埃里克·施密特：人工智能时代，人类专业知识依然重要

如果你现在想在人工智能领域赚钱，埃里克·施密特给出了一个直截了当的答案：不要投资，去构建。创立一家智能体AI公司。不是设计智能体的公司，而是构建一个智能体来做特定事情的公司。现在是智能体时代，未来一两年，每个人都会构建智能体。构建一个比任何人都好的智能体，你就能拥有一家令人难以置信的公司。

达沃斯关于人工智能实际经济的对话

在“行动中的想象力”于达沃斯举办的人工智能峰会上，前谷歌CEO埃里克·施密特和德勤全球CEO乔·乌祖格鲁与亿万富翁大卫·鲁宾斯坦坐下来，就人工智能的现状展开了广泛的对话。对话描绘了一个处于转折点行业的画像：这项技术无疑是强大的，基础设施的需求是惊人的，而硅谷的能力与企业现实之间的差距仍然顽固地存在。

施密特带着数据和强烈的观点而来；乌祖格鲁则带来了运营一家拥有50万人的专业服务公司的企业视角。他们的观点相辅相成：施密特看到了原始的力量和竞争格局，而乌祖格鲁则生活在大型官僚组织内部署人工智能的混乱现实中。

80吉瓦和基础设施竞赛

施密特最近创办了一家数据中心公司，他列出了一些数据，使人们对人工智能基础设施的建设有了更清晰的认识。人工智能目前对美国GDP的贡献超过1%，这主要是因为数据中心的建设。超大规模企业（谷歌、微软、亚马逊）各自需要1、5甚至10吉瓦的容量。施密特见过的最好的研究表明，该行业在未来3到5年内需要80吉瓦的容量。

作为参考：一个核电站大约产生1.5吉瓦的电力。因此，该行业要求在五年内增加相当于大约53个新核电站的发电能力。目前人工智能的经济影响主要体现在基础设施建设上，而不是下游应用上。

中国：落后六到十二个月

施密特对美中人工智能竞争的评估发生了显著变化。历史上，人们认为中国远远落后。但现在情况并非如此。

目前，Kimi、Qwen和DeepSeek这三个中国模型经常出现在基准排名的前列。美国人抱怨“蒸馏”，声称中国团队使用美国模型来训练他们的模型。施密特的回答是：这可能是真的，也可能不是真的，但重要的是中国模型确实很好。

更重要的是，中国已决定在人工智能技术方面完全自给自足。他们正在构建整个硬件和软件堆栈：他们自己的芯片（SN930），他们自己的软件层。他们的战略方法与美国根本不同：中国不追求通用人工智能（AGI）。他们追求的是在社会各处使用的人工智能，并制定了一项大规模的国家计划，尤其侧重于边缘部署。

“They are in my view six to 12 months behind, which is not much.” 在我看来，他们落后六到十二个月，这并不算多。

智能体时刻

施密特将当前的人工智能格局定义为从“语言到语言”（想想ChatGPT式的互动）到通过智能体“语言到行动”的转变。当被问及人工智能之后的下一个重大技术浪潮是什么时，他反驳说：人工智能还没有结束。这股浪潮才刚刚开始。

“We’re going from language to language, which is think of it as ChatGPT, to language to action through agents.” 我们正在从语言到语言（可以把它看作是ChatGPT），转变为通过智能体实现语言到行动。

他指出推理模型（OpenAI的R3、DeepSeek V3）就是证据。这些系统可以让你在指尖上完成麻省理工学院/斯坦福大学研究生水平的推理。对数据中心、新算法和更大模型的投资完全集中在进一步推动这一趋势上。

他关于赚钱的具体建议是：不要试图抓住“七巨头”（现在获得这些收益已经太晚了），也不要进入估值过高的初创公司。相反，构建一个比其他任何人的智能体都做得更好的智能体。这是目前创造价值最直接的途径。

企业差距

乌祖格鲁对技术炒作提出了一个更实际的观点。没有人怀疑人工智能的力量或其在每个行业和业务职能中的适用性。问题是如何在大型、复杂、成熟的组织中真正实现它。

“It’s really hard to actually bring it to life in a large complex established bureaucratic enterprise.” 在大型、复杂、成熟的官僚企业中，真正实现它是非常困难的。

他使用了棒球的类比：我们正处于第一局上半。历史告诉我们，系统中存在很多粘性。从硅谷实验室到人们工作的实际工厂和办公室的扩散需要时间和精力。

施密特对此表示赞同，称之为“技术悬置”，即行业生产东西的速度超过了组织吸收它们的速度。他们的分歧在于速度：施密特看到了客户服务（现在高度自动化）和入门级软件编程领域出现失业的具体证据，而乌祖格鲁则坚持认为，即使人工智能的应用范围扩大，德勤的员工队伍也在增长。

领域专业知识是关键的差异化因素

两位发言人都认同了一个关键点：领域专业知识不会被人工智能取代；它正变得更有价值。乌祖格鲁描述了他反复看到的失败模式：在技术实验室中开发的一项技术被强行部署到企业中。它通常会失败。你需要了解业务职能和行业的人，与技术人员组成跨职能团队。

乌祖格鲁指出的人工智能输出问题尤其尖锐：该技术产生的结果表面上看起来令人印象深刻。对于普通接受者来说，输出结果看起来非常令人信服。但是对于真正了解该领域的人来说，其中一些是胡说八道。需要具有领域知识的人来区分实质和垃圾。

这一洞察力引出了一个关于教育的实用建议：施密特认为，麻省理工学院和斯坦福大学尚未开设的最重要的新课程是关于提示工程的大学一年级课程。每个学生的整个职业生涯都将涉及与人工智能助手合作。这同样适用于任何试图保持竞争力的40岁专业人士。

乌祖格鲁对此进行了扩展：他不仅想要STEM毕业生。他想要“最佳运动员”，即能够进行深入思考、理解社会影响以及能够以合乎道德的方式调整人工智能使用的人。通才仍然可以发挥重要作用。

军事和社会中的人工智能

施密特借鉴了他为五角大楼提供咨询的经验，追溯了人工智能的军事演变。它始于大约10年前的Maven项目，该项目本质上是将人工智能用于监视：观看士兵以前手动监控的无人机视频。下一阶段是自主无人机，这得益于乌克兰的经验教训。黑格塞斯部长宣布了在陆地、海洋和空中采用无人机的主要计划。

在更广泛的社会层面上，乌祖格鲁指出民意调查数据显示存在明显的分歧：实际使用人工智能的人比不使用人工智能的人对人工智能的潜在影响更为乐观。他担心“火药桶”时刻，即民众对未来的担忧与对工作中断的恐惧相碰撞。他说，他们作为领导者的首要任务是走出去，展示人工智能如何提高人类的生活质量。

一个将在历史上流传数千年的时刻

施密特以超越投资建议和企业战略的视角结束了讲话。我们正在经历一个将被铭记数千年的时刻：非人类智能作为我们的竞争对手的到来。

“It is the moment in history when a non-human intelligence arrived and it was a competitor to us. How we use that, how we shape it, how we guarantee alignment will determine the outcome.” 这是历史上非人类智能出现并成为我们竞争对手的时刻。我们如何使用它，如何塑造它，如何保证对齐将决定最终结果。

他的最终区分非常精确：这项技术最好的名称是“人工智能”，因为它既是智能又是人造的。它没有人类价值观。它的思维方式不同。它根本不思考。这是一种不同类型的智能。

“When we work with it, we will be more powerful. When it runs us, we will be very unhappy.” 当我们与它合作时，我们将变得更加强大。当它控制我们时，我们将非常不快乐。

一些想法

这次对话之所以有效，是因为它将两种真正不同的观点结合在一起。施密特带来了构建者-投资者的视角：原始数据、竞争动态、具体建议。乌祖格鲁带来了部署者的视角：在变革困难的组织内部使人工智能发挥作用的混乱现实。

以下是一些值得探讨的线索：

• 80吉瓦的数字令人震惊。 大约相当于53个核电站的发电能力在五年内增加。这不是对人工智能潜力的预测；这是对目前正在发生的承诺资本支出的描述。
• 施密特对中国的评估是最有用的框架。 不是“中国正在获胜”或“中国远远落后”，而是一个具体的、可验证的主张：落后6-12个月，战略方法根本不同（人工智能无处不在与通用人工智能）。
• 领域专业知识的论点很有说服力。 很容易将“人类仍然重要”视为令人欣慰的言论，但乌祖格鲁的具体失败模式（看起来令人印象深刻的人工智能输出，但对于领域专家来说实际上是垃圾）是任何使用这些工具的人都遇到过的情况。
• 施密特的投资建议非常具有可操作性。 不是“投资人工智能”，而是具体地：创立一家智能体人工智能公司，一家构建智能体来执行特定任务的公司。窗口期是未来一两年。
• 教育差距是真实存在的。 两位发言人都认为，在学校禁止人工智能是最糟糕的应对措施，但他们都没有一个明确的解决方案来解决如何利用人工智能进行教学的问题。提示工程课程的想法是一个开始，但评估真正学习的更深层次挑战仍然没有解决。