https://www.digitalistpapers.com/vol2/schmidt
作者：Eric Schmidt
谷歌前CEO。
那些关注硅谷当前辩论的人，如果认为我们AI界人士不知所云，也是情有可原的。AI专家在许多问题上存在分歧。也许最著名的是，对AI构成的生存风险的不同评估将“末日论者”和“加速主义者”区分开来。但领先的思想家在开放模型与封闭模型的相对优势、监管的益处以及对威慑的国家安全影响等问题上也存在分歧——这只是众多未决问题中的几个例子。
然而，表面上的分歧之下，隐藏着围绕许多关键思想的更深层共识。大多数引领AI发展的人至少在三个核心前提上达成一致：首先，他们相信所谓的“规模法则”的力量，认为越来越大的模型能够继续推动AI的快速发展。其次，他们认为这场革命的时间线比先前预期的要短得多：许多AI专家现在认为我们将在两到五年内达到超级智能。最后，他们相信，变革性AI，即在许多任务上能超越人类的系统，将为人类带来前所未有的益处。这种信念体现在“曲棍球杆曲线”的图表中，这些图表预示着科学进步、财务回报以及最终人类进步的指数级增长。
我将这套相互重叠的观点称为旧金山共识。共识是绝大多数专家（在这里是技术专家、科学家和企业家）所持有的一套信念。从战后的凯恩斯主义共识到新自由主义的华盛顿共识，认知一致的时期始终既是可观察事实的函数，也是潜在意识形态承诺的函数。当然，这种共识被广泛持有这一事实并不意味着它就是正确的。事实上，历史应该让我们硅谷的人有充分的理由保持谦逊。在21世纪头十年，我们中的许多人对互联网的社会影响过于乐观——这一愿景因虚假信息、武器化和心理健康危机而受损。
“从战后的凯恩斯主义共识到新自由主义的华盛顿共识，认知一致的时期始终既是可观察事实的函数，也是潜在意识形态承诺的函数。当然，这种共识被广泛持有这一事实并不意味着它就是正确的。”
也许这就是为什么，尽管旧金山共识在硅谷被广泛接受，但它绝非普遍适用。一些领先的思想家认为，当前的大语言模型无法提供通往变革性AI的可行路径，更不用说其更雄心勃勃的亲戚——通用人工智能了。此外，AI能否克服Peter Thiel曾就互联网所指出的那种停滞，仍有待观察。[1] 套用Thiel的话：AI革命会给我们带来飞行汽车，还是以艾米莉·狄金森风格写成的140字符食谱？
旧金山共识也不一定反映AI界的全球共识。在欧洲，许多人往往对社会影响和进步速度都更为怀疑。正如我在其他地方所写，中国对通用人工智能的关注要少得多，而更专注于将AI应用于各行各业的实际应用中。[2]
然而，如果旧金山共识成立——换句话说，如果AI确实具有变革性，那么接下来的几年将至关重要。许多AI专家认为，通用人工智能将通过递归式的自我改进实现，即AI系统自主增强自身能力的能力，从而导致智能的快速爆炸。从经济学和国家安全的角度来看，递归式自我改进具有地震般的影响：第一个达到通用人工智能的公司和国家可能能够锁定持久的优势，阻止其他人赶上来。因此，毫不奇怪，许多认同旧金山共识的人认为，未来五年将是未来一千年中最重要的五年。
智能的架构
旧金山共识对技术进步的愿景是什么？简而言之，相信旧金山共识的人可能设想AI沿着三个轴发展：语言革命、智能体能力革命和推理革命。这三者都在不同的时间线上推进，成功的可能性也各不相同。
语言革命已经发生：计算机现在可以理解、复制并有效地与人类语言交互。智能体革命正在进行中，它将AI从工具转变为行动者。未来，整个工作流程将由互联的AI系统管理。以房地产为例：买家将指示他们的AI智能体扫描所有可用房产并与卖家谈判，而卖家又会在他们的工作流程中部署智能体。尽管如此，智能体将是功能性的而非创造性的。它们将最大限度地提高知识交流的速度和效率，而不会创造 fundamentally 新的知识。
第三个也是最后一个革命是推理革命。这是迄今为止最重要，也因此最具推测性的一个。旧金山共识的一个核心信条是相信，通过在使用更多数据和更多计算的情况下训练更大的模型来扩展现有架构，将可靠地产生更好的性能并实现推理能力的革命。释放通用人工智能的推理革命将作为规模的一个属性出现。
一切都在耗尽
但旧金山共识的愿景并非 garantueed。像所有技术一样，AI面临着约束。最首要的物质约束围绕着硬件和能源投入。过去几十年，半导体的进步降低了芯片的尺寸和成本，正如新一代的AI加速器——Blackwell、Rubin等——现在正在推动性能的前沿。然而，能源生产已被证明更难扩展。据估计，为了给AI革命提供动力，美国可能需要相当于额外92座核电站的电力。因此，现有的政治和后勤约束可能要求快速创新，以扩大现有技术（如小型模块化反应堆）的生产或开发新技术（如核聚变）。
第二个约束是数据。当今的大语言模型已经吸收了大部分公共互联网。因此，未来的进步可能依赖于合成数据或多智能体系统。为了更接近通用人工智能，AI系统甚至可能需要像人类一样学习——通过与世界接触。正如儿童通过在环境中移动来获取隐性知识一样，AI模型将需要通过计算机视觉、多模态训练和具身交互来整合真实世界知识的新方法。
第三个挑战与算法本身有关，即模型训练所基于的底层架构。近年来，我们从GPT-1到GPT-5看到了持续的算法进步，每一次都由更智能的训练方法所推动。旧金山共识仍然认为，通往通用人工智能的道路在于改进大语言模型——扩展其记忆、减少幻觉和提高可靠性。其他人则更为怀疑。“人工智能教父”之一Yann LeCun长期以来一直认为，大语言模型 fundamentally 不具备创造性发明的能力。像李飞飞这样的领先研究人员现在正在尝试全新的方法。[3]
大加速
显而易见，通往通用人工智能的道路绝非一条直线。那么，为什么硅谷的许多人仍然如此执着于带来某种超人智能呢？这是因为旧金山共识的最后一个也是最核心的信念：坚信变革性AI将在生活的各个领域释放前所未有的进步。
首先，AI推动的发现可以显著加速科学进步，并因此延长人类寿命。一些公司已经将所有已知的全球病原体输入AI系统，任务是为它们找出治疗方法。AI工具有望在根除古老疾病和发现新药方面取得重大进展。
其次，AI可以显著提高人们的生活质量。除了医疗保健，随着AI适应每个人，日常体验也将得到改善。最重要的是，AI可以 dramatically 地民主化国家内部和国家之间的知识，使更多人能够参与创造性和知识生活。只需想象一下，如果偏远村庄的某个人口袋里随时能接触到一位博学的通才，这对经济流动性的影响将是怎样的。
第三，也是相关的，旧金山共识预计AI的进步将带来巨大的经济回报。这一点怎么强调都不为过：即使是看似微小的生产力提升也可能产生深远的影响。根据国会预算办公室的数据，如果年增长率仅提高0.5个百分点，联邦债务就可以得到控制。[4] 如果AI让每个工人的生产力提高一倍，那么对即将到来的财政和人口灾难的担忧将大不相同。如果持续加速的超级智能导致每年20%或30%的增长呢？我们还没有准备好想象如此快速增长所带来的社会和经济影响。
“如果AI让每个工人的生产力提高一倍，那么对即将到来的财政和人口灾难的担忧将大不相同。如果持续加速的超级智能导致每年20%或30%的增长呢？我们还没有准备好想象如此快速增长所带来的社会和经济影响。”
必须说，许多这些进步——在科学、生活质量和经济进步方面——并不一定需要通用人工智能。但也值得思考，在旧金山共识所预期的生产力爆炸下，世界将会多么不同。
共识的裂痕
然而，即使是如此巨大的收益，也并非没有权衡取舍。这些就是我所说的旧金山共识的“棘手问题”。在其他地方，我讨论过超级智能对民主的后果，以及AI的递归式自我改进可能破坏现有地缘政治威慑和不扩散体制的方式。[5] 其他人则详细阐述了AI对齐问题，这个问题仍未解决。
最后一系列棘手问题涉及这项技术的社会和经济影响。这是以下文集关注的焦点。正如我上面提到的，一个关键问题围绕着AI对生产力和经济增长的影响。正如经济学家所指出的，这些经济效应的轨迹可能遵循J曲线，而不是简单的指数增长模型。[6] 换句话说，对AI的投资可能需要数年才能获得回报。
另一个主要问题涉及这种增长的分配效应。例如，David Autor认为，AI可以恢复中产阶级作为美国经济引擎的地位。相比之下，Joseph Stiglitz警告说，AI可能会以加剧不平等的方式极化劳动力市场。像Erik Brynjolfsson这样的人认为AI是生产力的驱动力，可能释放新一轮广泛共享的繁荣，而像Daron Acemoglu这样的人则警告说，由此产生的变化可能进一步将财富和权力集中在少数人手中。[7] 这些只是众多声音中的几个，它们使这场对话超越了硅谷狭隘且常常令人感到沉闷的技术性辩论。
这就引出了我的最后一点：在某种程度上，旧金山共识与其之前的共识的不同之处在于，它主要是技术专家和企业家的产物，而不是官僚和金融精英的产物。因此，对于本卷中的学者们来说，旧金山共识应该成为认真思考和严格批判的对象。硅谷无法单独回答这场转型将带来的深刻的经济、社会以及——坦率地说——生存问题。
参考文献
[1] Peter Thiel, “The End of the Future,” National Review, 2011年10月3日。
[2] Eric Schmidt and Selina Xu, “Silicon Valley Is Drifting Out of Touch with the Rest of America,” New York Times, 2025年8月19日。
[3] 例如, Gary Marcus, “The Fever Dream of Imminent Superintelligence Is Finally Breaking,” New York Times, 2025年9月3日。
[4] 美国国会预算办公室, “The Long-Term Budget Outlook Under Alternative Scenarios for the Economy and the Budget,” 2025年5月。
[5] Eric Schmidt and Andrew Sorota, “This is No Way to Lead the Country,” New York Times, 2025年11月11日。
[6] 例如, Erik Brynjolfsson, Daniel Rock, and Chad Syverson, “The Productivity J-Curve: How Intangibles Complement General Purpose Technologies,” 美国国家经济研究局工作论文第25148号, 2020年1月。
[7] David Autor, “AI Could Actually Help Rebuild the Middle Class,” Noēma, 2024年2月12日; Erik Brynjolfsson, Danielle Li, and Lindsey Raymond, “Generative AI at Work,” The Quarterly Journal of Economics 140, no. 2 (2025年5月): 889–942; Daron Acemoglu, “The Simple Macroeconomics of AI,” 美国国家经济研究局工作论文第32487号, 2024年5月。
转载请注明：《中国社会分红/基本收入研究网》 浏览量：151 views
