# 桑達爾·皮查伊：谷歌與 Alphabet 執行長 > 谷歌與 Alphabet 掌門人談搜尋的演變、AI 競賽中的取捨、公司管理，以及長期技術押注的判斷。 - 原標題：#471 – Sundar Pichai: CEO of Google and Alphabet - 期數：第 471 期 - 釋出日期：2025-06-05 - 嘉賓 / 主題：桑達爾·皮查伊 - 網頁版：https://lex.qiaomu.ai/tw/ep/sundar-pichai/ - 官方頁面：https://lexfridman.com/sundar-pichai/ - 精讀字數：約 9183 字（閱讀約 20 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。 在印度金奈，裝一部電話要排隊等五年。 桑達爾·皮查伊（Sundar Pichai）十二歲那年，家裡終於等到了一部撥號電話。鄰居會跑到他家來給遠方的親人打電話。他自己也不用再花兩個小時跑去醫院取血檢報告，被告知“還沒好，明天再來”，再花兩個小時走回家。這件事變成了五分鐘的事。 他後來說，那一刻腦子裡像亮了一盞燈：技術能改變人的生活。這話從別人嘴裡說出來像口號，從一個家裡沒有自來水、靠水車按戶分八桶水、跟弟弟一起排隊把水挑回家的孩子嘴裡說出來，是具體的。 這是 Lex Fridman 播客第 471 期，2025 年 6 月釋出。坐在他對面的人，如今管著一家市值兩萬億美元的公司。兩個多小時裡，他們從金奈的板球街巷聊到 AGI 的時間表，從瀏覽器的誕生聊到 p(doom)，中間還停下來看了兩場演示。 ## 從排隊挑水到每月 480 萬億 token 皮查伊講童年時提到一個細節：那時候沒有電腦，時間多得嚇人。現在想找一段安靜的獨處時光，反而要刻意去爭取。他獲取世界資訊的渠道是報紙和書。家裡書很多，好的壞的都有，從安·蘭德（Ayn Rand）到哲學，再到不值一提的犯罪小說。 影響他最深的是祖父。祖父在郵局工作，語言能力極好，寫一手他至今見過最漂亮的英文手寫體。是祖父把他領進了書的世界。他後來去了谷歌，一點也不奇怪，因為“獲取知識”這件事對他一直有強烈的吸引力。他管這叫家裡真正的財富。 技術上的每一樣東西，他都要等。電話等了五年。VCR 也是磨了父親很久才買到的松下，還是託了某個賣水貨的店。此前家裡只有一兩個電影片道。有了錄影機，就能錄下世界盃，能看翻錄的片子。 自來水、熱水器、能擰開龍頭就有熱水洗澡，這些今天被當成空氣的東西，對他來說每一件都值得單獨記一筆。這些經歷給了他一種第一手的體感：技術會帶來階躍。 訪談裡 Lex 提了一個角度：如果看人類兩千年的 GDP 曲線，絕大部分增長髮生在工業革命之後，而這些進步被當成理所當然。人對“自己過得有多好”和“技術能多快改善生活”的判斷力，其實都很差。 皮查伊現在回印度，最直觀的衝擊是手機帶來的變化。 這個體感也延伸到今天。**Gemini 每個月處理的 token 數，從 12 個月前的 9.7 萬億漲到了 480 萬億，漲了 50 倍。**Lex 讓 Gemini 自己生成過一個提問：這 480 萬億 token 裡，藏著的那句能改變人生的五個字是什麼。皮查伊說這個問題他答不上來，但他對“人的好奇心沒有上限”這件事，和當年看搜尋時感受是一樣的。也許某一天，那五個字會是人類對宇宙的某種終極描述，但今天還遠沒到。 ## AI 會不會是人類歷史上最大的生產力乘數 把人類一萬兩千年歷史裡的技術發明排個隊，按“生產力乘數”從高到低排，AI 能排第幾。皮查伊 2017 或 2018 年就說過一句話：AI 是人類將要研究的最深刻的技術，比火和電更深刻。他現在不改口。 他也承認這裡有近因偏誤（recency bias）的風險。體育領域最容易犯這個毛病，剛看完一場球就忍不住說眼前這位是歷史最佳。但他還是從第一性原理上給了理由：過去那些改變一切的通用技術，電力、網際網路，影響面大，但進步速度和能力上限是看得見的。AI 不一樣，它遞迴自我改進，是第一個能加速“創造本身”的技術。 他舉了一個私人例子。兩年前他做了一次手術，術後他想到，在麻醉劑出現之前，人是硬扛著這些手術的。那一刻他覺得麻醉大概是人類最偉大的發明。人沒法真正體會活在沒有麻醉的年代是什麼感覺，所以也就很難公平地給歷史上的發明排序。 關於“自我改進”，他用的參照是 AlphaGo 的第 37 手。一個從零開始、起初毫無頭緒的系統，在一天之內變得比任何人都強。還有 Veo 3 的模型，如果去看它在訓練到 30% 和 60% 時生成的東西，再對比成品，那種觀感他說既讓人振奮，也讓人有點不安。這句話他沒往下展開，但放在一位 CEO 嘴裡，分量不輕。 那會不會撞牆？皮查伊說這是他和 Demis、Koray、Jeff、Norm、Sergey 幾個人偶爾在廚房裡會聊的話題。他的判斷是空間還很大，預訓練、後訓練、測試時計算、工具呼叫，每條線上都還能最佳化，模型正在往更通用的世界模型方向走。Veo 3 對物理的理解就比 Veo 1 強得多。他每年都會問自己：明年砸 10 倍算力進去，還能不能看到進步。今天的答案是能。 瓶頸是有的，主要是算力。他解釋了為什麼谷歌每代都出 Flash、Nano Flash 和 Pro，卻不出 Ultra：Pro 能做到 Ultra 八九成的能力，而 Ultra 服務起來又慢又貴。他們的做法是讓下一代 Pro 追上這一代 Ultra，同時保持能跑得動的速度。所以使用者日常用到的模型，通常比實驗室最強能力落後幾個月。這也帶出一個變化：衡量“效能”越來越難。Flash 的智慧稍弱一點，但延遲低得多，實際影響可能超過 Pro。基準測試（benchmark）這種形式，正在越來越抓不住模型在真實世界裡的有用程度。 AGI 什麼時候來。皮查伊先補了一個詞：AJI，人工鋸齒智慧（artificial jagged intelligence），據他記得是 Karpathy 的說法。模型能幹很驚人的事，轉頭卻會在數數或者“strawberry 裡有幾個 r”這種題上翻車。他說現在就在這個階段。 2030 年能不能到 AGI，他覺得會差一點點，稍微晚一些。但他強調定義本身不重要。真正確定的是，到 2030 年，進步會大到我們不得不在正反兩面同時處理它的後果。他還提了 DeepMind 2010 年時說的 20 年時間表，以及 2012 年 Jeff Dean 展示神經網路認出貓的那張圖，那時候大家說的是“還要幾十年”。 ## “AI 包”裡最先冒出來的東西 Lex 拋了一個類比：一萬兩千年前那次農業革命，不只是遊牧民族定居下來種地，還連帶長出了一整套東西，陶器、社會分層、早期政府、貿易、勞動分工。他管這叫“新石器包”（Neolithic package）。單個發明不是重點，跟著它一起冒出來的那一串二階、三階效應才是。 他問，那“AI 包”裡最先能看見的是什麼。 皮查伊的答案很樸素：把腦子裡的想法變成現實存在的東西，這件事會變得極其容易。過去你只能用文字表達，現在可以把它建出來。他承認今天還只是“氛圍程式設計”（vibe coding）的早期，你得自己把一串提示詞縫起來。但這個東西只會變好。 > 任何一個時間點上，這都是它最差的樣子。（桑達爾·皮查伊） 他給的量級參照是內容創作者的數量。四十年前，在美國能靠做訪談、做內容謀生的人可能就五個。YouTube 之後，這個數字翻了很多個數量級。而 AI 之後，不是幾十萬，是幾千萬甚至十億量級的人能把自己的東西以更深的方式放到世界上。 順著這個往下，就是“語言”這個被低估的解鎖點。搜尋團隊的 Liz Reid 提過一件事：AI 模式（AI Mode）讓不說英語的人，在推理過程中就能用上英文網頁的資訊。以前你得先找到頁面，再用翻譯工具。現在 Gemini 的翻譯和推理能力把這道牆拆了。全世界大部分人的母語網頁是很小的，這一步等於把他們的可用資訊面直接擴了一個量級。皮查伊自己也說，多模態、翻譯、推理、工具呼叫的進步，放進搜尋的流程裡，是他真正興奮的部分。 ## 機器下棋比人好，我們還看人下棋嗎 Lex 開玩笑說，CNN、MSNBC 這些機構在怕播客，怕的是“一個穿西裝的傢伙就能做這件事”。他半真半假地說，如果哪天有兩個 AI 做的播客比他的好，他就停掉自己的節目去聽那個。 皮查伊的回應是國際象棋。 > 你和我不會去看 Stockfish 對 AlphaGo 下棋，那很無聊。但 Magnus Carlsen 對 Gukesh，那盤棋我們看得津津有味。（桑達爾·皮查伊） 他的意思是，內容總量一定會爆炸，AI 生成的東西你會聽，因為它效率高。但那些“溢價體驗”，也就是人的質感透出來的那部分，可能還是會被選擇和珍惜。就像看 Messi 帶球，他相信總有一天機器帶球會比他好得多，但能不能喚起同樣的情緒，是另一回事。 這也解釋了他對藝術表達的態度。Darren Aronofsky 是谷歌在 Veo 上最早合作的導演之一，因為他能看到那個未來並且被它激發。皮查伊說，藝術上的自由表達是社會最重要的價值之一，藝術家從來是推邊界的人。他把提供給藝術家的 API 類比成基礎設施：就像給人供電，你不去替他們決定在上面做什麼。當然，社會最終要在底層決定什麼可以什麼不可以。 Lex 提到一個觀察：早期版本的 Gemini 太小心了，問他歷史裡的暴力內容時會先反問“你確定要了解這個嗎”。而 Gemini 2.5 Pro 明顯放開了，講成吉思汗、阿茲特克、兩次世界大戰，既客觀又有細節和層次。皮查伊的解釋是，模型變聰明之後，處理這類微妙問題的能力本身就上來了。一年前模型還不夠強，會做蠢事，你為了兜住那些邊角情況加的限制，反而會疊加成新問題。他說長期方向是從第一性原理讓模型自己去推理世界，而不是在模型上面硬編碼一批人類規則。他還說，使用者想要的就是儘可能接近原始模型的東西，以後應該放得更開，允許自定義提示詞。 ## 那些說“谷歌已經輸了”的日子 一年前，市面上有一大堆分析文章，標題的意思都差不多：皮查伊是帶谷歌穿過這一關的錯誤人選，谷歌已經失去了魔力。一年後，Gemini Pro 在多個榜單上領先。 他講了自己怎麼過那段日子。他說他擅長把噪音和訊號分開。他打了個潛水的比方。 > 你跳進海里，海面很顛，但你往下潛一米，那裡是整個宇宙裡最平靜的地方。（桑達爾·皮查伊） 他也承認，管谷歌就像執教巴薩或者皇馬，總會有踢得差的賽季。 外部的聲音裡有有價值的部分，要聽。但他更清楚內部在發生什麼。他把幾件事擺出來：**十年前決定投 TPU**，把 Brain 和 DeepMind 合併成 Google DeepMind，搭 AI 基礎設施團隊去擴算力。他還說了個不那麼光鮮的事實：TPU 很好，但要真正把 TPU 的產能堆到需要的規模，是需要時間的。外界看不到這條曲線，他看得到。他還提到，他每週會多次走到 Gradient Canopy 那棟樓，看模型進展和 loss 曲線，Sergey 常常就在那群人裡。 合併兩個世界級團隊是什麼難度，他用了“把斯坦福和 MIT 合起來做一個系”的比方。Brain 是自下而上、專案分散的風格，出了很多重要研究；DeepMind 有自己的 AGI 路線，方向明確。Jeff Dean 想回到更偏科學家的個人貢獻者位置，Demis 是接管 DeepMind 的天然人選。他說過程裡有幾個不眠之夜，但最後過渡做成了，功勞歸 Demis、Jeff、Koray 和那一批人。今年年初，他連續兩天慶祝了兩件事：Geoff Hinton 拿諾貝爾獎，第二天是 Demis 和 John Jumper。 關於“拍板”，他的說法是：決策可以讓人激烈反對，但到了某個點，你要做出清晰的判斷，然後請大家“不同意但執行”（disagree and commit）。他習慣在會上儘量讓每個人把話說完，因為有時候聽到的東西會改變他的判斷；有時候他方向已經很清楚，就直接說這是我的信念，押注，往前走。至於“發火”，他承認自己會生氣會沮喪，只是這些年在變少，因為他發現要達到目的並不需要發火。有時候沉默比說出口的話更有效，人能從你的狀態裡讀出你不滿意。 ## 搜尋要被重寫，但連結還在 搜尋是網際網路的門面，十個藍色連結是它最經典的形態。現在谷歌動它了，加了 AI 概覽（AI Overviews），還單獨開了一個 AI 模式的標籤頁。 皮查伊強調一條設計原則：你來到搜尋，會拿到很多上下文，但你終究還是要到網上去自己找東西。這條原則在 AI 模式裡也一樣。他把 AI 想成一層，負責給背景、給摘要、在 AI 模式裡跟你來回對話，但整個過程仍然是在幫你瞭解世界上有什麼。連結還在。 他解釋了 AI 模式裡最有意思的一個機制：查詢扇出（query fan-out）。你問一個問題，模型用它最好的版本，把搜尋當成深層工具，把一次提問攤開成多次搜尋，再把知識拼裝起來給你。這也是它和傳統搜尋體驗差最遠的地方。他還說，AI 概覽上線後產品指標在變好，AI 模式已經在幾百萬人手裡，早期資料讓他滿意。 關於廣告，Lex 直接問什麼時候進 AI 模式。皮查伊說前期會先把自然體驗做對。他堅持的框架是：廣告本質上是商業資訊，仍然是資訊，所以要用同樣的質量標準去對待；廣告的價值在於讓服務能被幾十億人免費用上。他還提了一句，YouTube 現在就是訂閱和廣告的混合，谷歌各條產品線也在陸續加訂閱，最佳化點會移動。他甚至說，AI 自己以後會幫我們找到最好的方式來做這件事，就像播客主自己知道廣告放在哪裡最合適。 Lex 追問 AI 模式會不會徹底取代十個藍連結。皮查伊的說法是把它看成一個連續譜：AI 模式提供最前沿的體驗，好用的功能會不斷溢位到 AI 概覽和主頁面，核心頁面暫時還是主戰場。他也提到一個被忽視的變化：使用者問的問題型別變了，問題更長、更多、更細。搜尋在某種意義上變成了餵養好奇心的東西。 還有一層關於“兩個網際網路”的討論。Demis 提過，未來會有一部分網頁是給 AI 代理（agent）看的。皮查伊用逛實體店和線上購物來類比：兩者是互補的，不會互相取代。他預期網頁本身會變得更好用，因為 AI 可能把它們設計得對人也更好；同時會有一個代理化的網路長出來，那部分的難點在於商業價值和激勵結構怎麼設計，讓人願意參與。代理不需要人用的那套介面正規化，但兩者會並存。 ## 瀏覽器、無人車、機器人：三個瘋狂賭注 Lex 說 Chrome 可能是他個人用過的排名前三、甚至第一的軟體。皮查伊講了它的來歷。2004、2005 年那陣子，AJAX 讓網頁突然動了起來，Flickr、Gmail、Google Maps 在幾個月裡陸續出現。但瀏覽器從來不是為這種世界設計的，JavaScript 執行慢得離譜。他們看到的機會是：把作業系統的原則搬進瀏覽器，做沙箱、每個標籤頁獨立，這些今天很普通，當時很異類。**他們在丹麥奧胡斯找到一個團隊，做出的 JavaScript 虛擬機器比當時任何同類快 25 倍。**整套東西開源，放進 Chromium。名字叫 Chrome，是因為當時瀏覽器的“鍍鉻”部分越來越笨重，他們想把它減到最少。他說這是他做過最快樂的產品，從頭搭起。 從這件事裡他抽出一條原則，也是 Larry 和 Sergey 早就講清楚的：做登月專案有三個好處。 > 當你做一件非常有野心的事，第一，它能吸引最好的人。第二，因為太瘋，沒人在跟你搶，路基本是你一個人的。第三，就算你最後只做到目標的六成八成，那也已經是一個了不起的成功。（桑達爾·皮查伊） 他說這三個好處很多人沒有真正想明白。 Waymo 是他自己舉的例子。已經有一千萬次付費 Robotaxi 行程。他說團隊一直很清楚“最後 20% 要花 80% 的時間”這件事，也知道自己就在這個階段。外界懷疑 Waymo 最厲害的時候，恰好是他決定加碼投資的時候。他給的判斷依據很直接：技術差距擺在那裡，團隊水準擺在那裡，這條路會走通，只是還需要時間。安全性和野心在他們這裡是被同等看待的兩件事。 關於特斯拉，他說谷歌是 SpaceX 最早和最大的投資方之一，對馬斯克做成任何事基本是預設前提。谷歌不造車，做的是通用性的 L4、L5 自動駕駛，也就是 Waymo Driver，可以用在很多場景裡。他判斷這個空間大到可以容下兩家都做得很好。 機器人是下一個。Demis 和 Google DeepMind 團隊在做 Gemini Robotics，模型層面是自己在建，研究上也靠前。應用方向他說“保持關注”，計劃還沒完全對外講清楚。他的判斷是硬體已經進步很大，卡了很多年的是軟體，而通用模型正好補上這一塊，剩下的難題是怎麼讓它在真實世界裡以安全、通用的方式工作。 ## 讓遠方的祖母坐到同一張桌子旁 訪談中間，Lex 提到兩場他親身體驗的演示，回來後在節目裡專門講了一段。 第一場是 Google Beam。**六臺普通攝像頭，把兩個人的影片流喂進 AI 影片模型，生成一段可以從任意角度看的三維影片，也就是光場（light field），再傳到對面的光場螢幕上，雙向進行。**Lex 的描述是：看起來像人從螢幕裡探出來，而螢幕上並沒有一個三維的人。他伸手，對面也伸手，擊掌的時候幾乎有一種碰到實物的感覺。音訊是空間化的，你在房間這頭說話，聽起來就在這頭。沒有掃描，不用穿戴裝置，不需要提前建模頭像。團隊的說法是，他們不想做“你的近似”，因為你今天劃破了下巴、別了枚胸針，這些細節都該照實地傳過去。 皮查伊接了一句，說可以想象美國總統和中國國家主席用 Beam 加上實時翻譯坐在一起談事情，也許能讓進展多一點點。他也提到更日常的用途：祖母和遠方的孫輩，部署中計程車兵和家裡的人。人沒法總是見面，但有些時候見面很重要。他說這就是激勵他們的東西。 Lex 順著講了為什麼他對“面對面”這件事這麼執著，還引到二戰，說如果當年張伯倫和斯大林見過面，也許能少死很多人。他自己也說這話講出來顯得天真，但 Beam 讓他再次確認了那個說不清的東西存在。皮查伊的回應很簡短：一起在戰壕裡待過，是會結成紐帶的。 第二場是 Android XR 的眼鏡。輕、像正常眼鏡，攝像頭、揚聲器、多麥克風做聲源隔離。抬眼是簡潔的主屏，時間、天氣、日曆。可以直接跟 Gemini 對話，問牆上的畫值多少錢，可以打斷，可以追問。地圖體驗是抬頭看前方就是轉向提示，低頭看腳下就是實時字幕，Lex 現場用俄語說話，眼鏡裡顯示英文字幕。這套東西的底層是 Project Astra，皮查伊說 AR 之所以被卡住，一半是系統整合的工程難度，另一半是沒有 AI 的話互動太複雜，戴上去用不自然。**開發者版本預計今年內，消費者版本明年。** ## 程式設計這行會怎麼變 谷歌內部有個數字：**大約 30% 的程式碼來自 AI 生成的建議。**但皮查伊說更重要的指標是工程速度提升了多少，他們認真測過，估計是 10%。這個數字放在幾萬名工程師的規模上，非常可觀。同時，公司明年還打算招更多工程師，因為能做的事情本身在變多。 他的判斷是，近中期對多數工程師來說，AI 是把繁瑣的部分拿走，讓人有更多時間去設計、架構、解決問題、跟同事腦暴。創意能力被交到更多人手裡，會有人做出更多東西。他用國際象棋打比方：現在下棋的人比歷史上任何時候都多。 Lex 說自己的體感是程式設計效率大概提高了 5 倍，而且他相信在谷歌這種量級的大程式碼庫裡，提升空間更大。皮查伊同意，並說真正的下一波解鎖在於代理能力變得足夠穩健。他還提到遷移和重構老程式碼庫這種活，一旦能以更穩健的方式做，量級會完全不同。 關於招聘，他給了一條具體的：谷歌會至少保留一輪現場面試，確認基本功在。同時他也說，會用這些工具寫出更好的程式碼，本身就是一項資產。至於要不要讀電腦科學，他的回答是，如果你對電腦科學有熱情，就去讀。這門學科遠不止程式設計，任何能訓練第一性原理思考的教育都是好教育。 ## p(doom)、外星人和人為什麼特別 Lex 說自己的 p(doom)，也就是 AI 毀滅人類文明的機率，大約是 10%，問皮查伊怎麼看。 皮查伊的答案繞了一個彎，但繞得挺有意思。他說，當你經營一個大型組織時你會知道，只要能把組織的激勵對齊，讓所有人朝一個方向使力，幾乎什麼都能做成。但要把全人類這樣組織起來，非常難。 > 如果 p(doom) 真的很高，那麼到了某個點，全人類會在這個問題上自動對齊，於是我們反而會在對抗它這件事上取得更多進展。這裡面有一種自我調節的諷刺。所以我對 p(doom) 的場景是樂觀的，雖然我認為底層風險確實不低。（桑達爾·皮查伊） Lex 補了一個常被忽略的對照項：沒有 AI 的 p(doom)。人類本來就有很多種把自己玩完的方式，而 AI 很可能是讓世界更聰明、更有效率、讓更多地區繁榮起來的那件事，而資源緊張恰恰是衝突的常見來源。皮查伊同意這個角度。 關於“如果造出了 AGI，你會問它什麼”，皮查伊說他會問關於自己的問題。他覺得 AGI 有可能以一種深刻的方式理解你，這是很值得期待的一種可能。另一個方向是幫我們更好地理解宇宙。 Lex 的答案完全不同：他第一個問題會問宇宙裡有多少外星文明，活的和死的，然後追問它們離得多近、危不危險，如果沒有，是為什麼。他承認這個問題更接近純粹的求知慾，未必有什麼實際用處。皮查伊順著說，那等於把費米悖論的答案拿到手。 訪談裡還出現了一個可以量化的舊結論：**很多年前 MIT 的一項研究估算過搜尋創造的價值，按人均算大概是每年幾千美元。**皮查伊說這類價值很難持續計量，因為人們會很快把它當成理所當然，前沿一直在移動。AlphaFold 這類東西的價值就更難算。 最後 Lex 問，AI 在越來越多事情上超過人之後，人最特別的地方是什麼。皮查伊說，大概是意識這件事，是我們之所以為人的那個東西，雖然這條線以後可能會模糊。他的期望是，如果資源變得更充裕，世界少一點零和感（它本來也不是零和，只是資源緊張時人會覺得是），那麼共情、善意這些讓人之所以獨特的東西會更多地浮上來。 問到什麼讓他對人類文明的未來抱有希望，他的答案是一個反問：如果能選，你願意生在現在，還是歷史上的任何一個別的時刻。他自己的答案是幾乎永遠選現在。人類一直在把世界變得更好，他相信這一次也不會例外。 Lex 在節目最後補了一段自己的想法：工業革命帶來了技能的高度專業化，AI 可能反過來推動一次“去專業化”。當 AI 在每個具體領域都成了超人專家，人的價值可能更多地落在“把不同 AI 整合起來”這件事上，落在通才身上。他說他相信人類的正向路徑多於負向路徑，但多不了多少。他還引了法國哲學家拉布呂耶爾的一句話：困難之中，長出奇蹟。 整場訪談裡，皮查伊沒有一次給出那種讓人拍案的漂亮結論。他反覆回到的是同一個動作：把注意力放在內部正在發生的曲線上，而不是外部的說法上。TPU 的產能爬坡外界看不到，模型的能力曲線外界看不到，團隊合併後那幾個不眠之夜外界也看不到。他看到的都是這些，所以他能在滿屏“谷歌已死”的標題裡睡著覺。 這個動作對普通人也成立。你手上真正在推進的那件事，進度條只有你自己看得見。外界的評價有延遲，也有噪音，而你的決策不該跟著它走。 - 選工作的時候，把“能不能和比自己強的人共事”當成一條硬標準。皮查伊說，一生中要有幾次坐在房間裡，聽對面的人講話，然後心裡冒出一個“哇”。這種感覺會逼著你的能力往上長。 - 決定方向時，多聽一點內心，少聽一點算計。他的原話是，找到自己真正喜歡做的事很難，但這件事值得花力氣去找，因為熱愛會讓你看到自己最好的版本。 - 挑一件足夠瘋的事去做。登月式目標的三個好處是現成的：吸引最強的人、沒人跟你搶賽道、做到六成就已經是巨大成功。風險高，但收益結構對你有利。 - 做決策時先把所有人的話聽完，然後清晰地拍板，再請大家“不同意但執行”。含糊的折中比明確的判斷更傷人，也拖得更久。 - 把 AI 當成一層基礎設施用起來，尤其在跨語言的資訊獲取上。你現在能讀到的世界，比兩年前大了不止一倍，這個紅利不用就浪費了。 - 不要靠發火推動別人。皮查伊承認自己也生氣，但他發現要達到目的並不需要發火。很多時候，你的沉默比你的話更有效。