對(duì)話硅谷人工智能研究院創(chuàng)始人皮埃羅：年輕人不要過度專業(yè)化，把人生押注在一件事上非常危險(xiǎn)

出品｜搜狐科技

作者｜常博碩

編輯| 楊 錦

“AI是一個(gè)很好的裁員借口。”

“我仍然認(rèn)為人工智能領(lǐng)域存在泡沫。”

皮埃羅·斯加魯菲出生于1955年。在意大利都靈大學(xué)數(shù)學(xué)系畢業(yè)后，1984年，皮埃羅作為訪問學(xué)者在哈佛大學(xué)研究人工智能，而后在1995年，他作為訪問學(xué)者在斯坦福大學(xué)人工智能實(shí)驗(yàn)室深造。

皮埃羅·斯加魯菲像是硅谷的一位長(zhǎng)期觀察者，一位橫跨人工智能、認(rèn)知科學(xué)與科技史的研究者，同時(shí)也是硅谷人工智能研究院的創(chuàng)始人。

他寫書、做研究、組織論壇、記錄歷史，在過去幾十年里，持續(xù)觀察著技術(shù)如何改變世界,

從上世紀(jì)的“AI寒冬”到互聯(lián)網(wǎng)浪潮，再到今天的大模型爆發(fā)，這位意大利裔美國(guó)學(xué)者始終用一種冷靜的目光審視著AI這個(gè)領(lǐng)域。

近日，皮埃羅·斯加魯菲出席了中關(guān)村“北緯諾貝巔峰對(duì)話”。在論壇上，與AI的火熱現(xiàn)狀不同，他的觀點(diǎn)依然十分客觀。

“人工智能的發(fā)展往往源于跨領(lǐng)域的意外融合，例如從電子游戲到強(qiáng)化學(xué)習(xí)，再到科學(xué)研究工具的轉(zhuǎn)化路徑。當(dāng)前人工智能的發(fā)展依然存在邏輯推理能力不足、模型不完善等等問題，我們還是需要理性看待模型的能力邊界，避免將AI過度神化。”

或許在硅谷的30年里，皮埃羅聽過太多AI故事，也經(jīng)歷過太多次技術(shù)變革，他的判斷總能保持一種與主流敘事拉開距離的冷靜。

比如，在談到今天的規(guī)模法則（Scaling Law）時(shí)，他對(duì)搜狐科技說，他并不認(rèn)同“規(guī)模越大、智能越高”的邏輯。在他看來(lái)，這更像是一種階段性的技術(shù)選擇，而非終極答案。

在中關(guān)村北緯諾貝巔峰對(duì)話結(jié)束后，搜狐科技也與這位“硅谷精神布道師”進(jìn)行了一場(chǎng)深度交流。

以下為本次對(duì)話精編：

搜狐科技：眾所周知，硅谷一直是AI發(fā)展的風(fēng)向標(biāo)。您進(jìn)入AI領(lǐng)域至今，看到的最大變化是什么？

皮埃羅·斯加魯菲：變化非常多。我剛進(jìn)入AI領(lǐng)域時(shí)，是一個(gè)完全不同的時(shí)代，而且很快AI就變得不受歡迎了，當(dāng)時(shí)沒有資金、沒有投資，也很難找到工作甚至是外包項(xiàng)目，也就是所謂的“AI寒冬”。當(dāng)時(shí)的計(jì)算機(jī)性能遠(yuǎn)遠(yuǎn)不夠，甚至不如今天的智能手機(jī)，更不用說現(xiàn)在的大型數(shù)據(jù)中心了，所以很多想法無(wú)法落地。

從技術(shù)角度看，這些年來(lái)確實(shí)有一些新思路，比如大家熟知的Transformer是一個(gè)重要突破。但更大的變化在于使用方式，這也是為什么像英偉達(dá)這樣的公司現(xiàn)在如此強(qiáng)大的原因。GPU大大改變了AI的發(fā)展，也讓很多應(yīng)用真正成為可能。

如果從算法公式本身來(lái)看，變化其實(shí)不大。從應(yīng)用角度看，我當(dāng)初進(jìn)入AI的夢(mèng)想比如推動(dòng)醫(yī)療和健康領(lǐng)域的發(fā)展到今天依然沒有改變。所以，有些東西沒變，但在經(jīng)濟(jì)層面、資本投入、市場(chǎng)熱度等方面，變化又非常巨大。

搜狐科技：現(xiàn)在幾乎所有行業(yè)都在談AI，資本也在大量涌入。您覺得AI領(lǐng)域存在泡沫嗎？

皮埃羅·斯加魯菲：我兩年前就一直在說存在泡沫，現(xiàn)在依然這么認(rèn)為。雖然過去兩年我的判斷“看起來(lái)不對(duì)”，但我還是認(rèn)為有泡沫。這些公司的估值在我看來(lái)是非常不合理的。

從技術(shù)角度看，有些東西確實(shí)是實(shí)實(shí)在在的成果，但媒體往往只強(qiáng)調(diào)成功的部分，比如ChatGPT可以對(duì)話，但媒體不會(huì)告訴你它連國(guó)際象棋都下不好，而下棋這個(gè)問題，AI在30年前就解決了。所以我們也應(yīng)該看到它做不到的事情。AI在很多方面很驚人，但它也會(huì)犯錯(cuò)。從這個(gè)角度看，泡沫是存在的。

但另一方面，也有真正成功的例子，比如舊金山灣區(qū)的Waymo自動(dòng)駕駛，到處都能看到、可以隨時(shí)叫車，而且目前沒有造成致死事故，而人類司機(jī)卻造成了很多事故。所以有些是炒作，有些則是真正的進(jìn)步，目前是兩者并存。

搜狐科技：最近像Block、Meta這樣的公司在推進(jìn)AI轉(zhuǎn)型的同時(shí)進(jìn)行裁員，一邊削減人力一邊增加AI投入。您如何看待這一趨勢(shì)？這些裁員是AI提高效率導(dǎo)致的，還是對(duì)不確定性的防御性反應(yīng)？

皮埃羅·斯加魯菲：我認(rèn)為這和AI關(guān)系不大，AI只是一個(gè)很好的借口。真正的原因是疫情期間，這些公司出于恐慌，大量招聘了工程師，甚至超出實(shí)際需求，公司之間也在競(jìng)爭(zhēng)“搶人”。到了2026年，這些公司背負(fù)著大量高薪員工，而硅谷的成本非常高，所以裁員是遲早的事情。

如果裁員真的是因?yàn)锳I，那么被裁的應(yīng)該主要是軟件工程師，因?yàn)槟壳癆I真正開始替代的主要就是這個(gè)領(lǐng)域。但實(shí)際上，被裁的軟件工程師并不多。如果真是AI導(dǎo)致的，你會(huì)看到軟件工程師的薪資迅速下降，但現(xiàn)在還沒有發(fā)生。

未來(lái)這種情況可能會(huì)出現(xiàn)，但目前來(lái)看，AI更多只是一個(gè)理由。

搜狐科技：很多人說AI會(huì)創(chuàng)造新工作，但現(xiàn)實(shí)是不少人可能正因?yàn)锳I失業(yè)。您認(rèn)為AI能創(chuàng)造就業(yè)是真實(shí)發(fā)生的嗎，還是只是一個(gè)長(zhǎng)期敘事？

皮埃羅·斯加魯菲：我在硅谷反而看到很多人在創(chuàng)業(yè)，每天都有很多新公司誕生。有“一人公司”，但也有融資上億美元、雇傭上百人的公司。我現(xiàn)在看到的更多是高薪工作的創(chuàng)造。

當(dāng)然，任何技術(shù)都會(huì)帶來(lái)失業(yè)。比如流水線出現(xiàn)時(shí)、打字員這個(gè)職業(yè)消失時(shí)，都是一樣的。你說得對(duì)，會(huì)有人失業(yè)，但更重要的是思考會(huì)誕生什么新工作。

以媒體行業(yè)為例，你的工作仍然很有價(jià)值，關(guān)鍵是要思考AI如何讓它變得更好。就像互聯(lián)網(wǎng)剛出現(xiàn)時(shí)，亞馬遜開始賣書，實(shí)體書店都非常恐慌，他們的擔(dān)心是對(duì)的，書店確實(shí)被沖擊了。但當(dāng)亞馬遜后來(lái)賣一切商品，雇傭的人甚至超過了所有書店員工。

還有博客、自媒體等等，這些工作以前都不存在。未來(lái)的工作很難預(yù)測(cè)，但可以肯定的是AI會(huì)極大提高生產(chǎn)力，那就一定會(huì)催生新的工作形態(tài)。

搜狐科技：當(dāng)前主流觀點(diǎn)認(rèn)為，AI依賴scaling law(規(guī)模法則)，規(guī)模越大智能越高。您認(rèn)為這條路徑是否已經(jīng)接近瓶頸？

皮埃羅·斯加魯菲：我很多年前就不同意這種路徑。當(dāng)DeepSeek出現(xiàn)時(shí)，我很高興，因?yàn)樗C明了不需要那么龐大的系統(tǒng)。如果你想做“最強(qiáng)智能”，可能需要巨大算力。但如果只是做一個(gè)實(shí)用的AI，比如輔助醫(yī)生，或者做眼鏡上的實(shí)時(shí)翻譯，其實(shí)可以用更簡(jiǎn)單、更便宜的方案實(shí)現(xiàn)。總體來(lái)說，我認(rèn)為這條路實(shí)際上已經(jīng)開始碰壁了。

搜狐科技：英偉達(dá)GTC大會(huì)讓我們看到，當(dāng)前的焦點(diǎn)已經(jīng)從模型轉(zhuǎn)向算力和基礎(chǔ)設(shè)施。您認(rèn)為當(dāng)前AI商業(yè)模式是否過度依賴算力，甚至被其限制？

皮埃羅·斯加魯菲：確實(shí)存在這種趨勢(shì)。不同公司有不同模式，但可以看到英偉達(dá)的成功讓大家都相信算力就是未來(lái)，于是也都在投資自己的芯片。

搜狐科技：如果只能給年輕人一條建議，您認(rèn)為他們最應(yīng)該避免的錯(cuò)誤是什么？

皮埃羅·斯加魯菲：最大的錯(cuò)誤是只學(xué)習(xí)一項(xiàng)技能。在變化如此快的世界，把人生押注在一件事情上是非常危險(xiǎn)的。比如很多人選擇軟件工程，以為這是“鐵飯碗”，但是現(xiàn)在也開始焦慮了。

我的建議是：盡可能學(xué)習(xí)不同領(lǐng)域的知識(shí)。如果你有好奇心，就多學(xué)一點(diǎn)物理、化學(xué)、電工，甚至水管維修等。因?yàn)槲磥?lái)哪個(gè)技能會(huì)有用，是很難預(yù)測(cè)的。

我自己學(xué)的是數(shù)學(xué)，不是計(jì)算機(jī)科學(xué)。數(shù)學(xué)涉獵很廣泛，從代數(shù)到微分幾何都有涉及，這讓你更容易適應(yīng)變化。總的來(lái)說，不要過度專業(yè)化。

運(yùn)營(yíng)編輯 |曹倩審核｜孟莎莎