芯片之后，能源成中美AI博弈核心战场——谷歌智能体主管深度洞察

游戏天地 2025年07月13日 22:16 1 admin

谷歌智能体业务主管奥马尔·沙姆斯（Omar Shams）近日做客知名播客节目《Manifold》，接受密歇根州立大学计算数学教授、大模型应用开发商Superfocus.ai创始人Steve Hsu的深度专访。作为AI领域资深创业者（曾创立AI初创企业Mutable，后被谷歌收购），沙姆斯在访谈中围绕AI算力瓶颈、智能体（Agent）应用落地、人才竞争与行业结构变迁等核心议题，分享了极具前瞻性的行业洞察。以下为访谈精华整理。

1. 双轮驱动悖论：芯片与能源的竞争天平
沙姆斯揭示AI发展存在双重制约：芯片算力固然是基础设施，但能源供给才是长期发展的核心桎梏。"当单次大模型训练耗电量突破百万千瓦时，能源效率将成为国家竞争力的新标尺。"他以具体数据警示：训练GPT-4所需电能相当于3000个美国家庭年用电量总和。

2. 电网代差：美中能源基建的战略分野
针对美国电网老化困境，沙姆斯直言："美国年均新增电力产能仅相当于中国单月增量。"他援引数据：中国年新增电力装机超2.5亿千瓦，相当于英法两国总和的两倍，这种差距在AI能耗指数级增长背景下将被进一步放大。

3. 太空能源方案：突破地球物理极限的终极构想
为破解能源困局，沙姆斯提出颠覆性设想："在月球轨道部署环形太阳能电站阵列，通过微波束传输能源至地球。"他透露谷歌正与NASA合作论证该方案可行性，目标是在2040年前实现太空能源商业化供应。

4. 模型相变理论：重新定义AI进化规律
针对性能增长的非线性特征，沙姆斯指出："现有Scaling Law仅描述对数增长趋势，但在特定参数阈值（约10^27 FLOPs）会触发质变。"他将此现象类比水的相变："就像液态水在0℃突变为冰，大模型在临界规模将涌现出不可预测的智能特征。"

5. 智能体革命：重构软件开发的权力结构
沙姆斯揭示AI对开发范式的颠覆："当代码生成工具覆盖80%的编程步骤，初级工程师正沦为'AI操作员'。"他以谷歌内部实践为例：智能体系统已自动完成65%的测试用例编写，团队决策重心转向架构设计与伦理风险管控。

6. 隐性知识论：AI时代的核心竞争力
针对项目成败的关键变量，沙姆斯强调："顶尖AI工程师的护城河不是论文数量，而是那些无法编码的实战智慧——比如何时该停止调参、如何判断数据污染、怎样在幻觉输出中捕捉真实信号。"他透露谷歌人才评估新增"隐性知识测试"环节。

7. AGI实践论：给年轻从业者的生存指南

对于AGI发展前景，沙姆斯保持谨慎乐观："2035年前实现类人智能的概率超60%，但年轻一代必须转变学习方式。"他给出具体建议："每周至少完成一个端到端AI项目，在调试错误中建立肌肉记忆，这比阅读百篇论文更有效。"

这场跨越技术、能源与人才的系统性论述，不仅勾勒出AI竞争的新维度，更揭示了一个根本性真理：在指数级增长的技术革命面前，真正的瓶颈永远是人类的认知边界。

谷歌AI主管沙姆斯：美电网困局与月球能源站构想——解码AI发展的电力革命

01. 美国电网升级困境与太空能源解决方案
问：坊间传闻OpenAI的创立与谷歌收购DeepMind存在关联？当年马斯克与PayPal创始人卢克·诺赛克为阻止谷歌垄断，曾在派对上躲进壁橱联系DeepMind创始人哈萨比斯，提出匹配谷歌6亿美元报价。但哈萨比斯回应称："即便你们凑足资金，也无法提供谷歌的算力资源。"这促使马斯克转而支持创建OpenAI以制衡谷歌。您是否了解这段往事？

沙姆斯：我未曾听闻这个具体案例。作为Alphabet现任高管，某些历史细节不便置评。但可以明确的是，当前AI竞赛已进入多维博弈阶段，行业确实面临两大根本性制约：芯片算力与能源供给。当万亿参数模型单次训练耗电超百万千瓦时，电力瓶颈正成为决定AI发展上限的关键变量。

问：在中美技术竞争中，这两个问题尤为突出。芯片领域是英伟达与华为的角力，而电力供给差距更为显著。美国电网升级受制于繁琐法规，年新增产能仅相当于中国单月增量。中国年增电力产量超2.5亿千瓦，相当于英法两国总和，且增速是美国两倍。您认为如何突破这一能源困局？

沙姆斯：美国电网现代化进程基本陷入停滞，法规掣肘与利益集团博弈使其难以适应AI时代的能耗需求。我近期正在思考颠覆性方案：是否可将发电设施部署至太空或月球？这看似科幻，但已进入实质论证阶段。谷歌前CEO埃里克·施密特投资的Relativity Space公司正推进相关技术，其目标是在地球轨道构建超大型太阳能电站阵列。

问：能源采集将依赖太阳能板还是太空核反应堆？

沙姆斯：优先考虑太阳能方案。核能在太空应用面临国际监管壁垒，且火箭发射失败可能引发灾难性后果。相比之下，空间太阳能技术更易突破政策限制。

问：要实现吉瓦级能源输出，是否需要部署平方公里级太阳能阵列？

沙姆斯：精确计算显示，1吉瓦发电功率约需1.2平方公里太阳能板，这确实需要突破现有运载能力。更严峻的是，低轨部署会引发天文学界强烈反对，因此最佳方案是选择拉格朗日点作为部署位置。这些地月系统平衡点可实现稳定轨道运行，目前太阳-地球系统的L1/L2点已被视为潜在选址。

02. 模型跃迁理论：重新定义AI进化路径
问：您曾提出大模型存在"相变"现象，能否具体阐释？
沙姆斯：现有Scaling Law仅描述对数增长趋势，但我们在实验中发现，当参数规模突破10^27 FLOPs时，模型会突然涌现出自主规划能力。这种非线性跃迁类似于水的相变——0℃时液态水突变为冰，但具体机制仍需物理学级理论突破。

03. 智能体革命：重构软件开发范式
问：AI编程工具是否会取代人类工程师？
沙姆斯：智能体系统已自动完成谷歌65%的测试用例编写，初级开发者正转型为"AI监理员"。真正稀缺的是架构设计能力与伦理风险管控经验，这要求团队领导者具备跨学科决策视野。

谷歌智能体主管沙姆斯：AI编程革命的隐形先驱——揭秘Mutable与Auto Wiki的创新之路

02. AI编程革命幕后推手：比Copilot更早的代码智慧革命
问：您创办的Mutable公司被誉为AI编程工具领域的先行者，能否分享这段创业历程？
沙姆斯：确实如此。我们在2021年11月成立Mutable，几乎与GitHub Copilot同步开启AI编程工具的探索。如今行业爆发式增长，像Cursor这样的新锐已实现年收入破亿美元，这验证了市场对智能开发工具的迫切需求。

问：Mutable提出了许多开创性概念，例如卡帕西近期演讲中提到的代码理解框架。尽管未被直接提及，但外界普遍认为这些理念源于您团队的创新，比如基于上下文的代码解释与文档生成系统。能否展开谈谈？

沙姆斯：我们确实是诸多核心理念的早期实践者。观察到开发者在复杂代码库中学习效率低下，我萌生了一个想法：为何不让AI自动生成类似维基百科的代码文档？这促成了Auto Wiki项目的诞生。该工具通过递归总结技术解析代码逻辑，2024年1月开源后迅速获得开发者社区关注。

问：Auto Wiki的技术突破点体现在何处？
沙姆斯：关键在于构建了代码理解的"上下文飞轮"。大语言模型（LLM）通过Auto Wiki生成的结构化文档，既能提升检索增强生成（RAG）的准确性，又能在推理过程中持续深化对代码语义的理解。这类似于人类工程师通过查阅文档逐步掌握复杂系统——只不过AI可以瞬间完成这一过程。

问：在Auto Wiki的迭代中，是否需要人工干预修正生成内容？
沙姆斯：我们设计了用户反馈机制，但实际应用中发现自动化流程已足够高效。尽管LLM偶尔会产生"幻觉"输出，但整体效果远超纯人工操作。特别是在轻量级代码库场景中，全自动文档生成已能满足80%的常见需求。

问：这种全自动模式如何实现持续优化？
沙姆斯：系统采用闭环迭代架构：模型首先生成初始文档，随后在处理新任务时调用这些文档作为上下文，通过实时反馈不断修正理解偏差。这种"生成-验证-增强"的循环机制，使AI对代码库的认知随着时间推移呈指数级深化。

从Llama到AGI：扎克伯格的人才赌局与隐性知识价值
问：马克·扎克伯格为何愿以天价挖角？他究竟在购买什么？
沙姆斯：虽无法代表马克发声，但行业共识是：顶尖人才的价值不在于代码产出，而在于"复合型经验"。就像飞机需要引擎与机翼协同，企业需要技术领袖将理论转化为可落地的工程路径。扎克伯格在Llama项目中的试错，让他深刻理解：AGI时代的核心竞争力，是那些无法被算法复制的判断力与直觉。

问：这种豪赌是否具备可复制性？
沙姆斯：天价挖人的本质，是购买"认知护城河"。当AGI突破临界点，企业需要的是能预判技术拐点、规避系统性风险的人才。这类人才的稀缺性，在于他们能将抽象理论转化为工程实践——就像造飞机时，有人知道"该先拧哪个螺丝"。

问：但行业是否存在真正的技术壁垒？若没有秘密武器，高价挖人是否合理？
沙姆斯：这正是矛盾所在。企业支付的并非具体技术，而是经过实战验证的"决策算法"。以Meta的Llama项目为例，失败教训本身已成为宝贵资产。扎克伯格购买的，是避免重复犯错的能力——这种隐性知识，远比专利或代码更有战略价值。

问：您认为扎克伯格的决策是冒险还是远见？
沙姆斯：这是超级投票权赋予的魄力。Meta充足的现金流使这种豪赌成为可能，而AGI的战略价值远超传统烧钱项目。尽管现在评判成败为时过早，但可以确定的是：在指数级技术革命中，错失关键人才的代价，远高于过度投资的风险。

程序员岗位重构：AI驱动下的能力革命与就业悖论
问：如何看待"智能体无用论"？
沙姆斯：AGI的渗透速度远超传统技术革命。尽管量子力学曾遭遇百年认知壁垒，但AI的变革周期将以年计。以Cursor为例，初级工程师的代码生成任务已被AI取代，企业用人逻辑正从"人力储备"转向"智能体管理"。

问：2025年CS专业就业低迷是否与AI相关？
沙姆斯：多重因素叠加的结果：科技行业过度招聘的泡沫破裂、高利率环境压缩预算，但更根本的是教育体系与产业需求的脱节。大学课程仍聚焦离散数学，而企业需要的是能驾驭AI工具的"工程实践者"。我们曾雇佣一位19岁高中生，他通过机器人项目展现的行动力，远超传统学历背景的应聘者。

问：AI对就业市场的冲击是否被高估？
沙姆斯：Anthropic CEO达里奥预测两年内30%岗位或消失，我虽认为比例偏高，但趋势明确。Shopify已设立专职岗位研究AI自动化，这印证了企业用人逻辑的转变：从"招聘程序员"到"培养AI指挥官"。智能体的进化将加速这一进程——当工具能自主完成多步骤任务，初级工程师的价值必然重构。

问：智能体与普通AI工具的界限何在？
沙姆斯：关键在自主性。Cursor等工具已实现"无监督执行"：用户设定目标后，AI可自动构建完整功能模块。这种能力突破，源于算力、算法与能源的三重突破。正如蒸汽机时代催生热力学，AI的指数级进步终将孕育出解释其底层规律的"统计力学"——这才是技术革命的终极拐点。

问：如何看待AI导致的就业悖论？
沙姆斯：当AI提升生产力，企业反而可能减少雇佣，这看似矛盾，实则反映工具效率的质变。就像打字机取代抄写员，但创造了更多编辑岗位，AI将重构而非消灭工作。真正的挑战在于：人类需要快速进化出与智能体协作的新能力——这种"行动力"，将成为未来职场的核心货币。

来源：网络

|人工智能|储能系统集成|充电桩|智慧充电运营平台|新能源电动汽车||新能源||智慧信息化系统|解决方案|运营平台建设| 华远系统是致力于人工智能（AI算法以及流媒体技术），信息软件技术，新能源、物联网等领域的集成商，在智慧社区，智慧园区，智慧停车，充电桩（储能充电站/光储充）及充电桩软件管理平台，储能系统集成，车联网有整套解决方案以及成功的项目案例。

说明：本文章所引用的资料均通过互联网等公开渠道合法获取，仅作为行业交流和学习使用，并无任何商业目的。其版权归原资料作者或出版社所有，小编不对所涉及的版权问题承担任何法律责任。若版权方、出版社认为本文章侵权，请立即联系小编删除。