编译| Tina
很多人用一句话概括过去两年的变化：AI 终于开始“会写代码了”。
从 GitHub Copilot 到 Cursor、从 Claude Code 到各类 Coding Agent，生成代码的速度与覆盖范围早已超越多数人手写能力。但谷歌联合创始人 Sergey Brin 在斯坦福工程学院百年纪念论坛上指出：问题不在能力不足，而在风险——AI 写的代码“有时并不能正常工作”，一旦出错，往往是“相当严重的错误”。
他以比较文学论文为例说明风险差异：“写错一句话，通常不会造成那么大的后果。”在他看来，AI 更适合先承担那些“写错了也没那么要命”的创意类、文字类工作。
Brin 还罕见反思了谷歌在生成式 AI 路线上的迟疑：低估 Transformer 后的技术浪潮、算力投入不足、过度担忧聊天机器人“说蠢话”而延缓产品化，致使竞争对手率先打开市场窗口。他自嘲疫情前一个月“退休”是“非常糟糕的决定”，最终被 AI 浪潮拉回办公室参与 Gemini 项目。
但他不认同将当前 AI 竞赛简化为“砸钱堆算力”。在他看来，过去十年算法进步“实际上跑得比‘规模扩张’还快，而且快很多”；算力更像“甜点”，真正的“主菜和蔬菜”仍是算法与工程层面的深技术工作。
回忆谷歌早期：一切从“乱试”开始
Jennifer Widom（斯坦福工程学院院长）： Google 的诞生是斯坦福工程学院百年历史上最耀眼的时刻之一。1995 年，Sergey Brin 在斯坦福结识 Larry Page，两人参与 NSF“数字图书馆”项目，BackRub 演变为 PageRank，成为搜索引擎革命起点。
1993 年 Brin 入读斯坦福博士项目时，互联网尚处萌芽：电子邮件刚普及，创业生态未成型，科学四合院仍停留在图纸阶段。John Levin（现任斯坦福校长）当时是大四本科生，Jennifer 是新入职教师——三人亲历了硅谷技术爆发前夜。
Sergey Brin： 博士期间拥有高度自由的研究环境：尝试碎纸复原、在线订披萨等“离谱”项目，没人限制“你不能做这个”。这种自由深刻塑造了后续做事方式。
最早“赚钱”想法是建在线披萨网站：用户下单后系统自动发传真给披萨店。失败原因很朴素——店家根本不看传真。
但这段时期催生了快速试错文化：计算机系师生普遍掌握 Web 架构，能极快搭建原型。正是在这种氛围中，Brin 与 Page 将数据挖掘与链接结构研究结合，发现其搜索价值，并启动技术授权尝试——包括向 Excite 演示、向 Vinod Khosla 报价 160 万美元（后证实为同学伪造邮件）。
最终他们意识到：若要真正放大技术价值，必须自主创业。导师 Jeff Ullman 鼓励“先试试，不行再回来”，Brin 至今仍处于“休学状态”。
初创基因：学术精神驱动的技术野心
Sergey Brin： Larry 从一开始就抱有宏大愿景——“不只是太阳系，要整个银河系”。早期使命宣言“整合全球信息”即源于此。
Google 天然具有学术气质：两位创始人均来自博士项目，重视基础研发与底层 R&D，这一倾向早早写进公司文化。
早期招聘也体现该理念：Urs Hölzle（后任 Google 首席基础设施官）在斯坦福教职落选后，Brin 直接邀其次日入职——因已通过教授招聘委员会深度了解其能力。
低估 Transformer 之后，AI 竞赛再无侥幸
Sergey Brin： 谷歌确实在若干关键节点投入不足：八年前发表 Transformer 论文后未予足够重视；未及时扩大算力投入；过度担忧聊天机器人“说蠢话”而延迟开放用户端产品。
但长期积累仍在发挥作用：Google Brain 早期神经网络研究、TPU 自研芯片（始于十二年前）、大规模数据中心建设，使谷歌握有现代 AI 技术栈全链条核心组件。
核心判断是：深科技才是根本——既包括榨取更多算力，也包括开发更优算法。算力是必要条件，但绝非充分条件。
AI 的边界与人的位置
Sergey Brin： AI 正以前所未有的速度进化，但人类对其走向“真的不知道”。智能是否存在上限？它能否做人类做不到的事？这些问题目前皆无定论。
当前 AI 的价值在于增强个体能力：非专家也能通过对话快速获取芯片设计、健康咨询等领域的 80%–90% 基础认知，弥补专业资源时空限制。
对学生的建议是：不必因 AI 写代码变强而放弃计算机科学——更好的代码才能驱动更好的 AI；我们内部大量使用 AI 辅助编码与算法构思，正因其重要性愈发凸显。
大学的新命题：当知识可无限获取
Sergey Brin： 信息分发已彻底改变。“教学”正在被 Coursera、YouTube、AI 对话等渠道解构。当任何人随时可上网学习，大学的核心价值需被重新定义：是知识创造？高密度人才碰撞？还是其他尚未明晰的功能？
他观察到趋势：个体无需学位亦可创新；Google 既招学术明星，也雇佣大量无本科学位但自学成才者。
问答精选：算力、算法，以及一次失败的退休决定
学生提问（Rasha Barve）：学术到产业的输送管道是否仍关键？
Sergey Brin： 时间尺度正在压缩。学术界擅长十年级“纯研究”，但产业界规模化速度更快。量子计算等前沿领域或仍需大学“发酵”，但多数方向已难维持长周期分离。
学生提问（Arnov）：年轻创业者应如何避免重复错误？
Sergey Brin： 警惕“抢跑心态”。Google Glass 失败主因是商业化过早——成本未降、体验未熟即推向市场。务必确保想法“烤熟”，再进入交付节奏，否则将被外界期待裹挟，失去调整空间。
学生提问（Esha Bargetag）：若数据与算力见顶，AI 下一步在哪？
Sergey Brin： 算法与架构创新已比单纯扩规模更重要。N-body 问题的历史证明：算法进步常远超同期算力增长。算力是“甜点”，算法与工程才是“主菜和蔬菜”。
学生提问（Andy Zivortsy）：哪种新兴技术被严重低估？
Sergey Brin： 材料科学。无论是 AI 还是量子计算，其突破上限往往取决于新材料——潜在影响“几乎没有上限”。
学生提问（Drew Mi）：打造 Google 过程中，哪些限制性信念被打破？
Sergey Brin： 从莫斯科贫民公寓到斯坦福实验室，人生两次“世界扩展”教会他：走出舒适区本身即是长期收益的选择。
学生提问（Lu Baba）：“好的人生”对你意味着什么？
Sergey Brin： 享受生活、重视家庭、保持智力挑战。疫情前退休是“极其糟糕的决定”——咖啡馆关门、焦虑加剧，直至重返 Gemini 项目，重获技术与创意出口。
学生提问（Zena）：如何持续跟上最新进展？
Sergey Brin： 高频使用 Gemini Live 进行交互式学习（如边开车边问数据中心电力成本），优于被动听播客。他认为这正是未来知识获取的缩影。