

采访者提到一篇讨论 AI 是否改变知识本质的文章：人们可以构建复杂模型，却不能完全理解其内部运作。我解释说，可解释性研究正试图进一步了解模型输出如何产生。

Schmidt 把理解 AI 系统比作理解另一个人：其内部过程可能并不完全透明，但可以研究能力边界。他预计对抗测试和专业红队服务会帮助探测这些边界。

一位观众问，如何让 AI 做人们希望它做的事。Schmidt 说，即使幻觉变得较少，改进后的系统仍需要通过测试来确定任务是否真正成功。

回到应用例子时，Schmidt 说自己并不是主张非法盗用，随后又描述创业者先推出产品、之后再解决法律问题的做法。我把这称作硅谷一种常见态度。这段话只是描述他的言论，不是法律建议或对该做法的认可。

Schmidt 预计能力更强的系统和对抗测试可以约束行为。他描述了一连串步骤和结果测试；我将其与自己对思维链的理解相比较：把问题拆成中间推理步骤。

被问及什么推动进展时，Schmidt 提到投资、算法创新，以及人们认为智能可能产生巨大经济价值的信念。他披露自己广泛投资，因为无法预测哪些公司会获胜。

Schmidt 警告说，投入的资本规模可能造成投资泡沫。我将前期支出与过去的技术周期比较，但我引用的数字只是粗略估计，最终财务回报尚不清楚。

谈到开放与封闭模型时，Schmidt 说前沿开发的资本成本可能改变公司的激励，并披露自己投资了 Mistral。我质疑他对 Google 开源程度的笼统描述；讨论没有确定未来模型的最终许可证结果。

Schmidt 预测软件开发者的生产力至少会翻倍，并提到自己投资了一款面向大型代码库的工具。这个预测和产品说法并非视频中展示的实测结果。

采访者问，为什么上下文、智能体和行动结合起来很重要。Schmidt 说，上下文可以提供最新信息，智能体可以运行研究循环，可执行行动则能让软件助手发挥超出文本生成的作用。

他举例描述一个获得资助的项目：生成化学假设，并让实验室在夜间进行测试。这个例子展示了一种设想中的智能体工作流程；视频没有提供足够细节来评估其科学有效性。

Schmidt 设想有人让 AI 快速构建一个搜索竞争产品。我提出不同预测：用户可能直接询问信息，而不是重建整个应用。两者都是可能的未来，并非对当前能力的演示。

一位观众询问选举中的虚假信息。Schmidt 说，社交平台面临困难的内容管理问题，并呼吁批判性思考；他区分了有关外国影响的说法与自己亲眼看到的证据。

Schmidt 担心合成或误导性媒体会削弱公众信任并损害民主。我补充说，即使不是每个人都相信虚假内容，不确定性本身也可能让讨论变得混乱。

一位学生问计算机科学教育应如何改变。Schmidt 预测学生会有 AI 编程伙伴，同时仍由教师讲授概念。我则推测，一些编程岗位最终可能发生更剧烈的变化。

谈到各国参与 AI 的情况时，Schmidt 认为印度很重要，并对其他地区的人才、基础设施和监管提出批评。这些是他在 2024 年的观点，不是对国家或民众的客观排名。

被问及学生是否仍应学习编程时，Schmidt 说理解系统如何运作仍有价值。我对工具改进后需要多少编程表示不确定。

一位提问者询问能否在大量小型计算机之间分布式训练。Schmidt 说，对大型紧密耦合的工作负载而言，互连速度和内存数据移动是主要障碍，他怀疑这种分布式方案短期内能否实用。

关于版权诉讼，Schmidt 类比音乐版权费，预测诉讼最终可能促成补偿或许可安排。我同意创作者和权利人应分享收益；我们都没有提出一项法律裁决。

被问及反垄断和 AI 开发集中化时，Schmidt 说大公司受益于获取数据中心资本的能力，并对拆分结果持怀疑态度。我提到当时对 Google 的审查正在进行；两人的评论都是特定时点的判断。

一位提问者询问，没有前沿模型或算力的国家会怎样。Schmidt 对资源不平等给出悲观回答；我对其含义作出回应，而不是把这种结果视为不可避免。

Schmidt 建议有志创业的人快速构建原型。他描述了一次黑客松中由 AI 辅助的无人机模拟，并认为团队应尽早测试想法，因为竞争对手可能正在做同样的事。

我将这一建议与迭代式创业联系起来：推出产品、收集反馈并改进。我认为这段对话发人深省，但其中对时间表、竞争领先地位和监管的预测仍有待更多证据。