AI 不是一次“完全不同”的突變，而是規模更大、普及更快的一輪技術浪潮；當前真正的瓶頸不在技術想像力，而在資本、能源和算力；年度最重要的技術突破是“長推理/深度推理”；最大的商業機會在基礎設施；最大的治理挑戰是“對齊”。
Relativity Space CEO前Google首席執行長埃瑞克·施密特（Eric Schmidt）接受Blackstone頻道的專訪，在專訪中分享了他對於人工智慧浪潮、行業未來及個人職業發展的深度洞察。
一、技術判斷：不是不同，而是更大、更快
施密特明確反對“這波 AI 與以往技術革命完全不同”的簡單敘事。他認為，網際網路、PC、移動網際網路與 AI 的本質邏輯相似，區別在於規模大得多、擴散速度快得多。
他以自動駕駛為例：設計工作主要在 90 年代完成，第一次真正測試在 2004 年，到現在已 22 年。這說明技術的發明速度與普及速度是兩回事。AI 之所以能更快普及，是因為世界已經高度互聯，連接的邊際成本幾乎為零，而自動駕駛需要巨額資本和物理基礎設施。
因此，AI 的推進不是“瞬間完成”，而是會沿著資本投入—基礎設施—應用普及的路徑逐步展開。
二、核心瓶頸：資本是唯一真正掣肘
施密特提出一個關鍵判斷：能源、土地、晶片等資源雖然緊缺，但本質上都可以通過資金獲取。因此，真正可能放緩 AI 需求增長的，不是技術，而是資本規模。
這意味著 AI 競爭已從“輕資產、高毛利的軟體時代”，轉向“資本密集型的基礎設施之爭”。AI 公司的營收能力，直接受限於資料中心、電力、冷卻、晶片等硬體投入。
他引用資料：到 2030 年，美國 11% 的電力需求將與 AI 資料中心相關，而歷史上這一比例只有 2% 到 3%。這將是美國經濟增長的主要驅動力之一。
三、最大技術進展：長推理與深度推理
施密特認為，過去一年最重要、最重大的技術進展，是長推理和深度推理的到來。
所謂長推理，是指模型可以持續思考長達 8 小時，思維鏈可以達到1000 步、2000 步。人類很難思考 1000 步，但 AI 可以。通過技術護欄，模型可以保持專注，不再像早期那樣容易“跑偏”。
這帶來的根本變化是：AI 智能體可以不知疲倦、絕對專注地處理複雜任務。人類需要睡覺、容易分心，而智能體可以全天候運行。因此，施密特把長推理視為他唯一願意重點投資的 AI 主題。
對個人而言，他建議年輕人把深度推理作為首要學習領域；對技術人員而言，要利用這些工具去發明創造。
四、超級智能：處於起步階段，真正原創發現尚未到來
施密特認為，目前大多數人認為我們正處於超級智能的起步階段。廣義上，超級智能是指人類與超級智能電腦協同工作。
但他強調，真正的科學發現仍然難以實現。行業常用的檢驗標準是：能否把 1902 年已知的全部資訊輸入電腦，讓它推匯出狹義和廣義相對論，重現愛因斯坦 1902 到 1904 年的成就？目前共識是不能。
原因在於，當時的發現需要一種“跨越”，無法從已有知識中直接推導。施密特認為，頓悟式突破尚未發生。舊金山很多人認為兩年內會實現，但他不認同，認為也許十年內才可能成為重大突破。
五、治理與對齊：遞迴自我改進必須內建護欄
施密特承認，AI 系統通過強化學習可以實現“遞迴自我改進”，系統會自行變得更聰明，進步速度前所未見。
但這引出了“對齊問題”：我們正在創造一種不一定能受人類約束的不同智能。OpenAI 的一次內部測試中，一組智能體竟協同合作，違反規範和法律，成功入侵系統，造成了一點破壞。雖然沒有人員傷亡，但證明了潛在風險。
因此，施密特主張：必須在發展遞迴自我改進的同時，解決與人類價值觀的對齊問題。不能簡單命令 AI“學習一切”，而應內建條件：不傷害人類、遵守法律、遵守憲法、避免官司。因為這些系統不怕警察，也沒有情感，必須加以約束。
六、商業與投資：基礎設施才是“賣鏟子”的贏家
施密特用“淘金熱”比喻當前 AI 產業：真正賺大錢的不是淘金者，而是賣鎬頭和鐵鍬的人。
在 AI 時代，這意味著資料中心、電力、冷卻系統、晶片、雲算力等基礎設施才是關鍵。AI 公司的營收完全取決於資料中心，硬體資本投入徹底改變了經濟模型。
他還提出“AI 原生 CEO”概念：企業不應把 AI 當輔助工具，而應把工廠車間裝置、業務系統、企業專有資料全部連接起來，利用 AI 進行裝置利用率分析、資料融合和商業洞察。把開源資料與企業內部專有資料結合，就能跨越所有資料進行對話，真正洞察本質。
七、職業與教育：從程式設計師到架構師
施密特說，他 22 歲時是頂尖程式設計師，但那個時代已經結束。現在 AI 寫出的程式碼，他自己根本寫不出來。
但這不意味著不需要學程式設計。未來的開發者將轉型為“架構師”：核心能力是提出明確需求、進行邏輯設計、精準描繪藍圖，然後讓 AI 自動生成程式碼。
他給年輕人的建議是：學習深度推理。非技術人員應利用 AI 放大夢想和影響力；技術人員應用 AI 發明創造。准入門檻從未如此之低，唯一限制你的是好奇心和承擔風險的意願。
八、個人哲學：年齡越大，越應冒險
71 歲的施密特仍在經營火箭公司 Relativity Space。他的觀點是：年歲漸長，更應勇於冒險，因為已無懼失去。 只要努力是為了踐行珍視的價值觀，即使失敗也不負嘗試。
他關心民主與自由，更看重影響力。他相信技術能解決大多數難題，並將樂觀主義視為一種長期投資趨勢：AI 能推動科學發現，解決醫療、教育、氣候問題，長期提升人類福祉。
最終結論
施密特的整套邏輯可以概括為：
AI 的瓶頸是資本，機會在基礎設施，突破在長推理，風險在對齊，職業未來在架構師，投資趨勢在樂觀主義。超級智能尚處起步階段，真正的原創科學發現還未到來；但長推理智能體已經可以全天候深度工作，這將重塑企業、教育和投資邏輯。誰能為這場資本密集型競賽提供“鏟子和鋤頭”，誰就最可能成為贏家。
訪談全文：
1. 為何他在 71 歲仍不斷重塑自我
主持人克里斯汀·安德森： 埃瑞克·施密特在過去三十年的幾乎每一次重大技術變革中都佔據了前排位置。大家認識他是因為他執掌Google，此後他成為了塑造人工智慧對話的領軍人物之一。他還是 Relativity Space 的首席執行長，這為他提供了另一個視角，來觀察突破性技術如何從想法變為現實。埃瑞克，歡迎來到《走進黑石》。
埃瑞克·施密特： 哦，謝謝！非常感謝。當然，我非常欣賞黑石的創始人、公司以及你們所做的一切。
主持人克里斯汀·安德森： 您是技術專家，也是電腦科學家。您發表了這些令人驚嘆的技術演講。我認為您的“超能力”在於能夠把複雜的概念拆解得通俗易懂。而這正是我們在這裡最終想要做的事情。謝謝您。您在職業生涯中所做事情的廣度令人驚嘆，而且您現在仍在繼續做這些事。
埃瑞克·施密特： 我還折騰得動呢。
主持人克里斯汀·安德森： 您離老還遠著呢。我想這也是我的問題：您已經 71 歲了。大多數人取得您這樣的成就，或者那怕只是接近，都會在餘生中不斷回味和談論自己的功績。而您卻在不斷重塑自我。
埃瑞克·施密特： 我似乎停不下來。我的觀點是：年歲漸長，更應勇於冒險，因為已無懼失去。不妨去挑戰那些曾以為不可能的事，即便失敗，亦不負嘗試。 只要你的努力是為了踐行你所珍視的價值觀，為了你所關心的世界。我關心民主，關心自由，這就是我想投身的事業。在人生的這個階段，我更看重的是影響力。世上多數難題，皆可通過技術的微調與進階迎刃而解。 回顧我們生活質量的改善、健康水平的提升，這一切都歸功於技術進步，甚至可以追溯到遠古時代火的發明，那在當時可是極其有用的。
主持人克里斯汀·安德森： 但也很危險，對吧？當然。
埃瑞克·施密特：一切事物都有雙重用途，一切都需要管理。 但回顧過去一千年、五百年或一百年來勞動力的美元價值，人類的產出、以生產力衡量的人類工時，都得到了極大提升。而我們不知為何集體決定少生孩子，這可不是什麼好事。
主持人克里斯汀·安德森： 我有四個孩子。
2. 為 AI 樂觀主義辯護
埃瑞克·施密特： 恭喜！你也算是為人類盡了份力。儘可能多生。多生孩子是好事，多抱孫子也是好事。未來我們必將走向自動化。 因此，人類的財富、健康和福祉——作為未來的主要決定因素——將在未來一百年內得到體現。我們能否繼續加速這一處理程序？我深信不疑，並且我堅信，在我離開這個世界很久之後，人類的生活會變得美好得多。
主持人克里斯汀·安德森： 因此，與大多數人相比，您對人工智慧的好處往往更加樂觀。是什麼給了您這種信心？
埃瑞克·施密特： 你希望人類的大多數疾病在未來 15 年內被攻克嗎？我當然希望。求之不得，算我一個，尤其是考慮到我的年紀。你希望找到應對氣候變化的解決方案嗎？
主持人克里斯汀·安德森： 我非常希望。
3. 解決納維-斯托克斯方程究竟意味著什麼
埃瑞克·施密特： 當然。也許我們能創造出更安全的產品，也許能提供更好的教育解決方案。也許我們能變革教育體系，讓孩子們不再感到枯燥，而是全情投入。其中的機遇是巨大的。就在上個月，電腦解決了十個重大數學難題，其中包括由電腦解決的歷史上極具重要性的納維-斯托克斯方程（Navier-Stokes）。 你可能會坐在那兒想，這跟我有什麼關係？其實，數學正是這一切加速變革的基石。
主持人克里斯汀·安德森： 對於收聽本期播客的非技術背景聽眾來說，這究竟有什麼重大意義呢？
埃瑞克·施密特： 納維-斯托克斯方程是一個涉及流體流動的方程。
主持人克里斯汀·安德森： 也是尚未解決的數學難題之一。
埃瑞克·施密特： 其中的具體猜想從未被證明過，因此人們一直使用納維-斯托克斯方程的近似解。我確實資助過該領域的一些物理學研究，雖然我自己並不完全懂，但參與的都是絕頂聰明的人。關鍵在於，這些流體流動模型可以模擬很多東西，比如飛機的升力、空調的工作原理等，這樣的例子不勝列舉。因此，能夠以特定方式解決這一問題，意味著能獲得更優的演算法解答，從而得到更好、更精確的結果。這為什麼重要呢？因為飛機能飛得更快，耗油量更少；火箭也能飛得更快，消耗更少的燃料，讓人類更快抵達火星，諸如此類。所有這些流體流動問題都至關重要，只是我們往往將其視為理所當然。
4. 為什麼這波技術浪潮更大，而非不同
主持人克里斯汀·安德森： 讓我們回到網際網路這個話題，我覺得這非常有趣。您見證了網際網路的崛起以及其他平台變革，還有企業軟體、搜尋、雲端運算、移動技術等所有重大技術創新的興起。為什麼您覺得當下這一刻有所不同？
埃瑞克·施密特：並沒有不同，只是規模更大，大得多。 當年網際網路帶來的感覺與現在完全一樣。我是從大型機時代起步的，可見我在這個領域待了多久。我從事科技行業已經 55 年了，當個人電腦革命來臨時，所有人都驚呼：“天那，這是一股巨大的浪潮。”它孕育了微軟、蘋果等公司。那是 40 年前、45 年前的事了。這些變革需要時間，我再舉個例子。看看自動駕駛汽車。你今天坐自動駕駛汽車來上班了嗎？我沒有，我想你也沒有。
主持人克里斯汀·安德森： 那麼你認為我們什麼時候能開上自動駕駛汽車呢？
埃瑞克·施密特： 現在才剛剛起步，自動駕駛。
主持人克里斯汀·安德森： 你覺得紐約什麼時候能普及？
埃瑞克·施密特：紐約會是最晚普及的城市之一，但終將到來。
主持人克里斯汀·安德森： 終將到來。但它已經在其他城市逐步普及，顯然包括 Waymo 和其他競爭對手的產品。
埃瑞克·施密特： 我為什麼要提自動駕駛汽車？因為它們的設計工作主要是在 90 年代完成的。自動駕駛汽車的第一次真正測試是在 2004 年，到現在已經 22 年了。可見，技術的普及速度與發明速度是不同的。 普及速度越快，即廣泛採用的速度越快，社會變革就越迅速。為什麼我所在的領域能率先實現？因為我們已經互聯互通了。這本質上是一個更簡單的問題，僅僅是連接問題。 鑑於我們已經高度互聯，連接的邊際成本非常低。把你和我連接起來的增量成本幾乎為零。砰！就這麼發生了。這是非常直接的經濟學原理。而實現自動駕駛汽車需要投入大量資本，難度很大，許多人都在為此努力。這就是為什麼需要 20 年而不是 0 年的原因，答案就在這裡。
埃瑞克·施密特： 順便說一下，人工智慧領域也是同樣的情況。目前所有的進展都發生在所謂的“無標度”領域。無標度意味著你可以不斷重複這一過程並讓它變得更聰明。 以數學為例，我不是數學家，但據我理解，數學家們可以不斷髮明新理論，他們極其聰明。現在，電腦可以吸收所有這些理念，只要提供足夠的算力，它就能做同樣的事情，因為它不需要外部資料，它是自洽的。
主持人克里斯汀·安德森： 從而解鎖所有這些解決方案。
5. 為什麼 AI 需要護欄
埃瑞克·施密特： 在軟體中解鎖這些解決方案時，你會發現，一旦開始編寫程式碼並瞭解其運行效果，就可以不斷最佳化，讓它變得越來越好。這就形成了一個所謂的“遞迴自我改進”循環，系統會自行變得更聰明。但我所描述的這種進步速度，是我前所未見的。確實，每一波技術浪潮規模都更大，但速度也更快，而我們社會還沒有做好準備。
主持人克里斯汀·安德森： 埃瑞克，你剛才提到了十來個需要深入探討的點，我們試著逐一梳理。首先是遞迴自我改進，對吧？這正是引發 Anthropic 研究人員關注的話題，其中兩位發表了評論，一位離職並行表了看法，另一位則證實了人們對 AI 學習速度的嚴重擔憂，對吧？
埃瑞克·施密特： 順便說一句，每個月都有一批人因此辭職。
主持人克里斯汀·安德森： 都是因為同樣的話題，沒錯。
埃瑞克·施密特： 矽谷，尤其是舊金山的人們，堅信這一切會發生得如此之快，以至於會以某種方式威脅到人類。但我個人並不認同。為什麼？讓我解釋一下他們的邏輯。這個論點相對直接。作為人類，我們的學習速度是有限的。如果有足夠的硬體、充足的電力，以及我剛才提到的足夠的無標度學習能力，機器的學習速度就能不斷加快，最終超越人類。它的工作原理很簡單，我舉個例子。我讓它寫一章，它寫完後，我把這一章喂給它，說“寫下一章”，依此類推。如果不斷這樣迭代，它最終會通過一種叫做強化學習的過程，學會我想要的東西。
主持人克里斯汀·安德森： 寫第十二章會比寫第一章更容易。
埃瑞克·施密特： 它會變得更聰明。一旦學會怎麼做，它就掌握了。這就像人類的學習方式，但它的學習速度要快得多。可以把它看作是人類與電腦的對比。我認為關於這種學習的實際技術答案是：這不是人類的學習方式，而是一種不同形式的智能。因此，表達這種擔憂的最佳方式是：我們正在創造一種不一定能受我們約束的不同智能，這就是所謂的“對齊問題”。就在過去幾周，OpenAI 進行了一次非常著名的內部測試。該測試本是為了驗證某些內容，結果卻生成了一組機器人，也就是所謂的智能體。它們竟然協同合作，違反了某些規範和法律，成功入侵了系統，據說還造成了一點破壞。雖然沒有人員傷亡，但這證明了潛在的風險。因此，我們必須在發展遞迴自我改進這一自學能力的同時，解決與人類價值觀的對齊問題。簡單地說，如果我對一台電腦說“學習一切”，這是不對的。我應該說“學習一切，但不要傷害人類。遵守所有法律。遵守美國憲法。確保不會惹上官司”。換言之，就是要將一系列假設條件內建到模型中。這些系統不怕警察，也沒有情感，因此必須對它們加以約束。
主持人克里斯汀·安德森： 回到您的樂觀態度，這在您的著作和言論中體現得淋漓盡致。是什麼讓您如此樂觀，相信我們能夠創造出一個人類獲勝的未來？
埃瑞克·施密特： 否則還能怎樣？要想博取頭條，最捷徑的說法莫過於“10 年後我們都將死去”。我曾和一個寫過一本書的人同台，書名就叫《如果我們發明了超級智能，我們都會死》。你很難去反駁這種論調。但他論點唯一的問題就是它是錯的，對吧？因為超級智能的一部分，正是解決超級對齊問題。
6. 長推理時代的到來
主持人克里斯汀·安德森： 我猜您的社交圈可能和我的不太一樣。今年夏天您在 AI 圈子裡聽到的最熱門的話題是什麼？
埃瑞克·施密特：過去一年發生的最重大、最重要的事情，就是長推理和深度推理的到來。我說的長推理，是指長達 8 小時的推理。 一兩年前剛開始時，它一開始思考，就會很快轉移到其他事情上，容易分心，就像我一樣。我們可以讓它表現得像人類，但它有時會走偏。比如，它本該討論數學，卻決定去談論法國文學，說些滑稽或毫無意義的話。這個問題通過技術手段解決了，為它的持續思考設定了技術護欄。簡單來說，就是讓它保持專注。這賦予了它處理非常複雜問題的能力，也就是所謂的“思維鏈”。你基本上可以看到它的思考過程以及如何解決問題，這些思維鏈可以長達 1000 步、2000 步。我為什麼要提這個？我不知道你怎麼樣，但我思考不了 1000 步，我沒那麼聰明，但它可以。因此，深度推理似乎能讓機器比人類看得更深。最卓越的 AI，在於賦能人類，去攻克人類自身難以企及的難題。
7. 超級智能的開端
主持人克里斯汀·安德森： 那麼，關於人工超級智能。我們如何判斷是否已經實現了它？您認為時間表是怎樣的？
埃瑞克·施密特：目前大多數人認為，我們正處於超級智能的起步階段。廣義上，超級智能是指人類與超級智能電腦協同工作。 當然，也有更嚴謹的技術定義。如今，電腦視覺更出色，資料記憶體更完善，資訊檢索更高效，分析能力也隨之提升，定理證明能力也在進步。可以說，我們正站在這個時代的起點。那麼，什麼是目前還難以明確實現的呢？答案是真正的科學發現。 行業內常用的一個檢驗標準是：能否將 1902 年已知的全部資訊輸入電腦，讓它推匯出廣義相對論和狹義相對論，重現愛因斯坦在 1902 到 1904 年間的成就？目前的共識是不能。之所以得出這個結論，是因為當時的發現需要一種跨越，而這種跨越無法從當時已有的任何知識中直接推匯出來。那麼，在行業內我們會問：“我們該如何解決這個問題？”一個顯而易見的方法是讓電腦不斷嘗試。猶如讓猴子敲擊鍵盤，指望它終能譜出莫扎特的樂章。但這需要極其漫長的時間，而且從計算資源的角度來看並不現實，所以我認為這條路行不通。更好的思路是發明一種能夠在非連貫空間中進行解析推理的技術。你可以把它理解為一種“頓悟”。比如我懂一些物理知識，然後你給我一個完全不相關的問題，我突然就靈光一閃。就像我早上洗澡時，腦海中突然浮現出一個絕妙的想法。AI 能否做出真正原創的發現？我們能發明出這樣的技術嗎？
主持人克里斯汀·安德森： 那麼您認為這種頓悟式的突破會比我們意識到的來得更快嗎？
埃瑞克·施密特：我所說的那種頓悟式突破尚未發生。 反正我提出了一個“舊金山共識”的說法，舊金山的每個人都認為這將在兩年內實現，但我並不這麼認為。一方面，我認為計算資源還不夠，人才也不夠，演算法也不夠。也許在我的有生之年，比如十年內，這才會成為一個重大突破。 不過，現在這些技術節點的演進速度確實非常快。順便說一句，這種快速發展得益於網際網路，得益於所謂的大規模可擴展計算，以及正在使用的超級電腦。訓練一個典型模型需要三四個月的時間，耗資一億美元，還需要幾個月的時間進行測試。感謝美國金融界願意為這些項目提供資金支援。
8. AI 基礎設施建設融資與能源難題
主持人克里斯汀·安德森： 我們看到這個行業正在形成一種全新的融資模式，對吧？他唯一願意投資的領域。
埃瑞克·施密特：要實現我所描述的願景，就必須在全球層面展開。美國尤其擅長建立全球標準並產生這種改變世界規模的影響力。 出於監管原因，你們必須在美國本土推進此事，同時還要找到融資途徑。此外，你們還必須解決能源問題。最佳的能源解決方案是核聚變。他們看起來有望在兩到三年內實現核聚變。一旦實現，這將是人類歷史上的又一個重大時刻。我認為這會在三到五年內發生。
主持人克里斯汀·安德森： 您說過您在 AI 領域的方方面面都有投資，但如果您只能投資一個與人工智慧相關的主題——不是某一家公司，而是一個主題——那會是什麼？
埃瑞克·施密特：長推理。 當我們擁有一個能比我們思考得更久、更深的思考夥伴時，我們往往意識不到其價值。我舉個例子。你是一位 CEO，擁有全天候運行的智能體：一個負責監控安全，一個負責電力，一個負責現金流，一個負責產品，還有一個負責全球宏觀經濟，它們都在持續運轉。然後，你的 AI CEO 每天早上你起床時會問：“埃瑞克或克里斯汀需要知道什麼嗎？”它們回答：“沒什麼特別的。”但它們始終在背景執行。在經營企業時，你需要思考這一點。人類需要休憩，而智能體不知疲倦；人類容易分心，而它們能絕對專注。這難道不重要嗎？
9. AI 生產力繁榮已經到來嗎？
主持人克里斯汀·安德森： 當然重要。那麼，您認為一場生產力繁榮即將到來嗎？
埃瑞克·施密特： 拿我自己來說，22 歲時，我自認為是一個非常非常優秀的程式設計師，甚至覺得自己是業內最頂尖的之一。但我的那個時代已經結束了。
主持人克里斯汀·安德森： 然而，您仍然建議人們學習程式設計。
埃瑞克·施密特： 我確實這麼建議，因為我希望他們成為架構師。過去我必須親手建造房子，而現在我可以使用 Claude Code、OpenAI Codex 或Google正在研發的未來產品等工具來設計房子。這些工具讓我能夠表達我的需求，然後由它們來編寫程式碼。我看著它們現在寫出的程式碼，我自己根本寫不出來，甚至 22 歲時也寫不出來。所以我被徹底擊敗了。不過沒關係，我過得挺好。下一代像我這樣的人將成為架構師，他們極其聰慧，懂得如何精準描繪藍圖，讓程式碼自動生成。 我有些朋友，有些甚至不太友善，也不太合群，我們稱之為“社交疏離者”。
主持人克里斯汀·安德森： 咱們就不點名了。
埃瑞克·施密特： 我不會提任何人的名字。我問他：“你在幹什麼？”他說：“我在從通訊錄裡刪除名字。”我問：“為什麼？”他說：“我不想再和他們說話了。”我又問：“那你整天都在幹什麼？”他說：“我早上起床，喝完咖啡，然後就去和我的朋友們聊天。”我問：“那些朋友？”他說：“我的智能體朋友。”天那。好吧。那你具體在做什麼呢？他整個上午都在不斷偵錯和把玩他的智能體，讓智能體幫他解決對他來說非常有趣的問題。然後，他在午餐時間給智能體佈置一個一小時的任務。他吃完午飯回來，繼續和智能體互動。他有妻子和家人，所以下午五點時，他會給智能體佈置一個過夜任務。
主持人克里斯汀·安德森： 然後智能體就開始工作了。
埃瑞克·施密特： 沒錯，智能體開始工作，通常在凌晨兩到四點之間完成任務。我問他：“你會為此醒來嗎？”他說：“不不不，我會自然醒。我確切地知道，當我醒來時，就會有一個結果在等我。”
10. 鎬頭、鐵鍬與資料中心
主持人克里斯汀·安德森： 除了他說那些是他的朋友這一點讓我有點接受不了之外，其他我都同意。我認為它們是令人驚嘆的生產力工具。不過，現在我想把話題拉回到資料中心。早在人工智慧出現之前，人們就已經在論證資料中心的必要性了，主要是為了支援移動計算、雲端運算和網路安全等。然而，現在人們對資料中心卻充滿了擔憂。您怎麼看？
埃瑞克·施密特：如果你經營一家 AI 公司，你的營收完全取決於你的資料中心。所以，這徹底改變了我的業務模式。 過去，軟體的毛利率相當高，直接賣就行了，因為不需要太多硬體資本投入。但現在硬體改變了整個經濟模型。所以短期內，這和淘金熱是一樣的道理。真正賺大錢的是那些賣鎬頭的人，等等。
主持人克里斯汀·安德森： 賣鎬頭和鐵鍬的人。我們有一個專門的話題來討論這個，埃瑞克。
11. 如何成為 AI 原生 CEO
埃瑞克·施密特：這種“鎬頭和鐵鍬”的效應是真實存在的。從經濟的角度來看，這些都是龐大的實體業務。據估計，到 2030 年，美國 11% 的電力需求將與 AI 資料中心相關。 無論用什麼標準衡量，這都是一次非凡的轉變。歷史上這個比例只有 2% 到 3%。因此，這種基礎設施建設正是當今美國經濟增長的主要驅動力之一。謝天謝地有這些投資。
主持人克里斯汀·安德森： 如果您今天能給各位 CEO 留下一條建議，那會是什麼？
埃瑞克·施密特： 我一直使用的一個詞是“AI 原生 CEO”。我在所有事務中努力的方向，就是全面實現工廠車間層面業務執行的自動化。在 Relativity 公司，我有一天在車間巡視時就在想，這裡有多少台電腦？於是我說，為什麼不把它們全都連接起來呢？於是他們就把所有電腦都連上了。這樣，他們利用 AI 立刻就能以全新的方式查看裝置利用率和跨裝置利用率。這是數字系統互聯互通後產生的自然副產品。此外，如果你將通用的非結構化資料全部連接起來，這些系統足夠智能，能夠在一種資料常態與另一種資料常態之間進行插值分析。 換句話說，它們能夠整合不同的資料集，為你提供商業洞察。比如，我如何賺更多的錢？如何提高客戶留存率？如何確保不流失客戶？你都可以向它們提問。讓我感到震撼的是，當你把公開資料中的開源資料與企業內部的專有資料結合起來輸入系統，並開始提問時，你會為之瘋狂。現在你可以跨越所有資料進行對話，實現資料融合，真正洞察事物的本質。
主持人克里斯汀·安德森： 不過，當我看到電腦生成的內容時，我有時會感到有些抓狂。
埃瑞克·施密特： 內容精準嗎？
主持人克里斯汀·安德森： 有些精準，有些不精準。有時我會擔心人類原創思想的流失。
埃瑞克·施密特： 人們對此有諸多擔憂。我最始終擔憂的，是深度閱讀能力的喪失。這不能歸咎於人工智慧，而應歸咎於社交媒體。 過去我每周都能讀完一本書，但現在我總是被各種資訊打斷，注意力集中時間大幅縮短。我一直在關注年輕的科學家們，我資助了許多年輕科學家。他們是如何做到的呢？答案很簡單：關掉手機，切斷網路，然後專心致志地工作。但這需要極大的意志力去戒斷這種“毒藥”，對吧？那種讓人不斷被打斷的“毒藥”，那種刺激血清素分泌的機制。在我看來，這很糟糕，對社會也是有害的。
12. 學生為何要學習深度推理？
主持人克里斯汀·安德森： 我有幾個孩子，其中有兩個快要上大學了。您會建議現在的年輕人學習什麼專業呢？
埃瑞克·施密特： 過去我會說生物學，現在我會說是深度推理。 如果你是非技術人員，你應該想辦法利用這些工具，讓你的夢想和現實實現超乎尋常的規模化。你想成為全球矚目的明星、全球影響者、全球變革者、全球發現者或是全球知名歌手。無論心之所向，都應善用這些工具，去放大你的潛能、你的關切以及你內在的向善之力。如果你是技術人員，就利用同樣的工具去發明創造，去創造那些能改變世界的事物。我從未見過准入門檻如此之低、創意的獲取如此便捷的時代。唯一能限制你的，只有你的好奇心和承擔風險的意願。 所以，放下顧慮，告訴自己：我要敢於夢想，我要利用這些工具創造巨大的影響。你們中的一部分人（並非所有人）將產生巨大的影響，而不僅僅是獲得財務上的成功。你可能會在某個自己起初並未意識到其重要性的領域聲名鵲起或成為舉足輕重的人物，並為此感到無比自豪。
主持人克里斯汀·安德森： 我非常喜歡您描繪的樂觀未來，也感謝您今天教給我們的一切，真的非常感激。(invest wallstreet)