当前，AI 正以前所未有的速度重塑科技格局。在斯坦福大学工程学院百年庆典收官活动中，谷歌联合创始人谢尔盖・布林重返母校，与校长 Jonathan Levin、工程学院院长 Jennifer Widom 展开深度对谈，围绕技术演进、教育变革与基础科研价值等关键议题展开思考。
Google 早期做对了什么？
布林指出，谷歌初创阶段两大关键优势在于：一是确立了“整合全球信息”的宏大使命，奠定了长期战略支点；二是构建了深厚的学术基因——他与拉里・佩奇均出身博士研究，重视基础研发投入，从早期就将学术思维融入企业创新文化。
面对校长关于“如何持续保持高创新力”的提问，布林强调：敢于选择高难度问题，是谷歌区别于同期创业公司的核心特质。AI 等前沿领域所需的高深数学与大规模算力，恰与谷歌的技术积累高度契合。如今团队吸纳大量兼具数学、计算机与物理背景的顶尖人才，正是这一路径长期演进的结果。
Transformer 论文发了，我们却没当回事
布林坦承，谷歌在 Transformer 发布约八年前未能充分重视其潜力，既未加大计算规模投入，也因担忧聊天机器人输出不可控而暂缓公众化。相比之下，OpenAI 抓住窗口期实现突破，其核心成员中不乏原谷歌 Brain 团队骨干。
但他同时指出，谷歌在神经网络领域的长期积累不可忽视：从 Google Brain 到 Jeff Dean 领导的算法团队，再到自研 TPU（已迭代十余代）与超大规模数据中心建设，形成了涵盖芯片、基础设施、算法的全栈能力。这种系统性投入，使谷歌在 AI 基础设施层面仍处于全球第一梯队。
AI 会写代码了，还要学计算机吗？
针对本科生专业选择困惑，布林认为，AI 编程能力提升并不削弱计算机科学的价值。相反，高质量编程仍是驱动 AI 进步的关键环节。他提醒：AI 在创意写作等领域错误容忍度较高，但在工程实践层面仍易犯严重逻辑错误，因此人类开发者的核心地位短期内难以替代。
未来一百年，大学还会是现在这个样子吗？
布林提出，数字时代下“大学”的物理边界正被消解。开放课程、AI 辅助学习等工具已大幅降低知识获取门槛。未来高等教育的价值或将更多体现在跨地域协作、沉浸式实验环境与复杂项目孵化上，而非地理集中性。他也观察到，越来越多创新者并无传统学位背景，这提示教育形态需更开放、更去中心化。
大公司基础研究这么强，学术界还能做什么？
布林表示，当技术从学术构想走向产业落地的周期大幅缩短（由数十年压缩至几年），学术界“慢变量”优势面临挑战。工业界已在 AI 架构、训练方法等方向开展高强度并行探索，部分成果甚至反向输出高校。
但他强调，两类研究仍具不可替代性：一是周期极长、风险极高、短期难见回报的纯探索性工作（如全新计算范式）；二是受限于资源但极具原创性的“小而深”课题（如特定量子实现路径）。这些恰恰是大学体制最适配的土壤。
Google Glass 的教训：别以为自己是下一个乔布斯
谈及创业经验，布林以 Google Glass 为例反思：过早商业化导致成本、体验与市场准备严重脱节。他告诫年轻创业者——真正的创新需要充分验证期，切忌在外部预期滚雪球前仓促进入交付节奏，应预留足够缓冲时间应对不确定性。
AI 的下一个前沿方向是什么？
布林指出，算法进步实际已超越算力扩张成为主要驱动力。类比 N-body 问题史，重大突破往往源于算法革新而非单纯硬件升级。因此，新架构设计、高效训练范式（超越监督/强化学习）、模型压缩与推理优化等方向，才是下一阶段竞争主战场。
什么技术被严重低估了？
布林与校方一致认为，材料科学是当前被显著低估的高潜力领域。AI 与量子计算的实质性跃迁，高度依赖新材料体系支撑；而分子级生物技术、合成生物学等交叉方向，亦正经历静默爆发期。相较热度集中的 AI，这些底层技术虽关注度较低，却可能催生更广泛、更根本的产业变革。
