大家好，这里是最佳拍档，我是大飞。就在不久前，在硅谷的心脏，斯坦福大学工程学院举办了一场庆祝建院100周年的压轴活动。在这场活动上，他们请回了一位可以说是改变了互联网历史进程的校友，他就是谷歌的联合创始人谢尔盖·布林（Sergey Brin）。我们都知道，现在的科技圈，尤其是人工智能领域，正处于一种近乎疯狂的战国时代。OpenAI、Anthropic、Meta，当然还有谷歌，都在进行着激烈的角逐。

在这样一个时间节点，作为谷歌的灵魂人物，已经处于半退休状态的谢尔盖·布林罕见地公开露面，坐在斯坦福的讲台上，面对台下数百名年轻的学子。他回顾了谷歌的起点，更重要的是，他非常坦诚地剖析了谷歌在AI时代的得与失。这场对话，不仅是一次历史的回顾，更是一次对未来技术趋势的深度预判。今天大飞就来给大家分享一下。

硅谷创新史的缩影

视频的一开始，斯坦福工程学院的院长詹妮弗·威多姆（Jennifer Widom）首先为我们梳理了这所学院的历史。这不仅是斯坦福的历史，某种程度上，这是半部硅谷的创新史。从1925年建院开始，到后来著名的硅谷之父弗雷德·特曼（Fred Terman）出任院长，正是他鼓励惠普（HP）的两位创始人威廉·休利特（William Hewlett）和戴维·帕卡德（David Packard）在车库里创业，从而开启了硅谷的传奇。而在1990年代中期，这个接力棒传到了当时的博士生拉里·佩奇（Larry Page）和谢尔盖·布林手中。

这次访谈的主持人是斯坦福大学的现任校长乔纳森·莱文（Jonathan Levin）。有趣的是，莱文校长和布林其实是同一时期的校友，莱文在1993年是大四学生，而布林刚好在那一年入学攻读博士。当谢尔盖·布林走上台时，你会发现他依然保持着那种极客特有的松弛感，他没有穿西装，姿态随意。

布林的“黑客精神”

访谈一开始，布林就聊起了一些当年在斯坦福的光辉岁月，或者说是捣蛋岁月。他回忆说，90年代中期的斯坦福给他最大的感受就是自由。这种自由不仅是学术上的，甚至是物理空间上的。他讲了一个非常有意思的细节：当年他为了进入某些锁着的办公室去使用电脑资源，他甚至学会了撬锁。这不是比喻，是真的物理撬锁。他说当时有一位来自麻省理工学院（MIT）的同学教会了他这门手艺。

但后来，学校换成了电子锁，物理撬锁失效了。你猜布林怎么做的？他在学校更换门锁系统、脚手架还没拆除的时候，从四楼的窗户爬出去，顺着脚手架，爬到了那个专门制作电子钥匙的办公室阳台，撬开那里的物理锁，溜进去给自己做了一把万能钥匙。听到这里，你可能会觉得这只是一个天才少年的恶作剧，但是透过这个故事，我们看到的是一种黑客精神（Hacker Spirit: 不被规则束缚，为解决问题不惜寻找系统漏洞的精神）。这种精神后来也深深地刻在了谷歌的基因里。

失败的披萨订购系统

很多人认为天才的创业都是一击即中的，但是布林在现场分享了一个他失败的创业点子，非常具有黑色幽默。在谷歌诞生之前，布林曾经尝试做一个披萨订购系统。大家要知道，那是在90年代，互联网还很荒蛮，绝大多数披萨店根本没有联网。布林想到的解决方案是：用户在网页上通过互联网下单，然后他的服务器会自动将订单转化为传真，发送给披萨店。听起来是不是很像现在的外卖平台雏形呢？

但是这项目彻底失败了。为什么？因为当时的披萨店虽然有传真机，但是很少有人去查看。布林说，他甚至为了测试系统，还在传真单上画了一个可口可乐的广告，试图搞一点互联网广告模式，结果当然是没人理会。这个故事告诉我们，要透过现象看本质，即使是像布林这样顶级的大脑，在探索产品与市场契合度（Product-Market Fit: 产品满足市场需求的程度）的时候，也会因为忽略了基础设施的现实情况而栽跟头。

PageRank的诞生

当然，真正的转折点来自于拉里·佩奇。当时拉里正在研究万维网的链接结构，这是一个由美国国家科学基金会（NSF: National Science Foundation）资助的数字图书馆项目。我们要理解谷歌为什么能赢，就必须理解当时的技术背景。在谷歌之前，搜索引擎，比如AltaVista（早期的搜索引擎），主要依靠关键词的密度来排名，页面上关键词出现的次数越多，排名越靠前，这就导致了大量的垃圾信息。

而拉里和布林开发的PageRank算法（PageRank Algorithm: 谷歌的核心搜索排名算法，通过网页链接的引用关系评估网页重要性），它的核心逻辑是引用。网页之间的超链接，就像是学术论文的引用一样，是一种投票。一个网页被越多高质量的网页链接，它的权重就越高。这个名为BackRub（PageRank算法的早期项目名称）的项目，最初就是运行在斯坦福的服务器上。院长威多姆在现场还指着旁边的一台老旧服务器说，那就是运行第一版PageRank算法的服务器。这台机器，见证了万维网秩序的建立。

谷歌在AI时代的“失误”

接下来，访谈进入了最核心也是大家最关心的部分——人工智能。我们必须承认，在过去的十几年里，谷歌一直是AI领域的绝对霸主。DeepMind的AlphaGo（DeepMind开发的围棋AI）击败了李世石，谷歌大脑团队提出了Transformer架构（Transformer Architecture: 一种神经网络架构，奠定了现代大语言模型的基础），直接奠定了今天所有大语言模型的基础。可以说，没有谷歌的研究，就没有今天的ChatGPT。

但是，为什么引爆这一轮生成式AI革命的不是谷歌，而是OpenAI呢？面对这个问题，谢尔盖·布林表现出了惊人的坦诚。他没有找借口，而是直接承认：我们在某种程度上确实搞砸了。他提到，虽然谷歌早在2017年就发布了论文**《Attention Is All You Need》（谷歌在2017年发布的关于Transformer架构的论文），提出了Transformer架构**，但是他们在商业化和产品化上过于犹豫。

创新者的窘境与工程师文化

布林分析了其中的原因，这其实是典型的创新者的窘境（Innovator's Dilemma: 现有成功企业在面对颠覆性创新时，因其既有优势和商业模式而难以适应的困境）。对于一家拥有数以十亿计用户、有着成熟商业模式的巨头来说，推出一个可能会胡说八道，而且运行成本极高的AI聊天机器人，风险远大于收益。他说，在学术界，你可以花几十年去思考一个问题，但是在工业界，当技术变革的曲线变得突然陡峭时，这种从容就变成了劣势。

布林还提到了一个细节，就是关于谷歌现任的首席科学家杰夫·迪恩（Jeff Dean）。当年布林招募杰夫·迪恩时，杰夫其实是被斯坦福拒绝了教职申请的。布林笑着说，这对斯坦福是个损失，但是对谷歌是巨大的运气。正是这群人，在谷歌内部建立了一种深度的工程师文化。布林提到，早期的谷歌并不迷信快速迭代这种互联网思维，相反，他们非常愿意在底层技术上进行长周期的投入。

硬科技投入与反思

比如，谷歌很早就开始自研AI芯片TPU（Tensor Processing Unit: 谷歌自研的AI专用芯片）。布林说，这在当时是一个非常大胆的赌注。因为在那个年代，绝大多数公司都在使用通用的CPU（Central Processing Unit: 中央处理器）或者英伟达（NVIDIA）的GPU（Graphics Processing Unit: 图形处理器）来做计算。但是谷歌意识到，随着神经网络规模的扩大，通用的硬件效率太低了，他们需要一种专门为矩阵运算设计的处理器。

这种对硬科技的投入，是谷歌的护城河。但是布林也反思，这种深思熟虑的文化，在面对生成式AI这种爆发式应用时，反而让他们显得迟钝了。

AI的未来：算法优化超越算力堆砌

在互动环节，有学生问到了一个非常尖锐的问题：现在所有的AI公司都在疯狂堆算力、堆数据，如果有一天，数据用光了，算力到了物理极限，AI发展的下一步是什么？布林对这个问题的回答非常有见地。他指出，我们往往高估了堆砌算力的必要性，而低估了算法优化的潜力。

他举了一个例子，在物理学中，计算多体问题（Many-body Problem: 物理学中涉及多个相互作用粒子系统的复杂计算问题）是非常复杂的，随着粒子数量的增加，计算量呈指数级上升。但是，随着算法的改进，现在我们计算这些问题的效率已经远远超过了摩尔定律（Moore's Law: 集成电路上可容纳的晶体管数量大约每两年翻一番）带来的硬件性能提升。同样的道理也适用于AI。布林认为，目前的Transformer架构虽然强大，但是效率极低，我们在训练模型时浪费了大量的算力。未来，算法层面的突破，比如更稀疏的模型、更高效的推理机制，它们所能带来的性能提升，可能会超过单纯增加GPU数量带来的提升。

AI作为新智能形态与科学潜力

关于AGI（Artificial General Intelligence: 人工通用智能，指拥有与人类同等或超越人类智能水平的AI），布林并没有给出一个确切的预测，但是他提到了一个有趣的视角，那就是AI不仅仅是工具，它正在成为一种新的智能形态。他提到自己现在经常在开车时和Gemini（谷歌开发的大语言模型）对话，虽然现在的模型还会犯错，还会产生幻觉，但是这种交互体验已经开始改变我们获取信息和思考问题的方式。

他特别强调了AI在科学领域的潜力。无论是材料科学、生物学还是核聚变能源（Nuclear Fusion Energy: 模仿太阳原理，通过原子核聚变释放能量的清洁能源技术），AI正在帮助科学家处理那些人类大脑无法处理的复杂数据。这可能是AI最被低估的长期价值。

给年轻人的建议：啃硬骨头，保持好奇心

面对台下那些对未来感到焦虑的斯坦福学生，他们担心自己还没毕业，AI就已经能写出比自己更好的代码了。布林的建议不仅务实，而且具有安抚性。他说，不要因为现在的AI能写代码，就觉得学习计算机科学没有意义了。相反，正是因为AI能处理那些繁琐的、重复性的编码工作，人类工程师才更应该去关注那些更宏大、更深层的问题。

他建议学生们不要去追逐那些看起来很火，但是技术壁垒很低的风口。比如当年的互联网泡沫时期，很多人做简单的网页版宠物店，结果死得很惨。他鼓励大家去啃那些硬骨头，不管是量子计算（Quantum Computing: 基于量子力学原理进行计算的新型计算范式）、核聚变能源，还是AI的底层数学原理。他说，当所有人都去淘金的时候，你可以去卖铲子，但是如果你能发明一种全新的采矿机器，那你将改变整个行业。

布林的个人生活与回归

布林还分享了他个人的生活状态。他在疫情前曾经短暂地尝试过退休生活，但是他说那是他做过的最糟糕的决定。他原本的计划是每天坐在咖啡馆里读物理书，重拾年轻时的爱好。但是很快他发现，离开了技术的一线，离开了那群最聪明的人，他的思维开始变得迟钝，生活失去了重心。所以，他又回到了谷歌，开始深度参与Gemini项目的研发。他说，能够再次在智力上受到挑战，能够和一群聪明人一起解决世界上最难的问题，这本身就是一种巨大的幸福。

在视频的最后，我想谈谈我个人的几点感受。首先，谢尔盖·布林的这次回归和分享，让我们看到了一位技术巨人的谦逊。承认谷歌在AI策略上的失误并不容易，但是这恰恰证明了谷歌依然拥有自我纠错的能力和底气。其次，布林强调的长期主义和硬科技投入，在今天这个浮躁的时代显得尤为珍贵。无论是早期的PageRank，还是后来的TPU、Waymo（谷歌旗下的自动驾驶技术公司），谷歌的很多成功靠的是在数学、物理和工程学上的硬桥硬马的突破。最后，对于我们每一个人来说，布林告诉我们要保持好奇心，要保持对底层原理的探索欲。无论技术如何变革，那个曾经在斯坦福校园里，为了用电脑而爬窗户撬锁的少年心气，才是推动世界进步的根本动力。感谢收看本期视频，我们下期再见。