他还提到，尽管美国在 AI 技术的基础研究上可能处于领先地位，但中国可能会通过快速的市场采用和大规模生产，在长期内赶超美国。

以下为这次对话的主要内容：

Bina Venkataraman

我想谈谈关于 AI 的前景与风险，以及你对中国相关动态的看法。我想先从你作为科学家的身份谈起。许

多人知道你是带领Google实现爆炸性增长的 Eric Schmidt，但很少有人像我一样，首先把你视为一名计算机科学家和工程师。

在这本书中，你提到 AI 及其推动我们进入的新时代是一种“超级全才”的表现。也就是说， AI 将使我们能够在科学领域完成前所未有的事情。你能多说一些这方面的内容，以及它能为人类带来的潜在益处吗？

Eric Schmidt

目前科学领域的进步是惊人的，我认为大多数人对此并没有真正的理解。我当然是一名受过训练的计算机科学家，但现在可能算不上特别出色。

不过，我确实了解科学，我可以举个例子。在材料科学中，我们正在开发用于硬化、能源释放和应对气候变化的新材料，这对药物和药物研发也非常关键。

例如，AlphaFold 发现了几乎所有重要的蛋白质结构，这表明我们实际上可以预测药物序列及其相互作用的方式，技术上的进步真是令人震撼。

这种情况下，计算机基本上从人类的想法出发，然后以远远快于人类的速度同时推演所有可能的场景。我喜欢将 AI 和科学结合起来，这很好地展示了 AI 的第一个真正阶段——人类与 AI 合作解决重要问题。

你会看到，这是一次即将爆发的革命的开端，包括气候、疾病、物理学、化学和数学等等。

Bina Venkataraman

当谈到健康和气候领域的应用时，你怎么看？就像你刚才提到的， AI 可以处理更多的数据，整合来自不同学科和来源的数据，并发现人类可能无法或需要很长时间才能找到的联系。

这种潜力能够在科学层面解决问题，但我们也面临哪些风险呢？比如，当 AI 能够超越人类智能时，你在书中也谈到过这些风险，我想听听你的看法。

Eric Schmidt

首先，在科学领域，数据已经存在或验证非常简单的问题将是最早被解决的问题。有两个例子特别明显，一个是计算机编程，另一个是数学。

因为对于计算机程序，你可以反复生成程序，直到找到一个可行的；对于数学，你可以反复生成证明，直到找到可以被验证的证明。

而且，这两个科学子领域的语言相对简单，不需要像处理人类语言那样读取所有小说。因此，我们预计在未来一到两年内，会有超级人类水平的数学家和程序员至少在某些领域出现。

这首先从最容易解决的问题开始，即数据丰富的领域，然后迅速发展下去。不过，这里面也存在两面性。

比如，在生物学方面，你越是擅长，越有可能构建非常复杂的生物基因体，也越能预测和制造我们没有解药的病毒。过去一两年，我的观点一直是，最大的两个风险在于网络攻击和生物学领域的滥用。

网络攻击的问题在于，世界似乎容忍中国对美国基础设施进行网络攻击，我们只是对他们喊几声。而在病毒学方面，病毒非常简单，制造危险病毒的能力已经非常高。

当然，制造这种病毒需要特定的设备，因此很多人正在努力确保这些设备不会落入坏人之手。

Bina Venkataraman

在科学领域之外， AI 的其他应用也引发了担忧，比如 AI 对能源的需求及其对气候的影响，以及 AI 使得虚假信息的传播规模化变得更加容易。

你曾提到我们既未为 AI 时代做好准备，也进展得不够快。请帮我理解这两种看似矛盾的说法。

Eric Schmidt

首先，我们要理解，我们希望充分利用这一最强大的技术。这是我们有生之年最重要的技术发明，其重要性堪比电力、供暖、空调甚至汽车，可能更重要，因为这是人类能够使用和滥用的智能。此外，这种智能是每个人都能获取的，因此极其强大。

我们必须——我们反复强调这一点——尊重人类的价值观和尊严来推动技术发展。由于这些系统是非人类的，它们不会像我们那样自然拥有道德、约束和宗教信仰，除非被强制赋予。

这本书从“全才”的讨论开始。如果你回顾人类历史，会发现少数人，比如爱因斯坦、达·芬奇，推动了发明和思想的巨大浪潮。而现在，我们即将进入一个新时代，未来几年内，每个人都可以访问“全才”。

这意味着，当你去博物馆时，可以有“达·芬奇”指导你，说“这笔画得不好，我画得更好”，这听起来很幽默也很有趣，但它也可能赋能一些不良国家行为者。

Eric Schmidt

要解决这种矛盾，还有另一个重要方面。你显然需要担心这一点。从我的观察来看，这是一场美中之间的竞争。两国都制定了相应的国家政策，拥有资本、人才和规模，这些是其他国家无法比拟的。

这场竞争堪称史诗般的较量。在美国，我们试图放缓中国的步伐，尽管取得了一些成效，但并非非常显著。而中国正加大力度，最近推出了一些与美国最先进模型相似的模型，这让我感到震惊。

竞争很重要，因为随着你越来越接近通用智能，可以创造自己的 AI 科学家。如果将人类科学家和 AI 科学家结合起来，可以大幅加速技术进步。

Bina Venkataraman

关于这场被许多人视为 AI 军备竞赛的美中较量，能否帮我们澄清一些现实与炒作的区别？我记得曾有一段时间，大家认为我们需要加速，因为中国正在加速。

但随后我们看到美国公司推出了初代生成式 AI 模型。而正如你所提到的，最近至少有三家中国公司推出了与 GPT-4 第二代类似的模型。

我们为什么需要对此感到担忧？难道不能认为这是一种类似冷战时期的技术竞赛吗？例如，当时正是美苏在太空技术领域的竞赛，推动了人类首次登月的实现。那么为什么这次我们需要担忧呢？

Eric Schmidt

有一点不同的是，由于这是关于智能的竞争，且发展速度很快，可能会出现短期的垄断局面。我

举个例子：假设美国开发出了这种技术，并拥有许多 AI 科学家——也就是计算机程序。我们解放了这些程序，并表现得非常出色，快速发展。而这时中国意识到美国已经领先，于是加速追赶，但仍然落后。

在竞争中会有一段时间，两个竞争者之一会短暂垄断超越人类智能的技术。那么这些强大且目标明确的智能会带来什么？

关键是，在这个循环中，无论谁处于领先地位，都可能找到针对对手的攻击方式，以及对自身有利的方式。这些好处可能非常深远，也很难具体描述。

想象这样一种情况——当然，这只是思想实验——一个系统利用物理、化学、材料科学和数学发现了一个全新的事实世界：全新的武器、全新的科学领域、全新的生物学领域。这是我们目前无法预测的。

尽管这些是推测，但在我所在的行业中，大家的共识是，这是一场必须赢得的竞赛。为了赢得这场竞赛，我们需要美国正在做的所有积极努力。然而，我们在能源方面的短缺已经被提到过了，我们需要更多的外籍工人签证以及其他一系列措施。

Bina Venkataraman

那么，中国相较于美国有哪些优势？你提到了一些美国需要改进的地方，但在这场竞赛中，你认为中国公司在哪些方面更具优势？

Eric Schmidt

中国在“赢得竞赛”这一点上更专注。他们愿意投入巨额资金，即便没有具体目标。他们的企业在技术应用方面速度非常快，尤其是消费领域。

此外，我认为即便我们在竞赛的第一阶段领先，中国最终也可能赢得整体竞赛，因为他们更快地将这种技术融入大规模产品中。

举个例子，我在过去 20 年中一直在关注各种机器人解决方案，目前有许多公司正在研发 AI 机器人“大脑”。但所有这些公司都依赖于中国制造的廉价机器人，这些机器人性能与美国制造的相当，但价格更低且更灵活。

中国在制造业方面无可争议的实力——例如电池、太阳能以及现在的汽车——可能使他们能实现我们只能梦想的AI实际应用。

Eric Schmidt

中国有大量能源，而且似乎对数据——尤其是人类数据和医疗数据——没有特别的限制。然而，他们面临的问题是硬件短缺。

美国已经限制了所谓的 A100 级别芯片（ NVIDIA 之前两代芯片）的出口。但显然，中国已经找到绕过这些限制的方法，这并不令人意外。

他们还学会了用更少的芯片完成工作，这值得称赞，也表明了他们工程师的能力。

Bina Venkataraman

目前，中国似乎也在推进类似美国《芯片与科学法案》的政策，以加强自己的芯片生产。你曾说过，中国在芯片生产上的产业政策超过了美国。这是否意味着美国需要更积极的芯片产业政策？还是这更像是一场贸易问题？解决方案是什么？

Eric Schmidt

目前的情况是，我们所关心的这些芯片主要由一家叫台积电（TSMC）的公司在台湾生产，而它们使用的技术由欧洲的一家公司 ASML 垄断。

中国有自己的芯片领域领导者，比如中芯国际（SMIC），但他们的技术水平基本停留在7纳米（更低更好）。而我们使用的是 3 纳米技术。

所以一种可能的情景是我们的硬件会变得更好，从而保持领先，但即便如此，中国仍制造了所有制造半导体所需的零件，比如封装材料和连接器等。

出于国家安全考虑，我们中的许多人非常支持《芯片与科学法案》，以提前应对这一问题。如果你预见到与中国的冲突（这似乎是目前政府和中国的态度），那么就需要建立独立的供应链。

今天的供应链是完全交织的：我们非常依赖中国，中国也非常依赖我们。这需要某种方式解决。

Bina Venkataraman

最后，我想谈谈AI的民主治理问题，并回到美国。你曾在奥巴马总统的科技顾问委员会中担任职务，关注政府在创新和保护技术免受滥用方面的角色。你是否对政府政策能否既促进AI发展又防范潜在危害有信心？

Eric Schmidt

美国的创新系统可以分为三部分：政府、大学和企业。政府提供高风险资本、法律基础和出口支持；大学是创新的主要来源，尤其是年轻人在美国大学中表现非常出色；企业则通过风险投资推动商业化。这三者共同构成了美国的创新引擎。

如果我们能像“曲速行动”（Operation Warp Speed）那样，让政府、大学和企业协同努力，可能会更有效率。

例如，AI 对能源的需求非常高，有人预测到 2028 年，美国的数据中心可能会耗尽能源。如果各方能共同努力解决这一问题，或许可以在保障安全、获得能源供应等方面达成交易。这是未来可能的解决方案，我们拭目以待。

Bina Venkataraman

硅谷的许多同事最近似乎向右倾斜了一些，而你刚才提到的移民政策、高等教育机构的推动、创新政策，甚至一些工业政策，都是美国AI蓬勃发展的关键因素。在特朗普政府的政策下，这些方面可能面临挑战。你认为硅谷这一举动是否明智，是否符合自身利益？

Eric Schmidt

我不能代表整个硅谷发言。如果你观察一下，硅谷绝大多数人都是注册民主党人，大量的政治捐款都证明了这一点。当然，也有相对较小但非常有影响力的一部分人选择支持特朗普总统。

在我们的政治体系中，这完全没问题，我对这点并没有意见。不过，我不认为向右倾斜是普遍现象，这只是特定的个别现象，这也是民主的表现。

我相信我的共和党朋友和民主党朋友都会基本同意，我们想要获胜的关键在于以私营部门为重点，辅以一定程度的政府监督和支持。这些公司需要的支持，包括能源供应、吸引高技能移民等。

我提到过，将顶级数学家在美国培养之后驱逐出去是非常愚蠢的做法。我们需要留住他们，为我们的新系统服务，而不是让他们离开美国。

此外，在支持大学方面，目前的政治环境存在一定的反科学倾向。但科学依然是有效的。科学之所以有效，是因为它基于可证伪性。

一位科学家提出结果，其他人会尝试验证并重复实验，以确保结果真实可靠。这种制衡机制是科学的基础，任何政党都无法改变这一点。

总的来说，无论你是共和党还是民主党，我们的目标是让美国获胜。加强顶尖教育机构，确保足够的能源和资金，然后尽可能快速地朝未来前进，并随时应对出现的后果，这是实现胜利的路径。

Bina Venkataraman

你认为特朗普政府选出的加密货币和 AI 负责人 David Sacks 是否能理解你刚才所提的这些要点？

Eric Schmidt

我个人并不了解他对这些问题的看法，所以我不应该妄加揣测。但我知道的是，正如你提到 Elon Musk 之前的例子，他的每一家公司都依赖高技能移民、政府资金以及充足的电力供应。这是一个典型的美国式创新案例。

所有的科技公司基本都以类似的方式运作，目标是通过我提到的方法取得胜利。尽管许多行业对这些要素的依赖较低，但在 AI 这样的战略领域，尤其是涉及国家安全的领域，应该被列为优先发展目标。

Bina Venkataraman

Eric，我最后想问你一个问题。我们讨论了美国政府在能源政策、芯片工业政策方面的作用，但我们尚未深入探讨政府作为创新支持者的角色。

在数字革命的早期，政府的创新推动作用显而易见，比如 DARPA 的研究催生了互联网，Google的创始人也得到了国家科学基金会的资助。这些资助最终成为了Google的基础。

但如今，美国政府似乎并未深入参与生成式 AI 的发展。你认为政府还能在创新政策上扮演重要角色吗？

Eric Schmidt

请记住，国家科学基金会（NSF）是大学研究的主要资助者，而国防高级研究计划局（DARPA）和军方也是这种研究的重要支持者。

我个人在年轻时也获得了许多这类资助，否则今天我不会站在这里和你对话。因此，这种模式依然强大，只要没有人做出愚蠢的决定，我们将继续获得非凡的进步。

展望未来， AI 是一种实现目标的基础工具。它可以帮助我们通过模拟实现核聚变，支持量子计算的发展等。AI 是推动创新的根本工具。

正如你之前提到的，美国政府资助高风险研究，企业将这些研究转化为高风险公司，最终这些成果扩散到普通企业。这一周期通常需要 20～30 年。

例如，自动驾驶汽车的最初研发在 30 年前开始，现在终于在一些城市可以看到实际应用。这是美国的未来，我们应该对此感到无比兴奋。没有其他国家拥有这种独特的创新模式。

中国的模式也让我担忧，因为他们可以大规模推进项目。