8月14日，谷歌前CEO埃里克·施密特（Eric Schmidt）在斯坦福大学的公开课上分享了他对AI未来发展的独到见解。
也许因为他认为这是一场“保密”谈话，施密特的言辞相当直接。当被问及谷歌为何落后于OpenAI时，他毫不留情地批评谷歌员工工作态度散漫，每周只上班一天。他表示，照这种态势发展下去，别说追赶OpenAI，谷歌甚至可能被一般的创业公司超越。
此言一出，引发了强烈反响，公开课视频发布不到24小时，施密特便因舆论压力做了道歉，同时油管上的视频也下架了。
幸运的是，有人保存了这段视频。你可以在著名的通往AGI之路上看到完整的视频和英文脚本，极具参考价值，值得认真观看。下面我对主要的几个观点做了总结和我的点评，欢迎大家在评论区留言讨论。
被直播的保密访谈：谷歌前CEO Eric Schmidt 斯坦福课堂访谈 2024.8（https://waytoagi.feishu.cn/minutes/obcn7424m74ise379lp6g962）
三个趋势：
施密特指出，AI技术进步之快令人震惊，相关预测需要每半年更新一次。他预测，未来一年AI领域将出现三大重要趋势：
上下文窗口扩大使得AI能够处理整本书籍的长文本 更强大的AI Agent出现以执行复杂任务并自我学习 将自然语言指令直接转化为可执行代码的能力
点评：
除了上面的三点，我个人还有另外三点要补充，主要是来自几个投资机构的看法：
多模态大模型的发展：大模型将在图像、视频领域迅速崛起，不仅包括像Sora这样的综合性大模型，也涵盖针对特定应用的专业级大模型，如医疗影像分析和自动驾驶感知等领域。 小型化和移动化：手机端小型AI模型的发展将让AI技术更加贴近普通用户，推动AI应用的普及。同时，类似Ryban Meta的AI眼镜等设备可能会开创全新的人机交互方式。 安全性和可控性：随着AI技术的飞速发展，如何确保AI系统的安全性和可控性将成为一个重要挑战。制定相关的伦理准则和监管机制将是未来AI发展需要重点关注的议题。
施密特认为，这三大趋势融合在一起，将带来比社交媒体更为深远的影响。它们将赋予每个人强大的编程能力，使各种创意能够迅速实现。但与此同时，这也可能加剧就业市场的两极分化：
AI工具能帮助各领域专业人士提高生产力、自动化任务、产生新见解； 但重复性、可预测性的低技能工作则可能被取代。
谷歌VS新贵：工作文化之争
文章指出，谷歌在AI领域的竞争中落后，主要原因在于其文化价值观的改变。谷歌重视员工的工作与生活平衡，允许员工每周只到公司上班一天。这种策略虽然提升了员工的生活质量，但却让公司在激烈的AI竞争中处于不利地位。相比之下，OpenAI和Anthropic等公司更注重竞争，员工更愿意全力以赴投入工作。
施密特直言：“创业公司之所以能够成功，是因为员工拼命工作。很抱歉如此直言不讳，但事实是，如果你们离开大学去创办公司，你不会允许员工在家办公，而且每周只来公司一天。如果想要与其他创业公司竞争，这种做法是行不通的。”
文章还讨论了特斯拉和台积电等公司的成功，强调这些公司通过施加高压工作环境，激发了员工的潜力，最终在市场上取得了巨大成功。特斯拉在马斯克的领导下不断挑战极限，而台积电则要求高学历人才从最基础的工作做起，这与美国主流的宽松工作文化形成鲜明对比。
点评：
不完全认同， 美国企业，尤其是硅谷的创业公司，普遍已经处于高度投入工作的状态。谷歌、微软等科技巨头在人工智能领域竞争中落后，关键在于“大公司病”导致的决策和资源配置问题，而非单纯的工作文化。成功企业的共同特点在于：
高度重视技术和商业模式创新，而非一味追求极端的工作模式。 能够激发员工的内在动力，培养使命感和主人翁意识，而非过度依赖外部压力。 注重因地制宜，根据自身条件找到最适合的独特发展路径。
总的来说，企业要在激烈竞争中脱颖而出，需兼顾技术创新、文化建设和战略选择，不能盲目追求高强度工作。
引以为戒：战略误判
施密特回顾了自己的一些战略误判。例如，他曾经认为英伟达的CUDA编程语言毫无意义，但事实证明，CUDA成为了英伟达AI霸主地位的护城河，所有的大模型都需要在CUDA上运行，而其他芯片很难撼动英伟达的地位。同样，作者也对微软与OpenAI的合作持怀疑态度，认为微软将AI业务外包给一家小公司是个错误，但结果表明，微软的决策是成功的。
这启示我们，在瞬息万变的科技领域，要虚心倾听不同声音，不断修正自己的认知。
点评：
施密特的见解确实深刻，遗憾的是他没有详细展开这个话题，希望未来有机会了解更多他和团队的决策过程，以此为创业者提供宝贵的借鉴。
TikTok的启示：敢于冒险
在谈到创业时，施密特以TikTok为例，鼓励年轻人敢于冒险。他提到，早期可以借鉴TikTok等平台，通过非传统手段快速获取用户。这种策略虽然存在法律风险，但如果成功了，企业就有足够的资源来应对挑战；如果失败了，也没有太大损失。因此，在创业初期，敢于冒险、有胆识的策略尤为重要。
点评：
施密特鼓励创业者在初期可以适度“合法冒险”，这种观点确实很有启发性。但从另一个角度看，创业公司的知识产权保护确实可能并非首要诉求。
对于小型创业公司而言，专利往往更多是为了融资，而非真正的技术壁垒。一旦被大公司抄袭，打官司可能反而会拖垮创业公司。
因此，创业公司在初期应更多关注快速获客、迭代产品、拓展市场等核心业务，而不应过于执著于知识产权保护。这种平衡取舍的智慧，正是成功创业所需的另一种视角。
AI发展中的挑战：能源瓶颈与全球竞争
展望AI发展，施密特指出，能源问题将成为最大瓶颈。例如，OpenAI的“星际之门”项目的耗资可能高达3000亿美元。为此，美国应加强与加拿大、中东国家的合作，利用其资源优势支持AI技术进步。
施密特还指出，欧洲在科技创新上已丧失竞争力，官僚体制正扼杀创新机会。德国等国前景堪忧，法国或许还有一线生机。在这场科技竞赛中，印度将成为美国最重要的盟友，而中国则是美国的主要对手，虽然总体上中国比美国落后几年。
点评：
这一点与我的认知一致。中国拥有丰富的技术人才储备，这使得中国成为唯一一个能够和美国抗衡的AI大国。尽管目前在AI头部技术上落后5-10年，但中国在AI应用领域未来大概率反超美国。相比之下，印度虽然也有不少AI人才，但大量顶尖人才选择前往美国发展，这制约了其自身的创新能力。
开源与闭源的选择
在讨论开源与闭源的争论时，施密特指出AI行业的成本过高，开源模式难以负担。他提到他所投资的法国大模型Mistral将转向闭源路线，这表明并非所有公司都愿意或者有能力像Meta一样承担开源的成本。
点评：
未来的市场应用中，除了Meta的Llama系列，其他大模型可能都会转向闭源，主要的考虑因素还是成本。未来的趋势可能是：闭源主导市场应用，开源则定位于教学和基础研究。AI公司需要权衡自身条件，选择最合适的发展路径。
AI的影响：贫富差距与国家竞争
文章进一步探讨了AI对全球贫富差距和国家竞争的影响。AI技术的发展将使富国愈富，穷国愈穷，那些没有技术资源的国家将难以参与全球竞争，加入强国供应链或许是这些国家唯一的机会。
点评：
在AI技术推动下，全球贫富差距愈加严重的情况下，小国家确实无需硬造自己的大模型，而应该更聚焦于找到合适的应用场景，直接利用强国企业的大模型。
这种“弯道超车”的策略，可以帮助缺乏AI技术资源的小国，在无需自行投入巨额研发成本的情况下，迅速切入AI应用市场，抢占先机。特别是在当前AI技术快速发展的“泡沫期”，寻找恰当的切入口，利用他人成果，是一种更现实可行的选择。
新加坡去年花了7000万新币推出了国家多模态大型语言模型计划，我想主要目的是培养人才和练手，而不是在战略上要有自己的大模型。
AI芯片制造的局限
尽管AI芯片制造是高端制造业，产值极高，但文章指出，这个行业并不能显著拉动就业。现代的芯片制造厂已经高度机械化，不再需要大量人力。制造业复兴的希望越来越渺茫，即使苹果将MacBook的生产线迁回德州，也并非因为德州的工资低，而是因为自动化生产已经成为主流。
点评：
这个大家都懂，我也只是外行，就不多说了。
AI与电力革命的类比
最后，施密特将AI的发展与历史上的电力革命进行了类比。他指出，电力在工厂引入的早期并没有显著提升生产力，而是经过了大约30年的时间，分布式电源的创新改造了车间布局，推动了生产力的飞跃。当前的AI技术类似于当初的电力革命，虽然有巨大潜力，但真正的生产力飞跃还需要依赖于组织创新。目前，大家还只是在享受AI带来的“低垂的果实”。
点评：
施密特以电力革命作为比喻，预判AI技术的真正影响也需要经过类似的适应期，所以也许组织创新才有可能带来真正的生产力飞跃。
施密特的演讲提供了对AI发展的深刻洞见，探讨了其背后的商业逻辑、地缘政治与社会影响，为各国企业和政策制定者提供了极具参考价值的思路。AI正在重塑世界格局，惟有顺应大势、敢于创新，方能立于潮头。
