前Google執行長驚悚預言:AI競賽落後6個月,唯一選擇是「炸毀對手資料中心」?

前Google執行長驚悚預言:AI競賽落後6個月,唯一選擇是「炸毀對手資料中心」?

前Google執行長、科技巨擘 Eric Schmidt 在一場深度訪談中,揭示了人工智慧(AI)發展背後令人不安的真相。他不僅反駁了「AI被過度炒作」的說法,反而認為我們「嚴重低估」了其顛覆性力量。更令人震驚的是,他詳細描述了一場中美之間正在上演的AI軍備競賽,其終極情境可能導向一個遠超想像的恐怖結局:當一方意識到自己即將永久落後時,唯一的理性選擇可能是先發制人,炸毀對手的資料中心。

大多數人對AI的震撼來自於ChatGPT的橫空出世,但Schmidt指出,真正的革命早在2016年就已悄然發生。當時,DeepMind的AlphaGo在與世界頂尖棋手李世乭的對弈中,下出了一步顛覆圍棋2500年歷史的「新手」(new move)。

Schmidt回憶道:「當時我們不理解即將發生什麼,只知道這些演算法既新穎又強大。AI在一個流傳了2500年、被數十億人玩過的遊戲中,發明了人類從未想過的一步棋。」這一刻讓他和前美國國務卿季辛吉(Henry Kissinger)等人開始深思:「我們的電腦怎麼可能想出人類從未想過的事情?」這標誌著AI從單純的模式辨識,邁向了具備規劃與策略能力的全新紀元。

AI被嚴重低估:從語言模型到全球戰略規劃

Schmidt認為,將AI等同於ChatGPT是個巨大的誤解。他解釋道:「過去兩年,AI的能力已經從『語言到語言』,進化到『語言到序列』(生物學的運作方式),現在更進入了『規劃與策略』的層次。」

他以自身經驗為例,他收購了一家火箭公司,並利用最新的AI系統進行深度研究。「這些系統只花了15分鐘就寫出了深度論文。你知道這些超級電腦運算15分鐘的算力有多驚人嗎?這太不可思議了。」

Schmidt預言,AI的最終形態將是「由電腦代理人(agent)運作所有商業流程」,這些代理人之間用人類語言(通常是英文)溝通協調,自主完成複雜任務。

競賽的物理極限:90座核電廠的電力缺口

這場革命並非沒有瓶頸,而最大的限制來自物理世界。Schmidt提出了兩個核心問題:能源和數據。

他引用國會證詞中的數據指出:「美國需要額外增加90吉瓦(gigawatt)的電力來支撐AI發展。」這是一個什麼概念?「90吉瓦相當於90座核電廠,而我們現在一座都沒在蓋。」他補充說:「一個吉瓦等級的資料中心,其耗電量相當於一座城市。」

數據方面,我們也已耗盡了公開網路上的所有資料。未來AI必須學會自我生成數據。但更深層的問題是:「知識的極限在哪裡?」Schmidt指出,目前的AI擅長在既有知識中尋找模式,但無法像愛因斯坦那樣,將一個領域的模式應用到一個完全不相關的領域,從而創造全新的科學思想。

新冷戰:一場無法輸掉的AI軍備競ซ

這場競賽最危險的層面,是中美之間的對抗。Schmidt將其描述為一種類似核威懾的恐怖平衡,但規則截然不同。

他設想了一個場景:「假設你是好人,我是壞人。你在超級智慧的賽道上領先我6個月,而且我知道你即將抵達終點。聽起來不錯,對吧?錯了。」

Schmidt解釋,AI是一個具有網路效應的領域,重點在於「進步的斜率」。一旦一方率先達到超級智慧,其進步速度將呈指數級暴增,落後方將永無追趕的可能。「我將永遠追不上你,而你將擁有重塑世界、特別是摧毀我的工具。」

在這種思維下,身為落後方的「壞人」會怎麼做?

  1. 第一步:竊取程式碼。(假設對方防禦嚴密,失敗)
  2. 第二步:派遣間諜滲透。(假設對方防護嚴密,失敗)
  3. 第三步:破壞你的AI模型。(假設對方技術太強,失敗)

「我的下一個選擇是什麼?炸毀你的資料中心。」

Schmidt嚴肅地警告:「你覺得我瘋了嗎?這些對話如今正在我們的世界裡,在核武對手之間真實發生。有些理智的人認為,解決這個問題的唯一辦法就是先發制人。」他預測,這種緊張局勢可能在未來5年內浮上檯面。「我們社會還沒有應對這種情況的語言,外交政策專家也還沒思考過這個問題。」

一個充滿矛盾的未來:無限富足與人性的不變

儘管前景令人擔憂,Schmidt也描繪了AI帶來的巨大潛力。他認為AI可以幫助我們:

  • 根除所有重大疾病: 在兩年內識別出所有人類可藥物治療的靶點,並將藥物試驗成本降低一個數量級。
  • 實現個人化教育: 為地球上每個人提供以其母語教學的專屬導師。
  • 普及高品質醫療: 為偏鄉地區的護理師和醫生配備AI助理,提供完美的醫療建議。

然而,他對「人類將在沙灘上喝著雞尾酒」的烏托邦式未來嗤之以鼻。「你真的認為我們會擺脫律師嗎?不,他們只會有更複雜的訴訟要打。你真的認為我們會擺脫政客嗎?不,他們只會有更多平台來誤導你。」

他引用一份研究指出,在代理人AI和大規模部署的假設下,生產力可能每年提升30%。他說:「經濟學家沒有任何模型可以解釋這種增長,這在人類歷史上聞所未聞。」

給所有人的忠告:每天駕馭浪潮

面對這個充滿興奮與焦慮的時代,Schmidt給出了他唯一的建議:「記住,這是一場馬拉松,而不是短跑。」

他強調,AI的指數級增長會讓我們很快忘記兩三年前的樣貌。「我的建議是,駕馭這股浪潮,但要每天駕馭它。無論你是藝術家、教師、醫生還是商人,如果你不使用這項技術,你將會被你的同儕和競爭對手淘汰。採用它,並且要快。」

參考資料: https://www.youtube.com/watch?v=id4YRO7G0wE

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