埃里克·施密特：谷歌

1998 年，搜索市场上有 Lycos、Excite、AltaVista、Infoseek、Ask Jeeves，还有 Yahoo。全是好产品，全都有用户，全都在赚钱。两个斯坦福的研究生挤进这个市场，做了一个叫 Google 的东西，然后把前面所有人扫进了历史。

二十年后，做人机交互 AI 的人面对的是同一道题。做研究的人想弄清楚：这背后有没有可复制的公式？成功率那么低，时机和运气占多大比重，哪些变量根本不可控？

Eric Schmidt 的回答有点出人意料。他说，Larry 和 Sergey 当年根本没在做这道题。他们没开会讨论要不要创业，没画甘特图，没做风险评估。他们只是动手做了。

他们只是做了。他们感觉到一个时机，那时候有海量数据需要被组织起来，而他们手里有一个更好的算法。（Eric Schmidt）

这句话单独听起来像鸡汤。但 Schmidt 接着补的细节，让整件事变得具体。

他用 Uber 举例。Travis Kalanick 讲的故事是，他和联合创始人在巴黎街头打不到车，手里有智能手机，于是做了 Uber，剩下的都是历史。Schmidt 说，这才是创业的真实样子：一个具体的、发生在你身上的、让你烦躁到非解决不可的瞬间，比任何战略分析都更能启动一家公司。

然后他回到 Google 的起点。两个研究生在宿舍里搭了个搜索引擎，耗电太大，从隔壁房间拉了根电线过来。后来搬进一栋房子，五个人的「全球总部」，从 Sun 的创始人 Andy Bechtolsheim 和 Dave Cheriton 那里融了 10 万美元。

起点极其简陋，背后是一个极其锋利的洞察。Schmidt 说，这个模式对任何创业公司都成立：必须有一个 powerful insight，起点可以很简单，但必须有一项真正的创新。Larry 和 Sergey 手里的是 PageRank，今天全世界被引用最多的论文之一。

所以那道题的正确问法，在他看来是这样的：你手里那个「更好的算法」是什么？

从模型火箭到一行代码

Schmidt 成长在 1960 年代。他说那时候每个男孩都想当宇航员，都想参与太空计划。他把自家后面的牛牧场当成发射场，放模型火箭。那是他跟科技第一次心动。

但真正把他扣住的是编程。他的原话是，那种感觉是「我可以造出以前不存在的东西，而且上面写着我的名字」。那个年代还没有开源，但本质上他做的事就是开源贡献。他说如果今天他十六七岁，他一定会是 GitHub 上那种人，不停地试、不停地犯错、不停地学。

他特别强调了一点：很多伟大的科学家、工程师，回忆自己的转折点，都会指向高中或大学里的某个瞬间，在那个瞬间他们发现，自己可以独立地发现点什么。这种「我造出来了、这东西属于我」的体验，才是驱动知识获取的真正引擎，比任何课程都管用。

这跟那位伯克利的数学教授 Edward Frenkel 在《Love and Math》里的观点对上了。Frenkel 说，如果美术课像数学课那样教，学生会整天被要求「去给栅栏刷漆」，永远没机会发现绘画作为一种艺术的美。Schmidt 认同这个类比。他说他们那代人的分水岭在八年级数学，很多人在那里跟数学宇宙分了手。

在 Xerox PARC 学到的那个词：规模化

Schmidt 讲过他在 Xerox 帕洛阿尔托研究中心（PARC）的经历。那里造出了 Alto，现代个人电脑和 Macintosh 的前身。Alto 非常稀少，他要从伯克利开一小时车过去用。他会翘课，会想尽一切办法，就为了摸到那台机器。

他知道这东西重要。但他当时不知道的是另一个词：scaling。

我没理解规模化。我没理解当用户从 100 变成 1 亿的时候会发生什么。（Eric Schmidt）

这句话是整场谈话里最有分量的自我修正之一。从那以后，他看任何技术都会问同一个问题：这东西到了 10 亿人手里，会长成什么样？

由此衍生出他对今天创业环境的判断。市场竞争太激烈了，如果一个东西你没法让它长到百万用户或十亿用户，它大概率不会成功。原因很简单：一定会有另一个更通用的平台出现，把你的想法变成「失落的点子」，或者压缩成一个只有很小众用户的服务。

但他说得很公允：小而美的生意多得是，奢侈品就是。可如果你想要规模化的影响力，你就得去找那些具有共同价值、共同定价、共同分销方式、能解决共同问题的事情。信息、医疗、健康、教育，这些都是所有人的问题。而且，他说，人们的问题多的是。

他在这里抛出一个有意思的立场：他特别看好中产阶级。因为按定义，人就是多。任何能改善中产生活的产品，既是最好的商业决策，也是对社会最好的事。先做高端市场没问题，但你得有通往中产的路径。如果一开始就把自己定义成一个狭窄的市场，别人带着通用市场过来，就能把你推到角落，限制你的规模，让你只能做一个比你本可以做到的影响更小的生意。

五年计划，和那道看不见的复利

Schmidt 有一句他很喜欢、把版权归给一位 MIT 老教授的话：

我们高估一年能做成的事，低估十年能做成的事。（Eric Schmidt）

他说，几乎每个人都有个一年计划，几乎没有人有一个像样的五年计划。而做好五年计划的关键，是对底层平台会发生什么有一个模型。

他举了几个具体的例子。摩尔定律传统意义上的「缩小」已经基本停滞了，因为成本太高、越来越难。但算法层面的改进和专用硬件的改进还有很多空间。所以你得理解这些改进的性质和走向，才能判断平台会怎么变。

在网络连接上，他以前一直以为世界主要会用光纤。但现在看起来会是光纤加上非常强大的高带宽短距离连接，用来打通「最后一英里」。他还补了一句很技术的话：这些网络的延迟特性不一样，因为它们更对称，所以算法会显得更快。知道这个，你就会用不同的方式设计系统。

这背后是他对人类的一种观察：能看见复利的人极其稀少。你让人预测未来，他给你的答案通常是六到九个月，或者十二个月，因为那大概就是想象力的边界。

自动驾驶是个现成的例子。九十年代就有人想，2004 年有了第一届 DARPA 大挑战赛，十五年后，亚利桑那州的某个城市里已经有自动驾驶汽车在跑，但离普及还有一段路。

Alphabet 是一场场「下注」的组合

Google 怎么同时做到「稳」和「野」？Schmidt 的拆解很清晰。

一方面，公司足够大、管理足够好，对接下来一两年、至少一段时间的收入有相当好的把握。稳定的现金流给了他们下注的奢侈。

另一方面，公司结构上做了文章，Google 变成 Alphabet，整个集团围绕这些下注组织起来。下注的方向是对世界根本重要的领域：人工智能、医疗技术、自动驾驶、用热气球做连接，等等，还在源源不断地增加。

他把这套做法总结成一句话：我们把公司变成了一个「下注的组合」，底下那个叫 Google 的公司本身也是创新的。

要跑通这套，需要几个信念系统。其中一个很关键：既要有自下而上，也要有自上而下。自下而上就是那个著名的「20% 时间」，员工可以拿 20% 的时间做任何想做的事。自上而下是创始人亲自盯着技术，不停地审阅。Schmidt 描述了那个流程：他们或者他听到一个想法，觉得有意思，就去看看，然后开始拼凑，看看可不可行。这样干得够久，你会变得相当擅长预测什么东西大概会成。

这个平衡不是 Google 独创的。Schmidt 提到 Sergey Brin 十五年前提出的 70/20/10：70% 的时间放在核心业务，20% 放在相邻业务，10% 放在其他。而且 Sergey 用数学证明了，你需要那 10% 才能让增长的总和成立。Schmidt 说，事实证明他是对的。

未来五到十年，AI 的战场在医疗和教育

谈 AI 时，Schmidt 的切分很干脆：讨论需要锚定时间尺度。

大众对 AI 的印象来源是机器人杀手电影，《终结者》那一类。他给了两句很 Schmidt 的话：我们能向你保证，我们没在造那种东西；而且就算它们真出现了，有人会注意到，然后把插头拔了。

他承认，一百年后，当人脑被完全理解，当一代又一代 MIT 的聪明人把这些都想清楚了，我们会面临一大堆关于科学、思考、机器人、电脑的伦理问题。但那是那个时间尺度的问题。

未来五到十年，真正的问题不在那儿。真正的问题是：怎么把这项颠覆性技术尽可能广泛地铺开，拿到最大的收益。

收益应该首先落在两个地方：医疗和教育。

医疗是显然的。他说了一句朴素但深刻的话：从医学上看，我们其实都一样，尽管我们总觉得自己不一样。我们关于自身健康的大数据会救命。皮肤癌和其他癌症，眼科问题，还有人在用这些技术研究心理疾病。他列了一串。

教育同理。他描绘的场景是：每一个孩子、甚至每一个成年人，都有一个 AI 辅导老师。这个角色由 AI 担任，训练得当，帮你变聪明，帮你处理语言困难、数学困难。

为什么要聚焦这两个？因为让人更聪明、更健康的收益极其巨大，能延续几十年，所有人都受益。

他也提到了 AI 安全的讨论，Google 公布了自己的 AI 安全政策，他支持。但他再次强调：杀手机器人今年不会来，甚至没人在造。

五十年后我们能确定什么

Schmidt 的态度是诚实的：我们这个行业，五十年预测基本没有对的。

他把 AI 的历史拉出来复盘。AI 大概 1956、1957、1958 年在 MIT 和另外几所大学被发明出来，当时的说法是一二十年就能成。他自己读博士时学过一点 AI，正好赶上了那个「AI 冬天」。那场冬天持续了大概三十年，整整一代科学家，一大批人没能取得多少进展，因为算法没改进，计算机也不够快。

后来是多伦多和蒙特利尔的 Jeff Hinton 这些人，把今天支撑我们的深度学习模型搞出来了。奠基性的工作是二十年前，真正流行起来是最近十年。你看这个时间跨度，就知道预测有多难。

如果非要他说，他愿意冒个险，讲讲五十年后我们能确定的事：会有更多人活着；我们必须有更可持续的平台，因为地球的承受力就摆在那儿；建起来的平台会遵循他前面描述的原则，会把更多能力交到个体手里，会更在意生态，因为它们不得不在意。

他还押了两个判断：人类会聪明得多，因为那些工具；人会活得更久。寿命延长在持续推进，今天出生的婴儿有相当大的概率活到一百岁。他顺势开了个玩笑：那都过了 21 世纪了，我们最好把他们照顾好。

城市化这部分他提了个具体数据。今天超过一半的世界人口住在城市，过去二十年人类最伟大的故事之一就是农村向城市的迁移，这发生在美国、欧洲，也发生在亚洲和非洲。人搬进城市，城市更拥挤了。但信不信由你，他们的健康变好了，生产力提高了，IQ 和受教育能力都上升了。

所以这是好消息。前提是，我们得让城市宜居、安全。

没有一种领导力公式

主持人列了一串名字：Steve Jobs、Elon Musk、Larry Page、Sundar Pichai，还有 Schmidt 自己，问这中间有没有可比性。

Schmidt 先说没有单一公式。有人是「就是知道该干什么、而且要快」的类型，通常是创业者，他们凭直觉，动得快。有人是系统思考者和计划者，他自己更像这种，保守一些，执行更彻底，更厌恶风险。还有一类人，用他的话说「稍微有点疯狂」，富有感染力和魅力，靠感觉驱动。

但有一样东西把这些人统一起来了：极高的智力。他们看世界更快，处理信息更快。他们不一定永远做对决策，但他们始终在上面。

另一样东西也有意思：他们都起步很早。Jobs 十八九岁创办苹果，Bill Gates 二十、二十一岁，Zuckerberg 十九、二十岁。到三十岁时，这些人已经有十年跟人、跟产品、跟出货、跟媒体、跟生意打交道的经验了。Schmidt 感叹，比起我们这些忙着念博士的人，他们的经验量级完全不同。

他说，我们应该庆祝这些人，因为他们只是活得更有经验，而这些经验塑造了判断力。坐在这些组织顶端时，所有容易的问题都已经处理掉了：楼怎么设计、产品上的颜色放哪儿、包装盒长什么样。留下来的问题，也正是为什么在这些房间里待着如此有意思，他们面临的问题，关于怎么运作、怎么对待员工、怎么对待客户、怎么创新，都极度棘手。

他还点了另一件事：这些公司文化上明显不同，并不是一个模子刻出来的。同样的输入，行为不同。内部文化不同，薪酬方案不同，价值观不同。所以，多样性是有效的，这是活证据。

钱、幸福和「为他人服务」

主持人提到 Schmidt 是世界最富有的人之一，但看起来钱只是他热情的副作用，而不是目标本身。

Schmidt 给的研究结论很直接。关于人类幸福的研究有很多，过了某个阈值之后，钱就跟幸福感无关了，而那个阈值对这场对话来说其实相当低。幸福跟意义和目的相关，跟家庭感相关，跟影响力感相关。

如果你把生活安排好，假设你有足够的钱出行、有不错的房子，那么你会幸福得多，如果你弄清楚自己在乎什么，然后去做那件事。（Eric Schmidt）

他补了一句跟常识拧着来的话：大量证据表明，人在服务他人的时候最幸福，服务自己的时候幸福感明显更低。这跟媒体塑造的那种「有权有势的领袖」的兴奋感正好相反。那些人当然重要，但如果你像他一样运气好，你还得把这份运气当成责任。你要去教育别人、给别人机会，同时用这份财富推进人类社会。

他说自己特别感兴趣的是用 AI 和机器学习的工具让社会变好。教育、不平等、中产阶级，这些都是他的热情所在。

最后他给了一句几乎是总结性的话：你做什么都行，关键是你信它，它对你重要，而你用一辈子去做这件事，你的生活会满足得多。

对普通从业者的启示

• 在动手之前，先问清楚自己手里那个「更好的算法」到底是什么。如果一句话说不出来，说明它还不够锋利。
• 用「10 亿用户」这个尺度去倒推你的产品设计、商业模式和成本结构。躲在小众市场里不丢人，但要清楚这是主动选择的结果，别是因为做不大才不得不缩在那儿。
• 给自己写一份五年计划，只写一年的远远不够。判断依据要放在底层平台（算力、算法、带宽、延迟）接下来会怎么变上，光靠意志力撑不过五年。
• 在组织里同时保留自上而下和自下而上两条通路。前者负责方向判断，后者负责冒出新东西，缺一条，公司就会在某个阶段开始僵化。
• 如果正在做 AI，优先问一句：这项技术放到医疗或教育里，能解决哪个具体的问题？这两块的社会收益和商业回报都足够大，也最难被短期泡沫淹没。
• 把「服务他人」当成职业选择的一个真实标准，别只当道德口号。前者能带来长期幸福和动力，后者只会让人疲倦。
• 二十年后回头看，你会更后悔没有早点启动，很少会后悔启动得太早。起步早的人，到三十岁已经积累了十年和别人打交道、和产品打交道的经验。