埃里克·施密特:AI眼下演进最快的,都是做完后能自己对答案的活儿(一)

有个人，最近一直在删通讯录。

一个一个删，删得很干脆。

“你这是干嘛？”

“不想再跟他们聊了。”

“那你一天都跟谁聊？”

“早上起来，咖啡一泡，先去看我那帮朋友。”

“哪些朋友？”

“我的AI智能体。”

智能体，就是能自己拆解任务、调用工具、连续干活的AI程序。

他的一天是这么过的：

上午，他守着这帮“朋友”，一起啃他觉得过瘾的难题；中午前，给它们布置一个1小时的活，自己去吃饭，吃完回来接着聊；下午5点，留一份过夜的作业，关上电脑，回家陪妻儿。

作业一般在凌晨2点到4点之间交卷。

有人问他，半夜会不会爬起来看一眼？他说不用，等自己睡醒就行。而且他百分之百确定，醒来的时候，结果已经摆在那儿了。

这是埃里克·施密特讲的一个朋友的故事。名字他死活不肯透露，只说这位朋友人不坏，只是不太爱社交。

而讲故事的人，绝不是个站在路边看热闹的nobody。

2001年，谷歌两位创始人不过二十七八岁，投资人觉得公司需要一位“大人”坐镇，便将他请了来——硅谷把这个角色叫作“成人监护人”。

他这一坐就是10年，把一家搜索初创公司带上了市，带成了极具赚钱能力的商业帝国，Android和YouTube也是在他任内收购进来的。

一项技术如何从实验室里的原型，演变成数十亿人每天离不开的基础设施，他是坐在驾驶座上看完全程的。

离开谷歌后，他走进了华盛顿。

国防部创新委员会，他当了4年主席；国会授权成立的人工智能国家安全委员会，他又主持了3年。当五角大楼研判AI将如何改写国家安全格局时，坐在决策桌旁的人里就有他。

据他自己所说，委员会报告里的不少建议，后来直接写进了国防授权法案。这项技术在大国博弈中如何成为筹码、风险藏在何处，他是在密室会议里一条条听过来的。

再往后是资本的角度。他的家族办公室Hillspire，被CNBC评为2025年美国最活跃的直接投资型家族办公室，那一年的资金，绝大多数砸向了AI领域。他联合创办的风投机构Innovation Endeavors，也始终扎根在前沿科技的最前沿。

一项技术值不值得重仓，他是拿真金白银一笔笔验证过的。

他自己使用AI，也是同样的硬核路数。

航天原本不是他的本行，2025年3月，他买下火箭公司Relativity Space，亲自出任CEO。补课的办法，就是让AI做“深度研究”：抛给它一个庞大的课题，由它自己去检索上百个网页，阅读总结后生成一份详尽的长篇报告。他登台TED演讲时直言不讳：在这个领域我不是专家，但我想要成为专家。

至于写代码，用他自己的话说，22岁那年他曾是顶尖的程序员之一。可如今每天看着AI写出的代码，那种质量与效率，他当年写不出来，现在更写不出来。

“我这一行到头了。”他说。

一个把自己的本行都下判词“到头了”的人，究竟怎么看待AI未来的演进路径？

当被问到这一波AI到底新在哪儿时，他的回答只有一句：

没什么不一样，就是更大、更快。

22年没铺满的路，和两个月破亿的软件

“没什么不一样”，这话他说得极其平静。

他是大型机时代入行的，在科技圈摸爬滚打了55年。40多年前个人电脑问世时，满世界都在惊呼“天哪”，随后诞生了微软与苹果。互联网浪潮袭来时，气氛如出一辙。每一波大潮里，身处其中的人都坚信自己赶上了前所未有的大事。

不过有一点，他完全认同：每一波浪潮，都比上一波体量更大、速度更快。

究竟快在哪儿？他拿自动驾驶做了一个比方。

2004年，美国在莫哈维沙漠举办了首届无人驾驶挑战赛，全程140多英里。当时成绩最好的一辆车，跑了不到8英里就彻底瘫痪，最终没有一辆车能驶完全程。

那是22年前的事。直到今天，无人驾驶汽车才刚刚在少数城市落地运行。国内不少人第一次体验无司机驾驶，是在武汉街头的萝卜快跑里。在施密特的预判中，像纽约这样的超级大都市，甚至要排在最后几座。

22年的时间，依然没能铺满整个世界。

再看ChatGPT，上线仅两个月，月活用户便突破1亿。

发明创新的速度，与推广普及的速度，完全是两码事。

差距究竟在何处？无人车需要铺设道路、制造硬件、考取牌照，每驶入一座新城市，都是天量的资金开销。而软件不需要，网络基础设施早已铺就，每增加一个新用户，边际成本几乎为零，只需鼠标一点，服务瞬间触达。汽车则是一座城一座城地艰难推进，而软件应用却能在一夜之间席卷全球。

因此，他判断一项新技术究竟能以多快的速度闯入现实生活，方法极其朴素：

看每多接入一个人，到底要花多少钱。

做完能自己对答案的活，AI都在抢

回头看那位朋友的日子，其实有个关键前提：交给AI过夜的，都是做完后能自己验收的活儿。代码写好，跑一遍测试，行不行当场见分晓。

施密特表示，AI眼下演进最快的，恰恰就是这一类任务。

数学如此，编程亦然。数学家全凭大脑进行逻辑推演，无需去外界采集数据，一道题本身就是一个自洽的完整世界；代码运行一遍，对错顷刻即现。只要给机器供给充足的电力与算力，它就能不间断地试错，错了就改，改完再试，越试越强。

凡是做完能自己对答案的活，AI就能一遍遍自我训练，练一遍就进化一步。

他曾给出一个接地气的比方：

让AI撰写一本书的章节，写完后，把这一章作为上下文重新喂给它，让它接着写下一章，写完继续喂入。如此循环往复，它依靠强化学习（写得对给激励，写偏了不奖励）逐步摸清你的真实意图。写到第12章时，过程会比写第1章顺畅得多。

这在业内被称为“递归自我改进”，说白了，就是边干活边变强。它不仅学习效率远超人类，而且不知疲倦。

数学领域的突破就是明证。施密特提到，在过去一个月里，有10道重量级的数学难题被计算机攻克，其中甚至包含了著名的纳维-斯托克斯方程。

这组方程描述的是水流与气流的运动规律，飞机的升力、风洞的流场乃至空调吹出的风，都由它统辖。2000年，克雷数学研究所设立了7道“千禧年大奖难题”，每道题悬赏100万美元。在此之前，7道题中仅有一道被人类解开。

9月8日，OpenAI宣布其内部模型成功攻克了该难题。按照其官方说法，当时有1万个智能体同时并行运算，各自探索不同路径，期间相互传递了270万条信息，前后历时88个小时。

不过这个“解答”目前尚无最终定论。根据现有报道，克雷数学研究所尚未正式认可，该题目依然保留在未解名单中。就在同一天，纽约大学数学家Tristan Buckmaster与Anthropic的Levent Alpöge也发布了相关成果，双方甚至为此产生了版权与优先权的争议。

但施密特真正想要强调的是另一重维度：

这到底有什么用？

用处极其明确且具体。计算精度一旦提升，飞机将更加省油，火箭能以更快速度航行且携带更少燃料，前往火星的航程也能大幅缩短。

数学是一切科学加速的底层地基，地基向下深挖一层，之上的整座大厦都要随之重塑。

让AI一口气想8个小时

问他过去一年AI最大的突破是什么，他挑选的是长推理。

早两年的AI有一个毛病，跟不少人一模一样：想着想着就跑偏。明明在算数学，算着算着，却聊起了法国文学。施密特笑着说，跟我一样，特别爱走神。

解决办法极其朴素：加装技术护栏，一遍遍提醒它，专心致志，切勿走神。这种朴素的办法收到了奇效。如今的AI，已经能够一口气连续推理8个小时，思考过程（业内称为“思维链”，即把推理步骤一步一步完整展开）甚至长达一两千步。

一千步的连续推理，我个人根本想不出来，我没那么聪明。但它行。

如果让他只押注一个AI主题，他押的就是长推理。不是某一家具体的公司，而是长推理能力本身。

他曾设想过这样一幅画面：

你是一位管理者，手下拥有一队不知疲倦的AI助手，一个负责监控网络安全，一个监控能源电力，一个盯紧账头资金，一个把控产品质量，还有一个实时追踪全球局势。

天一亮，总管AI挨个询问完毕，有情况及时汇报，没异常就轻描淡写说一句：一切正常，无事发生。

平静无事，就是最完美的汇报。人类需要休息，而它们永远在线。

优秀的AI，核心价值在于替代人类去做人不擅长的事。

业内常说的“通用超级智能”，通俗来讲，就是人类与极度聪明的计算机深度协同。而在多数人看来，眼下的突破才仅仅是个起点：图像识别、信息记忆、知识检索、数据分析乃至定理证明，各项能力都已远超以往。

▽

明天继续...

关于更新:

每天00：01更新。只发布有价值的内容。