AI相对论(49)

新闻

作者：微信文章

萨姆·奥特曼：AI重构未来工作，人人皆可成为“工程师”的时代来临

“我敢断言，到今年年底，仅需几百或一千美元的推理算力成本，你就能完成以前需要一个团队耗时一年才能构建的软件。”在OpenAI近期的一场内部对话中，其首席执行官萨姆·奥特曼面对开发者群体，描绘了一个由生成式人工智能深刻重塑的未来图景。他预言，软件开发的门槛将降至极低，但人类注意力的稀缺性将愈发凸显；AI成本将急剧下降，而创造力、判断力与主动性将成为最宝贵的技能。

这场对话不仅关乎技术演进，更触及社会结构、经济模式与人类价值的核心。在奥特曼看来，我们正站在一个拐点：AI不仅是工具，更是催化剂，它将重新定义“工作”本身，并催生一个“人人可借AI实现想法”的赋能时代。

重新定义“工程师”：从编写代码到指挥智能


当被问及AI是否会减少软件工程师的需求时，奥特曼给出了一个结构性变革的答案。他认为，“工程师”的定义将被彻底改写。未来的价值创造，将不再源于手写一行行代码，而在于“指挥计算机完成自己的工作、替他人完成工作，以及构想如何为他人创造有价值的体验”。

这一转变意味着，软件开发的民主化将达到前所未有的高度。奥特曼预见，未来我们将使用大量专为个人或极小群体定制的软件，持续的个性化创造将成为常态。“如果你们把这也算作软件工程，那么我们将会看到这种实践的大爆发。”全球GDP中，将有更大比例通过这种“指挥AI实现想法”的方式创造和消费。

这并非取代工程师，而是极大扩展了“建造者”的边界。当构建产品的技术障碍被AI夷为平地，真正的焦点将转向何处？一位现场开发者提出了尖锐的问题：现在的瓶颈变成了“推向市场”。我可以把东西造出来，但如何找到愿意为此买单或受益的人？

奥特曼承认，这是最古老的商业挑战之一，只不过在AI时代被无限放大了。“建立成功的企业、寻找差异化价值、搞定市场推广，这些始终是难题。AI降低了软件开发的门槛，但这并不意味着其他环节也会随之变得简单。”在一个物质与功能可能极大丰富的未来，人类的注意力将成为终极的稀缺资源。竞争将围绕如何获取并保持这种注意力而展开，创意与卓越的产品体验仍是不可替代的核心。

智能体生态：去中心化的未来与交互层的机遇


面对关于OpenAI是否会垄断多智能体协调工具的疑问，奥特曼的回答明确指向了一个多元、去中心化的未来。“不，我们并不认为自己掌握了最佳界面的终极答案。”他比喻道，有人喜欢监控30块屏幕的复杂系统，也有人只想要一种平静的语音模式，每小时只与电脑深思熟虑地交流一次。需求与偏好的多样性，决定了生态的百花齐放。

他指出，当前最大的机遇之一在于填补“模型能力”与“人类利用能力”之间的巨大鸿沟。“模型的能力与大多数人理解并利用这些能力之间，存在着巨大且不断增长的鸿沟。”构建工具帮助人们真正高效地使用强大模型，是一个广阔的空间。无论是创业公司还是OpenAI自身，都在探索如何让人机交互更自然、更强大。

奥特曼特别提及了操作系统级别的变革。“我不再将软件视为静态的事物。如果我有一个小问题，我希望计算机能立即编写代码来解决它。”他预测，我们将彻底改变使用计算机的方式。核心软件是缓慢演进的，但每个人的使用体验将是高度定制、动态适应的。在OpenAI内部，员工已普遍将AI深度融入工作流，每个人都发展出了一套独特的定制化工具集。

强通缩力量：成本暴跌与个人赋权的双重奏


在经济层面，奥特曼将AI视为一股强大的“通缩力量”。他预测，事物的成本将“大幅降低”，尤其是在脑力劳动领域。推理算力的成本将在短期内下降百倍量级。这种成本的急剧下降，意味着个人创造和启动的门槛被前所未有地拉低。

“这应当是一件极具赋权意义的事情。”奥特曼强调，海量信息触手可及，创造新事物、新公司、发现新科学的成本急剧下降，这有望成为推动社会公平的力量。那些曾经因资源或机会受限的个体，将获得前所未有的可能性。

然而，他同时发出了警告。这种赋能的美好前景，有一个重要的前提——“我们不能在政策上搞砸”。他最大的担忧之一，是在一个想象的世界里，AI导致权力和财富的过度集中。“避免这种情况发生，必须成为政策的主要目标之一。”这需要社会有意识地进行制度设计，确保技术进步的红利能够广泛共享，而非加剧不平等。

人机共研：AI作为“无限的博士后助理”


在科学研究的疆域，AI正在扮演革命性的角色。奥特曼分享了一个生动的观察：科学家们开始将AI视为“无限的学生助理”，他最近将这个称呼升级为“无限的博士后助理”。面对一个研究项目衍生出的指数级增长的新想法，科学家可以指挥AI进行“广度优先搜索”，快速探索多条路径，而无需深入每一条死胡同。

他描绘了未来科学发现的典型场景：科学家与AI并肩工作。AI承担海量的计算、文献梳理、假设生成甚至实验设计，而人类科学家则提供关键的直觉、创造性的飞跃和最终的判断。在数学等领域，尽管不需要物理实验，但顶尖的数学家依然深度参与其中，他们观察AI的思考过程，用人类独有的直觉去判断“这感觉不对”，从而引导探索方向。

奥特曼认为，我们正处于一个类似国际象棋“人机协作”击败纯AI的过渡阶段。最终，AI的理解能力可能超越任何个人，但在可预见的未来，人机协作的模式将是产出突破性成果的最优路径。分布式、全球协作的“人机共研”网络，将汇聚更多样化的智慧和设备，加速科学发现的进程。

安全范式转移：从“限制访问”到“提升韧性”


当话题转向最受瞩目的AI安全，特别是生物安全时，奥特曼提出了一个根本性的范式转变。他认为，当前全球主流策略——通过限制模型访问、设置分类器来防止危害——并非长久之计。“世界需要为AI安全做出转变：从‘阻挡’转向‘韧性’。”

他用消防史做了一个精妙的类比。火曾烧毁城市，早期社会试图用“宵禁”来掩盖火源，但这不可持续。后来，我们发展了消防法规、阻燃材料和警报系统，构建了社会的“韧性”。对于AI带来的风险，尤其是生物恐怖主义等威胁，我们同样需要全社会共同建设具有韧性的基础设施，而不是单纯依赖实验室去拦截所有危险查询。

“AI将对生物恐怖主义和网络安全构成重大威胁，但AI也是解决这些问题的关键。”奥特曼表达了对现状的担忧，并指出如果近期AI领域出现重大危机，很可能源于生物领域。他强调，我们必须利用AI自身来快速构建防御和应对能力，这是一场与时间赛跑的竞赛。

教育的重塑与人类协作的升华


对于教育领域因AI产生的焦虑，奥特曼的态度明确而乐观。他将当前某些教育者抵制AI工具的行为，类比于计算器普及后仍强迫学生使用算盘。“这不是一项有价值的技能。”他认为，教学和评估的方式必须改变，以适应工具的革命。学习的核心应转向更高层次的思考、批判性分析和创造性解决问题。

他预测，在一个AI无处不在的世界里，“人际联系将变得更加有价值，而非贬值。”当获取信息和基础解决方案变得轻而易举，人类的合作、情感共鸣和创造性碰撞将凸显其不可替代性。他设想未来的协作场景：五个人围坐一桌，旁边有一个AI助手，整个团队的创造力与生产力将得到指数级放大。AI将成为团队中一个沉默而强大的成员，增强而非取代人类的集体智慧。

创意与人性：我们为何依然需要“人类之手”


在创意艺术领域，AI的影响引发了复杂的情感反应。奥特曼分享了一个深刻的观察：消费者的反馈揭示了人性最深层的需求。研究表明，当人们欣赏一幅作品时，如果被告知它是人类创作的，其欣赏度和情感连接会显著高于被告知是AI生成。即使他们在盲测中实际上更喜欢AI作品。

“我们深切关注人类，却对机器漠不关心。”奥特曼指出，当我们深爱一部小说、一幅画作时，我们会本能地去探寻创作者的生平与动机，渴望与那个灵魂建立联结。如果最终发现作品完全由AI生成，人们会感到一种深刻的失落。这种对“人类故事”的渴望，是一个持久而强大的趋势。

因此，他预测，未来的创意领域，创作者本人、他们的视角、人生经历以及在创作过程中的编辑、策划与决策，将变得比以往任何时候都更重要。“我们并不想要完全由AI生成的艺术作品。”人类在创意循环中的参与，即使是作为指导者或策展人，也是赋予作品灵魂和价值的关键。

未来最重要的技能：主动性、创造力与判断力


当被问及AI时代最重要的技能是什么，奥特曼的答案清晰无疑：不再是具体的编程等技术能力，而是一系列“软技能”。他列出了几个关键词：高度的主动性、产生创意的能力、极强的韧性，以及对快速变化世界的卓越适应力。

“这些才是最重要的技能，而且它们并不难学。”他分享了自己作为投资者的一个认知刷新：人们完全可以通过短期的高强度训练，在这些“软技能”上取得巨大进步。未来的赢家，将是那些能够主动定义问题、创造性地利用工具、在逆境中坚持并快速学习新范式的人。

与此同时，企业对人才的评估标准也在剧变。奥特曼透露，OpenAI正在彻底改革软件工程师的面试方式。未来的面试可能是在10-20分钟内，完成一个过去需要单人耗费两周的任务，重点考察候选人如何利用AI工具高效解决问题。传统编码面试已经过时。

结语：一个技术普及，但人性决定价值的时代


萨姆·奥特曼描绘的，是一个技术能力极度普及、创造门槛几近于零的未来。在这个未来里，每个人都可能成为自己数字生活的“工程师”，指挥AI实现心中所想。科学发现的速度因“无限博士后”的加入而飙升，创意表达的形态因人机协作而无限拓展。

然而，这个看似技术主导的叙事，最终落点却回到了人性与社会设计。技术的通缩力量能否转化为广泛的个人赋能，取决于我们能否建立防止权力过度集中的明智政策。注意力的终极稀缺，要求我们的创意和产品必须更加人性化、更能引发共鸣。而即使在AI能够生成一切内容的世界里，我们依然渴望并珍视作品背后那个真实的人类故事与情感联结。

成本将降低百倍，但某些东西的价值会飙升：人类的注意力、创造力、判断力，以及我们彼此之间的合作与联结。奥特曼的愿景最终指向一个悖论式的结论：AI越是强大，那些使我们之所以为人的特质——我们的主动性、我们的情感、我们共同讲述的故事——就越是这个未来世界的基石与罗盘。

这不再是一个关于机器取代人类的未来，而是一个关于人类如何利用机器，去更深入地探索自身潜能、解决更宏大问题、并构建更丰富意义的新篇章的开端。技术终将普及，但人性的光辉与智慧，将决定其真正的价值。


————

延伸阅读:

AI 越强，越别急着招人：Sam Altman 揭示生产力变革下的组织生存法则

在 OpenAI 最近的一场开发者问答会上，其首席执行官 Sam Altman 分享了一个正在深刻影响全球科技公司乃至所有知识工作型组织的洞见：面对能力飞速进化的 AI，企业的首要策略不应该是急于扩大团队规模，相反，更明智的选择是“大幅放慢人员扩张速度”。他明确指出，OpenAI 自身正在实践这一理念，因为“我们相信，用更少的人就能做更多的事”。这一表态并非孤立的企业决策，而是揭示了一场由 AI 驱动的生产力革命正如何从根本上重塑工作、人才与组织的定义。当 AI 能让一个个体发挥出过去一个团队的效能时，盲目增员不仅可能不再是增长的引擎，反而会成为拖累创新的包袱。

Altman 的观点建立在三个相互关联的认知之上，它们共同勾勒出 AI 时代企业运营的新逻辑。

首先，工作的核心价值正从“执行”向“设计与判断”发生根本性迁移。 这是“别急着招人”这一策略的底层逻辑。当最新一代的 AI 模型如 GPT-5.2 已经能够进行复杂推理、调用工具链、并生成可部署的代码时，传统意义上大量依赖于熟练技能和重复劳动的执行层工作——无论是数据分析、基础代码编写、还是标准化文案产出——其价值正在被迅速自动化。人力的不可替代性，正越来越聚焦于那些 AI 目前难以企及的领域：提出正确且富有洞见的问题、设计高效的问题解决流程与系统架构、以及对 AI 产出的结果进行关键性的质量判断与决策。

Altman 用了一个生动的对比：如今，你可以花费 100 到 1000 美元，让 AI 执行一次深度推理，产出一套足以投入使用的软件原型；而在过去，完成同等规模的任务可能需要一个专业团队耗费一整年时间。这不仅仅是效率的量变，更是工作范式的质变。然而，现实与理论之间存在一道显著的鸿沟。Altman 观察到，当前 AI 模型所具备的潜能如果以 10 分计，绝大多数使用者仅能发掘并运用其中 3 分的能力。能够将这 10 分潜力完全释放出来的关键，不再是掌握某种特定的编程语言或工具，而是一系列“人”的特质：主动探索未知问题的好奇心、在约束条件下进行创造性构思的能力、面对复杂挑战时坚持不懈的韧性，以及快速学习并适应新工具、新流程的敏捷性。因此，如果一个组织的招聘思路仍然停留在“业务缺什么岗位，就补什么技能”的层面，那么很可能招来的人才，其日常工作内容早已是 AI 能够高效完成的部分。真正应该被吸纳进团队的，是那些善于定义模糊问题、设计优雅解决方案、并能娴熟驾驭 AI 工具将构想转化为现实的人才。简言之，人的角色是成为“领航员”与“决策者”，而将具体的“航行”与“操作”任务委托给 AI 这位能力不断增强的“大副”。

其次，在考虑增加人力资源之前，必须优先最大化“AI 同事”的协同价值。 Altman 基于 OpenAI 内部的实践经验建议，企业应当暂停条件反射式的招聘，转而深度审视并重构自身与 AI 的协作流程。他分享了一个颇具启示性的个人经历：在最初使用 Codex 这类代码助手时，他曾决心不让 AI 获得直接控制计算机的权限，以防万一。但这个出于谨慎的设定仅仅维持了两小时，因为手动在 AI 建议和操作界面间来回切换严重拖慢了效率。在授予 AI 更高权限后，工作效率获得了质的提升，此后再也未走回头路。这个故事揭示了一个关键点：最先进的 AI 工具已经强大到限制其能力反而会成为效率的瓶颈。

然而，大多数企业与个人对 AI 的应用仍停留在相对肤浅的“工具化”阶段，例如用其润色文本、生成图片或修改代码片段。这种用法尚未触及 AI 作为“协作者”的核心潜力。相比之下，在 OpenAI 内部，AI 已被深度整合进每位员工的工作流中，扮演着“全天候团队成员”的角色。员工们根据各自职责定制了与 AI 交互的专属流程，AI 每日参与数十次协作，处理从分解复杂任务、批量处理重复性工作到自动生成脚本解决日常痛点等各种事务。这里的差距本质上是认知差距：一方将 AI 视为偶尔使用的功能型工具，另一方则将 AI 视为不可或缺的智能同事。因此，Altman 的核心建议是：在发出下一份录用通知书前，企业更紧迫的任务是启动内部试点，勇于试错，将 AI 深度融入核心工作流程。如果一家公司仍在等待“招聘到懂 AI 的人才”后再启动转型，那么它可能已经失去了构建初期效率优势的时间窗口。正确的思路是重新梳理所有业务流程：谁是需求的最终定义者？不同环节的产出如何由人类整合与验证？哪些步骤可以完全交由 AI 自动化？哪些环节本身就可以被优化甚至消除？一个无法与 AI 高效协同的组织，将永远感到人手不足；而一个真正善用 AI 的组织，则会发现许多传统的岗位设置已无存在必要。

最后，组织的进化方向应从“做加法”转向“做减法”，构建适应 AI 指数级发展的敏捷体魄。 这并非主张完全停止招聘，而是倡导一种更为审慎和战略性的人才观：招聘不应是解决所有增长挑战的首选答案，而应是在充分挖掘 AI 潜能后，针对那些真正需要人类独特能力的缺口所采取的补充措施。Altman 透露，OpenAI 甚至正在考虑改革其面试流程，例如让候选人完成一个过去需要两周但现在借助 AI 可能在十分钟内就能解决的任务，以此评估其与 AI 协同解决问题的高阶能力。这标志着一个根本性的转变：评估人才的核心标准，正从静态的知识储备与技能熟练度，转向动态的“与 AI 协作的效能”。

这种转变的速度正因 AI 成本曲线的迅速下滑而不断加快。Altman 预测，到 2027 年底，当前顶级模型的能力，其使用成本有望降低至目前的百分之一甚至更低。这意味着，今天还需精打细算的 AI 能力，不久之后将成为像电力一样普及的基础设施。这对组织设计提出了严峻的拷问：你的团队结构和工作流程，是“模型越强大，你们越轻松”，还是“每次模型升级，你们都疲于奔命地重构现有体系”？那些严重依赖“人海战术”和固定流程来维持运营的组织，将越来越难以跟上 AI 迭代的节奏。因此，真正的组织升级，其内涵是精简、提效和增强适应性。它意味着通过优化人机协作界面，用更精干的核心团队撬动更大的产出，而不是通过不断扩大团队规模来线性地增加产出。如果一个团队尚未理顺与 AI 的协作关系，那么盲目增员非但无法加速发展，反而可能因沟通成本增加和惯性增大而拖慢整体速度。在这场变革中，AI 不会淘汰每一个个体，但它必然会淘汰那些依然固守工业时代思维、试图通过简单堆叠人力资源来应对复杂性挑战的组织模式。

Sam Altman 的论述，最终指向一个清晰的行动纲领：在 AI 能力日新月异的今天，企业与个人都需要“慢下来，想清楚”。这并非倡导消极与停滞，而是呼吁一种基于深度认知的战略性耐心。总结其核心，可归结为三层面的转变：第一，工作方式的转变，从事必躬亲的执行者，转型为定义问题、整合资源、做出关键判断的设计师与决策者。第二，人才评估标准的转变，从看重孤立技能到极度重视与 AI 协同工作、创造性解决问题的综合能力。第三，组织发展逻辑的转变，从“遇到瓶颈就加人”的增量思维，转变为“先问 AI 能否解决，再思考如何以最少的人力实现最大价值”的优化思维。

宏观数据也在为这一转向提供注脚。美国劳工部的数据显示，职位空缺数已从高峰期显著回落；与此同时，全球多个市场的青年就业面临压力。这暗示劳动力市场正处于一场深刻的结构性调整之中，其驱动力正是 AI 对生产力与生产关系的重塑。因此，对于每一位管理者、创业者乃至职场人而言，在思考下一步是否要扩充团队或寻求新机会之前，一个更具前瞻性的问题是：我们是否已经充分释放了手中“AI 同事”的全部潜力？未来属于那些能够率先回答这个问题，并据此重构工作方式的组织与个体。


————


埃里克·施密特眼中的AI终局：地缘政治、人类未来与基辛格的遗产

在智能革命的风暴眼中，一位科技先知与一位外交智者的思想对话，勾勒出人类未来的分歧点

“我们正处在一场不可逆转的物种级变革之中，而地缘政治的博弈正在重写代码的底层规则。”当埃里克·施密特在哈佛大学肯尼迪学院的讲台上发表这番言论时，台下聚集的不仅是学生和学者，还有对未来充满焦虑与期待的各方人士。作为谷歌前CEO，施密特的身份已不再是单纯的科技领袖，而是站在技术、政治与哲学交叉口的洞察者。

旧金山共识：技术奇点的前夜


在硅谷的核心地带，一种被称为“旧金山共识”的信念正主导着数百亿美元的资本流向。施密特指出，这不仅仅关乎聊天机器人的迭代，而是一场关于智能本质的豪赌。

AI的技术演进正经历三个关键阶段：语言、智能体和推理。当前，我们已征服语言领域，正在进入智能体时代——AI能够串联起一连串任务，实现工作流的自动化。但真正的爆发点在于“推理”能力的突破。

“规模法则尚未放缓，”施密特断言。通过投入更多数据、电力和芯片，模型展现出惊人的涌现能力。在这个竞技场中，Gemini、OpenAI、Claude和中国的DeepSeek正在进行着以周为单位的残酷迭代。

这种技术跃迁的终点是“递归式自我改进”。虽然尚未完全实现，但在硅谷的预测中，这将是未来几年内必然发生的现实。施密特警告，当计算机能够自行编写程序、生成数学猜想、发现新事实时，不仅意味着技术胜利，更是对人类“能动性”的严峻挑战。

中美大博弈：算力与电力的不对称战争


如果说AI是新时代的核武器，那么中美两国选择了截然不同的武器库构建路径。施密特敏锐观察到，美国在芯片和顶层模型创新上占优，但这不意味着胜利是注定的。

“看来这两者正在追求不同的道路，”施密特分析道。美国的战略依赖昂贵的闭源模型和复杂金融市场支撑；而中国则专注于将AI“嵌入到万物之中”。

制约AI发展的真正瓶颈可能不再是芯片，而是电力。这也是施密特最担忧的战略劣势：“中国拥有无限的电力……他们在过去五年中建造了约120吉瓦的新可再生能源。”相比之下，美国受困于基础设施建设停滞。

这种“能源赤字”可能成为美国AI发展的致命弱点。更具警示意味的是，施密特指出：“在中国，每天电网都新增一个吉瓦的电力……我们在美国建了多少这样的电站？零。”

开源与闭源：价值观的全球博弈


在开源与闭源的路线之争中，施密特提出了反直觉观点：美国的闭源策略可能导致其在全球标准制定权上的丧失。

“开源和权重开放的后果之一是，地球上绝大多数人将使用中国的模型，”施密特警告。对全球南方国家而言，他们无力承担昂贵算力和授权费，免费且高效的中国开源模型将成为唯一选择。

这不仅是市场份额问题，更是价值观的渗透。当全球大部分人口使用的AI模型带有特定训练偏见和价值观时，这构成了一种新型“算法外交”。

施密特强调，尽管美国拥有顶尖技术，但如果这些技术被锁在防火墙后，而世界其他地方都在运行另一种代码，那么美国在软实力上的优势将逐渐被侵蚀。

基辛格的遗产：AI时代的外交哲学


已故外交家亨利·基辛格的智慧在施密特的思考中占据重要位置。基辛格晚年敏锐意识到，AI将带来类似启蒙运动级别的认知革命，并致力于探讨其对人类存在的意义。

基辛格在生前与施密特的合作中，始终强调一个核心问题：在人工智能时代，做人意味着什么？当AI在逻辑、推理甚至创造力上超越人类，我们剩下的也许只有“社会性”和“生物性”的需求。

施密特分享了他与基辛格的交流经历：“他提供了一个关键建议，就是要通过合作防止AI带来的负面影响、拥抱它带来的正面影响。”这种思想在当今分裂的国际格局中显得尤为珍贵。

基辛格曾断言：“如果双方都希望最大化其在人工智能领域的单方面地位，那么将出现人类前所未见的、由敌对军事力量和情报机构之间的竞争所构成的局面。”这一预言正在逐步变为现实。

人类能动性的危机


在AI的迅猛发展下，人类决策权和能动性面临前所未有的挑战。施密特指出，特别是在武器控制和儿童发展领域，存在不可预测的风险。

“当计算机开始自行决定获取武器权限或接管关键决策时，人类是否还握有方向盘？”施密特发人深省地问道。这种担忧不仅关乎技术，更触及人类文明的核心价值。

更令人忧心的是AI对下一代的影响。施密特强调：“我们正在对人类发展进行大规模实验”，向那些可能还没有形成自我认同的年轻人部署“极度令人上瘾的系统”。

在这种情况下，施密特提出根本性问题：“一个最好的朋友是非人类的儿童意味着什么？”这对人类未来的社会结构和心理发展将产生深远影响。

未来的抉择：合作还是对抗？


面对这些挑战，施密特表现出谨慎的乐观。他强调中美合作的重要性：“中国通过改革开放实现了现代化发展，今天取得了巨大成功。”

施密特指出，中美在AI领域存在显著区别：在中国，主要领先模型都是开源的；而在美国，领先模型都是闭源的。这种差异为双方合作与互补提供空间。

“我是乐观主义者，”施密特表示，“我相信中国和美国可以一步步建立信任，中美之间曾经这样合作过，我们也可以再次合作。”

然而，合作并非易事。施密特承认，在AI发展迅速、尚未有明确规则的阶段，关键在于“由谁、通过什么方式来设定AI技术的边界在哪里”，而这一过程必须通过跨国合作完成。

五年展望：社会变革的前夜


施密特对未来五年充满期待：“我们将见证社会发生积极变革，世界在很大程度上将会变得更好。”

他预测，未来两年将看到大量智能体的出现，这些智能体将深刻影响企业和政府的工作流程。随后，我们将实现更深度的推理和更先进的算法。

但施密特也强调，我们需要明确技术发展的“红线”。他指出：“重要的是，中国、美国和其他国家需要达成共识，在某些关键节点展开对话。”例如当AI自主决定获取武器、自我复制或未经许可学习时，国际社会应有应对机制。

结语：在失控前夜的清醒


访谈的最后，话题回到对超级智能的终极猜想。施密特虽然怀疑AI是否能像爱因斯坦那样在没有大数据支撑下提出“狭义相对论”，但他确信，具备超人能力的AI物理学家和生物学家即将诞生。

这不仅是技术奇点，也是地缘政治奇点。正如基辛格生前所忧虑的，如果缺乏协调与对话，中美之间由AI驱动的“安全困境”可能把人类推向未知深渊。

施密特的呼吁不仅是对技术的反思，更是一种政治紧迫感：在算法彻底接管方向盘之前，人类必须在这个分岔路口做出关乎物种存续的战略抉择。

在智能革命的风暴眼中，施密特以其独特的科技与政治双重视角，为我们提供了难得的洞察。他的思考既是对未来的预测，也是对当下的警示：只有将技术发展置于哲学、伦理和治理的框架下，AI才能真正为人类社会带来福祉而非灾难。