前谷歌CEO：AI时代的“旧金山共识”

作者 l 埃里克・施密特（Eric Schmidt）

关注当下硅谷热议的人们，即便认为人工智能领域的从业者不知所云，也情有可原。AI 专家在诸多问题上分歧严重。其中最著名的，莫过于对 AI 带来的生存性风险截然不同的判断，由此分裂出末日派与加速主义派。而顶尖思想家在开放模型与封闭模型的优劣、监管的益处、威慑层面的国家安全影响等问题上同样意见不一，这些只是众多悬而未决争议中的几例。

但在表面的分歧之下，诸多核心理念上存在着更深层的共识。绝大多数引领 AI 发展的人士至少在三个核心前提上达成一致：第一，他们相信所谓缩放定律（scaling laws，又译规模法则）的力量，认为规模不断扩大的模型能够持续推动 AI 飞速进步。第二，他们认为这场革命的时间线远短于此前预期：如今许多 AI 专家认为，超智能将在两到五年内到来。第三，他们押注变革性人工智能（transformative Al，TAI）—— 即在众多任务上超越人类的系统 —— 将为人类带来前所未有的收益。这一信念体现在那些预示着科学进步、经济回报乃至人类文明发展将呈指数级爆发的曲棍球杆曲线中。

我将这一系列相互重叠的观点称为旧金山共识（San Francisco Consensus）。所谓共识，是指绝大多数专家 —— 在此指技术专家、科学家与创业者 —— 共同持有的一整套信念。从战后凯恩斯主义共识（Keynesian consensus）到新自由主义的华盛顿共识（Washington Consensus），认知上的统一时期，从来都是可见事实与深层意识形态立场共同作用的结果。当然，一种共识被广泛接受，并不等于它就是正确的。事实上，历史理应让硅谷人保持足够谦逊。2000 年代，我们许多人曾对互联网的社会影响过于乐观，而这一愿景最终被虚假信息、武器化与心理健康危机所击碎。

或许正因如此，尽管旧金山共识在硅谷被普遍接受，却绝非全球通行。部分顶尖思想家认为，当前的大语言模型根本无法通向变革性 AI，更不用说更宏大的通用人工智能（AGI）。此外，AI 能否打破彼得・蒂尔曾针对互联网提出的创新停滞困境，仍有待观察。借用蒂尔的话：AI 革命带给我们的，会是飞行汽车（真正伟大的突破），还是只会模仿艾米莉・狄金森（美国19世纪女诗人）风格写 140 个字符的小段子（食谱）这种表面花哨的东西？

旧金山共识也未必代表全球 AI 界的共识。在欧洲，许多人对 AI 的社会影响与发展速度更为怀疑。而正如我在其他文章中所写，中国对 AGI 的关注度低得多，更专注于将 AI 部署到各行业的实际应用中。

然而，倘若旧金山共识成真 —— 换言之，若 AI 确实具有变革性 —— 那么未来几年将至关重要。许多 AI 专家认为，AGI 将通过递归式自我改进（recursive self-improvement）实现，即 AI 系统能够自主提升自身能力，进而引发智能的爆发式增长。从经济学与国家安全视角看，递归式自我改进具有颠覆性影响：率先实现 AGI 的企业与国家，可能锁定持久优势，让后来者难以追赶。因此，信奉旧金山共识的人大多认为，未来五年将是未来一千年里最重要的五年。

智能的架构

旧金山共识所描绘的技术进步图景是怎样的？简而言之，信奉者认为 AI 将沿着三条轴线发展：语言革命、智能体能力革命与推理革命。三者进度不同，成功概率也各异。

语言革命已然发生：计算机如今能够理解、生成并高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，整套工作流将由互联的 AI 系统接管。以房地产为例：买家会指令自己的 AI 智能体筛选所有房源并与卖家谈判，而卖家也会在流程中部署自己的智能体。不过，这类智能体更偏向功能性而非创造性，它们会最大化知识交换的速度与效率，但不会创造出根本性的新知识。

第三场也是最终一场革命，是推理革命。这是迄今为止影响最深远、也最具猜测性的一环。旧金山共识的核心信条之一是：通过更多数据、更强算力训练更大规模的模型，即扩大现有架构，就能稳定提升性能，并实现推理能力的革命。推动 AGI 到来的推理革命，将是规模扩张的自然产物。

全面告急

但旧金山共识的愿景并非板上钉钉。与所有技术一样，AI 面临诸多约束。最核心的物质约束是硬件与能源。过去几十年，半导体技术不断缩小芯片尺寸、降低成本，新一代 AI 加速器（如 Blackwell、Rubin 等）也在持续突破性能极限。但能源供给的扩张却困难得多。据估算，为支撑 AI 革命，美国可能需要再增建 92 座核电站。现有政治与现实约束，或将倒逼快速创新 —— 要么扩展现存技术（如小型模块化反应堆），要么研发全新技术（如核聚变）。

第二项约束是数据。如今的大语言模型几乎已经吸收了整个公开互联网信息。未来的进步可能依赖合成数据或多智能体系统。而要接近 AGI，AI 系统甚至需要像人类一样学习 ——与真实世界交互。正如儿童通过活动环境获得隐性知识，AI 模型也需要通过计算机视觉、多模态训练与具身交互，以全新方式整合现实世界知识。

第三项挑战来自算法本身，即模型训练的底层架构。近年来，从 GPT‑1 到 GPT‑5，算法稳步进步，每一代都得益于更智能的训练方法。旧金山共识依旧认为，通往 AGI 的道路在于优化大语言模型—— 扩展记忆、减少幻觉、提升可靠性。另一些人则深表怀疑。AI “教父” 之一杨立昆（Yann LeCun）长期主张，大语言模型从根本上不具备创造性发明能力。李飞飞等顶尖研究者正在尝试全新路径。

大加速

显而易见，通往 AGI 的道路绝非坦途。那么，为何硅谷仍有如此多人执着于实现超人类智能？原因在于旧金山共识最后、也是最核心的信念：坚信变革性 AI（TAI）将在人类生活所有领域释放前所未有的进步。

首先，AI 驱动的发现可能大幅加速科学进程，进而延长人类寿命。已有企业将全球已知病原体数据输入 AI 系统，用于研发治疗方案。AI 工具有望在根除古老疾病、发现新药方面取得重大突破。

其次，AI 可能显著提升生活质量。除医疗保健外，AI 的个性化适配将改善日常体验。最重要的是，AI 可能在国家内部与国家之间极大地普及知识，让更多人参与创造与智识生活。试想，如果偏远村庄的人随时能拥有一位博学多才的 “口袋导师”，对社会经济流动性将产生何等影响。

第三，与之相关，旧金山共识预期 AI 进步将带来巨大经济回报。这一点再怎么强调都不为过：即便看似温和的生产率提升，也可能产生深远影响。美国国会预算办公室指出，若年经济增长率仅提升 0.5 个百分点，联邦债务便可得到控制。如果 AI 让每位劳动者的生产力翻倍，对即将到来的财政与人口危机的担忧将完全改变。那如果持续加速的超智能带来每年 20% 甚至 30% 的增长提升呢？我们甚至还没准备好去想象这种高速增长带来的社会和经济冲击。

必须说明，这些科学、生活质量与经济上的改善，未必需要 AGI 才能实现。但同样值得思考的是，若真如旧金山共识所预期的那样生产力爆发，世界将会何等不同。

共识的裂痕

即便收益如此巨大，也必然伴随代价，我将这些称为旧金山共识的棘手难题。在其他文章中，我已探讨过超智能对民主的影响，以及 AI 递归式自我改进将如何动摇现有地缘政治威慑与核不扩散体系。也有大量学者深入论述过尚未解决的AI 对齐问题（Al alignment，即AI 的目标、价值观、行为与人类的真实意图、安全及利益保持一致）。

最后一类棘手难题，关乎这项技术的社会与经济影响。这也是本文集的核心。如前所述，一个关键问题围绕 AI 对生产力与经济增长的作用。经济学家指出，这些经济影响的轨迹可能遵循J 型曲线（J-curve），而非简单的指数增长模型。换言之，AI 投资可能需要数年才能见效。

另一大问题关乎增长的分配效应。例如，大卫・奥特尔（MIT经济学教授，劳动经济学家）认为，AI 可能重塑中产阶级，使其重新成为美国经济引擎。而约瑟夫・斯蒂格利茨则警告，AI 可能加剧劳动力市场两极分化，扩大不平等。埃里克・布莱恩约弗森（Erik Brynjolfsson）等人将 AI 视为生产力引擎，认为它将掀起普惠式繁荣新浪潮；而达龙・阿西莫格鲁等人则提醒，由此带来的变革可能让财富与权力进一步集中在少数人手中。这些声音只是众多讨论中的一部分，让这场对话超越了硅谷内部狭隘、往往过于技术化的争论。

这便引出我的最后一点：在某种意义上，旧金山共识与以往共识的区别在于，它主要由技术专家与创业者塑造，而非官僚与金融精英。对于本文集中的学者而言，旧金山共识既值得严肃审视，也需要严谨批判。单凭硅谷，无法回答这场变革将带来的深刻经济、社会乃至生存性问题。*

本文是The Digitalist Papers第2卷系列文章之一

埃里克・施密特（Eric Schmidt）是美国知名科技企业家、计算机科学家，曾任谷歌 CEO、Alphabet 执行董事长，是推动谷歌成长为全球科技巨头的关键人物。他长期关注人工智能发展，深度参与美国 AI 战略与技术安全政策，是硅谷 AI 领域极具影响力的意见领袖。他在技术、商业与公共政策领域均有重要话语权，著有多部探讨 AI 未来、科技与社会的著作，包括合著的Genesis: Artificial Intelligence, Hope, and the Human Spirit。