Eric Schmidt：这轮 AI，绕不开谷歌旧事

想要看清未来十年科技牌桌的走向，最好的方式，是去听听那个曾经坐在主桌上“发牌”的人怎么说。

作为掌舵谷歌十年的前 CEO（2001-2011），Eric Schmidt 见证了太多技术破局的时刻。Transformer、TPU、AlphaGo，这些前沿技术如何从实验室孵化，一步步夯实为谷歌商业体系的基座，他全程亲历。

在这次对话中，Schmidt 披露了不少鲜为人知的往事。

那些当年被外界质疑“烧钱”的投资，最终成为了关键的战略落子；那些原本只是边缘的实验性项目，后来却彻底重塑了整个科技行业的格局。

Schmidt 重提旧事，绝不只是为了复盘过往。

他想说明白一件事：要看清今天这场 AI 变革的终局，得先看懂谷歌当年走过的那段路。

第一节｜谷歌往事：当时没人看懂的拼图

把时间往回拨十几年，谷歌也曾经历过一段不被理解的蛰伏期。

当时外界看到的，只是一些“前沿但缺乏明确落地场景”的突破。2014 年，谷歌斥资 6 亿美元收购 DeepMind。当时的质疑声极其刺耳：为什么要在一个“零收入、只会下围棋”的 AI 团队身上砸这么多钱？

几年后才知道，仅仅用他们 AI 技术优化数据中心的空调系统，这笔收购就回本了。

2016 年，Eric Schmidt 飞往韩国观看 AlphaGo 的世纪人机大战。赛场后台，韩国阵营所在的房间里信心满满，誓言要把谷歌打得落花流水。另一边，Eric走进的谷歌控制室却异常寂静。那里只有一个屏幕，跳动着实时胜率预测：50%、51%、52%……系统架构师 David 告诉他：“我们的计划，就是让这个数字趋近于无穷大。”

比赛落幕，韩国棋手当场落泪。而 DeepMind 团队的反应却异常平静：“AlphaGo 只是做了它该做的。”

Eric 后来回忆说：“欢迎来到新时代。”

但围棋远不是终点。攻克围棋之后，同一个团队觉得无聊了，转去研究蛋白质折叠。当时有研究员调侃，没人会把下围棋和解决生物学问题联系起来。结果呢？借由 AlphaFold 的诞生，原本需要人类科学家耗费 4 年的研究工作，被浓缩到了短短 1 小时。

这些事情在当时看起来各自独立，现在回头看，才发现它们在慢慢形成一套完整能力。

Transformer 架构彻底改变了机器处理语言和信息的方式，TPU 提供了更大规模、更高效率的算力支撑，而 DeepMind 则在不断探寻机器推理与自我优化的边界。它们起初各自演进，最终却殊途同归，构成了同一种底层能力的不同维度。而且这些能力不只停留在实验室里，蛋白质折叠之后，它们又进入搜索、广告、云计算，变成整个谷歌商业体系的底座。

Eric Schmidt 回忆这段经历时说：当这些事情发生的时候，大多数人其实并不知道它会走到哪里。

这正是那个技术酝酿期最重要的特征。表面上看，只是单点技术的跃升，但实际上，行业的运行方式已经在悄悄被改写。

带着这个视角再来审视当下的 AI 浪潮，你就能理解他如今的判断：许多创新现在看或许只停留在“好用”的工具层面，可一旦它们相互组合、再向前跨出一步，带来的将是企业运营模式的系统性重构。

第二节｜这轮质变：执行权的全面移交

如果说谷歌当年的蛰伏是在为技术底座打地基，那么这一轮变化，已经直接颠覆了我们的“工作流”。

Eric Schmidt 举了一个极具代表性的例子：现在，一位程序员只需要把需求定义清楚，设计好测试用例，就可以把任务全权交接给系统。他不需要全程盯控，大可以去吃饭、休息。第二天早上打开电脑，完整的代码成果已经在那儿等他了。

Schmidt 感慨，同样的工作量，以前在谷歌需要 10 个程序员苦干 6 个月；而现在，人在睡觉，系统在凌晨 4 点就跑完了全流程。

湾区程序员的日常也在经历这种倒转。过去是“人写 80% 的代码，机器补全剩下的 20%”；现在变成了“人写 20%，剩下的 80% 交给机器”。

面对这些系统展现出的进化速度，Schmidt 自己也坦言产生了一种强烈的危机感：“天呐，我要没饭碗了。似乎没有什么是我能做而它做不到的。”他指出，就连开发这些系统的人，也察觉到了自身传统技能的贬值，正被迫从“代码编写者”转型为“AI 系统的管理者”。

这些现象叠加在一起，早已超越了单纯的“降本增效”。

过去的人机协作模式是：你写一段，它补一段；你问一句，它答一句。人类主导着全流程，每一步都必须亲自下场。

现在的工作方式变了：人把目标和标准设定好，中间的过程自动完成。工作被切成了两部分，一部分是定义问题，另一部分是完成过程。前者仍然在人手里，后者正在被交出去。

这种范式转移绝不仅限于软件开发。

当一项任务可以被清晰描述，且具备明确的验收标准时，它就有可能被 AI 完成。无论是界面设计、内容生成，还是数据分析与测试，只要目标和评估体系足够清晰，过程就不再需要人类的反复干预。

Schmidt 甚至描绘了一个更疯狂的图景：在没有限制的情况下，一个团队可以同时唤醒成千上万个“AI Agent”。它们不需要休息，没有沟通成本，更不会因为排期拖慢进度。此时，唯一的门槛变成了：你是否具备下达清晰指令的能力，以及是否有足够的资源让它们持续运转。

当“执行权”被移交，人的职场位置自然发生变化。工作的重心，从“亲自把事情做出来”变成“说清楚要什么、检查做得对不对”。

所以这一轮变化带来的冲击，核心不在于某项具体技能是否会被淘汰，而在于职场的整个工作流程，正在被重新定义与切分。

第三节｜接下来：三个确定的演进方向

如果只看到“ AI 能自己把事情做完”，很容易把这件事理解为一次工具升级。但从谷歌当年的路径来看，当能力开始稳定释放之后，真正改变行业的往往不是技术本身，而是围绕它重构起来的整套商业生态。

第一个变化，是算力资源成了新门槛

目前一个标准的数据中心通常需要 400 兆瓦的电力，占地长达半英里。在 Schmidt 看来：“这些数据中心本质上是巨大的空气循环系统。吸入空气，排出空气，中间靠空气冷却降温。与此同时，内部还有水循环系统保持芯片冷却。这些芯片功率达2千瓦。在这种极端环境里工作，甚至可能致命。”

而这样的物理规模，对应的是天文数字级的投入。建设1 GW（吉瓦）算力需要数百亿美元，到2030年，美国本土的算力缺口可能高达92 GW。更关键的是：技术越进步、应用场景越丰富，对算力的需求反而越大。未来，谁能拥有并稳定调度这些重资产基础设施，谁就掌握了牌桌上的主动权。

第二个变化，行业格局在两极分化

资金雄厚、手握资源的科技巨头，将通过长期砸钱建设超大规模算力，最终化身为底层平台，对外输出服务。与此同时，越来越多的小微团队甚至“超级个体”，能够借助这些平台，完成过去需要一整支团队才能跑通的业务。

最煎熬的，将是那些夹在中间的“腰部企业”。他们既没有足够资源去建基础能力，又无法在效率上跟小团队竞争，最终生存空间会被不断挤压乃至淘汰出局。这个过程和谷歌当年的情况很像：基础设施一旦成型，行业会迅速向两端集中。

第三个变化，在个人价值的重估上

Schmidt 提到：在硅谷，以前最顶尖的程序员，价值一直是普通程序员的 10 倍。现在，这个倍数可能会更大。不是因为他们写代码更快，而是因为他们更清楚目标该怎么设定、结果该怎么验证，以及怎么分拆复杂任务。

“这些极少数人将变得空前昂贵，”Schmidt 总结道，“因为这些强大的系统，最终依然需要顶级的人类大脑来操控。”

这三个变化合起来看，未来的生存法则已经明确：掌握的资源决定你的盘子有多大，在产业链中的生态位决定你能活多久，而个人能力决定你能让多少 AI 同时帮你干活。

Schmidt 为什么总提谷歌？

互联网那波浪潮，核心是解决“找信息”；而眼下这波 AI 浪潮，核心是重构“怎么干活”。

结语｜不仅是效率的量变

当年谷歌斥巨资收购 DeepMind 时，外界普遍直呼看不懂。

当 AlphaGo 击败人类顶尖棋手时，大众也多半只将其视作一场极客的狂欢。

直到这些能力全面渗透进搜索、广告和云计算，人们才恍然大悟：那根本不是几个孤立的实验项目，而是谷歌在悄然重塑商业内核。

眼下，同样的剧情正在重演。

只不过这一次，被彻底颠覆的不再是“如何获取信息”，而是“如何完成工作”。

此时此刻，大多数人依然浑然不觉，还在谈论所谓的“效率提升”。

📮 原文链接：

https://www.youtube.com/watch?v=DpwmmXmzvfo

https://www.youtube.com/live/eYUYdpG4UT8

https://fortune.com/2026/03/06/eric-schmidt-former-google-ceo-big-tech-data-centers-grid-ai-utility-bills/

https://www.amnh.org/explore/videos/isaac-asimov-memorial-debate/2026

本文来自微信公众号“AI 深度研究员”，作者：AI深度研究员，36氪经授权发布。