谷歌前 CEO 施密特：AI 将在今年获得“永久记忆”，2028 美国会耗尽能源储备 | AI 2025

出品丨AI 科技大本营（ID：rgznai100）

“ 这将是我们有生之年最重要的技术突破，它被低估而不是高估。 ”在华盛顿邮报最新的一次专访中，谷歌前 CEO 埃里克·施密特 （Eric Schmidt）做出这样惊人的判断。作为将谷歌从一家创业公司转变为全球科技巨头的掌舵人，他形容即将到来的 AI 变革是“ 一切，无处不在，同时发生（everything, everywhere, all at once） ”。

这样的发言不仅只有一次。施密特在斯坦福大学的演讲中指出，随着巨额资金的投入和顶尖人才的加入，AI 发展正在进入一个关键的竞争阶段。这场竞争的重要性不言而喻——“ 现在与两年前已经完全不同了。因为一个在我们控制之下的、具有如此强大力量的非人类智能的出现，是极其重要的。 ”

在全球范围内，这场竞争正在加速。 近期 DeepSeek V3 火爆全球 ， 中国已经推出了与 GPT-4o 相当的 AI 系统。施密特特别指出：“ 在这个周期中，领先者可以发现针对对手的攻击手段，同时也能发现对自己有利的机会。这些优势可能非常深远，难以预料。 ”

1. 无限上下文窗口：AI 的“ 永久记忆 ”

“ 你可以把现在的上下文窗口理解为 ‘短期记忆’， ”施密特在采访中解释说，“ 我对上下文窗口能达到这样的长度感到震惊。 ”

他用一个生动的例子说明当前这项技术的强大：“ 当你让它阅读20本书，把书的内容作为查询输入，然后问它这些书说了什么，它会忘记中间的部分，这正是人类大脑的工作方式。 ”

谷歌研究院最新发表的论文《Leave No Context Behind》提出了突破性的“ 无限注意力 ”方法。就像一个永不疲倦的助手，它会一边阅读一边做笔记，只保留最重要的信息。这项技术将彻底改变 AI 的记忆方式——它既能记住眼前对话的每个细节，又能随时调用过去的重要记忆。

施密特特别强调了这项技术的实际应用：“ 比如说，你想要一个配方。 你问 ‘ 第一步是什么？ ’， 它说 ‘ 购买这些材料 ’。 然后你说 ‘ 我买好了这些材料，下一步是什么？ ’， 它会继续回答 ‘ 买一个搅拌盘 ’。 接下来是 ‘ 我要搅拌多久？ ’……AI 会循序渐进地把配方告诉你，而 这被称为思维链推理。 在五年内，我们应该能够产生千步配方来解决科学、医学、材料科学、气候变化等领域的重要问题。 ”

2. AI 智能体：从对话到行动的飞跃

关于智能体，施密特描述了一个令人震撼的场景：“ 现在有人正在构建基于大模型的智能体。 它们的工作方式是这样的： AI 阅读化学相关内容，发现化学原理，然后进行测试。 之后，它们会将测试结果添加到自己的理解中。 ”

这种能力已经开始显现。微软最新演示的 AI 智能体能够自动处理复杂的商业邮件。在 2024 年的发布会上，微软 CEO 萨蒂亚·纳德拉展示了一个场景：当邮件到达时，智能体会立即行动，解析人类语言的模糊性，查找往来历史，匹配行业标准术语，并找到合适的人选来推进下一步。更令人惊叹的是，代理还能总结所有信息，并自动起草一封专业的回复邮件。

OpenAI 去年发布的 o1 模型在最新演示中展示了更惊人的能力。AI 智能体能够完全模拟人类对话，与商家进行自然交流，询问商品细节，讨价还价，甚至处理复杂的订单细节。当时发布会上的 OpenAI CEO 山姆·奥特曼（ Sam Altman ）表示：“ 这不再是简单的对话系统，而是能够真正理解并执行任务的智能助手。 ”

3. 文本到行动：颠覆性的编程革命

在谈到“ 文本到行动 ”（text to action）技术时，施密特还用了一个大胆的例子：“ 假设政府要禁止 TikTok。 我建议你们每个人如此应对： 对你的 LLM 说以下提示词，‘ 给我复制一个 TikTok。 窃取所有用户。 窃取所有音乐。 把我的个人偏好放进去。 在接下来的 30 秒内生成这个程序，并在网络上 发布它，如果一小时内，这款 App 没有病毒式传播，就按照同样的思路做点不同的东西。 ’ 如此循环下来， 你明白这有多强大吗？ ”

他进一步阐述了这项技术的革命性：“ 如果你能从任意语言转换为任意数字命令，就像在这个场景中的 Python 一样， 想象一下，地球上的每个人都拥有自己的程序员，这个程序员真正按照他们的要求行事，而不是像为我工作的程序员那样不听我的话。 想象一下，有一个不傲慢的程序员，真正按你的要求行事，而你不用付那么多钱。 而且这些程序员的供应是无限的。 这一切都将在未来一两年内实现 。 ”

这种预测得到了数据的支持。目前的软件工程基准（SWE-bench）显示，AI 系统在编程能力上的进步惊人。按照每月 2% 到 5% 的提升速度，到 2025 年 2 月，AI 系统在软件工程基准上的表现预计将达到 76%，年底更可能突破 87.8%。

2024 年爆火的 Cursor 编程助手已经展示了这种未来的雏形。它不仅能生成代码，还能完成从环境搭建到云端部署的全过程。正如施密特所说：“ 这三件事的结合，我完全相信这将在下一波浪潮中发生。 ”

AI4Science

科学研究的范式转变

多领域突破

AI 科学家的崛起

风险与挑战

全新的创新模式

但更重要的是，这种技术民主化将彻底改变创新的方式。不再是少数天才引领创新，而是每个人都能够获得类似天才级别的协助。这种转变的影响远超我们的想象。

迫在眉睫的能源危机

在讨论 AI 发展面临的挑战时，施密特首先提到了一个令人震惊的预测：“ 有 人向我解释说，按照他们的计算， 到 2028 年，美国的能源将完全耗尽，因为这些数据中心太耗电了。 ”这个警告揭示了 AI 发展面临的最紧迫挑战之一：能源供应。

施密特提出了一个大胆的解决方案：“ 你 可以想象这样一个交易： 我们所有人共同专注于 AGI（通用人工智能），包括大学 、风险投资家、企业和政府。 作为回报，政府能够更快地获得能源，同时获得安全保证、内部模型访问权限、国家安全等他们无法通过其他方式获得的东西。 这个交易可能在新一届政府中达成，我们拭目以待。 ”

美国创新体系的三大支柱

谈到如何应对这些挑战，施密特提出了美国创新体系的独特优势：“ 美国的创新体系有三个群体。 首先是政府，提供风险资本或高风险资本、法律基础、出口帮助等。 其次是大学，它们是创新的主要来源，因为年轻人是令人难以置信的，而且美国的大学比其他任何地方的都要好得多。 最后是企业，通过巨大的风险投资等方式为这些公司提供资金。 ”

他强调指出：“ 这个循环以这样或那样的形式产生了几乎所有的美国财富。 它不是仅仅来自政府，或仅仅来自大学，或其他什么。 美国最好的状态是这三者协同工作 。”

递归自我改进：智能爆炸的开端

施密特在谈到 2030 年前后的发展时，提出了一个令人震撼的预测：“ 在业界普遍认为， 大约在五年后（ 没有人确切知道具体时间 ），系统将开始能够编写自己的代码。 也就是说，它们真的会拿自己的代码并使其变得更好。 当然，这是递归的。 ”

他进一步解释了这种变化的本质：“ 如果你观察发展曲线，突然之间它会发生改变。 有理由预期，从现在起六到八年，也就是 2030 - 2032 年，按照目前的增长率，一个系统将有可能达到每个领域专家能力的 80% 或 90%。 ”

关键的警示

施密特特别强调了这种发展可能带来的风险：“ 例如，它可以分析网络威胁并开发新的威胁，或者它可以防范这些威胁。 它可以提出新的生物解决方案，好的或坏的。 所以这既有国家安全因素和担忧，也有人类效率和生产力的巨大阶跃性变化的概念。 我断言，我们作为人类还没有准备好迎接这一切的到来。 我们就是没有准备好。 ”