前谷歌CEO的预言：奇点将至，而电力才是真正的瓶颈

---

核心观点速览

1. 递归自我提升尚未到来，但「智能代理风暴」已经开始——现有推理系统已能改变生产力曲线
2. 程序员的角色正在从「写代码的人」变成「指挥编程系统的人」——这一转变正在这两年内发生
3. 电力是AI发展的真正瓶颈，不是算法、不是资本、不是人才——美国需要92 GW新增电力
4. 中国在低端机器人硬件上已经领先——这是 Schmidt 认为美国犯的最大战略错误之一
5. AI安全可能需要一场「切尔诺贝利式的小型灾难」才能触发国际协调——这句话既清醒又令人不安

---

一、此刻是什么时刻？

Schmidt 开篇定性了当前的历史位置：

"We're living through a historic moment right now. We're 10 or 15% into the impacts of this — you can see it, you can feel it."（我们正在经历一个历史性时刻。现在只是影响的10%到15%——你能看到，能感受到。）

「10-15%」这个数字很重要。Schmidt 不是在说「AI刚刚开始」——他是在说影响已经很明显，但大部分影响还没来。

他区分了两个阶段：

• 现在：推理代理（Reasoning Agents）正在大规模渗透各行业，生产力曲线开始上扬
• 未来：递归自我提升（Recursive Self-Improvement）——AI改进AI自身——还没有到来，也没有成熟的科学路径

"It's not happening yet. And it's easy to convince yourself that you're going to have human agents, computer agents that are humanlike completely within a year or two. We don't have the science for that."（递归自我提升还没发生。人们很容易说服自己一两年内会有完全人性化的AI代理，但我们没有这方面的科学基础。）

这是一个难得的「降温」表态——在充斥着夸张叙事的 AI 讨论中，Schmidt 明确区分了「已经发生」和「还只是想象」。

---

二、AI代理的「加速时刻」：斜率突然改变

Schmidt 用一个具体场景解释了为什么现在的斜率与以前不同：

想象一家拥有1000名顶级AI研究员的科技公司。

传统约束：没有地方住（旧金山房价）、有HR部门要管、需要支付薪资、每个人每天24小时有上限。

现在：你可以部署数千个AI代理，它们不需要住所，不需要HR，不需要工资，只需要电力。

"So the slope goes like this because you're already at this slope. Then you add more people. Then you get the agents and you go like this. And this is essentially a super intelligence moment."（曲线是这样的：先是原有斜率，加人，然后加代理——然后斜率突然变成这样。这本质上就是超级智能的时刻。）

在这个模型里，「超级智能」不是某个神秘的技术突破点，而是当代理系统的规模化速度超过了人类组织扩张速度的那个时刻。

---

三、程序员的消亡与重生

Schmidt 分享了一个让他印象深刻的亲身案例：

他投资的一家初创公司里，一位年轻程序员向他展示了工作流程——晚上7点启动6个AI任务，然后去吃饭、睡觉；早上4点起来检查进度，发现任务已经完成。

"I said, 'When do you wake up?' 'No, I sleep very well.' 'When does it finish?' 'Oh, 4 in the morning.'"（"你会醒来吗？""不，我睡得很好。""什么时候完成？""哦，凌晨4点。"）

这件事的意义不只是「AI帮人工作」，而是工作的时间性和并发性发生了根本改变。原本需要6个月和10名程序员的工作，现在一个人一晚上就能启动、一觉醒来就完成。

Schmidt 用这个例子说明了一个更大的转变：

"The programmer role is shifting from writing code to being the director of a programming system."（程序员的角色正在从「写代码的人」转变为「编程系统的指挥官」。）

延伸思考：如果写代码的能力不再稀缺，稀缺的是什么？Schmidt 的回答是：能够定义正确的评估函数（Evaluation Function）——告诉AI系统「什么算成功」。这种能力不是技术能力，而是判断力、领域理解力和系统设计能力。

---

四、教育系统的紧迫重构

Schmidt 对大学提出了一个明确建议：

"Those of you who are associated with universities, you should stop everything else you're doing in the university right now and dedicate a quarter or a semester to making sure every single student can use these AI tools."（与大学有关系的人，你们应该停下目前在做的所有事情，用一个学期教会每位学生如何使用AI工具。）

他进一步说：对于今天的大学生，第一件事不应该是学微积分或写作基础，而是先学会用AI工具做这些事。

Diamandis 的补充让这个观点更激进：高中生已经全在用了。年龄限制本身就是个问题。

这里有一个被大多数教育讨论忽视的洞察：AI工具的「原住民」将是从初中开始就用它们做作业、写作文、学数学的一代人。等他们进入职场，「不会用AI」会像「不会用电脑」一样成为职业残障。

---

五、92 GW 问题：电力才是真正的天花板

这是整个视频最具战略意义的部分。

Schmidt 在国会作证时提出了一个当时被认为「疯狂」、现在被主流接受的数字：美国需要新增约92 GW的电力来支持AI数据中心扩张。

为什么电力是真正的瓶颈？

他的逻辑链：

1. 算力需求在持续增长（Scaling Law尚未见顶）
2. 1 GW 的算力对应约 500 亿美元的硬件+软件+数据中心投资
3. 美国目前运行约60座核电站，新建核电站的审批速度接近零
4. 数据中心将消耗美国全国**10%**的用电量

"It's not true in China. It's certainly not true in Europe. And these guys are incredibly jealous of the American financial system."（在中国不是这样，在欧洲也不是。他们对美国的金融体系羡慕不已。）

Schmidt 的意思是：美国在资本方面有优势，在电力方面有劣势——而电力是无法用钱快速解决的问题，因为它涉及许可审批、电网基础设施和政治意愿。

Jevons 悖论在这里很关键：你可能认为芯片效率提升会减少用电需求，但历史上每一次效率提升都带来了需求激增，因为人们发现了新的用途。AI 也不例外。

---

六、谷歌押注 AI 的内部史：TPU、DeepMind 和围棋时刻

Schmidt 回忆了几个关键决策：

TPU的诞生：谷歌发明 TPU（张量处理单元）时，设计目标是做训练。但 Schmidt 评价说，TPU 恰好对「推理」（Inference）极其优化——而推理正是当今 AI 应用的核心计算场景。这是运气还是远见？Schmidt 说：「也许是运气，但它确实是完美的推理引擎。」

DeepMind收购：600万美元（当时被广泛嘲笑为浪费）。Larry Page 亲自决策。Schmidt 在书里记录了他们去首尔看 AlphaGo 对决李世石的现场经历——进入韩国棋手的房间，棋手们信心满满要「痛扁谷歌」；进入 AlphaGo 房间，系统静静地盯着屏幕，胜率显示从51%升到52%，再升更多……

一个叫 David 的架构师淡淡说了一句：

"Well, we just plan for it to get to infinity."（嗯，我们只是计划让它一直涨到无穷大。）

这就是丰盛理论的原型——不是「够用就好」，而是「让它一直增长」。

围棋之后，蛋白质折叠：同一支团队，赢了围棋后「感到无聊」，转而攻克蛋白质折叠问题（AlphaFold）。这成为了现代 AI 应用于科学的标志性案例——用定义明确的评估函数，解决真实世界的复杂问题。

---

七、中美竞争：Schmidt 最担心的事

这是 Schmidt 措辞最直接、立场最清晰的部分。

他的前提：中国不是敌人，是竞争者。这是有意义的区分——竞争意味着你需要更强，不是需要摧毁对方。

但他随即给出了一个严厉的判断：

"With respect to robotics, we somehow decided it was okay for them to dominate the electric vehicle industry. This was an error. To be very clear, it's an error."（在机器人方面，我们不知为何决定让他们主导电动车行业。这是一个错误。非常清楚地说：这是一个错误。）

他的逻辑是：电动车产业建立起了电机、传感器、精密制造方面的完整供应链和工程能力。这些能力与人形机器人所需的能力高度重叠。中国通过做电动车，顺带掌握了做机器人的核心能力——而美国没有。

对低端机器人的判断：

"At the moment, it sure looks to me like the robotic hardware of China is the winner at the low end."（目前来看，低端机器人硬件显然是中国赢了。）

但他区分了高低端：低端（简单组装、搬运）中国已经领先；高端（复杂感知、精密操作）美国通过垂直整合模式（SpaceX/Figure的方式）仍有机会。

垂直整合的关键性：

Schmidt 在参观 Gigafactory 时得出了一个结论——工厂里几乎所有东西都已经自动化，最后几个「需要人」的环节，正好是人形机器人能做的事。Elon Musk 从一开始就做垂直整合，不是因为他想控制一切，而是因为没有供应商能提供他需要的东西。Figure、Apptronik 等新一代机器人公司正在复制这条路。

---

八、AI安全：「切尔诺贝利时刻」的冷静预言

这是访谈中最令人深思的部分。

Schmidt 说了一句在 AI 圈广为流传的话：

"The world may need to have a modest Chernobyl-like death event to cause governments to react."（世界可能需要一个「小型切尔诺贝利式死亡事件」来让政府作出反应。）

他详细解释了这个判断背后的逻辑：不是希望悲剧发生，而是对人类协调机制的现实评估。

历史上，重大国际监管协议往往诞生于灾难之后——核武器控制来自广岛/长崎，臭氧层保护公约来自科学预警+部分实际影响，互联网安全协议来自真实攻击。

AI的风险是真实的，但目前还没有一个具体事件能像车祸统计数字一样触动政策制定者。Schmidt 的判断是：可能需要某种「有代价」的事件才能让各国政府坐下来谈真正的AI监管协议，就像两德统一后各国重新讨论欧洲安全框架一样。

他给出的例子：AI辅助的生物攻击、AI驱动的民主操控、青少年心理健康危机。

但他仍然保持乐观：

"I do believe it's possible for humans to work together in this. But it requires political will that I don't see right now."（我确实相信人类能够在这件事上协作，但这需要我现在还看不到的政治意愿。）

关于 ASI 时间线，Schmidt 的表述是：「在这个十年内的某个时候，不管是两年后还是五年后。」他明确拒绝给出精确数字，但对「本十年内」的判断相当确定。

---

九、斯坦福和 Jevans 悖论：算力没有天花板

视频最后，Schmidt 被问到一个关键问题：AI模型的改进是否需要某个「核心科学突破」，还是单靠扩大规模就够了？

他的回答代表了当前主流研究界的分歧：

"The scientists do not agree on the exact approach to work yet. So I think it's too early to know. There's evidence that it will work. There are tests in the lab that show it, but they show it in limited cases that are kind of demos."（科学家们对具体路径还没有共识。现在判断还太早。有证据表明它会奏效，但这些证据只在受限情形下的演示中出现。）

对于当前各大模型（OpenAI、Google、Anthropic、中国的 DeepSeek/Qwen/Kimi）的竞争格局，Schmidt 的判断是：

• 美国会有2-3个主要玩家（微软/Google/Anthropic），中国也会有1-2个
• 欧洲因电费过高，不太可能出现真正竞争级别的系统
• 印度可能出一个
• 开源模型（中国采用的路线）是一个真正有效的策略，证明了绕过芯片限制的可能性

---

行动启示

Schmidt 在这场对话里给出了几个直接的行动方向：

对个人：掌握AI工具不是「加分项」，是基本生存技能。从「学会用」开始，快于「学会编程」。

对创业者：评估函数（Evaluation Function）是新时代最稀缺的能力——知道「什么算成功」比知道「如何实现」更有价值。

对政策制定者：电力、移民（高技能人才）、许可简化——这三件事比任何AI法规都更紧迫。

对投资者：机器人垂直整合公司值得重新评估；电力基础设施相关是未来十年最确定的主题之一。

---

附录

金句收录

1. "We're 10 or 15% into the impacts of this — you can see it, you can feel it and some of it will happen, some of it won't."（我们只到了影响的10-15%——你能看到，能感受到，有些会发生，有些不会。）——Eric Schmidt

2. "The programmer role is shifting from writing code to being the director of a programming system."（程序员的角色正在从写代码者变成编程系统的指挥官。）——Eric Schmidt

3. "You just have to feed them electricity."（你只需要给它们喂电。）——Eric Schmidt，谈AI代理与人类员工的区别

4. "The current estimate is that 10% of the electricity in the United States will be used in data centers."（当前估计美国10%的电力将用于数据中心。）——Eric Schmidt

5. "Well, we just plan for it to get to infinity."（嗯，我们只是计划让它一直涨到无穷大。）——DeepMind AlphaGo架构师David，在围棋胜率突破51%时的评论

6. "We somehow decided it was okay for them to dominate the electric vehicle industry. This was an error."（我们不知为何决定接受他们主导电动车行业。这是一个错误。）——Eric Schmidt，谈中国机器人优势

7. "The world may need to have a modest Chernobyl-like death event to cause governments to react."（世界可能需要一个小型切尔诺贝利式死亡事件来迫使政府作出反应。）——Eric Schmidt，谈AI安全监管

8. "I want the system that we build in America to reflect American values — the values of freedom and freedom of speech."（我希望我们在美国建造的系统能反映美国价值观——自由和言论自由的价值观。）——Eric Schmidt

---

时间线索引

时间	内容
[00:00]	历史节点定位：AI影响的10-15%，递归自我提升尚未到来
[02:37]	「现在处于什么时刻？」——Schmidt 对当前 AI 发展阶段的定性
[04:51]	AI代理规模化 = 超级智能时刻：斜率突然改变的逻辑
[07:01]	程序员角色转变：从「写代码者」到「系统指挥官」
[08:33]	真实案例：程序员睡觉时AI运行，早上4点完成6个任务
[11:37]	大学教育建议：停下一切，先教会学生用AI工具
[15:28]	谷歌押注AI史：Larry & Sergey的远见
[16:26]	TPU的诞生与意外的推理优势
[17:24]	Nvidia vs. Intel：为什么Nvidia赢了
[18:26]	92 GW 问题：电力是AI真正的天花板
[19:58]	Jevons 悖论：效率提升不会减少能源需求
[22:07]	DeepMind 600万收购往事：「浪费」变「划算」
[23:52]	AlphaGo首尔现场：从51%到无穷大
[25:47]	AlphaFold：从围棋到蛋白质折叠的同一支团队
[26:36]	火箭公司 Relativity Space 的劳动力替代边界讨论
[28:21]	国会作证：92 GW 和 AI 地缘政治
[29:17]	中美竞争：竞争者而非敌人
[29:47]	电动车错误：让中国主导EV = 让中国掌握机器人基础
[31:47]	中国机器人硬件：低端已经领先
[33:36]	垂直整合：Gigafactory参观的顿悟
[39:01]	AI安全：「切尔诺贝利时刻」的必要性
[41:43]	走向 ASI：本十年内，如何保持人类对齐
[42:58]	美国价值观与AI系统的对齐