来源：聪明投资者
2022年11月ChatGPT引发“AI 红色警报”后， $谷歌-A (GOOGL.US)$ / $谷歌-C (GOOG.US)$ 两位退休也就两年的联合创始人谢尔盖·布林（Sergey Brin）和拉里·佩奇（Larry Page）“被叫回来帮忙”，并开始频繁出现在办公室。
随着2025年谢尔盖更多外界亮相，以及Gemini的突飞猛进，完全回归的状态不仅仅是点燃了谷歌内部的创业热情，也让资本圈格外沸腾。
连伯克希尔哈撒韦，在3季度都开始大手笔买入谷歌。
想起马斯克最近讲到AI竞争中的三个关键点，首先是人才；以及“硅谷教父”史蒂夫·霍夫曼在上海一场线下交流中点评Meta时说“其内部缺少自己培养的工程师文化”……如今看到谷歌两位硬核技术的创始人回归，确实有点感叹其技术和人才的护城河，有些很难复制。
一位投资人在点评巴菲特投资助手托德·库姆斯最近离职伯克希尔加盟摩根大通时说，“牛人还是希望跟最牛的人在一起。”
这句话用在当下谷歌的身上，也有点贴切呢。
到底两位创始人回归代表着什么？这段时间其实看了很多谢尔盖·布林的访谈，拉里·佩奇的还在清单里。
先说最近布林在斯坦福的这场对话。
他在斯坦福大学工程学院百年庆典的收官活动现场，与校长乔纳森·莱文（Jonathan Levin）和院长詹妮弗·威德姆（Jennifer Widom）一同登台，分享了他作为工程师、创业者和AI实践者的诸多思考。
挺有意思的。三位的输出都很精彩。
在斯坦福读博期间，谢尔盖·布林做过一件“有点犯法”的事。他为了实验楼那台能“刻”电子钥匙的电脑，爬上脚手架、撬开阳台门，复制程序、做出一把“万能钥匙”——后来几乎整栋楼都能通行。
也正是在那段自由而顽皮的时光里，他和拉里·佩奇一起写出PageRank原始论文，并共同创办谷歌。此后二十多年，谷歌从一个搜索引擎成长为全球最有影响力的科技公司之一，而布林本人也成为硅谷最具传奇色彩的工程师创业者。
布林退休后原本计划坐在咖啡馆里研究物理……结果因为种种原因在2023年回到办公室，从参与模型训练到逐步深度投入，以及强力推进Gemini项目。
布林认为，最近十年左右，尤其是AI时代，“难的事情”越来越值钱。“我觉得这多少算是一种时代的回旋：到了今天这个阶段，硬核技术突然变得如此重要。”
他坦承，谷歌眼镜商业化太早，是一次“自以为是乔布斯”的教训。他还提醒年轻创业者要把想法落地成熟，再启动外部加速器，因为一旦步入增长节奏，外部期待、开销、时间表……会变成逼迫动作变形的压力。
对话中值得注意的，是他现场回答提问“被低估的新兴领域”。答案显得有点勉强，布林说，“如果你一定要我说一个方向，也许是AI（以及未来可能的量子计算）在材料科学上的应用。”
莱文和詹妮弗则十分同意这个结论，詹妮弗还补充了合成生物学领域发生的变化也有点被低估。
啰啰嗦嗦讲了很多获得感的内容，还是推荐大家细细看全程。聪明投资者（ID: Capital-nature）精译整理分享给大家。
1、斯坦福往事
莱文：谢尔盖在1993年来到斯坦福读博士。那时詹妮弗刚入职当教授，而我还是斯坦福本科生。我1993年秋天是大四。
我们就回到那个时候吧，当时你是斯坦福的研究生，能讲讲当时在工程学院读书是什么感觉吗？以及，这段经历是怎么塑造你，并为后来创办谷歌打开机会的？
布林：事后回想，可能我当时并没有真正意识到，但那确实是一个非常有创造力、也非常自由的时期。
我是在玛格丽特·杰克斯大厅开始读博的，那栋楼就在主广场上。它是一栋挺老的建筑，里面是那种咯吱作响的小房间、小门。
我就是在那儿学会了开锁——多亏了一个麻省理工的家伙，他教我怎么撬锁。
说真的，现在回头看我都挺惊讶的：当时大家给了我那么大的自由。因为你知道，我可以完全按自己的方式去安排时间。
一开始我在研究怎么“逆向还原碎纸机”，就是把你碎掉的文件，扫描进电脑，然后想办法把它重新拼回去。
我其实一直没把那套东西真正做成功。但也挺神奇的，从来没人跟我说“你别搞这个”。
那些年我换过几个导师：赫克托——不好意思，他已经去世了，但他人真的特别温和，真的是个好人。后来还有杰夫·乌尔曼（Jeff Ullman）。他们偶尔会问问我最近在做什么，但总体来说，也没怎么给我设限。
我们后来搬到了SAIL的新楼，也就是计算机科学的盖茨楼。当时那地方在今天看来会觉得有点“顽皮”。
我那会儿就知道自己“开锁生涯”差不多要结束了，因为那栋楼用的是电子钥匙，上面有那种小小的红外装置。
当年这些电子锁不连网，所以门锁不会自己去查权限，只是读一下钥匙里的信息。钥匙说你能进，它就放你进。我猜到现在也没怎么变。反正它是电子的，麻烦很多，不是以前那种机械锁，随便撬两下就能搞定。
我们刚搬进那栋楼的时候，外面还有脚手架，楼里一些地方还在收尾施工。但所有门、所有办公室都已经装了电子锁，我根本打不开。
唯一一个我能撬开的，是阳台那把锁——而那间屋子里，正好放着那台用来“刻”电子钥匙的电脑。（全场笑）
所以我就……我想法律追诉期应该过了吧？希望是。我应该可以讲这个故事。
总之，我从自己的办公室爬出去，上到脚手架上。因为我知道他们下周就会把脚手架拆掉了。
那脚手架是真脚手架，有各种横杆竖杆，反正看起来挺吓人的。现在回想，我也不知道自己当时哪来的胆子。只能说，我那时还是个孩子，判断力就是那样（笑）。
我就这么从脚手架爬到阳台那边，把那把实体锁撬开，进到屋里，见到那台电脑。
我记得我把那台电脑上的软件都拷了一份，相当于给自己做了一把“万能主钥匙”，然后又把拷贝删掉。之后有一段时间，这把主钥匙几乎哪儿都能开。
2、创业起点
莱文：你在工程学院受的这种“教育”，真的可能把你的人生带往很多方向……比如开锁高手、CIA特工之类的（笑）。但最后显然没走那条路。
你讲讲，你真正是怎么走到后来那条路上的？这事儿怎么成行的？
布林：我们大概从1995年开始，断断续续研究后来成为谷歌的那套想法，做了好几年。
要给拉里·佩奇记一功，他当时非常专注于Web的链接结构。而那个年代，互联网本身是个全新东西，提出一个新点子简直太容易了。
我最早一个赚钱点子是做在线订披萨。你要知道，当时“在网上点外卖”听起来特别离谱，现在大家早就习以为常了。
我还开玩笑一样在页面顶部放了一个可口可乐广告。我当时觉得这也太搞笑了，互联网广告哎。结果事实证明，这一点都不搞笑。（全场笑）
总之，这个项目失败得很彻底。
因为它的流程是：你在网站上填订单，但那时候披萨店普遍不上网。我就想，他们至少有传真机吧？那我就自动给他们发传真，把订单传过去。结果我后来发现，人家根本不怎么看传真……于是就从这里开始崩盘了。
这事最后当然没成，但它体现了当时的氛围：我们这些计算机系出身的人，大多都很懂互联网怎么运作，Web 服务器怎么搭。你想做个小网站，分分钟就能搞出来。
所以那时候每个人都在网上“画东西”，到处试验，特别有创造力。
说回正题。拉里当时专注 Web 的链接结构，我在做数据挖掘，我们就把两件事合在一起。很快我们发现，这套东西对搜索确实很有用。
但我们在斯坦福里试了很久，一边试一边想：到底要把它当成纯学术项目，还是要更进一步？
我们也试过把技术授权给一些互联网公司。
有一次，我们把东西推荐给了Excite。维诺德·科斯拉（Vinod Khosla）倒是很有眼光，他当时就觉得“这很棒，你们应该买下来”。但Excite其实兴趣不大。
不过我们和维诺德后来还通过邮件来回沟通。我们发了一封邮件说：行，那我们愿意以160万美元把技术授权给你们。大概15分钟后就收到回复，说：“哇，这可是一大笔钱，不过好吧。”
我们当时特别激动。对一个研究生来说，160万美元就是天文数字。
然后我们一个朋友斯科特来找我们。当时我们四个人在搞这个项目，另外两位是斯科特和艾伦。后来他们俩去创业了。那天斯科特冲进来笑到不行。
结果我们才知道，那封“维诺德回信”是他伪造的。因为在那个年代，你基本上可以假装任何人发邮件……（全场笑）
所以，这个交易当然就没发生。
但后来拉里和我还是觉得：如果要把这套东西规模化，最好还是得有真正的资金。于是我们决定去找钱。最后我们确实找到了天使投资人，而且当时找天使投资还挺容易的。
我的导师杰夫·乌尔曼（Jeff Ullman）当时对我特别宽容。对我来说，离开博士项目是个挺大的决定。我爸妈当然很失望，但杰夫的态度是：那你就去试试呗，如果不行就回来。
他说得特别轻松，好像这是个可逆的选择。所以严格意义上，我到现在“技术上”还算是在休学状态，也许哪天我真会回来把学位读完。看看之后怎么发展吧。
莱文：放到今天再看，会觉得这个故事很有意思：创业在当时其实是“最后一个选项”，是在你们先去尝试授权、尝试各种路径都走不通之后才选择的。某种意义上，你们后来也改变了人们对创业路径的想象。
布林：我也说不好。我们的经历是我们自己的特殊路径。斯科特和艾伦后来都离开项目去做自己的公司，这也是他们走的原因之一。也许他们对我们一直犹豫、一直想把技术“推出去”有点不耐烦。
但老实说，当时创业的人真的很多，挺普遍的。
像我刚才说的，艾伦其实已经在参与一家做天气的公司，后来好像就是现在的 Weather Underground。我记得它在近些年被收购了。
斯科特那边也有家公司，做邮件列表归档，叫 e-Groups，后来被雅虎收了之类的。
总之，那时候这些都很常见。所以我也不知道……
我们只是可能比很多人更晚才下定决心：那就自己干吧。
3、“难的事情”越来越值钱
莱文：从那个起点再回头看当然很震撼。谷歌今天市值大概4万亿美元，每分钟处理1000万次搜索，还做了无数产品和业务。但当你和拉里当年决定去创业的时候，这一切至少对绝大多数人来说都完全不明显，所以才会出现“授权谈不成”这些事。
你们后来从起点走到今天，显然做对了很多关键决策。你回头看，创业初期有没有哪些事情是你们一开始就做对了，而且你现在觉得“当时做对这一步特别重要”的？
布林：我觉得一开始，拉里就一直非常有野心，现在也一样。基本上你提出任何计划，他都会说：“不够大。”你不能只想着太阳系，得想银河系那种（笑）。
这大概就是他的激情和驱动力的一部分。
所以，我们确实很早就有一个很宏大的使命宣言，比如“组织全球信息”之类的。我觉得用这样一种理念去奠定公司的起点，是挺好的。
还有一点，我们的公司从一开始就带着比较强的学术气质。
我们俩都是从博士项目里出来的，而当时很多创业公司更多是本科毕业就出来做的。我觉得这会让你看问题的方式有一点不一样。
当然我得澄清下，很多从本科阶段就出来的公司也同样非常优秀。但我们这一路确实更强调基础性的研发投入，包括更长期、更底层的R&D，我觉得这很早就成为了文化的一部分。
莱文：你们也招了很多博士，所以不只是你们俩。
布林：是的，非常明显。比如乌尔斯·赫尔茨勒（Urs Hölzle），他算是我们最早的一批核心成员之一。我认识他，是因为当时我还在斯坦福参与一个教授招聘的评审流程，算是面试过他。
他后来没拿到斯坦福那份工作，原因我也不太清楚，反正这种事挺复杂的，候选人也都很强。
但他后来一给我发消息，我马上就说：你明天能来上班吗？因为我已经很了解他，也很清楚他的能力。
莱文：如果要论过去25年全球最具创新性的公司，我觉得谷歌绝对可以排在最前面。你们既有产品层面的创新，比如 YouTube、DoubleClick、Waymo；也有技术层面的持续突破，从最早的底层系统，到今天的芯片、算力等等。
我很好奇的是：一家大公司要长期保持高度创新其实非常难，几乎所有公司都会在这件事上遇到瓶颈，但你们似乎做到了。很多人也认为你个人在其中起了很大作用。你是怎么理解“创新文化”的？又怎么看自己在其中的角色？
布林：谢谢，又开始夸我了（笑）。我得先说一句：我们也翻过很多车，失败过一长串项目。现在就不展开了，但确实是一大堆失败。
所以，某种意义上，创新的一部分就是你得不断去试。
我觉得，可能因为我们的“学术根子”比较深，所以更愿意去做难的事情，也更愿意去赌那些技术深、水很深的方向。尤其到了最近十年左右，“难的事情”越来越值钱。
就拿AI来说，这显然是一个巨大的趋势，但你仔细看它背后需要的算力、需要的深度数学，这些本身都是技术上非常深、非常难的挑战题。
我觉得这多少算是一种时代的回旋：到了今天这个阶段，“硬核技术”突然变得如此重要。
曾经有一段时期，你还记得 pets.com 吧？那会儿你几乎可以把任何东西往 .com 上一贴就行了。技术门槛并不高，稍微懂一点 Web 就能做出一个 whatever.com。我们当时做的是搜索，幸运的是，搜索确实需要更深一些的技术能力。但后来技术复杂度只会越来越高。
现在我们招的人，说实话，比我厉害太多了，比我当年也厉害太多了。我当时算是那种“偏数学的计算机科学学生”，因为本科阶段我同时学了数学和计算机科学，这在我们那一届还算比较少见。
但现在我们从斯坦福以及其他顶尖项目招人，这些年轻人在数学和计算机科学上的底子都非常扎实，而且很多还是物理学出身，因为物理学训练本来就要求你做很硬的数学，同时他们做的很多东西又强烈依赖计算资源受限的条件，所以必须有一定的计算能力。
所以我觉得，现实就是这么发展到了这一步：底层研发能力越来越重要。我们某种程度上也算运气好，很早就把方向押在了这条路上。
4、硬核技术信仰
莱文：这个观察很有意思：技术难题再次走到台前，重新成为企业竞争优势。那我们聊聊AI吧。现在所有人都在想这件事。
你也回到谷歌参与相关工作，你们在很多方面都处在最前沿，而且竞争非常激烈。投入到AI基础设施的资本规模已经到了数千亿美元级别，甚至单个公司层面也是这样，真的非常惊人。你怎么看现在AI的整体格局？
布林：好，我得想想怎么回答，才能不显得像在自我吹捧（笑）。
确实，投入规模非常巨大。不过我也得承认，从某些角度来说，我们确实犯了错：我们投入不够，而且没有像应该那样认真对待这件事。
比如大概八年前，我们发表了Transformer论文的时候，我们其实并没有把它当成一个需要全力加码的方向，也没有及时去扩大算力投入。
还有一个原因是，我们当时有点不敢把它直接推向大众，因为聊天机器人会说蠢话，你知道的。结果OpenAI把这事做起来了，也得佩服他们，这是一个非常聪明的判断。而且他们那边也有我们的人，比如伊利亚（Ilya），去了那边推动这些事情。
但我确实认为，我们还是受益于谷歌长期的技术积累。我们在神经网络方面的研究和开发，早在Google Brain时代就开始了。
这某种意义上也有运气成分，但也不完全是运气。比如我们请到杰夫·迪恩（Jeff Dean）就不是偶然。当然，我们能招到他是幸运的，更重要的是，我们当时的心态是：硬核技术很重要。
我们当时也从DE招了很多人，因为那时候他们有顶尖研究实验室。
杰夫对神经网络非常痴迷，我觉得可能和他很早的经历有关。我也不清楚他具体怎么来的这股热情，但他大概十几岁的时候就在做一些疯狂的事：一边研究神经网络，一边想着治愈第三世界疾病之类的。
他就是那种人，真的很夸张。他后来把整个团队建了起来。
那时候他在我负责的 Google X 体系里，但我对他基本就是一句话：“杰夫，你想做什么就做什么。”
他当时跟我说：“我们可以让机器区分猫和狗。”我说：“哦，好啊，挺酷。”（全场笑）
但你得信任你的技术人。没过多久，他们就真的做出了一系列神经网络算法，并开始用在我们的一些搜索环节里。
后来又有了Transformer，我们能做的事情越来越多。
所以我们一方面有很深的底子，另一方面也确实有几年做得不够，没把它当成必须尽快规模化的战略重点。而与此同时，我们又在其他地方做对了：比如硬件。
TPU这条线大概十二年前就开始了。更早我们用GPU，我们可能也是最早大规模用GPU的公司之一。再后来用FPGA，然后我们开始做自己的芯片，迭代了无数代。
我们对硬核技术深信不疑，所以驱动我们去榨取更多计算能力、去做芯片、去做算法，同时我们也长期重仓计算基础设施。
我们的数据中心规模很早就做得非常大，而且做了很久。Amazon的AWS 当然也有很大的数据中心，但真正能做到我们这种规模的公司并不多。
能同时拥有自研半导体、深度学习算法，以及整个堆栈的关键组件，从而保持在现代AI前沿的公司，确实不多。
莱文：技术每年都在变得更强。关于 AI 会变成什么样，外界有很多不同的想象。它们是不是最终能做到“人类坐在电脑前能做的事情都能做”，甚至更广泛？你对技术将走向哪里，有没有什么判断？
布林：说真的，这个创新速度太惊人了。而且竞争极其激烈，大家都看得见：美国最顶尖的公司、中国最顶尖的公司，全部在拼。
现在你如果一个月不看AI的新闻，你就已经落后得很明显了。
那未来会走到哪里？我不知道，我们可能真的不知道。
我觉得除了你刚才那个问题，也就是“它能不能做到人类能做的一切”，还有一个更难的问题：它能不能做到人类做不到的事情？这其实就是“超智能”的问题。
这件事现在完全没有答案：一个东西到底可以聪明到什么程度？
人类进化用了几十万年，灵长类演化用了几百万年，这速度和AI现在的发展节奏相比，实在太慢了。
莱文：我们准备好面对这种速度了吗？
布林：目前看，人们确实在从技术里得到很大的好处。虽然也时不时有人做出一些“末日式”的预测，但总体上大家的能力都被显著增强了。
而且说实话，AI经常还是蠢得离谱，你总得盯着它、监督它。但偶尔它又非常聪明，能给你一个特别好的点子。尤其当你不是某个领域的专家时，它很有用。
比如我想了解怎么设计一块新的AI芯片，当然我可以去问我们公司最顶尖的芯片设计专家。但就算没有他们，我至少也能拿起手机，跟一个AI聊一聊。它大概率能给你一个八成到九成靠谱的整体框架，让你先把事情理解个大概。
包括健康问题也是一样。
我觉得它让个人变得更有能力，因为通常情况下，你身边不会随时围着 X、Y、Z 各领域专家。它带来的这种赋能，会释放很多潜力，不管是职业发展、创业、健康管理，还是把生活过得更好。
我当然也没有所有答案，但我确实认为它有巨大的潜力提升个人能力。
5、一定要把AI用起来
莱文： 这确实是更积极的图景，它会成为人类能力的放大器。很高兴你是从这个角度看。
但现在每个斯坦福学生，甚至每个大学生，都在想一件事：AI 会怎么影响我的职业和机会？你对同学们有什么建议？他们该学什么？该怎么面对未来的就业市场？
布林：我觉得这件事非常难预测。
回头看，从互联网的出现到手机普及，这些技术已经深刻改变了社会，也深刻改变了工作类型、职业路径和大家学习的方向。AI也一定会做到这一点，百分之百会改变。
但在当下这个快速变化的阶段，你很难说清楚到底会怎么变。
而且今天的AI，和五年前的AI已经完全不同；而五年后的AI，又会是另一个东西。
我也很难给出确定的预测，但我确定的一点是：你一定要把AI用起来，为自己服务。
它能帮你做的事情太多了。就我个人来说，我现在做很多事都会先问AI：比如给朋友家人挑礼物，比如为一个产品构思新点子，或者做一些艺术创作的灵感整理。我几乎一直在用。
它不会替我把事做完，因为我通常会说：“给我五个想法……”然后你会发现其中三条多少有点垃圾，我一眼就能看出来。但剩下两条里，往往会有一小粒“闪光点”，或者它能帮我换个角度，把事情放进一个新的框架里。
然后我再去打磨、再去想，把它变成自己的东西。
詹妮弗：斯坦福给本科生很大的自由，所以不少人还没选专业。几年前我们还可以预测：很大一部分人会选计算机科学。你还建议大家继续选计算机科学吗？他们现在可都在认真听（笑）。
布林：我当年选计算机科学，是因为我真的热爱它，所以对我来说几乎不用犹豫。你也可以说我很幸运，因为我刚好进入了一个极具变革性的领域。
我不会因为“AI现在写代码挺厉害”就建议你别选计算机科学。AI现在很多事情都做得不错。只是写代码这件事刚好有很高的市场价值，所以很多人会去学它。
更重要的是，更好的编程能力会带来更好的AI。所以包括我们公司在内，所有真正做AI的公司，都非常重视代码能力。
我们自己也大量用AI来辅助写代码，甚至用来辅助推演算法思路之类的。但恰恰因为它太重要了，所以更不能把它当成“可以放弃的技能”。
所以我的意思是：你别因为觉得AI会写代码，就跑去改学比较文学——因为老实说，AI可能在比较文学上还更强一点。
我不是要冒犯比较文学专业的同学，但你想想：AI写出来的代码，有时候会犯很严重的错，可能直接跑不起来。可你在比较文学的文章里，句子写错了、表述不够精确，后果不会那么直接。
从某种意义上讲，AI反而更容易去做一些创意性的文本工作。
6、现场互动环节
学生1：谷歌在很大程度上，是从你们在PageRank上的学术研究成长出来的。但今天的创新越来越多由产业界驱动。你还认为“学术界到产业界”的人才与成果流动依然关键吗？如果关键，你会怎么强化这条通道？
布林：哇，这个问题问得很好。
学术到产业这条通道到底有多关键？我可能只能给你一个不那么确定的回答。因为我读研那会儿，一个新想法从出现到变成真正有商业价值，往往要走很多年，甚至几十年。
在学术环境里，你有更大的自由去长期打磨一个方向：申请经费、做研究，可能花上十年二十年慢慢琢磨，让它一点点发酵。之后它才会渗透到产业里，可能被大公司接手，也可能被创业公司拿去做成产品。
但如果这个周期被大幅压缩，这种模式是否还成立，就很难说了。
当然，有些部分依然成立。即便在AI领域，我们也会定期关注斯坦福和其他大学的研究，时不时会合作、会招人。
但很多东西并不需要在学校里“憋”很久。比如有人提出一个新的注意力机制，可能在学校里试两年，就会以某种形式进入产业落地。说到底，产业界自己也在做大量类似的探索。
所以从这个角度看，“必须依赖一条很长的学术管道”未必站得住脚。也许真正需要学术环境的，是那种更激进、更底层、还没成形的新架构和新路径。
量子计算可能是个典型例子：这个想法在上世纪八十年代左右被提出，如今公司在做，大学实验室也在探索不同路线，它处在一个很微妙的“交界地带”。
如果你真有一个完全不同的实现方式，不是我们做的超导量子比特，也不是很多创业公司在做的离子阱，而是一条全新的路线，那它也许确实需要在大学里先“养一养”，让它成熟几年。
因为这类方向太难，短期商业化压力反而可能把它压扁。
但一旦你判断它足够扎实、足够有潜力，最后大概率还是会走向商业化：要么你自己做成公司，要么被产业体系接上去。
所以我不想给一个一刀切的答案。顶尖公司现在也在做更多基础研究，而且随着AI开始带来实质回报，这些长期投入正在显现价值。
未来更可能发生的变化是：学术界和产业界各自承担什么样的研究，会重新分工、重新配比。
不过我确实相信，有些事情仍然需要十年左右、相对更纯粹的研究周期。公司可能会因为上市压力、产品节奏等原因，对这种长周期投入更犹豫。
学生2：AI 正以前所未有的速度向前冲。像我这样的年轻创业者，应该抱着什么样的心态，才能避免重蹈前人的覆辙？
布林：我先给你一个特别具体的建议：当你有一个很酷的可穿戴设备想法时，先把它彻底打磨成熟，再去做什么跳伞、飞艇之类的“高光大秀”。（全场笑）
我不是在开玩笑。谷歌眼镜就是一个很典型的前车之鉴。
我到现在仍然很喜欢那个方向，但我们当时把它推向市场推得太快了。成本还没压到应该有的水平，产品从消费者视角看也还不够成熟、不够精致，我就急着让它登场。
我那时候有点“抢跑”，甚至会冒出一种错觉：我就是下一个史蒂夫·乔布斯，我可以把这个东西做出来，然后“登场、亮相、掌声”。这就是一个非常典型的错误。
如果要一句话概括：很多人都会以为自己是下一个乔布斯，我也犯过这种错。但乔布斯是极其罕见的，很难复制。
所以我的建议是：把你的想法先“烤透”，把产品做到足够成熟，再去按下外部加速按钮。因为一旦你踏上那台跑步机，外界期待会迅速抬升，开支会跟着膨胀，时间表也会被锁死，你就不得不在某个节点交付成果。
可问题在于，很多时候你未必能在那个窗口里，把真正该做的事情全部做完。最后你会掉进一种“加速螺旋”：期待越滚越大，你却没有给自己足够的时间去消化、迭代、打磨。
回头看，这是我最想避免的一类错误。
学生3：我们看到很多AI公司靠“扩数据、扩算力”来提升大语言模型。那如果有一天数据用完了、算力也用到极限了，你们认为下一步会往哪里走？会是更换架构，比如找到Transformer 的替代方案？还是在学习方法上突破，比如比监督学习或强化学习更好的训练范式？还是会是完全不同的方向？谢谢。
布林：我从我的角度回答一下。你刚才列的那些方向，我觉得其实早就已经比“扩算力、扩数据”更重要了。
只是“扩规模”这件事更容易被大家注意到，因为它很直观：建数据中心、买芯片。而且 OpenAI、Anthropic 这些公司也发了很多关于规模定律的论文，所以吸引了大量关注。
但如果你把时间线仔细排一排，你会发现：过去十年左右，算法层面的进步，其实已经跑得比规模扩张还快。
我记得我读研究生的时候看过一张图，是讲N-body problem（多体问题）的，比如引力系统里很多天体互相作用飞来飞去。你会看到，从50年代到90年代，算力随着摩尔定律提升了很多很多，但解决多体问题的算法进步，提升幅度远远超过了算力提升。
我觉得你会发现，像我们这样的公司，当然永远不会拒绝站在算力前沿。但算力更像是“甜点”——真正的主菜和蔬菜，其实是算法工作，是你把方法论、结构、效率、学习机制这些东西做扎实。
詹妮弗：我也补充一点。关于“算力会不会用光”，或者更具体地说，大学其实已经非常熟悉“算力不够”是什么状态了。因为大学不可能拥有像大公司那样的算力规模，差得非常远。
但这反过来会逼着我们做很多创新：当你算力更少时，你怎么让模型更高效？怎么“用更少做更多”？这些研究我们在这里其实一直在做，而且做得很多。
学生4：我想问，你们认为哪项新兴技术的长期影响被严重低估了？
布林：哎哟，这个问题很难。哪项新兴技术被严重低估了？我显然不能说AI，因为大家都在盯着它，很难说低估。
莱文：也可能被低估。
布林：确实也可能被低估，但它现在可能不算“新兴”了，所以不能用它来回答（笑）。
很多人会提量子计算，它未来会带来什么。但我也不太想把答案全押在它上面。虽然我确实支持我们在量子计算上的投入，但变量太多。
而且从理论上讲，我们甚至连 P 是否不等于 NP 都不知道。计算理论前沿还有很多没解开的东西。量子算法目前也主要适用于一些结构非常特定的问题。
所以我在那条线上算是支持者，但很难说“就它了”。
如果你一定要我说一个方向，也许是AI（以及未来可能的量子计算）在材料科学上的应用。
你想象一下，如果我们能用全新的材料去解决一系列性能边界，空间几乎是无限的。
莱文：我其实也在想材料科学。因为“低估”这件事很微妙：现在大家对技术创新的机会其实非常关注。像核聚变、量子这些东西，虽然还没成熟，但也不能说大家完全没注意。AI 更不用说。
但材料在我看来确实可能是一个，它的重要性还没被足够地放在聚光灯下。
还有生物、健康领域也是，尤其是分子科学里有大量机会。相对AI来说，它现在得到的关注可能更少一些，但分子科学同样正在发生一场巨大的革命。
詹妮弗：对，我也想说类似的事。我观察到聚光灯一直在移动，现在它强烈打在AI上，但它之前其实也照在生物上，而且不应该停止。
合成生物学里正在发生很多非常激动人心的事情。我觉得我们需要把聚光灯稍微拉宽一点。
学生5：我们成长过程中，多少都会有点“自我设限”的念头。我想问你：在你打造谷歌的过程中，有哪些你原来深信不疑的想法，后来不得不调整？这种变化又怎么影响了你的决策？谢谢。
布林：嗯，自我设限……我想人生里确实有好几次，都是被迫把眼界扩大、重新认识世界。
我出生在苏联的莫斯科，那时候环境很不一样，也很穷，基本上大家都穷。我和父母、外祖母挤在一个大概400平方英尺的小公寓里，每天要爬五层楼。
那时候你很难去想外面的世界。
后来算是幸运，我父亲隐约看到了外面。他去波兰参加过一次会议，听人讲西方世界是什么样，然后决定带我们移民。这个决定在当时家里争议很大，但最后我们还是到了美国。
到了美国，我们依然很穷，几乎是一无所有从头开始。我得学一门新语言，重新交朋友，整个社会关系都要重建。这段过程很艰难，但也像是一种觉醒的过程。
后来我来斯坦福读研究生，也有点类似。教授给了我很大的自由，也很信任我怎么安排自己的时间，再加上加州那种更开放、更敢想的氛围。坦白说，这种传统现在在加州可能没以前那么强了，但我就不展开抱怨了。总之，这些都让我觉得更自由、更敢想。
所以我可能有点绕着回答了：你问的是“自我设限的想法”，我讲的是经历。但我真正想说的是：我经历过几次当时很痛苦的转变，它们都在逼着我把世界看得更大。
回头看，这些变化往往是值得的。也正因为有这些经历，我可能更早就相信：那些让你不舒服的变化，最后常常会带来更大的空间和机会。
学生6：你取得的成就，是大多数人一辈子都很难经历的。现在回头看，你如何定义“好的人生”？在这些成就之外，对你来说，“好生活”意味着什么？
布林：什么是好的人生……我觉得首先是，你能真正享受自己的生活，也能享受你所创造的东西。
我很珍惜家庭。今天我有一个孩子在现场，我女朋友也在。我很感激自己能和他们有高质量的相处时间。
我也很感激，到这个阶段我还能持续被智力上的问题挑战。其实我在新冠之前大概提前一个月“退休”过一次，结果可能是我做过最糟的决定（笑）。
我当时的设想是：我要坐在咖啡馆里学物理，因为那段时间物理是我最着迷的东西。可疫情一来，咖啡馆都关了。（全场笑）
我就一直闷在家里，人开始“发酵”，甚至能感觉到自己在下滑，脑子没那么锋利了。后来我就想：不行，我得回到工作里。
那时候办公室还没完全开放，但过了几个月，有些人开始能偶尔去，我也就开始去，然后投入越来越多，慢慢就回到了后来我们称为Gemini的那条线上，特别兴奋。
对我来说，能有一个技术上、创造上持续输出的出口，是非常重要、也非常有回报的。
如果我真的一直退休下去，我想那会是个挺大的错误。
学生7：如果要分享一件“很人类、很可共情”的事，让大家觉得安心一点，你们会分享什么？
布林：我发现我有时候会不好意思问问题，怕显得自己不懂。那我就先问一个：管理科学与工程到底是个啥？（全场笑）
是那种 Dilbert（《呆伯特》）式的“我要当经理”的东西吗？到底学啥呢？
詹妮弗：是一个专业，是一个系。
布林：是一个系？那你们学什么？（全场笑）你们具体上什么课？
詹妮弗：我来解释一下。这个系今年刚好 25 周年。它是三个方向合并来的：工业工程、运筹学、以及工程经济系统。所以你可以把它理解成一个三角形，涵盖这几个领域。
很多学校会单独叫工业工程或运筹学，我们在斯坦福把它们打包成一个“管理科学与工程”系。这个系也正是 ETL 课程的主办方，我们今天这堂课也是它支持的。
布林：好好好，我懂了。所以我“很人类”的地方就是：我居然连这个都不知道（笑）。但我很高兴我问出来了。
詹妮弗：让我也来一句：我之所以很“可共情”，是因为我可以把这些事解释给谢尔盖·布林听，而且还能让他认真听进去。（掌声）
学生8：你们平时怎么安排时间，让自己一直跟得上变化？你刚才说你很在意保持锋利、跟上 AI 的进展。那你平时读什么书？开车时听什么播客？
布林：好，我尽量别把它说得像在打广告（笑）。我现在最常做的一件事，就是开车的时候跟Gemini的语音版聊天。
我路上会拿它当对话伙伴，随手问各种问题。
不过你们现在先别急着用公开版。公开版还不是我内部在用的那个更好的版本。再给我们几周，我们会把我现在能用到的版本推出来。现在公开版背后的模型有点“上个时代”，说出来还挺尴尬的（笑）。
我问的问题也很具体，比如：如果我要建一个数据中心，大概要多少百兆瓦的电力？不同供电方案的成本大概怎么估？我就在路上跟它一边聊一边算。
好吧，这听起来确实还是有点像在给 Gemini 打广告。
播客我也会听一些。“All-In”那几位我挺喜欢的，主持得很好。前阵子我们还在佛罗里达见了本·夏皮罗，他也是做播客的。很多播客主线下见面其实挺有意思。
但说到底，我更喜欢在路上做互动式的思考，所以才会更倾向于跟AI对话。虽然这么说听起来有点怪。
莱文：这其实就是未来的一瞥。作为结尾很合适。我想不久之后，我们可能都会这样。
想选股、想诊股？想知持仓机会同风险？关于投资的一切问题，开口问牛牛AI就得啦！
编辑/jayden