前Google CEO Eric Schmidt 在不久前与华盛顿邮报专栏作者 Bina Venkataraman 的对话中透露了对中美科技竞争以及 AI 发展的最新观点。Schmidt 表示，中国在 AI 领域具备一些独特的优势，能够通过更低成本的硬件（例如来自中国的机器人和 AI 芯片）进行大规模的应用，而这些硬件在功能上与美国的高端产品相当，甚至在一些情况下更具灵活性和适应性。

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。