本访谈发生于 2024 年 4 月 9 日，在 2024 年8 月 13 日在 Youtube 上放出录播视频，但因为其中提到的 Google AI 落后的大实话而引起网络热议，视频没过两天就被下架了，我上传了一份在 X 上，感兴趣大家可以看原视频。这里也有一个我用 AI 制作的带中文字幕版，也可以测合着看 。
施密特讲他每六个月都会调整一次对 AI 的看法，他举了一个例子：“六个月前，我还确信前沿 AI 模型与其他模型的差距在缩小，所以我在一些小公司投入了大量资金。现在我就不敢确定了。”
短期内人工智能的发展（1-2年）
上下文窗口的扩展、Agent、文本到行动（Text to Action）
上下文窗口 上下文窗口可以理解为短期记忆。长上下文窗口很好的解决了 LLM 的时效性问题。
当前的模型通常18个月的时间来训练，准备 6 个月，训练 6 个月，微调 6 个月，所以他们的信息总是过时的，而长上下文窗口可以反馈最新发生了什么给 LLM，它可以变得像 Google 一样实时。
Agent
Agent的定义：执行某种任务的东西。另一种定义是内存中的一个LLM的状态。
施密特建立了一个基金会，资助了一家非盈利组织，有个工具叫ChemCrow，它是一个基于 LLM 的系统，用于学习化学知识。有个实验室晚上用它进行测试、然后把测试结果让 LLM 学习，目前他们会运行这个系统，生成关于蛋白质的化学假设，这对化学和材料科学领域都是一个巨大的加速器，这就是Agent。
文本到行动
文本到行动的定义：从自然语言到Python语言，也就是根据人类描述自动写程序。
文本到行动可以理解为有大量廉价的程序员，如果每个人都有一个自己专属的AI程序员的话，会发生什么呢？
假设你不喜欢Google，那么可以让 AI 程序员给你 copy 一个 Google 程序：搜索网页、用户界面、写好文案 。很多人认为，包括Google在内的现有公司在这种攻击下是脆弱的 。
他还列举了一个TikTok的例子，“给我做一个 TikTok 的复制品。吸引所有用户，拿下所有音乐，加上我的偏好，30 秒内做出来并发布。如果一个小时内不火，就做出类似的调整继续尝试。”
施密特认为当agent和文本到行动可以规模交付时，它会对世界产生没有人能理解的影响。这个影响远大于社交媒体所造成的影响。这三件事情（上下文窗口的扩展、agent、文本到行动）的结合将在下一个浪潮中发生。
这种不确定性还体现在所需投资的规模上。头部 AI 公司正在讨论“100 亿、200 亿、500 亿甚至 1000 亿美元”的需求。Sam Altman 认为可能需要“约 3000 亿美元，甚至更多”。这些数字不仅代表资金投入，还意味着巨大的能源消耗，可能会重塑地缘政治格局。只靠美国没有足够的电力来支撑这件事。所以，美国应该和加拿大搞好关系，因为他们那有大量的水和电。至于钱，需要让阿拉伯国家来资助。
关于 NVIDIA 和芯片
-
为什么 NVIDIA 市值 2 万亿美金，而其他公司还在挣扎？可以把 CUDA 比作成GPU的C语言， 如果你是竞争对手，很难复制高度优化的CUDA。
-
AMD 在做一个新的东西可以把 NVIDA 的 CUDA 架构转为自己的，称为Rackham，但还效果还不太行，他们在努力改进。
-
芯片上美国比中国领先十年，尤其是在小于 5 纳米的芯片上。
关于 LLM 的问题
-
LLM 是一个富有国家的游戏：巨额资金、很多技术强人、强大的政府支持，全世界看LLM 的玩家主要是中国和美国。而美国已经失去中国的支持了，不会再回来了，但印度是个好的选择。日本和韩国也是站在美国这边的。台湾很好，但它的软件很烂 。欧洲因为布鲁塞尔而陷入困境，在欧洲做研究限制很大 ，法国可能有机会，但德国没有机会，其他国家规模不够大 。
-
施密特投资了法国的 AI 公司 Mistral，他们已经发布了第二个版本的模型，但第三个版本的模型可能因为成本太高而关闭。他们需要收入，无法把模型无偿提供出去。所以，在这个行业里开源和闭源的讨论非常重要。
-
LLM的影响：那些危险的工作和需要极少人类判断的工作将会被取代。
-
关于用有版权的内容做了LLM训练的问题，施密特认为应该会像 音乐软件一样的逻辑，用户播了哪个版权的音乐就像版权方付一定费用
-
关于现在的大模型的头部几家公司基本是头部大公司所控制，不会触发国家的拆分想法，举个例子微软、Google都没有拆分，只要不变成洛克菲勒就没问题。你看到大公司主导的原因在于谁有资本来建立这么庞大的数据中心。
关于自己的经历和建议
-
施密特 在国防部工作超过 7年，现在还是个持证的武器商，并且参与了俄乌战争，把自己团队发明的无人机送到了战场。
-
快速原型设计的能力是创业者面临的一个问题，使用工具快速demo你的想法非常重要