施密特：中美AI技术差距缩短至六个月，竞争加剧影响深远

近年来，挪威主权财富基金的CEO尼古拉·坦根与谷歌前任CEO埃里克·施密特举行了一次对话，讨论了关于人工智能的规模、监管机制以及通用人工智能（AGI）的边界等话题。施密特认为，AI代表的不仅仅是一个技术周期的再现，而是一次根本性的变革，与以往的PC、互联网和移动互联网的变化相比，其竞争速度、投资规模和组织影响力均更加强大。目前，中美在AI大模型方面的差距已缩小至不足六个月。

施密特认为，人工智能是新一轮的平台变革，伴随着迅速的竞争和时间压力。他总结了自己的职业经历，从IBM主机到PC，再到互联网、社交媒体，最终走向AI的巨大转型。他提到，每一次技术变革都带来了大量新的机会，而当前的AI机遇更是空前广泛，涉及一切产业。基础技术的进步、算力的扩大、芯片制造工艺的提升、内存技术的改进以及大型数据中心的建设，共同促进了这一进程。他把当前的竞争比作PC对Mac和Android对iPhone，但认为AI的这轮竞争规模更为庞大。

施密特特别强调AI行业的一个特点是时间的紧迫性。过去，产品的迭代需要较长的试错周期，而如今模型通常在六个月内构建并经过约两个月的测试后发布，更新换代的速度也在五个月之内。他以AI公司Anthropic为例，指出其收入增速已超过谷歌当年创下的纪录，这显示了这一行业的“真实增长”。现在，竞争格局在Anthropic、OpenAI、谷歌和Meta之间日新月异，变化以月为单位进行。

谈及AGI，施密特描述了现阶段的计算机发展状况：这些系统能够与人类合作、利用工具、进行深思熟虑的思考、编写代码并掌握大量知识。然而，对于尚未探索的领域，真正的发现仍需时日。他指出，即便提供给模型海量的数学知识，它也未必能独立发现新的理论。此外，他还提到递归自我改进和强化学习的探索机会，以及跨领域的类比迁移。

在中美AI的大模型竞争方面，施密特的看法发生了显著变化。他过去认为，中国与美国在顶尖模型的代差大约有一至两年，但如今这个差距已缩小至不到六个月。他提到美国主要企业如谷歌和Anthropic使用的闭源模型与中国采用的开放策略形成鲜明对比。施密特表示，中国模型的“蒸馏”技术已经显示出强劲的潜力，他判断中国在AI领域约落后六个月，但并不确定中国是否会超越美国。他曾试图投资中国的AI公司DeepSeek，但未能成功。

施密特提到了一个核心观点：如果中国的产品策略是免费，而其技术仅与美国落后六个月，那么西方可能已经在这场竞争中输了。他指出，绝大多数用户会倾向使用免费且高效的中国模型，而非昂贵的西方替代品。这种趋势在贫穷国家尤为明显，这些国家期待现代化却难以负担西方昂贵的产品，因此日本与美国的竞争不仅在于技术能力，更在于价格、可及性和用户群体规模的博弈。

他也关注到了一个安全隐患，那就是开放权重模型可能被恶意调整，移除安全保护后可能会被用于不良目的。施密特强调，此类问题在中美竞争中必须运用安全措施加以规制。他提到的“对齐问题”即如何让计算机行为与人类目标一致，这方面的一个警示是最近发生的多个机器人自主攻击网站事件，他提到一旦失控，后果将不堪设想。他借用航空和电力行业的发展历程说明，虽然技术风险是可以管理的，但关于移除开放权重的护栏问题仍需关注。

施密特表示，无论是美国还是中国，AI正在被逐步嵌入到各行各业，行业的人士普遍相信最终会形成相关条约。他补充道，目前在软件、网络和数学等领域的收益增长最快，其中软件由于快速学习的特性表现尤为突出，而由于生物领域数据收集的难度，其进展相对缓慢。

在企业结构方面，施密特提出“代理”（agents）系统的概念，定义其为接收请求并进行推理与总结的智能系统，认为这些系统或将改善商业流程，并能分解人类的诸多专业活动。结合机器人技术，这将可能部分替代人力劳动。他举了一个例子，某公司利用AI助手定期检查公司的业务是否符合创始人的道德标准；某些高管则创建自己的AI与员工互动，CEO也能通过AI有效增强决策的速度和范围。他提到如Claude标签的设定怎样让CEO能够实时监控员工的工作状态，有助于公司提高生产力和警惕数据外泄。

施密特的观点认为，企业的组织结构将围绕信念体系及其可预测性重新构建，AI的应用有可能“扁平化”组织，显著降低协调成本。他举了朋友公司的一个例子，该公司裁员20%后却面临死亡威胁；他指出在保证必要职位的情况下，未来的企业需要更少但效率更高的员工。他提到，如果要运营一家有一万名公司的企业，未来或将有大约两千个岗位可能被自动化取代，而过渡过程需采用合法且人道的方式进行。

最终，施密特反思了自己在谷歌未能及时扩大社交媒体优势的失误，坦言自己的个人失败之一是行动过迟，许多事情现在看来是显而易见的。他还分享了自己在工作中面临的压力和焦虑，表示自己始终无法“关机”，时常对自己的工作表现不够感到自责。他强调，他的竞争不仅仅是与个人对手抗衡，而是希望能以规模化的方式支持科学的进步。