前谷歌CEO：AI時代的“舊金山共識”

作者 l 埃里克?施密特（Eric Schmidt）

關注當下硅谷熱議的人們，即便認為人工智能領域的從業者不知所云，也情有可原。AI 專家在諸多問題上分歧嚴重。其中最著名的，莫過于對 AI 帶來的生存性風險截然不同的判斷，由此分裂出末日派與加速主義派。而頂尖思想家在開放模型與封閉模型的優劣、監管的益處、威懾層面的國家安全影響等問題上同樣意見不一，這些只是眾多懸而未決爭議中的幾例。

但在表面的分歧之下，諸多核心理念上存在著更深層的共識。絕大多數引領 AI 發展的人士至少在三個核心前提上達成一致：第一，他們相信所謂縮放定律（scaling laws，又譯規模法則）的力量，認為規模不斷擴大的模型能夠持續推動 AI 飛速進步。第二，他們認為這場革命的時間線遠短于此前預期：如今許多 AI 專家認為，超智能將在兩到五年內到來。第三，他們押注變革性人工智能（transformative Al，TAI）—— 即在眾多任務上超越人類的系統 —— 將為人類帶來前所未有的收益。這一信念體現在那些預示著科學進步、經濟回報乃至人類文明發展將呈指數級爆發的曲棍球桿曲線中。

我將這一系列相互重疊的觀點稱為舊金山共識（San Francisco Consensus）。所謂共識，是指絕大多數專家 —— 在此指技術專家、科學家與創業者 —— 共同持有的一整套信念。從戰后凱恩斯主義共識（Keynesian consensus）到新自由主義的華盛頓共識（Washington Consensus），認知上的統一時期，從來都是可見事實與深層意識形態立場共同作用的結果。當然，一種共識被廣泛接受，并不等于它就是正確的。事實上，歷史理應讓硅谷人保持足夠謙遜。2000 年代，我們許多人曾對互聯網的社會影響過于樂觀，而這一愿景最終被虛假信息、武器化與心理健康危機所擊碎。

或許正因如此，盡管舊金山共識在硅谷被普遍接受，卻絕非全球通行。部分頂尖思想家認為，當前的大語言模型根本無法通向變革性 AI，更不用說更宏大的通用人工智能（AGI）。此外，AI 能否打破彼得?蒂爾曾針對互聯網提出的創新停滯困境，仍有待觀察。借用蒂爾的話：AI 革命帶給我們的，會是飛行汽車（真正偉大的突破），還是只會模仿艾米莉?狄金森（美國19世紀女詩人）風格寫 140 個字符的小段子（食譜）這種表面花哨的東西？

舊金山共識也未必代表全球 AI 界的共識。在歐洲，許多人對 AI 的社會影響與發展速度更為懷疑。而正如我在其他文章中所寫，中國對 AGI 的關注度低得多，更專注于將 AI 部署到各行業的實際應用中。

然而，倘若舊金山共識成真 —— 換言之，若 AI 確實具有變革性 —— 那么未來幾年將至關重要。許多 AI 專家認為，AGI 將通過遞歸式自我改進（recursive self-improvement）實現，即 AI 系統能夠自主提升自身能力，進而引發智能的爆發式增長。從經濟學與國家安全視角看，遞歸式自我改進具有顛覆性影響：率先實現 AGI 的企業與國家，可能鎖定持久優勢，讓后來者難以追趕。因此，信奉舊金山共識的人大多認為，未來五年將是未來一千年里最重要的五年。

智能的架構

舊金山共識所描繪的技術進步圖景是怎樣的？簡而言之，信奉者認為 AI 將沿著三條軸線發展：語言革命、智能體能力革命與推理革命。三者進度不同，成功概率也各異。

語言革命已然發生：計算機如今能夠理解、生成并高效地與人類語言交互。智能體革命正在進行中，它將 AI 從工具轉變為行動者。未來，整套工作流將由互聯的 AI 系統接管。以房地產為例：買家會指令自己的 AI 智能體篩選所有房源并與賣家談判，而賣家也會在流程中部署自己的智能體。不過，這類智能體更偏向功能性而非創造性，它們會最大化知識交換的速度與效率，但不會創造出根本性的新知識。

第三場也是最終一場革命，是推理革命。這是迄今為止影響最深遠、也最具猜測性的一環。舊金山共識的核心信條之一是：通過更多數據、更強算力訓練更大規模的模型，即擴大現有架構，就能穩定提升性能，并實現推理能力的革命。推動 AGI 到來的推理革命，將是規模擴張的自然產物。

全面告急

但舊金山共識的愿景并非板上釘釘。與所有技術一樣，AI 面臨諸多約束。最核心的物質約束是硬件與能源。過去幾十年，半導體技術不斷縮小芯片尺寸、降低成本，新一代 AI 加速器（如 Blackwell、Rubin 等）也在持續突破性能極限。但能源供給的擴張卻困難得多。據估算，為支撐 AI 革命，美國可能需要再增建 92 座核電站。現有政治與現實約束，或將倒逼快速創新 —— 要么擴展現存技術（如小型模塊化反應堆），要么研發全新技術（如核聚變）。

第二項約束是數據。如今的大語言模型幾乎已經吸收了整個公開互聯網信息。未來的進步可能依賴合成數據或多智能體系統。而要接近 AGI，AI 系統甚至需要像人類一樣學習 ——與真實世界交互。正如兒童通過活動環境獲得隱性知識，AI 模型也需要通過計算機視覺、多模態訓練與具身交互，以全新方式整合現實世界知識。

第三項挑戰來自算法本身，即模型訓練的底層架構。近年來，從 GPT?1 到 GPT?5，算法穩步進步，每一代都得益于更智能的訓練方法。舊金山共識依舊認為，通往 AGI 的道路在于優化大語言模型—— 擴展記憶、減少幻覺、提升可靠性。另一些人則深表懷疑。AI “教父” 之一楊立昆（Yann LeCun）長期主張，大語言模型從根本上不具備創造性發明能力。李飛飛等頂尖研究者正在嘗試全新路徑。

大加速

顯而易見，通往 AGI 的道路絕非坦途。那么，為何硅谷仍有如此多人執著于實現超人類智能？原因在于舊金山共識最后、也是最核心的信念：堅信變革性 AI（TAI）將在人類生活所有領域釋放前所未有的進步。

首先，AI 驅動的發現可能大幅加速科學進程，進而延長人類壽命。已有企業將全球已知病原體數據輸入 AI 系統，用于研發治療方案。AI 工具有望在根除古老疾病、發現新藥方面取得重大突破。

其次，AI 可能顯著提升生活質量。除醫療保健外，AI 的個性化適配將改善日常體驗。最重要的是，AI 可能在國家內部與國家之間極大地普及知識，讓更多人參與創造與智識生活。試想，如果偏遠村莊的人隨時能擁有一位博學多才的 “口袋導師”，對社會經濟流動性將產生何等影響。

第三，與之相關，舊金山共識預期 AI 進步將帶來巨大經濟回報。這一點再怎么強調都不為過：即便看似溫和的生產率提升，也可能產生深遠影響。美國國會預算辦公室指出，若年經濟增長率僅提升 0.5 個百分點，聯邦債務便可得到控制。如果 AI 讓每位勞動者的生產力翻倍，對即將到來的財政與人口危機的擔憂將完全改變。那如果持續加速的超智能帶來每年 20% 甚至 30% 的增長提升呢？我們甚至還沒準備好去想象這種高速增長帶來的社會和經濟沖擊。

必須說明，這些科學、生活質量與經濟上的改善，未必需要 AGI 才能實現。但同樣值得思考的是，若真如舊金山共識所預期的那樣生產力爆發，世界將會何等不同。

共識的裂痕

即便收益如此巨大，也必然伴隨代價，我將這些稱為舊金山共識的棘手難題。在其他文章中，我已探討過超智能對民主的影響，以及 AI 遞歸式自我改進將如何動搖現有地緣政治威懾與核不擴散體系。也有大量學者深入論述過尚未解決的AI 對齊問題（Al alignment，即AI 的目標、價值觀、行為與人類的真實意圖、安全及利益保持一致）。

最后一類棘手難題，關乎這項技術的社會與經濟影響。這也是本文集的核心。如前所述，一個關鍵問題圍繞 AI 對生產力與經濟增長的作用。經濟學家指出，這些經濟影響的軌跡可能遵循J 型曲線（J-curve），而非簡單的指數增長模型。換言之，AI 投資可能需要數年才能見效。

另一大問題關乎增長的分配效應。例如，大衛?奧特爾（MIT經濟學教授，勞動經濟學家）認為，AI 可能重塑中產階級，使其重新成為美國經濟引擎。而約瑟夫?斯蒂格利茨則警告，AI 可能加劇勞動力市場兩極分化，擴大不平等。埃里克?布萊恩約弗森（Erik Brynjolfsson）等人將 AI 視為生產力引擎，認為它將掀起普惠式繁榮新浪潮；而達龍?阿西莫格魯等人則提醒，由此帶來的變革可能讓財富與權力進一步集中在少數人手中。這些聲音只是眾多討論中的一部分，讓這場對話超越了硅谷內部狹隘、往往過于技術化的爭論。

這便引出我的最后一點：在某種意義上，舊金山共識與以往共識的區別在于，它主要由技術專家與創業者塑造，而非官僚與金融精英。對于本文集中的學者而言，舊金山共識既值得嚴肅審視，也需要嚴謹批判。單憑硅谷，無法回答這場變革將帶來的深刻經濟、社會乃至生存性問題。*

本文是The Digitalist Papers第2卷系列文章之一

埃里克?施密特（Eric Schmidt）是美國知名科技企業家、計算機科學家，曾任谷歌 CEO、Alphabet 執行董事長，是推動谷歌成長為全球科技巨頭的關鍵人物。他長期關注人工智能發展，深度參與美國 AI 戰略與技術安全政策，是硅谷 AI 領域極具影響力的意見領袖。他在技術、商業與公共政策領域均有重要話語權，著有多部探討 AI 未來、科技與社會的著作，包括合著的Genesis: Artificial Intelligence, Hope, and the Human Spirit。