來源：聰明投資者
2022年11月ChatGPT引發「AI 紅色警報」後， $谷歌-A (GOOGL.US)$ / $谷歌-C (GOOG.US)$ 兩位退休也就兩年的聯合創始人謝爾蓋·布林（Sergey Brin）和拉里·佩奇（Larry Page）「被叫回來幫忙」，並開始頻繁出現在辦公室。
隨着2025年謝爾蓋更多外界亮相，以及Gemini的突飛猛進，完全回歸的狀態不僅僅是點燃了谷歌內部的創業熱情，也讓資本圈格外沸騰。
連伯克希爾哈撒韋，在3季度都開始大手筆買入谷歌。
想起馬斯克最近講到AI競爭中的三個關鍵點，首先是人才；以及「硅谷教父」史蒂夫·霍夫曼在上海一場線下交流中點評Meta時說「其內部缺少自己培養的工程師文化」……如今看到谷歌兩位硬核技術的創始人回歸，確實有點感嘆其技術和人才的護城河，有些很難複製。
一位投資人在點評巴菲特投資助手託德·庫姆斯最近離職伯克希爾加盟摩根大通時說，「牛人還是希望跟最牛的人在一起。」
這句話用在當下谷歌的身上，也有點貼切呢。
到底兩位創始人回歸代表着什麼？這段時間其實看了很多謝爾蓋·布林的訪談，拉里·佩奇的還在清單裏。
先說最近布林在斯坦福的這場對話。
他在斯坦福大學工程學院百年慶典的收官活動現場，與校長喬納森·萊文（Jonathan Levin）和院長詹妮弗·威德姆（Jennifer Widom）一同登臺，分享了他作爲工程師、創業者和AI實踐者的諸多思考。
挺有意思的。三位的輸出都很精彩。
在斯坦福讀博期間，謝爾蓋·布林做過一件「有點犯法」的事。他爲了實驗樓那臺能「刻」電子鑰匙的電腦，爬上腳手架、撬開陽臺門，複製程序、做出一把「萬能鑰匙」——後來幾乎整棟樓都能通行。
也正是在那段自由而頑皮的時光裏，他和拉里·佩奇一起寫出PageRank原始論文，並共同創辦谷歌。此後二十多年，谷歌從一個搜索引擎成長爲全球最有影響力的科技公司之一，而布林本人也成爲硅谷最具傳奇色彩的工程師創業者。
布林退休後原本計劃坐在咖啡館裏研究物理……結果因爲種種原因在2023年回到辦公室，從參與模型訓練到逐步深度投入，以及強力推進Gemini項目。
布林認爲，最近十年左右，尤其是AI時代，「難的事情」越來越值錢。「我覺得這多少算是一種時代的迴旋：到了今天這個階段，硬核技術突然變得如此重要。」
他坦承，谷歌眼鏡商業化太早，是一次「自以爲是喬布斯」的教訓。他還提醒年輕創業者要把想法落地成熟，再啓動外部加速器，因爲一旦步入增長節奏，外部期待、開銷、時間表……會變成逼迫動作變形的壓力。
對話中值得注意的，是他現場回答提問「被低估的新興領域」。答案顯得有點勉強，布林說，「如果你一定要我說一個方向，也許是AI（以及未來可能的量子計算）在材料科學上的應用。」
萊文和詹妮弗則十分同意這個結論，詹妮弗還補充了合成生物學領域發生的變化也有點被低估。
囉囉嗦嗦講了很多獲得感的內容，還是推薦大家細細看全程。聰明投資者（ID: Capital-nature）精譯整理分享給大家。
1、斯坦福往事
萊文：謝爾蓋在1993年來到斯坦福讀博士。那時詹妮弗剛入職當教授，而我還是斯坦福本科生。我1993年秋天是大四。
我們就回到那個時候吧，當時你是斯坦福的研究生，能講講當時在工程學院讀書是什麼感覺嗎？以及，這段經歷是怎麼塑造你，併爲後來創辦谷歌打開機會的？
布林：事後回想，可能我當時並沒有真正意識到，但那確實是一個非常有創造力、也非常自由的時期。
我是在瑪格麗特·傑克斯大廳開始讀博的，那棟樓就在主廣場上。它是一棟挺老的建築，裏面是那種咯吱作響的小房間、小門。
我就是在那兒學會了開鎖——多虧了一個麻省理工的傢伙，他教我怎麼撬鎖。
說真的，現在回頭看我都挺驚訝的：當時大家給了我那麼大的自由。因爲你知道，我可以完全按自己的方式去安排時間。
一開始我在研究怎麼「逆向還原碎紙機」，就是把你碎掉的文件，掃描進電腦，然後想辦法把它重新拼回去。
我其實一直沒把那套東西真正做成功。但也挺神奇的，從來沒人跟我說「你別搞這個」。
那些年我換過幾個導師：赫克託——不好意思，他已經去世了，但他人真的特別溫和，真的是個好人。後來還有傑夫·烏爾曼（Jeff Ullman）。他們偶爾會問問我最近在做什麼，但總體來說，也沒怎麼給我設限。
我們後來搬到了SAIL的新樓，也就是計算機科學的蓋茨樓。當時那地方在今天看來會覺得有點「頑皮」。
我那會兒就知道自己「開鎖生涯」差不多要結束了，因爲那棟樓用的是電子鑰匙，上面有那種小小的紅外裝置。
當年這些電子鎖不連網，所以門鎖不會自己去查權限，只是讀一下鑰匙裏的信息。鑰匙說你能進，它就放你進。我猜到現在也沒怎麼變。反正它是電子的，麻煩很多，不是以前那種機械鎖，隨便撬兩下就能搞定。
我們剛搬進那棟樓的時候，外面還有腳手架，樓裏一些地方還在收尾施工。但所有門、所有辦公室都已經裝了電子鎖，我根本打不開。
唯一一個我能撬開的，是陽臺那把鎖——而那間屋子裏，正好放着那臺用來「刻」電子鑰匙的電腦。（全場笑）
所以我就……我想法律追訴期應該過了吧？希望是。我應該可以講這個故事。
總之，我從自己的辦公室爬出去，上到腳手架上。因爲我知道他們下週就會把腳手架拆掉了。
那腳手架是真腳手架，有各種橫杆豎杆，反正看起來挺嚇人的。現在回想，我也不知道自己當時哪來的膽子。只能說，我那時還是個孩子，判斷力就是那樣（笑）。
我就這麼從腳手架爬到陽臺那邊，把那把實體鎖撬開，進到屋裏，見到那臺電腦。
我記得我把那臺電腦上的軟件都拷了一份，相當於給自己做了一把「萬能主鑰匙」，然後又把拷貝刪掉。之後有一段時間，這把主鑰匙幾乎哪兒都能開。
2、創業起點
萊文：你在工程學院受的這種「教育」，真的可能把你的人生帶往很多方向……比如開鎖高手、CIA特工之類的（笑）。但最後顯然沒走那條路。
你講講，你真正是怎麼走到後來那條路上的？這事兒怎麼成行的？
布林：我們大概從1995年開始，斷斷續續研究後來成爲谷歌的那套想法，做了好幾年。
要給拉里·佩奇記一功，他當時非常專注於Web的鏈接結構。而那個年代，互聯網本身是個全新東西，提出一個新點子簡直太容易了。
我最早一個賺錢點子是做在線訂披薩。你要知道，當時「在網上點外賣」聽起來特別離譜，現在大家早就習以爲常了。
我還開玩笑一樣在頁面頂部放了一個可口可樂廣告。我當時覺得這也太搞笑了，互聯網廣告哎。結果事實證明，這一點都不搞笑。（全場笑）
總之，這個項目失敗得很徹底。
因爲它的流程是：你在網站上填訂單，但那時候披薩店普遍不上網。我就想，他們至少有傳真機吧？那我就自動給他們發傳真，把訂單傳過去。結果我後來發現，人家根本不怎麼看傳真……於是就從這裏開始崩盤了。
這事最後當然沒成，但它體現了當時的氛圍：我們這些計算機系出身的人，大多都很懂互聯網怎麼運作，Web 服務器怎麼搭。你想做個小網站，分分鐘就能搞出來。
所以那時候每個人都在網上「畫東西」，到處試驗，特別有創造力。
說回正題。拉里當時專注 Web 的鏈接結構，我在做數據挖掘，我們就把兩件事合在一起。很快我們發現，這套東西對搜索確實很有用。
但我們在斯坦福裏試了很久，一邊試一邊想：到底要把它當成純學術項目，還是要更進一步？
我們也試過把技術授權給一些互聯網公司。
有一次，我們把東西推薦給了Excite。維諾德·科斯拉（Vinod Khosla）倒是很有眼光，他當時就覺得「這很棒，你們應該買下來」。但Excite其實興趣不大。
不過我們和維諾德後來還通過郵件來回溝通。我們發了一封郵件說：行，那我們願意以160萬美元把技術授權給你們。大概15分鐘後就收到回覆，說：「哇，這可是一大筆錢，不過好吧。」
我們當時特別激動。對一個研究生來說，160萬美元就是天文數字。
然後我們一個朋友斯科特來找我們。當時我們四個人在搞這個項目，另外兩位是斯科特和艾倫。後來他們倆去創業了。那天斯科特衝進來笑到不行。
結果我們才知道，那封「維諾德回信」是他僞造的。因爲在那個年代，你基本上可以假裝任何人發郵件……（全場笑）
所以，這個交易當然就沒發生。
但後來拉里和我還是覺得：如果要把這套東西規模化，最好還是得有真正的資金。於是我們決定去找錢。最後我們確實找到了天使投資人，而且當時找天使投資還挺容易的。
我的導師傑夫·烏爾曼（Jeff Ullman）當時對我特別寬容。對我來說，離開博士項目是個挺大的決定。我爸媽當然很失望，但傑夫的態度是：那你就去試試唄，如果不行就回來。
他說得特別輕鬆，好像這是個可逆的選擇。所以嚴格意義上，我到現在「技術上」還算是在休學狀態，也許哪天我真會回來把學位讀完。看看之後怎麼發展吧。
萊文：放到今天再看，會覺得這個故事很有意思：創業在當時其實是「最後一個選項」，是在你們先去嘗試授權、嘗試各種路徑都走不通之後才選擇的。某種意義上，你們後來也改變了人們對創業路徑的想象。
布林：我也說不好。我們的經歷是我們自己的特殊路徑。斯科特和艾倫後來都離開項目去做自己的公司，這也是他們走的原因之一。也許他們對我們一直猶豫、一直想把技術「推出去」有點不耐煩。
但老實說，當時創業的人真的很多，挺普遍的。
像我剛才說的，艾倫其實已經在參與一家做天氣的公司，後來好像就是現在的 Weather Underground。我記得它在近些年被收購了。
斯科特那邊也有家公司，做郵件列表歸檔，叫 e-Groups，後來被雅虎收了之類的。
總之，那時候這些都很常見。所以我也不知道……
我們只是可能比很多人更晚才下定決心：那就自己幹吧。
3、「難的事情」越來越值錢
萊文：從那個起點再回頭看當然很震撼。谷歌今天市值大概4萬億美元，每分鐘處理1000萬次搜索，還做了無數產品和業務。但當你和拉里當年決定去創業的時候，這一切至少對絕大多數人來說都完全不明顯，所以才會出現「授權談不成」這些事。
你們後來從起點走到今天，顯然做對了很多關鍵決策。你回頭看，創業初期有沒有哪些事情是你們一開始就做對了，而且你現在覺得「當時做對這一步特別重要」的？
布林：我覺得一開始，拉里就一直非常有野心，現在也一樣。基本上你提出任何計劃，他都會說：「不夠大。」你不能只想着太陽系，得想銀河系那種（笑）。
這大概就是他的激情和驅動力的一部分。
所以，我們確實很早就有一個很宏大的使命宣言，比如「組織全球信息」之類的。我覺得用這樣一種理念去奠定公司的起點，是挺好的。
還有一點，我們的公司從一開始就帶着比較強的學術氣質。
我們倆都是從博士項目裏出來的，而當時很多創業公司更多是本科畢業就出來做的。我覺得這會讓你看問題的方式有一點不一樣。
當然我得澄清下，很多從本科階段就出來的公司也同樣非常優秀。但我們這一路確實更強調基礎性的研發投入，包括更長期、更底層的R&D，我覺得這很早就成爲了文化的一部分。
萊文：你們也招了很多博士，所以不只是你們倆。
布林：是的，非常明顯。比如烏爾斯·赫爾茨勒（Urs Hölzle），他算是我們最早的一批覈心成員之一。我認識他，是因爲當時我還在斯坦福參與一個教授招聘的評審流程，算是面試過他。
他後來沒拿到斯坦福那份工作，原因我也不太清楚，反正這種事挺複雜的，候選人也都很強。
但他後來一給我發消息，我馬上就說：你明天能來上班嗎？因爲我已經很了解他，也很清楚他的能力。
萊文：如果要論過去25年全球最具創新性的公司，我覺得谷歌絕對可以排在最前面。你們既有產品層面的創新，比如 YouTube、DoubleClick、Waymo；也有技術層面的持續突破，從最早的底層系統，到今天的芯片、算力等等。
我很好奇的是：一家大公司要長期保持高度創新其實非常難，幾乎所有公司都會在這件事上遇到瓶頸，但你們似乎做到了。很多人也認爲你個人在其中起了很大作用。你是怎麼理解「創新文化」的？又怎麼看自己在其中的角色？
布林：謝謝，又開始誇我了（笑）。我得先說一句：我們也翻過很多車，失敗過一長串項目。現在就不展開了，但確實是一大堆失敗。
所以，某種意義上，創新的一部分就是你得不斷去試。
我覺得，可能因爲我們的「學術根子」比較深，所以更願意去做難的事情，也更願意去賭那些技術深、水很深的方向。尤其到了最近十年左右，「難的事情」越來越值錢。
就拿AI來說，這顯然是一個巨大的趨勢，但你仔細看它背後需要的算力、需要的深度數學，這些本身都是技術上非常深、非常難的挑戰題。
我覺得這多少算是一種時代的迴旋：到了今天這個階段，「硬核技術」突然變得如此重要。
曾經有一段時期，你還記得 pets.com 吧？那會兒你幾乎可以把任何東西往 .com 上一貼就行了。技術門檻並不高，稍微懂一點 Web 就能做出一個 whatever.com。我們當時做的是搜索，幸運的是，搜索確實需要更深一些的技術能力。但後來技術複雜度只會越來越高。
現在我們招的人，說實話，比我厲害太多了，比我當年也厲害太多了。我當時算是那種「偏數學的計算機科學學生」，因爲本科階段我同時學了數學和計算機科學，這在我們那一屆還算比較少見。
但現在我們從斯坦福以及其他頂尖項目招人，這些年輕人在數學和計算機科學上的底子都非常紮實，而且很多還是物理學出身，因爲物理學訓練本來就要求你做很硬的數學，同時他們做的很多東西又強烈依賴計算資源受限的條件，所以必須有一定的計算能力。
所以我覺得，現實就是這麼發展到了這一步：底層研發能力越來越重要。我們某種程度上也算運氣好，很早就把方向押在了這條路上。
4、硬核技術信仰
萊文：這個觀察很有意思：技術難題再次走到臺前，重新成爲企業競爭優勢。那我們聊聊AI吧。現在所有人都在想這件事。
你也回到谷歌參與相關工作，你們在很多方面都處在最前沿，而且競爭非常激烈。投入到AI基礎設施的資本規模已經到了數千億美元級別，甚至單個公司層面也是這樣，真的非常驚人。你怎麼看現在AI的整體格局？
布林：好，我得想想怎麼回答，才能不顯得像在自我吹捧（笑）。
確實，投入規模非常巨大。不過我也得承認，從某些角度來說，我們確實犯了錯：我們投入不夠，而且沒有像應該那樣認真對待這件事。
比如大概八年前，我們發表了Transformer論文的時候，我們其實並沒有把它當成一個需要全力加碼的方向，也沒有及時去擴大算力投入。
還有一個原因是，我們當時有點不敢把它直接推向大衆，因爲聊天機器人會說蠢話，你知道的。結果OpenAI把這事做起來了，也得佩服他們，這是一個非常聰明的判斷。而且他們那邊也有我們的人，比如伊利亞（Ilya），去了那邊推動這些事情。
但我確實認爲，我們還是受益於谷歌長期的技術積累。我們在神經網絡方面的研究和開發，早在Google Brain時代就開始了。
這某種意義上也有運氣成分，但也不完全是運氣。比如我們請到傑夫·迪恩（Jeff Dean）就不是偶然。當然，我們能招到他是幸運的，更重要的是，我們當時的心態是：硬核技術很重要。
我們當時也從DE招了很多人，因爲那時候他們有頂尖研究實驗室。
傑夫對神經網絡非常癡迷，我覺得可能和他很早的經歷有關。我也不清楚他具體怎麼來的這股熱情，但他大概十幾歲的時候就在做一些瘋狂的事：一邊研究神經網絡，一邊想着治癒第三世界疾病之類的。
他就是那種人，真的很誇張。他後來把整個團隊建了起來。
那時候他在我負責的 Google X 體系裏，但我對他基本就是一句話：「傑夫，你想做什麼就做什麼。」
他當時跟我說：「我們可以讓機器區分貓和狗。」我說：「哦，好啊，挺酷。」（全場笑）
但你得信任你的技術人。沒過多久，他們就真的做出了一系列神經網絡算法，並開始用在我們的一些搜索環節裏。
後來又有了Transformer，我們能做的事情越來越多。
所以我們一方面有很深的底子，另一方面也確實有幾年做得不夠，沒把它當成必須儘快規模化的戰略重點。而與此同時，我們又在其他地方做對了：比如硬件。
TPU這條線大概十二年前就開始了。更早我們用GPU，我們可能也是最早大規模用GPU的公司之一。再後來用FPGA，然後我們開始做自己的芯片，迭代了無數代。
我們對硬核技術深信不疑，所以驅動我們去榨取更多計算能力、去做芯片、去做算法，同時我們也長期重倉計算基礎設施。
我們的數據中心規模很早就做得非常大，而且做了很久。Amazon的AWS 當然也有很大的數據中心，但真正能做到我們這種規模的公司並不多。
能同時擁有自研半導體、深度學習算法，以及整個堆棧的關鍵組件，從而保持在現代AI前沿的公司，確實不多。
萊文：技術每年都在變得更強。關於 AI 會變成什麼樣，外界有很多不同的想象。它們是不是最終能做到「人類坐在電腦前能做的事情都能做」，甚至更廣泛？你對技術將走向哪裏，有沒有什麼判斷？
布林：說真的，這個創新速度太驚人了。而且競爭極其激烈，大家都看得見：美國最頂尖的公司、中國最頂尖的公司，全部在拼。
現在你如果一個月不看AI的新聞，你就已經落後得很明顯了。
那未來會走到哪裏？我不知道，我們可能真的不知道。
我覺得除了你剛才那個問題，也就是「它能不能做到人類能做的一切」，還有一個更難的問題：它能不能做到人類做不到的事情？這其實就是「超智能」的問題。
這件事現在完全沒有答案：一個東西到底可以聰明到什麼程度？
人類進化用了幾十萬年，靈長類演化用了幾百萬年，這速度和AI現在的發展節奏相比，實在太慢了。
萊文：我們準備好面對這種速度了嗎？
布林：目前看，人們確實在從技術裏得到很大的好處。雖然也時不時有人做出一些「末日式」的預測，但總體上大家的能力都被顯著增強了。
而且說實話，AI經常還是蠢得離譜，你總得盯着它、監督它。但偶爾它又非常聰明，能給你一個特別好的點子。尤其當你不是某個領域的專家時，它很有用。
比如我想了解怎麼設計一塊新的AI芯片，當然我可以去問我們公司最頂尖的芯片設計專家。但就算沒有他們，我至少也能拿起手機，跟一個AI聊一聊。它大概率能給你一個八成到九成靠譜的整體框架，讓你先把事情理解個大概。
包括健康問題也是一樣。
我覺得它讓個人變得更有能力，因爲通常情況下，你身邊不會隨時圍着 X、Y、Z 各領域專家。它帶來的這種賦能，會釋放很多潛力，不管是職業發展、創業、健康管理，還是把生活過得更好。
我當然也沒有所有答案，但我確實認爲它有巨大的潛力提升個人能力。
5、一定要把AI用起來
萊文： 這確實是更積極的圖景，它會成爲人類能力的放大器。很高興你是從這個角度看。
但現在每個斯坦福學生，甚至每個大學生，都在想一件事：AI 會怎麼影響我的職業和機會？你對同學們有什麼建議？他們該學什麼？該怎麼面對未來的就業市場？
布林：我覺得這件事非常難預測。
回頭看，從互聯網的出現到手機普及，這些技術已經深刻改變了社會，也深刻改變了工作類型、職業路徑和大家學習的方向。AI也一定會做到這一點，百分之百會改變。
但在當下這個快速變化的階段，你很難說清楚到底會怎麼變。
而且今天的AI，和五年前的AI已經完全不同；而五年後的AI，又會是另一個東西。
我也很難給出確定的預測，但我確定的一點是：你一定要把AI用起來，爲自己服務。
它能幫你做的事情太多了。就我個人來說，我現在做很多事都會先問AI：比如給朋友家人挑禮物，比如爲一個產品構思新點子，或者做一些藝術創作的靈感整理。我幾乎一直在用。
它不會替我把事做完，因爲我通常會說：「給我五個想法……」然後你會發現其中三條多少有點垃圾，我一眼就能看出來。但剩下兩條裏，往往會有一小粒「閃光點」，或者它能幫我換個角度，把事情放進一個新的框架裏。
然後我再去打磨、再去想，把它變成自己的東西。
詹妮弗：斯坦福給本科生很大的自由，所以不少人還沒選專業。幾年前我們還可以預測：很大一部分人會選計算機科學。你還建議大家繼續選計算機科學嗎？他們現在可都在認真聽（笑）。
布林：我當年選計算機科學，是因爲我真的熱愛它，所以對我來說幾乎不用猶豫。你也可以說我很幸運，因爲我剛好進入了一個極具變革性的領域。
我不會因爲「AI現在寫代碼挺厲害」就建議你別選計算機科學。AI現在很多事情都做得不錯。只是寫代碼這件事剛好有很高的市場價值，所以很多人會去學它。
更重要的是，更好的編程能力會帶來更好的AI。所以包括我們公司在內，所有真正做AI的公司，都非常重視代碼能力。
我們自己也大量用AI來輔助寫代碼，甚至用來輔助推演算法思路之類的。但恰恰因爲它太重要了，所以更不能把它當成「可以放棄的技能」。
所以我的意思是：你別因爲覺得AI會寫代碼，就跑去改學比較文學——因爲老實說，AI可能在比較文學上還更強一點。
我不是要冒犯比較文學專業的同學，但你想想：AI寫出來的代碼，有時候會犯很嚴重的錯，可能直接跑不起來。可你在比較文學的文章裏，句子寫錯了、表述不夠精確，後果不會那麼直接。
從某種意義上講，AI反而更容易去做一些創意性的文本工作。
6、現場互動環節
學生1：谷歌在很大程度上，是從你們在PageRank上的學術研究成長出來的。但今天的創新越來越多由產業界驅動。你還認爲「學術界到產業界」的人才與成果流動依然關鍵嗎？如果關鍵，你會怎麼強化這條通道？
布林：哇，這個問題問得很好。
學術到產業這條通道到底有多關鍵？我可能只能給你一個不那麼確定的回答。因爲我讀研那會兒，一個新想法從出現到變成真正有商業價值，往往要走很多年，甚至幾十年。
在學術環境裏，你有更大的自由去長期打磨一個方向：申請經費、做研究，可能花上十年二十年慢慢琢磨，讓它一點點發酵。之後它才會滲透到產業裏，可能被大公司接手，也可能被創業公司拿去做成產品。
但如果這個週期被大幅壓縮，這種模式是否還成立，就很難說了。
當然，有些部分依然成立。即便在AI領域，我們也會定期關注斯坦福和其他大學的研究，時不時會合作、會招人。
但很多東西並不需要在學校裏「憋」很久。比如有人提出一個新的注意力機制，可能在學校裏試兩年，就會以某種形式進入產業落地。說到底，產業界自己也在做大量類似的探索。
所以從這個角度看，「必須依賴一條很長的學術管道」未必站得住腳。也許真正需要學術環境的，是那種更激進、更底層、還沒成形的新架構和新路徑。
量子計算可能是個典型例子：這個想法在上世紀八十年代左右被提出，如今公司在做，大學實驗室也在探索不同路線，它處在一個很微妙的「交界地帶」。
如果你真有一個完全不同的實現方式，不是我們做的超導量子比特，也不是很多創業公司在做的離子阱，而是一條全新的路線，那它也許確實需要在大學裏先「養一養」，讓它成熟幾年。
因爲這類方向太難，短期商業化壓力反而可能把它壓扁。
但一旦你判斷它足夠紮實、足夠有潛力，最後大概率還是會走向商業化：要麼你自己做成公司，要麼被產業體系接上去。
所以我不想給一個一刀切的答案。頂尖公司現在也在做更多基礎研究，而且隨着AI開始帶來實質回報，這些長期投入正在顯現價值。
未來更可能發生的變化是：學術界和產業界各自承擔什麼樣的研究，會重新分工、重新配比。
不過我確實相信，有些事情仍然需要十年左右、相對更純粹的研究週期。公司可能會因爲上市壓力、產品節奏等原因，對這種長週期投入更猶豫。
學生2：AI 正以前所未有的速度向前衝。像我這樣的年輕創業者，應該抱着什麼樣的心態，才能避免重蹈前人的覆轍？
布林：我先給你一個特別具體的建議：當你有一個很酷的可穿戴設備想法時，先把它徹底打磨成熟，再去做什麼跳傘、飛艇之類的「高光大秀」。（全場笑）
我不是在開玩笑。谷歌眼鏡就是一個很典型的前車之鑑。
我到現在仍然很喜歡那個方向，但我們當時把它推向市場推得太快了。成本還沒壓到應該有的水平，產品從消費者視角看也還不夠成熟、不夠精緻，我就急着讓它登場。
我那時候有點「搶跑」，甚至會冒出一種錯覺：我就是下一個史蒂夫·喬布斯，我可以把這個東西做出來，然後「登場、亮相、掌聲」。這就是一個非常典型的錯誤。
如果要一句話概括：很多人都會以爲自己是下一個喬布斯，我也犯過這種錯。但喬布斯是極其罕見的，很難複製。
所以我的建議是：把你的想法先「烤透」，把產品做到足夠成熟，再去按下外部加速按鈕。因爲一旦你踏上那臺跑步機，外界期待會迅速抬升，開支會跟着膨脹，時間表也會被鎖死，你就不得不在某個節點交付成果。
可問題在於，很多時候你未必能在那個窗口裏，把真正該做的事情全部做完。最後你會掉進一種「加速螺旋」：期待越滾越大，你卻沒有給自己足夠的時間去消化、迭代、打磨。
回頭看，這是我最想避免的一類錯誤。
學生3：我們看到很多AI公司靠「擴數據、擴算力」來提升大語言模型。那如果有一天數據用完了、算力也用到極限了，你們認爲下一步會往哪裏走？會是更換架構，比如找到Transformer 的替代方案？還是在學習方法上突破，比如比監督學習或強化學習更好的訓練範式？還是會是完全不同的方向？謝謝。
布林：我從我的角度回答一下。你剛才列的那些方向，我覺得其實早就已經比「擴算力、擴數據」更重要了。
只是「擴規模」這件事更容易被大家注意到，因爲它很直觀：建數據中心、買芯片。而且 OpenAI、Anthropic 這些公司也發了很多關於規模定律的論文，所以吸引了大量關注。
但如果你把時間線仔細排一排，你會發現：過去十年左右，算法層面的進步，其實已經跑得比規模擴張還快。
我記得我讀研究生的時候看過一張圖，是講N-body problem（多體問題）的，比如引力系統裏很多天體互相作用飛來飛去。你會看到，從50年代到90年代，算力隨着摩爾定律提升了很多很多，但解決多體問題的算法進步，提升幅度遠遠超過了算力提升。
我覺得你會發現，像我們這樣的公司，當然永遠不會拒絕站在算力前沿。但算力更像是「甜點」——真正的主菜和蔬菜，其實是算法工作，是你把方法論、結構、效率、學習機制這些東西做紮實。
詹妮弗：我也補充一點。關於「算力會不會用光」，或者更具體地說，大學其實已經非常熟悉「算力不夠」是什麼狀態了。因爲大學不可能擁有像大公司那樣的算力規模，差得非常遠。
但這反過來會逼着我們做很多創新：當你算力更少時，你怎麼讓模型更高效？怎麼「用更少做更多」？這些研究我們在這裏其實一直在做，而且做得很多。
學生4：我想問，你們認爲哪項新興技術的長期影響被嚴重低估了？
布林：哎喲，這個問題很難。哪項新興技術被嚴重低估了？我顯然不能說AI，因爲大家都在盯着它，很難說低估。
萊文：也可能被低估。
布林：確實也可能被低估，但它現在可能不算「新興」了，所以不能用它來回答（笑）。
很多人會提量子計算，它未來會帶來什麼。但我也不太想把答案全押在它上面。雖然我確實支持我們在量子計算上的投入，但變量太多。
而且從理論上講，我們甚至連 P 是否不等於 NP 都不知道。計算理論前沿還有很多沒解開的東西。量子算法目前也主要適用於一些結構非常特定的問題。
所以我在那條線上算是支持者，但很難說「就它了」。
如果你一定要我說一個方向，也許是AI（以及未來可能的量子計算）在材料科學上的應用。
你想象一下，如果我們能用全新的材料去解決一系列性能邊界，空間幾乎是無限的。
萊文：我其實也在想材料科學。因爲「低估」這件事很微妙：現在大家對技術創新的機會其實非常關注。像核聚變、量子這些東西，雖然還沒成熟，但也不能說大家完全沒注意。AI 更不用說。
但材料在我看來確實可能是一個，它的重要性還沒被足夠地放在聚光燈下。
還有生物、健康領域也是，尤其是分子科學裏有大量機會。相對AI來說，它現在得到的關注可能更少一些，但分子科學同樣正在發生一場巨大的革命。
詹妮弗：對，我也想說類似的事。我觀察到聚光燈一直在移動，現在它強烈打在AI上，但它之前其實也照在生物上，而且不應該停止。
合成生物學裏正在發生很多非常激動人心的事情。我覺得我們需要把聚光燈稍微拉寬一點。
學生5：我們成長過程中，多少都會有點「自我設限」的念頭。我想問你：在你打造谷歌的過程中，有哪些你原來深信不疑的想法，後來不得不調整？這種變化又怎麼影響了你的決策？謝謝。
布林：嗯，自我設限……我想人生裏確實有好幾次，都是被迫把眼界擴大、重新認識世界。
我出生在蘇聯的莫斯科，那時候環境很不一樣，也很窮，基本上大家都窮。我和父母、外祖母擠在一個大概400平方英尺的小公寓裏，每天要爬五層樓。
那時候你很難去想外面的世界。
後來算是幸運，我父親隱約看到了外面。他去波蘭參加過一次會議，聽人講西方世界是什麼樣，然後決定帶我們移民。這個決定在當時家裏爭議很大，但最後我們還是到了美國。
到了美國，我們依然很窮，幾乎是一無所有從頭開始。我得學一門新語言，重新交朋友，整個社會關係都要重建。這段過程很艱難，但也像是一種覺醒的過程。
後來我來斯坦福讀研究生，也有點類似。教授給了我很大的自由，也很信任我怎麼安排自己的時間，再加上加州那種更開放、更敢想的氛圍。坦白說，這種傳統現在在加州可能沒以前那麼強了，但我就不展開抱怨了。總之，這些都讓我覺得更自由、更敢想。
所以我可能有點繞着回答了：你問的是「自我設限的想法」，我講的是經歷。但我真正想說的是：我經歷過幾次當時很痛苦的轉變，它們都在逼着我把世界看得更大。
回頭看，這些變化往往是值得的。也正因爲有這些經歷，我可能更早就相信：那些讓你不舒服的變化，最後常常會帶來更大的空間和機會。
學生6：你取得的成就，是大多數人一輩子都很難經歷的。現在回頭看，你如何定義「好的人生」？在這些成就之外，對你來說，「好生活」意味着什麼？
布林：什麼是好的人生……我覺得首先是，你能真正享受自己的生活，也能享受你所創造的東西。
我很珍惜家庭。今天我有一個孩子在現場，我女朋友也在。我很感激自己能和他們有高質量的相處時間。
我也很感激，到這個階段我還能持續被智力上的問題挑戰。其實我在新冠之前大概提前一個月「退休」過一次，結果可能是我做過最糟的決定（笑）。
我當時的設想是：我要坐在咖啡館裏學物理，因爲那段時間物理是我最着迷的東西。可疫情一來，咖啡館都關了。（全場笑）
我就一直悶在家裏，人開始「發酵」，甚至能感覺到自己在下滑，腦子沒那麼鋒利了。後來我就想：不行，我得回到工作裏。
那時候辦公室還沒完全開放，但過了幾個月，有些人開始能偶爾去，我也就開始去，然後投入越來越多，慢慢就回到了後來我們稱爲Gemini的那條線上，特別興奮。
對我來說，能有一個技術上、創造上持續輸出的出口，是非常重要、也非常有回報的。
如果我真的一直退休下去，我想那會是個挺大的錯誤。
學生7：如果要分享一件「很人類、很可共情」的事，讓大家覺得安心一點，你們會分享什麼？
布林：我發現我有時候會不好意思問問題，怕顯得自己不懂。那我就先問一個：管理科學與工程到底是個啥？（全場笑）
是那種 Dilbert（《呆伯特》）式的「我要當經理」的東西嗎？到底學啥呢？
詹妮弗：是一個專業，是一個系。
布林：是一個系？那你們學什麼？（全場笑）你們具體上什麼課？
詹妮弗：我來解釋一下。這個系今年剛好 25 週年。它是三個方向合併來的：工業工程、運籌學、以及工程經濟系統。所以你可以把它理解成一個三角形，涵蓋這幾個領域。
很多學校會單獨叫工業工程或運籌學，我們在斯坦福把它們打包成一個「管理科學與工程」系。這個系也正是 ETL 課程的主辦方，我們今天這堂課也是它支持的。
布林：好好好，我懂了。所以我「很人類」的地方就是：我居然連這個都不知道（笑）。但我很高興我問出來了。
詹妮弗：讓我也來一句：我之所以很「可共情」，是因爲我可以把這些事解釋給謝爾蓋·布林聽，而且還能讓他認真聽進去。（掌聲）
學生8：你們平時怎麼安排時間，讓自己一直跟得上變化？你剛才說你很在意保持鋒利、跟上 AI 的進展。那你平時讀什麼書？開車時聽什麼播客？
布林：好，我儘量別把它說得像在打廣告（笑）。我現在最常做的一件事，就是開車的時候跟Gemini的語音版聊天。
我路上會拿它當對話夥伴，隨手問各種問題。
不過你們現在先別急着用公開版。公開版還不是我內部在用的那個更好的版本。再給我們幾周，我們會把我現在能用到的版本推出來。現在公開版背後的模型有點「上個時代」，說出來還挺尷尬的（笑）。
我問的問題也很具體，比如：如果我要建一個數據中心，大概要多少百兆瓦的電力？不同供電方案的成本大概怎麼估？我就在路上跟它一邊聊一邊算。
好吧，這聽起來確實還是有點像在給 Gemini 打廣告。
播客我也會聽一些。「All-In」那幾位我挺喜歡的，主持得很好。前陣子我們還在佛羅里達見了本·夏皮羅，他也是做播客的。很多播客主線下見面其實挺有意思。
但說到底，我更喜歡在路上做互動式的思考，所以才會更傾向於跟AI對話。雖然這麼說聽起來有點怪。
萊文：這其實就是未來的一瞥。作爲結尾很合適。我想不久之後，我們可能都會這樣。
想選股、想診股？想知持倉機會同風險？關於投資的一切問題，開口問牛牛AI就得啦！
編輯/jayden