前Google執行長警告:一台3000萬美元坦克,將被5000美元無人機摧毀!美中AI戰爭的殘酷真相

前Google執行長警告:一台3000萬美元坦克,將被5000美元無人機摧毀!美中AI戰爭的殘酷真相

前 Google 執行長、科技界的重量級人物艾力克・施密特(Eric Schmidt)在最近一場深度訪談中,揭示了他對美中科技競賽、未來戰爭型態以及人工智慧(AI)發展的驚人洞察。他不僅直言不諱地批評美國科技業的「工作與生活平衡」文化,更描繪了一幅由 AI 和無人機主導、傳統軍事力量可能徹底失效的未來戰場藍圖。這場對話,是對當前世界格局最清醒也最令人不安的剖析。

施密特毫不留情地指出,當美國科技業沉浸在「工作與生活平衡」的討論中時,他們真正的對手正以驚人的強度前進。他引用了中國科技業普遍存在的「996」工作模式——即早上9點上班,晚上9點下班,每週工作6天。

他警告說:「那就是你們的競爭對手。」施密特認為,這種文化差異直接影響了國家的競爭力,尤其是在AI這場關鍵戰役中。

在AI策略上,施密特觀察到美中兩國正走上截然不同的道路。他指出,儘管美國在晶片技術上對中國施加了限制,試圖延緩其發展,但中國並未因此停下腳步。

「他們沒有追求瘋狂的通用人工智慧(AGI)戰略,」施密t分析道,「他們非常專注於將AI應用到所有事物上。」從消費性應用到機器人,中國正全面將AI技術落地。他以電動車產業為例,警告中國正試圖在機器人領域複製同樣的成功模式。

更關鍵的是,施密特揭示了一個重大的地緣政治問題:「中國正在以開源權重(open weights)和開源訓練數據進行競爭,而美國則主要專注於封閉權重、封閉數據。」這可能導致一個嚴峻的後果:世界上大多數國家,特別是「一帶一路」沿線國家,未來將會採用中國的AI模型,而非美國的模型。這意味著,未來全球的AI生態系統,可能建立在非西方價值觀之上。

未來戰爭的樣貌:無人機將顛覆一切

施密特在烏克蘭戰爭中看到了未來軍事衝突的雛形。他描述了一種全新的戰爭邏輯,其中傳統的昂貴武器系統變得不堪一擊。

他提出了一個令人震驚的成本對比:「一台美國坦克的成本高達3000萬美元,而一架武裝無人機的零售價僅為5000美元。」在這樣的「擊殺比」之下,派遣大量廉價無人機摧毀昂貴的坦克,在經濟上是完全壓倒性的優勢。

他預測未來戰爭的演進將分為幾個階段: 1. 無人機取代傳統火力: 無人機將比迫擊砲、手榴彈和火砲更具成本效益。 2. 無人機對抗無人機: 戰場將演變成雙方無人機系統的相互偵測與摧毀。 3. AI主導的威懾: 最終形態將是雙方都擁有數百萬架由AI驅動的無人機。施密特解釋:「每一方都將使用強化學習AI策略來制定作戰計畫,但任何一方都無法弄清對方的作戰計畫。因此,相互攻擊的威懾力將會非常高。」

在這種新型態的戰爭中,傳統的軍事力量計算方式將失效。你無法再透過計算對方有多少武器來預測其行動。然而,施密特也給出了嚴厲的警告:「戰爭中沒有贏家。當你進行我所描述的規模的無人機戰鬥時,你這一方的整個基礎設施將被摧毀,對方也是如此。這是雙輸的局面。」

AGI的迷思與現實:我們離超級智慧還有多遠?

對於目前席捲科技圈的通用人工智慧(AGI)熱潮,施密特提出了更為冷靜的看法。他認為,業界普遍預測的3年內實現超級智慧過於樂觀,他個人認為可能需要「6到7年」,而且最初實現的將是特定領域的「專家系統」,例如化學或數學專家,而非真正的通用智慧。

他定義真正的AGI是「能夠設定自己的目標函數」。目前,AI仍需要人類的提示和引導,它無法自主產生全新的目標。他用一個形象的比喻解釋了AI與人類的區別:「AI不是端到端的,它是中段到中段(middle to middle)。人類才是端到端的。」

在未來幾年,AI的角色將是人類的強大協同工具,一個能根據我們的指令完成大量中間工作的「助理」,而不是取代者。真正的奇點,要等到AI能像愛因斯坦一樣,僅憑1902年的已知資訊,獨立推導出相對論時,才會到來。

施密特的所有觀點最終匯集到一個核心信念:「我希望美國贏。」他認為,美國的優勢在於其混亂、嘈雜但充滿創造力的文化、深厚的資本市場,以及由大學和企業家組成的龐大工業基礎。在這場決定未來的全球競賽中,他發出了最響亮的呼籲:「夥計們,別把這一切搞砸了。」

參考資料: https://www.youtube.com/watch?v=EkuVqdj8O6E

Read more

Claude 的 Project、Skill、Connector 到底怎麼分?一次搞懂三者的關係

Claude 的 Project、Skill、Connector 到底怎麼分?一次搞懂三者的關係

很多人問我,在 Claude 裡面,Project、Skill、Connector 這三個東西到底差在哪裡? 什麼時候該用哪一個? 老實說,我一開始也搞得很混亂。 但實際用了一段時間之後,我發現其實邏輯很簡單。 先從最基本的開始:Connector 是對外的資料來源 如果你需要從外部拿資料,比如說接 Google Calendar、接 Notion、接你自己的資料庫,你就需要 Connector。 它就是一個 MCP 的連結,讓 Claude 可以去外面抓資料回來。 沒有 Connector,Claude 就只能用它自己知道的東西,沒辦法碰到你的資料。 Skill 則是內部的運算邏輯 Skill 沒有辦法對外連接。 它只能在內部用 Python 或程式碼執行。 你可以把它想成是一個 Controller,專門負責處理運算的部分。 比如說,你想讓 Claude 用特定的格式改寫文章、

By Andy Lin
讓 AI 認識你 — Memory is All You Need

讓 AI 認識你 — Memory is All You Need

讓 AI 認識你 — Memory is All You Need 最近我在 Claude 上快速搭建了七大 Agent。 原因很簡單:你的助理應該是越使用越懂你。 而 Claude Project 有個關鍵功能叫 Memory,它會根據你不斷詢問的過程,主動提取記憶。 這就是我認為 AI 助手真正強大的地方。 GA 分析助手:從進階到客製化 自從我串接 GA MCP 後,這位助手已經變得非常厲害。 漏斗分析、訪客來源、異常事件追蹤、站上任何問題都難不倒它。 但我想要的不只是這些。 我希望它隨著時間,能夠對齊我的知識,知道我要什麼。 你不用想太多,不用一次設定好整個 instructions。 試著使用一週,再回頭看看 memory,你會發現它已經根據你的行為開始學習客製化了。 許多助手不需要懂老闆要什麼,但網站分析不一樣。 因為我沒有那麼多美國時間,

By Andy Lin
AGI 來臨:兩大 AI 巨頭的預測與警示

AGI 來臨:兩大 AI 巨頭的預測與警示

在近期的達沃斯論壇上,Anthropic 執行長 Dario Amodei 與 Google DeepMind 執行長 Demis Hassabis 進行了一場關於「AGI 之後的世界」的深度對談,揭示了 AI 發展的最新進展與未來展望。 AGI 時間線預測 Dario 重申了他去年的預測:在 2026-2027 年,AI 模型將能夠在諸多領域達到諾貝爾獎得主的水準。他表示目前 Anthropic 的工程師已經不再親自寫程式碼,而是讓模型來完成編寫工作,人類只負責編輯和周邊任務。他預估在 6-12 個月內,模型將能端到端完成大部分工程師的工作。 Demis 則持稍微保守的態度,認為在十年內有 50% 的機會實現 AGI。他指出編程和數學領域較容易自動化,因為結果可驗證;但自然科學領域則更具挑戰性,需要實驗驗證,且目前模型在「提出問題」和「建立理論」

By Andy Lin
讓 AI 當你的健康顧問:我用 Apple Watch 數據打造個人健康分析 Agent

讓 AI 當你的健康顧問:我用 Apple Watch 數據打造個人健康分析 Agent

最近我嘗試做了一個 Agent,專門用來分析我的身體健康狀況。 這不是什麼有商業潛力的專案,純粹是出於好奇。 我想知道現在的 AI 到底能幫我們把健康分析做到什麼程度。 資料從哪來? 要讓 AI 分析任何東西,首先得有資料。 我第一個想到的就是 Apple Health。 因為我每天戴著 Apple Watch,它本來就會自動記錄睡眠、運動、心跳這些數據。 除此之外,我也在嘗試另一個經絡檢測的儀器,有點像中醫把脈的概念,只是還沒整合進來。 我覺得如果未來能把更多資料源串在一起,應該可以做出更有意思的應用。 技術架構其實不難 我用了一個叫「Apple Health Auto Export」的 App。 這個 App 可以把健康資料透過 REST API 自動傳送到你指定的伺服器。 資料打到伺服器後,我再處理並存到 Database 裡。 接著寫一個 MCP Server,然後在

By Andy Lin