输给OpenAI是因为员工不够拼命？前谷歌CEO为不当言论致歉｜钛媒体AGI

前谷歌CEO Eric Schmidt（图片来源：medium）

谷歌前CEO撤回了此前抨击老东家“不够卷”、痛批远程办公毁了谷歌的言论。

近日，谷歌前CEO、执行董事长埃里克·施密特（Eric Schmidt）在斯坦福大学的演讲时表示，谷歌会在AI（人工智能）竞赛中输给OpenAI等初创企业，是因为谷歌的远程办公政策导致员工不够努力。

“谷歌认为，工作与生活的平衡、早点下班和在家办公比获胜更重要。但初创企业之所以能够成功，就是因为人们拼命地工作。”施密特直言不讳地表示，谷歌员工们现在太“享受”工作与生活平衡，结果搞得公司失去了拼劲儿，输在OpenAI手下。谷歌现在的远程工作方式是罪魁祸首，员工认为早点回家陪伴家人，比工作取得成就更重要。“很抱歉说的如此直白，但当你从大学毕业后开始创业就会明白，你是不会允许员工一周只来公司一天的。”

施密特强调，AI初创公司可以先“复制”别人成熟的作品，等产品爆红后再“雇佣一大批律师来收拾烂摊子”。

然而，在视频公开一天后，施密特便对自己的言论进行了道歉。

8月15日，施密特在发给《华尔街日报》的电子邮件中表示，“我对谷歌及其工作时间的评论有误，我为自己的错误感到后悔。”

公开信息显示，施密特于2001年至2011年期间担任谷歌CEO，并在董事会任职至2019年，随后，施密特离开了谷歌母公司Alphabet的董事会。

但截至目前，施密特仍然是Alphabet的股东，持有约1.47亿股Alphabet股票，接近1%的股权，价值约240亿美元。而施密特的身价达到314亿美元。

此次施密特过于直白的言论遭到了广泛争议，有人欢迎，也有网友批评，谷歌的管理层才是公司最大的问题。其中，Alphabet工人工会在X（原Twitter）上发文称：“灵活的工作安排并不会拖慢我们的工作进度。人手不足、优先事项频繁变动、不断裁员、没有增长的工资以及管理层在项目上缺乏执行力的表现，这些才是每天都在拖慢谷歌员工速度的因素。”

就在施密特发表这番言论一天后，他迅速公开道歉，相关视频也被斯坦福大学设置为私密视频。在此之前，施密特这段视频的点击量已超过40万次。

值得注意的是，许多美国知名企业家其实都和施密特持有相似的观点。例如，特斯拉CEO埃隆·马斯克和摩根大通CEO杰米·戴蒙（James Dimon）都曾公开抱怨过远程工作的政策。戴蒙曾在年度股东信中写道，公司管理层不可能坐在屏幕前面领导团队。

“看看马斯克，看看台积电，这些公司之所以成功，就是因为能够卷员工，你必须要把员工逼得够紧才能获胜，台积电会让物理学博士第一年下工厂干活，你们能想象美国的博士生去流水线吗？”施密特表示。

另外，施密特还分享了一些关于英伟达的投资建议，称他在股市中看到了一个明显的趋势，即大型科技公司正计划对英伟达进行越来越大的投资。“我正在与大公司进行交谈，他们告诉我，公司需要200亿美元、500亿美元、1000亿美元——非常非常迫切。”施密特补充说，他是OpenAI的CEO萨姆·奥尔特曼（Sam Altman）的“密友”。

施密特认为，尽管英伟达不会是AI领域唯一的赢家，也没有太多其他选择。在他看来，那些能够在英伟达芯片和数据中心上投入更多资金的大公司，将在技术上领先于那些小型竞争对手。

“目前只有三种前沿模型，它们与其他所有模型之间的差距似乎越拉越大。六个月前，我确信差距正在缩小，所以我向小公司投入了大量资金。现在，我不是那么确定了。”施密特指出。“我曾经觉得英伟达的 CUDA 是很蠢的编程语言，但现在 CUDA 是英伟达最牛逼的护城河，所有的大模型都要在 CUDA 上运行，而只有英伟达的 GPU 支持 CUDA，这是其他芯片撼动不了的组合。”

施密特强调，主导地位的科技公司往往难以适应新的行业浪潮，创新思想和强大的办公室存在感对于硅谷十分重要。

因此，施密特的观点引发了一个更广泛的问题：在快速发展的AI时代，如何平衡创新需求与员工福祉？

而前谷歌CEO施密特的这段话或许代表了整个科技行业面临的挑战。在 AI 技术飞速发展下，大公司如何在保持竞争力和维护员工满意度之间找到平衡点。这不仅关乎公司的成功，也涉及到整个行业的未来发展方向。

截至发稿前，谷歌-A（NASDAQ：GOOGL）股价涨1.54%，至每股163.77美元，总市值2.02万亿美元。2024年初至今，谷歌股价上涨约16%。

以下是施密特的演讲内容速记，经整理、有删减：

主持人：今天的嘉宾无需多做介绍。我第一次见到Eric是在大约25年前，当时他以Novell首席执行官的身份来到斯坦福商学院。从那时起，他在谷歌担任重要职务，从2001年开始，并在2017年加入Schmidt Futures。此外，他还参与了许多其他项目，大家可以查阅相关资料。所以Eric，如果可以的话，我就从那开始吧。

首先，你认为人工智能在短期内的发展方向是什么？我想你将其定义为未来一到两年。

施密特：事情变化得太快了，我觉得每6个月我都需要就即将发生的事情发表一次新的演讲。这里有一群计算机科学专业的学生，有谁能给班上的其他人解释一下“一百万个token上下文窗口”是什么吗？请说出你的名字，并告诉我们它的作用。

学生：基本上，它允许你用一百万个标记或一百万个单词进行提示。

施密特：所以你可以问一个百万字的问题。Anthropic是20万token，要到一百万，等等。你可以想象OpenAI有一个类似的目标。这里有人能给出AI代理的技术定义吗？再说一次，计算机科学。

学生：AI Agent可能是以某种方式行动的东西。它可能是在网络上调用东西，代表你查找信息。它可能是沿着这个思路的许多不同的东西。在一个过程中有各种各样的事情。

施密特：所以代理是执行某种任务的东西。另一个定义是它是一个LLM、状态和记忆。再来，计算机科学家，你们中有人能定义“文本到动作”吗？

学生：不是将文本转换成更多文本，而是让AI根据此触发操作。

施密特：另一个定义是Python语言。我从未希望看到一种编程语言存活下来。AI中的一切都是用Python完成的。刚刚出现了一种名为Mojo的新语言，看起来他们终于解决了AI编程问题，但我们会看看它是否真的能在Python的主导地位下存活下来。还有一个技术问题。为什么NVIDIA价值2万亿美元，而其他公司却在苦苦挣扎？

学生：技术答案是，大多数代码都需要使用目前只有NVIDIA GPU支持的CUDA优化来运行，因此其他公司可以做任何他们想做的事情，但除非他们有10年的软件经验，否则你不会拥有机器学习优化。

施密特：我喜欢将 CUDA 视为 GPU 的 C 编程语言，这个想法让我感到满意。CUDA 成立于 2008 年。尽管我一直认为它是一种糟糕的语言，但它却占据了主导地位。还有一个值得注意的见解：有一组开源库针对 CUDA 进行了高度优化，而其他任何库都没有做到这一点。所有构建这些技术堆栈的人在讨论中完全忽略了这一点。这些库在技术上被称为 VLLM，还有许多类似的库也针对 CUDA 进行了高度优化，这使得竞争对手很难复制。

那么，这一切意味着什么呢？明年，你将看到非常大的上下文窗口、代理和文本到操作的应用。当这些技术大规模交付时，它们将对世界产生巨大的影响，远超社交媒体带来的影响。原因如下：在上下文窗口中，你可以将其用作短期记忆，我对上下文窗口的长度感到震惊。技术上的原因与服务和计算的难度有关。短期记忆的有趣之处在于，当你输入信息并询问问题时，比如阅读 20 本书并将书的文本作为查询，然后询问它们的内容，它会忘记中间部分，这与人类大脑的工作方式相似。

关于代理，现在有些人正在构建 LLM 代理，他们通过阅读和理解化学等领域的知识，然后进行测试，并将其重新添加到他们的理解中。这非常强大。第三个方面是文本到行动。我给你举个例子：假设政府正在试图禁止 TikTok。如果 TikTok 被禁止，我建议你对你的 LLM 说以下的话：为我复制 TikTok，将我的偏好放入其中，在接下来的 30 秒内制作这个程序并发布它，然后在一小时内，如果它没有流行起来，就做一些类似的事情。这就是命令。你可以看到这有多强大。

如果你可以从任意语言转换为任意数字命令，这在本质上就是这个场景中的 Python。想象一下，地球上的每个人都有自己的程序员，他们实际上做他们想做的事情，而不是那些不按要求工作的程序员。这里的程序员知道我在说什么。想象一个不傲慢的程序员实际上做了你想做的事，而你不必付出高昂的代价。而这些程序员的供应是无限的。

主持人：这一切将在未来一两年内发生？

施密特：很快。以上三件事，我确信将在下一波浪潮中同时发生。所以你问还会发生什么。每六个月我都会波动一次，所以我们处于奇偶振荡状态。目前，前沿模型（现在只有三个）与其他模型之间的差距似乎越来越大。六个月前，我确信这种差距正在缩小，因此我在一些小公司上投入了大量资金。然而，现在我对此不太确定了。

我正在与一些大公司进行对话，他们告诉我，他们需要100亿、200亿、500亿甚至1000亿美元的资金。星际之门项目需要1000亿美元，非常困难。我的好朋友Sam Altman认为，这可能需要大约3000亿美元，甚至更多。我向他指出，我已经计算了所需的能量。

为了全面公开，我在周五前往白宫，告诉他们我们需要与加拿大成为最好的朋友。因为加拿大人民真的很好，他们帮助发明了人工智能，并且拥有大量的水力发电资源。因为我们作为一个国家没有足够的力量来完成这一目标。另一种选择是让阿拉伯国家资助这个项目。我个人很喜欢阿拉伯人，我在那里花了很多时间，但他们可能不会遵守我们的国家安全规则。而加拿大和美国是我们都同意的三巨头之一。

因此，在这些价值1000亿到3000亿美元的数据中心中，电力开始成为稀缺资源。

顺便说一句，如果遵循这种推理，你可能会问我为什么要讨论CUDA和NVIDIA？如果3000亿美元全部流向NVIDIA，你就知道在股市上该怎么做了。不过，这不是股票推荐，我不是许可方。

主持人：部分原因是我们将需要更多的芯片，但英特尔从美国政府获得了很多资金。AMD正在尝试在韩国建立晶圆厂。

施密特：如果你的任何计算设备中有英特尔芯片，请举手。垄断就到此为止。

教授：但这就是重点。他们曾经确实垄断过，现在NVIDIA已经垄断了。那么这些是进入壁垒吗？说到CUDA，还有其他选择吗？前几天我和Percy Lange聊过。他正在TPU和NVIDIA芯片之间切换，这取决于他能接触到什么。这是因为他别无选择。

施密特：如果他有无限的资金，今天他会选择NVIDIA的B200架构，因为它更快。我不是在暗示——有竞争是件好事。我和AMD的Lisa Su谈过很久。他们已经构建了一个可以将CUDA架构转换为他们自己架构的东西，称为Rokam。它还没有完全发挥作用，但他们正在努力。

主持人：你在谷歌工作了很长时间，他们发明了Transformer架构。感谢那边的杰出人士，比如Peter、Jeff Dean以及所有人。目前，OpenAI似乎已经失去了主动权。在我看到的最新排行榜中，Anthropic的Claude位居榜首。我曾询问过Sundar，但他并没有给我一个非常明确的答案。也许你对那里的情况有更尖锐或客观的解释。

施密特：我已经不再是谷歌的员工了。谷歌在工作与生活的平衡上更注重让员工早点回家和在家工作，而不是一味追求胜利。相比之下，初创公司之所以成功，是因为员工拼命工作。虽然这样说可能有些直白，但事实是，如果你们从大学出来创办公司，并想与其他初创公司竞争，就不能让员工每周只来一天。

主持人：在谷歌的早期，微软也是如此。

施密特：现在看来，在我们的行业中，长期以来，公司总是通过真正有创意的方式赢得胜利，并主宰某个领域，而不是进行下一次转型。这是有据可查的。我认为创始人是特别的，他们需要掌控一切，尽管与他们共事可能很困难，因为他们对员工施加很大压力。尽管我们不喜欢埃隆的个人行为，但看看他从员工那里得到了什么。我曾与他共进晚餐，他当时在飞行。我在蒙大拿州，而他那天晚上10点要乘飞机去参加午夜与x.ai的会议。想一想。

不同地方有不同的文化。台积电给我留下了深刻印象。他们有一条规定，刚毕业的博士生，即优秀的物理学家，要在工厂的地下室工作。你能想象让美国的物理学博士这样做吗？不太可能。这是不同的职业道德。

我对工作的严格要求是因为这些系统具有网络效应，所以时间非常重要。而在大多数企业中，时间并不那么重要，你有很多时间。可口可乐和百事可乐仍将存在，它们之间的竞争将继续进行，一切都是冷冰冰的。当我与电信公司打交道时，典型的交易需要18个月才能签署。没有理由花18个月来做任何事情，应该尽快完成。我们正处于增长和收益最大化的时期，但这也需要疯狂的想法。

例如，当微软与OpenAI达成交易时，我认为那是我听过的最愚蠢的想法。将你的人工智能领导层外包给OpenAI和Sam及其团队？这太疯狂了。在微软或其他任何地方，没有人会这样做。然而今天，他们正在成为最有价值的公司，当然在苹果身上针锋相对。苹果没有好的人工智能解决方案，但看起来他们让它奏效了。

支持人：在国家安全或地缘政治利益方面，人工智能将如何发挥作用，尤其是在与中国的竞争中？

施密特：作为一个人工智能委员会的主席，我对此进行了深入研究。我们撰写了一份大约752页的报告，总结如下：我们目前处于领先地位，并需要保持这种优势，这需要大量资金支持。我们的主要客户是参议院和众议院，这也促成了CHIPS法案和其他类似政策的出台。

如果前沿模型和一些开源模型继续发展，可能只有少数公司能够参与这个领域的竞争。哪些国家具备这样的能力？这些国家需要资金充足、人才济济、教育体系强大，并且有获胜的意愿。美国和中国是其中的两个主要国家。至于其他国家是否能参与其中，我不确定。但可以肯定的是，在未来，美国和中国在知识霸权上的竞争将是一场重大斗争。

美国政府基本上禁止了英伟达芯片出口到中国，尽管他们不愿公开承认这一点。我们在DUV芯片方面拥有大约10年的技术优势，即5纳米芯片。这一优势让我们领先中国几年，这让中国非常不满。这一政策是由特朗普政府制定，并得到了拜登政府的支持。

主持人：国会是否听取你们的建议并进行大规模投资，显然CHIPS法案是一个例子。

施密特：此外，我们还需要建立一个庞大的人工智能系统。我领导着一个非正式、临时、非法律的团体，成员包括一些常见的业内人士。去年，这些成员提出了成为拜登政府人工智能法案的理由，这是历史上最长的总统指令。

我们曾经讨论过一个核心问题：如何检测一个已经学会了但你不知道该问什么的系统里的危险？换句话说，系统可能学到了一些不好的东西，但你不知道该如何询问它。比如，它可能学会了如何以某种新的方式混合化学物质，但你不知道如何问它。为了解决这个问题，我们在给政府的备忘录中建议设定一个阈值，我们称之为10的26次方，这是一种技术计算量度。超过这个阈值，企业必须向政府报告他们的活动。欧盟为了确保它们的不同，将10的25次方设为10。但这些数值已经足够接近了。我认为所有这些区别都会消失，因为现有的技术将会被淘汰。技术术语称为联合训练，基本上是指可以将各个部分合并在一起。因此，我们可能无法保护人们免受这些新事物的伤害。

主持人：接下来，我想讨论一个有点哲学性的问题。

去年，你和亨利·基辛格以及丹·赫滕洛赫共同撰写了一篇关于知识本质及其发展方式的文章。前几天晚上，我也讨论过这个问题。在历史的大部分时间里，人类对宇宙的理解是神秘的，直到科学革命和启蒙运动的到来。在你的文章中，你提到现在的模型变得如此复杂和难以理解，以至于我们真的不知道它们内部发生了什么。我引用理查德·费曼的话：“我不能创造的东西，我就不理解。”前几天我看到了这句话。但现在人们正在创造他们可以创造的东西，却并不真正了解其内部运作。知识的本质是否在某种程度上发生了变化？我们是否必须开始只接受这些模型的表面，而它们无法向我们解释？

施密特：我想举一个青少年的例子。如果你有一个青少年，你知道他们是人类，但你无法完全弄清楚他们在想什么。然而，我们在社会上设法适应了青少年的存在，他们最终会摆脱这种状态。这是一个严肃的问题。因此，我们可能会拥有无法完全描述的知识系统，但我们了解它们的界限和能做什么的极限，这可能是我们能得到的最好的结果。你认为我们会了解这些限制吗？如果我们能做到这一点，那就很好。

我的小组每周开会的共识是，最终会出现所谓的对抗性人工智能，实际上会有公司雇佣你并付钱来破坏你的人工智能系统。就像红队一样。与今天的人类红队不同，你将拥有整个公司和整个人工智能系统行业，他们的工作是破坏现有的人工智能系统并找到它们的漏洞，尤其是那些我们无法弄清楚的知识。这对我来说很有意义。对于斯坦福大学来说，这也是一个很棒的项目。如果你有一个研究生，他必须弄清楚如何攻击这些大型模型之一并了解它的作用，那么这将是构建下一代的重要技能。因此，将两者结合起来是有意义的。

主持人：现在，让我们回答一些学生的问题。后面有一位同学，请说出你的名字。

学生：你之前提到过，这与现在的评论有关，让人工智能真正做你想做的事。你刚才提到了对抗性人工智能，我想知道你能否更详细地阐述这一点。看起来，除了计算能力显然会增加，你可以得到更高性能的模型，但让它们做你想做的事情的问题，似乎部分没有得到解答。

施密特：好吧，你必须假设当前的幻觉问题会减少，随着技术的进步等等。我并不是说它会消失。然后你还必须假设存在功效测试，所以必须有一种方法来知道这件事是否成功。在我提到的TikTok竞争对手的例子中，我并不是建议非法窃取他人的音乐。如果你是硅谷的企业家，你会怎么做呢？希望你们都是硅谷的企业家。如果你的产品成功了，你会雇佣一大群律师来处理后续问题。但如果没有人使用你的产品，那么即使你窃取了所有内容也无关紧要。当然，不要引用我的话。

硅谷通常会进行这些测试并处理后续问题。这是常见的做法。我认为，你会看到越来越多的性能系统，甚至更好的测试，最终是对抗性测试，这将把它控制在一个框架内。这个专业术语叫做思路链推理。人们相信在未来几年内，你将能够生成一千步的思路链推理，就像制作食谱一样。你可以运行它，实际测试它是否产生了正确的结果，这就是系统的工作方式。

学生：总的来说，你对人工智能进步的潜力非常乐观。我很好奇，是什么推动了这一进步？是更多的计算能力吗？是更多的数据吗？是根本性的还是实际的转变？

施密特：答案是以上所有。投入的资金数额令人难以置信。我基本上投资了一切，因为我不知道谁会赢，而我跟随的资金数额如此之大。部分原因是早期的钱已经赚了，而那些不太了解的人必须拥有人工智能组件。现在一切都是人工智能投资，他们无法分辨出差异。

我将人工智能定义为学习系统，即真正学习的系统。我认为这是其中之一。第二点是，现在出现了一些非常复杂的新算法，它们有点像后Transformer。我有一个朋友，也是我长期的合作伙伴，发明了一种新的非Transformer架构。我在巴黎资助的一个小组声称也做了同样的事情。那里有大量的发明，斯坦福大学也有很多研究。最后一点是，市场相信智能的发明有无限的回报。假设你向一家公司投入了500亿美元的资金，你必须从智能中赚到很多钱才能偿还这笔钱。我们可能会经历一些巨大的投资泡沫，然后它会自行解决。过去一直如此，现在也可能如此。

教授：你之前提到，领导者正在拉开与其他人的距离。

施密特：现在，法国有一家叫Mistral的公司，他们做得非常好。我显然是一名投资者。他们已经制作了第二个版本，他们的第三种模式很可能是封闭的，因为它太昂贵了。他们需要收入，不能免费提供他们的模式。我们行业中关于开源与闭源的争论非常激烈。我的整个职业生涯都建立在人们愿意以开源方式分享软件的基础上。我的一切工作都是基于开源的。谷歌的大部分基础也是建立在开源之上。我所从事的工作主要集中在技术领域。然而，巨大的资本成本可能会从根本上改变软件的构建方式。

我对软件程序员的看法是，他们的生产力至少会翻倍。目前有三四家软件公司正在尝试实现这一目标，我在这段时间里投资了所有这些公司。他们都在努力提高软件程序员的生产力。我最近遇到了一家非常有趣的公司，名为 Augment。我常常想到一个程序员，他们说这不是我们的目标。我们的目标是那些拥有数百万行代码的100人软件编程团队，没有人知道发生了什么。这是人工智能的一个非常好的应用。他们会赚钱吗？我希望如此，但这里有很多问题。

学生：一开始，你提到上下文窗口扩展、代理和文本到操作的组合将产生难以想象的影响。首先，为什么这种组合很重要？其次，我知道你不是预言家，无法预知未来，但你为什么认为它超出了我们的想象呢？

施密特：我认为主要是因为上下文窗口可以让你解决新近性问题。目前的模型需要大约18个月的时间来训练，包括六个月的准备、六个月的训练和六个月的微调，因此它们总是过时的。而通过上下文窗口，你可以输入最新发生的事情，并在上下文中询问有关哈马斯-以色列战争的问题，这非常强大，使其变得像谷歌一样最新。

在代理的情况下，我可以举个例子。我成立了一个基金会，为一个非营利组织提供资金。我不太懂化学，但有一个名为 ChatCrow 的工具，这是一个基于大型语言模型的系统，可以学习化学。他们运行这个系统来生成有关蛋白质的化学假设，然后实验室连夜进行测试，系统就会学习。这对化学、材料科学等领域是一个巨大的促进剂。这是一个代理模型。

我认为，只要有很多廉价的程序员，就可以理解文本到动作的概念。我认为我们不明白当每个人都有自己的程序员时会发生什么。这也是你的专业领域。我不是在谈论简单的任务，比如打开和关闭灯。我想象另一个例子，假设你不喜欢谷歌，你可以说，为我建立一个谷歌的竞争对手。是的，你个人可以这样做。为我建立一个谷歌的竞争对手，搜索网络，构建用户界面，制作一个好的副本，并以有趣的方式添加生成式人工智能。在30秒内完成，看看它是否有效。很多人认为，包括谷歌在内的现任者很容易受到这种攻击。

主持人：现在，我们来看看。Slido 发送了许多问题，其中一些已经被上传。去年我们曾讨论过如何阻止人工智能影响舆论和传播错误信息，尤其是在即将到来的选举期间。

施密特：我们需要考虑短期和长期的解决方案。在即将到来的全球选举中，大多数错误信息将出现在社交媒体上，而社交媒体公司目前的组织能力不足以有效监管这些信息。例如，TikTok被指控偏爱某种虚假信息，尽管我没有证据。我认为我们面临一团糟的局面。

国家需要学习批判性思维，这对美国来说可能是一个艰巨的挑战。有人告诉你某事并不意味着它是真的。

主持人：我们是否会走得太远，以至于一些真实的事情也无人再相信？有些人称之为认识论危机。现在，埃隆·马斯克说他从未做过某些事情，但如何证明呢？

施密特：我们可以用唐纳德·特朗普的例子来说明。我认为我们的社会存在信任问题，民主可能会因此失败。对民主的最大威胁是错误信息，因为我们在这方面变得非常擅长。

当我管理YouTube时，我们遇到的最大问题是人们上传虚假视频，导致人员死亡。我们有一个不死亡政策，试图解决这个问题令人震惊且可怕。这是在生成式人工智能出现之前。

学生：我很好奇您是否探索过分布式设置。我之所以问这个问题，是因为，当然，制作一个大型集群很困难，但 MacBook 功能强大。世界各地有很多小型机器。那么，您认为在家折叠或类似的想法是否适用于训练这些系统？

施密特：是的，我们已经非常认真地研究过这个问题。因此，算法的工作方式是您有一个非常大的矩阵，并且您基本上有一个乘法函数。所以可以把它想象成来回反复。而这些系统完全受到内存到 CPU 或 GPU 的速度的限制。事实上，下一代 NVIDIA 芯片已将所有这些功能整合到一个芯片中。芯片现在太大了，以至于它们都粘在一起了。事实上，封装非常敏感，封装和芯片本身都是在洁净室中组装的。所以答案看起来超级计算机和光速，尤其是内存互连，真的占了上风。我认为目前分割大型语言模型（LLM）暂时不太可能。

主持人：在AI领域，似乎有一些大公司在主导市场，这与反垄断有关。

施密特：我曾在职业生涯中参与过微软的拆分案，但最终没有成功；我也为谷歌不被拆分而努力过，但同样没有成功。因此，我认为趋势是不被拆分。只要这些公司不成为像约翰·洛克菲勒那样的垄断者，政府就不太可能采取行动。

这些大公司之所以占据主导地位，是因为只有他们有资本建立数据中心。我有朋友里德和穆斯塔法，他们做出了将业务拆分给微软的决定，因为他们无法筹集到数百亿美元的资金。至于具体的数字，可能需要让里德来告诉你。

学生：最后，我想知道这些发展对那些不参与前沿模型开发和计算的国家会有什么影响。

施密特：富裕国家会变得更富，而贫穷国家只能尽力而为。这实际上是一场富国的游戏，需要巨大的资本、技术人才和强大的政府支持。在全球范围内，许多国家面临着各种各样的问题，尤其是在资源匮乏的情况下。他们需要找到合作伙伴，与他人合作以解决这些问题。

主持人：我记得我们上次见面时，你正在AGI House参加黑客马拉松。我知道你花了很多时间帮助年轻人创造财富，并对此充满热情。对于那些正在为课程写商业计划或在职业生涯中撰写政策提案或研究提案的人，你有什么建议吗？

施密特：我在商学院教授相关课程，你应该来听听。我对你们展示新想法的速度感到震惊。

在我参加的一次黑客马拉松中，获胜团队的任务是让无人机在两座塔楼之间飞行。他们在一个虚拟的无人机空间中，使用Python生成代码，并在模拟器中成功完成了任务。优秀的专业程序员可能需要一两个星期才能做到这一点。我认为快速制作原型的能力非常重要，因为创业者面临的部分问题是速度。如果你不能在一天内用这些工具制作出原型，你就需要重新考虑，因为这正是你的竞争对手在做的事情。

因此，我最大的建议是，当你开始考虑创办公司时，写一份商业计划是可以的。事实上，你可以让电脑为你写，只要它是合法的。尽快使用这些工具制作你的想法的原型非常重要，因为在其他公司、大学或你未曾去过的地方，可能有人在做同样的事情。

主持人：非常感谢施密特。（速记部分来自Web3天空之城账号）

（本文首发于钛媒体App，作者｜林志佳，编辑｜胡润峰）