# 埃裡克·施密特：谷歌 > 前谷歌 CEO 回顧公司擴張與管理經驗，談搜尋、人工智慧與科技巨頭的責任。 - 原標題：Eric Schmidt: Google - 期數：特別節目 - 釋出日期：2018-12-04 - 嘉賓 / 主題：埃裡克·施密特 - 網頁版：https://lex.qiaomu.ai/tw/ep/eric-schmidt/ - 官方頁面：https://lexfridman.com/eric-schmidt/ - 精讀字數：約 5736 字（閱讀約 13 分鐘） > 本文為 lex.qiaomu.ai 基於原始訪談的 AI 改寫中文精讀，非官方翻譯；引用請註明出處並連結網頁版。 1998 年，搜尋市場上有 Lycos、Excite、AltaVista、Infoseek、Ask Jeeves，還有 Yahoo。全是好產品，全都有使用者，全都在賺錢。兩個斯坦福的研究生擠進這個市場，做了一個叫 Google 的東西，然後把前面所有人掃進了歷史。 二十年後，做人機互動 AI 的人面對的是同一道題。做研究的人想弄清楚：這背後有沒有可複製的公式？成功率那麼低，時機和運氣佔多大比重，哪些變數根本不可控？ Eric Schmidt 的回答有點出人意料。他說，Larry 和 Sergey 當年根本沒在做這道題。他們沒開會討論要不要創業，沒畫甘特圖，沒做風險評估。他們只是動手做了。 > 他們只是做了。他們感覺到一個時機，那時候有海量資料需要被組織起來，而他們手裡有一個更好的演算法。（Eric Schmidt） 這句話單獨聽起來像雞湯。但 Schmidt 接著補的細節，讓整件事變得具體。 他用 Uber 舉例。Travis Kalanick 講的故事是，他和聯合創始人在巴黎街頭打不到車，手裡有智慧手機，於是做了 Uber，剩下的都是歷史。Schmidt 說，這才是創業的真實樣子：**一個具體的、發生在你身上的、讓你煩躁到非解決不可的瞬間，比任何戰略分析都更能啟動一家公司。** 然後他回到 Google 的起點。兩個研究生在宿舍裡搭了個搜尋引擎，耗電太大，從隔壁房間拉了根電線過來。後來搬進一棟房子，五個人的「全球總部」，從 Sun 的創始人 Andy Bechtolsheim 和 Dave Cheriton 那裡融了 10 萬美元。 **起點極其簡陋，背後是一個極其鋒利的洞察。**Schmidt 說，這個模式對任何創業公司都成立：必須有一個 powerful insight，起點可以很簡單，但必須有一項真正的創新。Larry 和 Sergey 手裡的是 PageRank，今天全世界被引用最多的論文之一。 所以那道題的正確問法，在他看來是這樣的：你手裡那個「更好的演算法」是什麼？ ## 從模型火箭到一行程式碼 Schmidt 成長在 1960 年代。他說那時候每個男孩都想當宇航員，都想參與太空計劃。他把自家後面的牛牧場當成發射場，放模型火箭。那是他跟科技第一次心動。 但真正把他扣住的是程式設計。他的原話是，那種感覺是「我可以造出以前不存在的東西，而且上面寫著我的名字」。那個年代還沒有開源，但本質上他做的事就是開源貢獻。他說如果今天他十六七歲，他一定會是 GitHub 上那種人，不停地試、不停地犯錯、不停地學。 他特別強調了一點：**很多偉大的科學家、工程師，回憶自己的轉折點，都會指向高中或大學裡的某個瞬間，在那個瞬間他們發現，自己可以獨立地發現點什麼。**這種「我造出來了、這東西屬於我」的體驗，才是驅動知識獲取的真正引擎，比任何課程都管用。 這跟那位伯克利的數學教授 Edward Frenkel 在《Love and Math》裡的觀點對上了。Frenkel 說，如果美術課像數學課那樣教，學生會整天被要求「去給柵欄刷漆」，永遠沒機會發現繪畫作為一種藝術的美。Schmidt 認同這個類比。他說他們那代人的分水嶺在八年級數學，很多人在那裡跟數學宇宙分了手。 ## 在 Xerox PARC 學到的那個詞：規模化 Schmidt 講過他在 Xerox 帕洛阿爾託研究中心（PARC）的經歷。那裡造出了 Alto，現代個人電腦和 Macintosh 的前身。Alto 非常稀少，他要從伯克利開一小時車過去用。他會翹課，會想盡一切辦法，就為了摸到那臺機器。 他知道這東西重要。但他當時不知道的是另一個詞：scaling。 > 我沒理解規模化。我沒理解當使用者從 100 變成 1 億的時候會發生什麼。（Eric Schmidt） 這句話是整場談話裡最有分量的自我修正之一。從那以後，他看任何技術都會問同一個問題：**這東西到了 10 億人手裡，會長成什麼樣？** 由此衍生出他對今天創業環境的判斷。市場競爭太激烈了，如果一個東西你沒法讓它長到百萬使用者或十億使用者，它大機率不會成功。原因很簡單：一定會有另一個更通用的平臺出現，把你的想法變成「失落的點子」，或者壓縮成一個只有很小眾使用者的服務。 但他說得很公允：小而美的生意多得是，奢侈品就是。可如果你想要規模化的影響力，你就得去找那些具有共同價值、共同定價、共同分銷方式、能解決共同問題的事情。資訊、醫療、健康、教育，這些都是所有人的問題。而且，他說，**人們的問題多的是。** 他在這裡丟擲一個有意思的立場：他特別看好中產階級。因為按定義，人就是多。任何能改善中產生活的產品，既是最好的商業決策，也是對社會最好的事。先做高階市場沒問題，但你得有通往中產的路徑。如果一開始就把自己定義成一個狹窄的市場，別人帶著通用市場過來，就能把你推到角落，限制你的規模，讓你只能做一個比你本可以做到的影響更小的生意。 ## 五年計劃，和那道看不見的複利 Schmidt 有一句他很喜歡、把版權歸給一位 MIT 老教授的話： > 我們高估一年能做成的事，低估十年能做成的事。（Eric Schmidt） 他說，幾乎每個人都有個一年計劃，幾乎沒有人有一個像樣的五年計劃。而做好五年計劃的關鍵，是對底層平臺會發生什麼有一個模型。 他舉了幾個具體的例子。摩爾定律傳統意義上的「縮小」已經基本停滯了，因為成本太高、越來越難。但演算法層面的改進和專用硬體的改進還有很多空間。所以你得理解這些改進的性質和走向，才能判斷平臺會怎麼變。 在網路連線上，他以前一直以為世界主要會用光纖。但現在看起來會是光纖加上非常強大的高頻寬短距離連線，用來打通「最後一英里」。他還補了一句很技術的話：這些網路的延遲特性不一樣，因為它們更對稱，所以演算法會顯得更快。知道這個，你就會用不同的方式設計系統。 這背後是他對人類的一種觀察：能看見覆利的人極其稀少。你讓人預測未來，他給你的答案通常是六到九個月，或者十二個月，因為那大概就是想象力的邊界。 自動駕駛是個現成的例子。九十年代就有人想，2004 年有了第一屆 DARPA 大挑戰賽，十五年後，亞利桑那州的某個城市裡已經有自動駕駛汽車在跑，但離普及還有一段路。 ## Alphabet 是一場場「下注」的組合 Google 怎麼同時做到「穩」和「野」？Schmidt 的拆解很清晰。 一方面，公司足夠大、管理足夠好，對接下來一兩年、至少一段時間的收入有相當好的把握。穩定的現金流給了他們下注的奢侈。 另一方面，公司結構上做了文章，Google 變成 Alphabet，整個集團圍繞這些下注組織起來。下注的方向是對世界根本重要的領域：人工智慧、醫療技術、自動駕駛、用熱氣球做連線，等等，還在源源不斷地增加。 他把這套做法總結成一句話：**我們把公司變成了一個「下注的組合」，底下那個叫 Google 的公司本身也是創新的。** 要跑通這套，需要幾個信念系統。其中一個很關鍵：既要有自下而上，也要有自上而下。自下而上就是那個著名的「20% 時間」，員工可以拿 20% 的時間做任何想做的事。自上而下是創始人親自盯著技術，不停地審閱。Schmidt 描述了那個流程：他們或者他聽到一個想法，覺得有意思，就去看看，然後開始拼湊，看看可不可行。這樣幹得夠久，你會變得相當擅長預測什麼東西大概會成。 這個平衡不是 Google 獨創的。Schmidt 提到 Sergey Brin 十五年前提出的 70/20/10：70% 的時間放在核心業務，20% 放在相鄰業務，10% 放在其他。而且 Sergey 用數學證明了，你需要那 10% 才能讓增長的總和成立。Schmidt 說，事實證明他是對的。 ## 未來五到十年，AI 的戰場在醫療和教育 談 AI 時，Schmidt 的切分很乾脆：討論需要錨定時間尺度。 大眾對 AI 的印象來源是機器人殺手電影，《終結者》那一類。他給了兩句很 Schmidt 的話：**我們能向你保證，我們沒在造那種東西；而且就算它們真出現了，有人會注意到，然後把插頭拔了。** 他承認，一百年後，當人腦被完全理解，當一代又一代 MIT 的聰明人把這些都想清楚了，我們會面臨一大堆關於科學、思考、機器人、電腦的倫理問題。但那是那個時間尺度的問題。 **未來五到十年，真正的問題不在那兒。真正的問題是：怎麼把這項顛覆性技術儘可能廣泛地鋪開，拿到最大的收益。** 收益應該首先落在兩個地方：醫療和教育。 醫療是顯然的。他說了一句樸素但深刻的話：從醫學上看，我們其實都一樣，儘管我們總覺得自己不一樣。我們關於自身健康的大資料會救命。皮膚癌和其他癌症，眼科問題，還有人在用這些技術研究心理疾病。他列了一串。 教育同理。他描繪的場景是：每一個孩子、甚至每一個成年人，都有一個 AI 輔導老師。這個角色由 AI 擔任，訓練得當，幫你變聰明，幫你處理語言困難、數學困難。 為什麼要聚焦這兩個？因為讓人更聰明、更健康的收益極其巨大，能延續幾十年，所有人都受益。 他也提到了 AI 安全的討論，Google 公佈了自己的 AI 安全政策，他支援。但他再次強調：殺手機器人今年不會來，甚至沒人在造。 ## 五十年後我們能確定什麼 Schmidt 的態度是誠實的：我們這個行業，五十年預測基本沒有對的。 他把 AI 的歷史拉出來覆盤。AI 大概 1956、1957、1958 年在 MIT 和另外幾所大學被髮明出來，當時的說法是一二十年就能成。他自己讀博士時學過一點 AI，正好趕上了那個「AI 冬天」。那場冬天持續了大概三十年，整整一代科學家，一大批人沒能取得多少進展，因為演算法沒改進，計算機也不夠快。 後來是多倫多和蒙特利爾的 Jeff Hinton 這些人，把今天支撐我們的深度學習模型搞出來了。奠基性的工作是二十年前，真正流行起來是最近十年。你看這個時間跨度，就知道預測有多難。 如果非要他說，他願意冒個險，講講五十年後我們能確定的事：會有更多人活著；我們必須有更可持續的平臺，因為地球的承受力就擺在那兒；建起來的平臺會遵循他前面描述的原則，會把更多能力交到個體手裡，會更在意生態，因為它們不得不在意。 他還押了兩個判斷：**人類會聰明得多，因為那些工具；人會活得更久。**壽命延長在持續推進，今天出生的嬰兒有相當大的機率活到一百歲。他順勢開了個玩笑：那都過了 21 世紀了，我們最好把他們照顧好。 城市化這部分他提了個具體資料。今天超過一半的世界人口住在城市，過去二十年人類最偉大的故事之一就是農村向城市的遷移，這發生在美國、歐洲，也發生在亞洲和非洲。人搬進城市，城市更擁擠了。但信不信由你，他們的健康變好了，生產力提高了，IQ 和受教育能力都上升了。 所以這是好訊息。前提是，我們得讓城市宜居、安全。 ## 沒有一種領導力公式 主持人列了一串名字：Steve Jobs、Elon Musk、Larry Page、Sundar Pichai，還有 Schmidt 自己，問這中間有沒有可比性。 Schmidt 先說沒有單一公式。有人是「就是知道該幹什麼、而且要快」的型別，通常是創業者，他們憑直覺，動得快。有人是系統思考者和計劃者，他自己更像這種，保守一些，執行更徹底，更厭惡風險。還有一類人，用他的話說「稍微有點瘋狂」，富有感染力和魅力，靠感覺驅動。 但有一樣東西把這些人統一起來了：**極高的智力。**他們看世界更快，處理資訊更快。他們不一定永遠做對決策，但他們始終在上面。 另一樣東西也有意思：**他們都起步很早。**Jobs 十八九歲創辦蘋果，Bill Gates 二十、二十一歲，Zuckerberg 十九、二十歲。到三十歲時，這些人已經有十年跟人、跟產品、跟出貨、跟媒體、跟生意打交道的經驗了。Schmidt 感嘆，比起我們這些忙著念博士的人，他們的經驗量級完全不同。 他說，我們應該慶祝這些人，因為他們只是活得更有經驗，而這些經驗塑造了判斷力。坐在這些組織頂端時，所有容易的問題都已經處理掉了：樓怎麼設計、產品上的顏色放哪兒、包裝盒長什麼樣。留下來的問題，也正是為什麼在這些房間裡待著如此有意思，他們面臨的問題，關於怎麼運作、怎麼對待員工、怎麼對待客戶、怎麼創新，都極度棘手。 他還點了另一件事：這些公司文化上明顯不同，並不是一個模子刻出來的。同樣的輸入，行為不同。內部文化不同，薪酬方案不同，價值觀不同。所以，多樣性是有效的，這是活證據。 ## 錢、幸福和「為他人服務」 主持人提到 Schmidt 是世界最富有的人之一，但看起來錢只是他熱情的副作用，而不是目標本身。 Schmidt 給的研究結論很直接。關於人類幸福的研究有很多，過了某個閾值之後，錢就跟幸福感無關了，而那個閾值對這場對話來說其實相當低。幸福跟意義和目的相關，跟家庭感相關，跟影響力感相關。 > 如果你把生活安排好，假設你有足夠的錢出行、有不錯的房子，那麼你會幸福得多，如果你弄清楚自己在乎什麼，然後去做那件事。（Eric Schmidt） 他補了一句跟常識擰著來的話：**大量證據表明，人在服務他人的時候最幸福，服務自己的時候幸福感明顯更低。**這跟媒體塑造的那種「有權有勢的領袖」的興奮感正好相反。那些人當然重要，但如果你像他一樣運氣好，你還得把這份運氣當成責任。你要去教育別人、給別人機會，同時用這份財富推進人類社會。 他說自己特別感興趣的是用 AI 和機器學習的工具讓社會變好。教育、不平等、中產階級，這些都是他的熱情所在。 最後他給了一句幾乎是總結性的話：**你做什麼都行，關鍵是你信它，它對你重要，而你用一輩子去做這件事，你的生活會滿足得多。** ## 對普通從業者的啟示 - 在動手之前，先問清楚自己手裡那個「更好的演算法」到底是什麼。如果一句話說不出來，說明它還不夠鋒利。 - 用「10 億使用者」這個尺度去倒推你的產品設計、商業模式和成本結構。躲在小眾市場裡不丟人，但要清楚這是主動選擇的結果，別是因為做不大才不得不縮在那兒。 - 給自己寫一份五年計劃，只寫一年的遠遠不夠。判斷依據要放在底層平臺（算力、演算法、頻寬、延遲）接下來會怎麼變上，光靠意志力撐不過五年。 - 在組織裡同時保留自上而下和自下而上兩條通路。前者負責方向判斷，後者負責冒出新東西，缺一條，公司就會在某個階段開始僵化。 - 如果正在做 AI，優先問一句：這項技術放到醫療或教育裡，能解決哪個具體的問題？這兩塊的社會收益和商業回報都足夠大，也最難被短期泡沫淹沒。 - 把「服務他人」當成職業選擇的一個真實標準，別隻當道德口號。前者能帶來長期幸福和動力，後者只會讓人疲倦。 - 二十年後回頭看，你會更後悔沒有早點啟動，很少會後悔啟動得太早。起步早的人，到三十歲已經積累了十年和別人打交道、和產品打交道的經驗。