2025年12月7日,斯坦福工程学院百年庆典的闭幕式上,一台用玩具积木和透明塑料板拼装的服务器被摆上了舞台。这台机器内置十块4GB硬盘,总共40GB存储空间,在1996年曾经是斯坦福学生项目中罕见的"大手笔"。它是运行PageRank算法的第一台服务器,也是Google的物理起点。

这台机器的缔造者之一是Google的联合创始人Sergey Brin。校长Jonathan Levin和工学院院长Jennifer Widom与他进行了一场70分钟的对话。这是Brin近年比较罕见的公开演讲。自2019年卸任Alphabet总裁以来,他鲜少在公开场合的长篇发言,偶尔出现在硅谷的私人聚会上。
斯坦福工程学院的历史可以追溯到1891年大学创立之初。当时有四个系:化学工程、电气工程、机械工程、采矿和冶金。1925年,这四个系合并成立工学院。一百年后,采矿和冶金系已更名为材料科学与工程系,学院扩展到九个系和众多跨学科项目。院长Jennifer Widom是学院第十任院长,她开玩笑说:"做个数学题就知道,我们的院长都喜欢在这里待很久。"
百年庆典的活动贯穿全年:五位还健在的前院长组成的panel(由Jerry Yang主持)、5月15日预计2000人实到3000人的大party、Jensen Huang和John Hennessy的炉边对话、甚至一场工学院主题的橄榄球赛。院长Widom在赛场上开着电动沙发载着Andrew Luck上了全国电视。"没人告诉我当院长还要干这个,"她说,"但我完成得不错。"
这些背景让闭幕式的嘉宾选择显得顺理成章。Google是斯坦福工程学院最闪亮的创业故事之一,而Brin刚好在过去两年重返一线。
但过去两年发生了变化。2023年底,在ChatGPT引发的"code red"警报后,Brin重返Google,每周三到四天出现在Mountain View总部,深度参与Gemini项目的开发。他在2024年9月的All-In Summit上首次公开确认了这一点,称AI的发展轨迹"太令人兴奋了,无法置身事外"。据报道,他主持每周的AI研究讨论会,参与关键研究人员的招聘决策,甚至会和工程师讨论"loss curves"(损失曲线,一种衡量AI模型性能的技术指标)这样的技术细节。
这次斯坦福演讲,Brin讲了很多此前从未公开的故事:在Gates大楼爬脚手架入侵门禁系统、被同事用伪造邮件恶搞、Google在AI上犯的战略失误,以及他退休一个月就后悔的真实原因。院长Jennifer Widom特别强调了一个常被忽略的事实:"如果你对联邦科研资助的影响有任何怀疑——Google直接来自一个NSF项目。"
1. 导师放养与撬锁入侵:1993年的斯坦福CS系
"我很惊讶当时被给予了多少自由。"
Brin1993年进入斯坦福CS博士项目,导师是Hector Garcia-Molina和Jeff Ullman。两位大牛基本不限制他做什么。他一度在研究碎纸机还原技术,把碎掉的文件扫描后用算法拼回去。"从来没人告诉我不要做这个",虽然最后没做成。
这种放养式培养在今天看来几乎不可想象。但正是这种自由,让Brin有空间去探索各种"不务正业"的项目。他的第一个商业尝试是网上订披萨:用户在网站下单,系统自动给披萨店发传真。"当时觉得网上订餐是个疯狂的想法,"他说,"我还开玩笑在顶部放了个可口可乐广告,觉得互联网广告太搞笑了。"
披萨店不怎么查传真,项目失败了。但互联网广告这个笑话,后来成了Google的核心商业模式。
1995年,CS系搬进新落成的Gates大楼。Brin发现了一个问题:新楼用电子门禁,他之前学的撬锁技术(MIT锁匠指南教的)没用了。但他找到一个漏洞——门禁系统的管理电脑所在房间,阳台门还是物理锁。
当时大楼外还有施工脚手架。
"我从四楼办公室窗户爬出去,沿着脚手架爬到那个阳台,撬开物理锁进入房间,复制了门禁软件,给自己做了一张万能卡。"
他笑着补充:"法律追诉期应该过了吧。我那时候还是个孩子,判断力就那样。"
院长Jennifer Widom在旁边插了一句:"我们当时不是在四楼吗?"
"是四楼。但那是正经的施工脚手架,有各种支撑结构。"Brin回答。他没提自己有没有穿滑轮鞋爬脚手架——据院长回忆,他当年确实经常穿着滑轮鞋在走廊里滑来滑去。
2. 160万美元的恶作剧:PageRank差点被卖掉
Larry Page专注于网页链接结构研究,Brin做数据挖掘,两人在1995年相遇后开始合作。最初做PageRank的其实是四个人:Larry、Brin、Scott和Alan。Scott后来创办了e-Groups(被Yahoo收购),Alan做了天气公司Weather Underground。
"他们比我们更早想创业,"Brin说,"可能是对我们想卖技术的做法不耐烦了。"
创业并非Brin和Larry的首选。他们首先想把技术授权出去。有一次向搜索引擎公司Excite推销,风投大佬Vinod Khosla觉得不错,建议Excite收购。Brin和Larry报价160万美元——对两个博士生来说是巨款。
15分钟后收到回复:"That's a lot of moolah(好多钱),但行吧。"
两人兴奋坏了。
结果同事Scott走进来狂笑。那年头可以伪造发件人邮箱,回复是他假冒的。Excite最终没买。
对Brin来说,离开博士项目是个艰难决定,父母也很失望。导师Jeff Ullman说了一句话改变了一切:"试试看吧,不行再回来。"
"所以技术上我还在休学状态,"Brin对现场观众说,"可能哪天还会回来把学位读完。"
校长Levin笑着说:"我们之后可以讨论一下这个。"
3. 学术型公司:野心与长期主义
"Larry一直非常有野心,现在还是。你给他提任何计划,他都会说'不够ambitious'。不只是太阳系,要整个银河系。"
这种野心体现在Google早期的使命宣言:"组织全世界的信息"。两人都是博士背景,建立的是一个学术气质的公司:大量招聘PhD,重视基础研发,长期投资。
Brin举了个例子:他在斯坦福时曾参与教授招聘委员会,面试过Urs Hölzle。Hölzle后来被斯坦福拒了,但一发邮件给Brin,Brin立刻回复:"明天能来上班吗?"因为他已经完全了解这人的能力。
这种学术型文化在当时的互联网泡沫中是异类。
"以前pets.com时代,随便做个.com就行,技术门槛不高,对互联网有基本了解就能搞。"
但现在不一样了。AI需要大量计算、深度数学,"技术复杂度只会越来越高"。Google现在招的人"比我当年强得多"。Brin读书时同时修数学和CS已经算少见,现在很多新人是物理学家出身。
"物理学家必须做硬数学,而且他们的领域受限于计算能力,所以天然具备计算技能。"
主持人追问:Google可能是过去25年最具创新力的公司。大公司通常很难保持创新,你们是怎么做到的?
Brin的回答很诚实。
"好吧,你们一直在恭维我。首先,我们确实在很多事情上失败了。我们有一长串失败的产品,就不一一列举了。所以部分原因是我们一直在尝试。"
他认为学术型的根基让Google更愿意尝试困难的事情。而在过去十年左右,困难的事情变得越来越有价值。AI就是典型例子——需要巨量计算、深度数学,这些都是技术上深入且有挑战性的问题。
"也是命运的twist,深度技术恰好在这个阶段变得如此重要。"
4. "我们确实搞砸了":八年前的战略失误
这部分是全场最坦诚的内容。
"我们确实搞砸了。"Brin直言,"大约八年前我们发表了Transformer论文,但没太当回事,没有大规模投资算力。而且我们太害怕把它推给用户——因为聊天机器人会说蠢话。"
OpenAI抓住了机会。"这是个超级聪明的洞察,而且跑去做的还是我们的人,比如Ilya。"
但Google并非从零开始追赶。Jeff Dean早年建立的Google Brain团队奠定了神经网络基础。Brin当时在Google X,给Jeff Dean充分自由。
"Jeff,你想做啥就做啥。"
Dean说:"我们能分辨猫和狗了。"
Brin心想:哦,挺酷。
后来这个团队开发的算法逐渐用于搜索,Noam Shazeer发明了Transformer,以及更多突破。Google的TPU芯片项目已有12年历史,从最早用GPU,到FPGA,再到自研芯片,已经迭代了无数代。加上长期投资的大规模数据中心,Google是少数同时拥有自研芯片、深度学习算法、和超大规模数据中心的公司。
"我们只是碰巧很早就押注了深度技术这个方向,"Brin说,"算是运气好。"
5. 算法是主菜,算力是甜点
主持人问到当前AI领域数百亿美元的算力军备竞赛。Brin给出了一个反直觉的判断。
"大家注意到的是算力扩张,因为你要建数据中心、买芯片,还有OpenAI和Anthropic那些关于scaling laws(规模定律)的论文。这些很吸引眼球。但如果你仔细对比,实际上算法进步超过了算力扩张。"
他举了N体问题的例子。这是天体物理学中的经典问题:多个天体在引力作用下如何运动。从1950年代到1990年代,解决N体问题的算法改进幅度,远超同期摩尔定律带来的算力增长。
"算力是甜点,算法才是主菜和蔬菜。"
这个判断与他在2024年9月All-In Summit上的发言一致。当时他说:"过去几年的算法改进,可能比投入到模型中的算力增长还要快。"
6. 智能有天花板吗
主持人问:AI能做人类能做的一切吗?
Brin没有直接回答,而是抛出了一个更深的问题。
"还有一个问题是,AI能做什么人类做不到的事?这是超级智能的问题。"
"我们不知道一个东西能有多聪明。我们有几十万年人类进化、几百万年灵长类进化,但那是一个非常缓慢的过程,和AI的发展速度完全不能比。"
他没有给出答案,只是说这个问题"just not known"(就是不知道)。但他认为值得认真思考。
关于AI目前的能力,Brin的评价是务实的。
"老实说,AI有时候蠢得很,所以你总是在监督它。但偶尔它们会很brilliant(出色),给你一个很棒的想法。"
他描述自己的使用习惯:"给我五个想法。可能三个是垃圾,但两个会有某种闪光点,帮我细化思路、换个角度思考。"
7. AI会写代码,还要学CS吗?
现场有250多名学生,很多还没选专业。有人直接问:还应该选CS吗?
"我选CS是因为热爱,这对我来说是显而易见的选择。"Brin说,"不要因为AI现在能写代码就不选CS。AI在很多事情上都不错,CS只是恰好市场价值高,所以关注度高。"
然后他说了一句扎心的话。
"AI在比较文学方面可能比写代码更强。"
为什么?
"代码有错误会产生实际后果,程序跑不通。但文章里错一句话,后果小得多。所以AI做'软'领域反而更容易。"
他的建议是:用AI,但保持批判性。不要因为AI能替代某个领域就换专业,因为这个思维框架本身就是错的。
关于AI对个人的价值,Brin给出了乐观的判断。
"AI让个人非常empowered(被赋能),因为你身边不会总有各个领域的专家。无论是职业发展、创业、健康问题还是生活品质,都有巨大潜力提升个人能力。"
他自己每天开车时和Gemini Live对话,讨论数据中心建设、电力需求、成本估算。"虽然听起来像在打广告,但公开版本用的还是很老的模型,等几周我们把新版发布出来再用吧。"
他还提到了其他使用场景:为朋友和家人挑选礼物、brainstorm新产品创意、艺术创作的灵感。"AI不会替你做这些事,因为我总是会说,给我五个想法。然后我自己判断哪些有价值。"
有趣的是,他也提到了播客。"All-In Guys是我喜欢的播客之一,他们是很棒的主持人。我们刚去佛罗里达拜访了Ben Shapiro,看了他的录音棚。"
但他更喜欢交互式的对话。"所以我在开车时和AI聊天,虽然听起来有点尴尬。"
8. 被低估的技术:聚光灯之外
有学生问:什么新兴技术被严重低估了?
Brin的答案是材料科学。
"AI和量子计算在材料领域的应用。我们能用不同的材料做什么?更好的材料在方方面面都有用,天空是极限。"
主持人Levin补充了生物和分子科学。"分子科学领域也在发生巨大革命,但现在关注度不如AI。"
院长Jennifer同意这个判断。"聚光灯现在全在AI上,但不应该停止照在生物学上。合成生物学有很多exciting的事在发生。"
关于量子计算,Brin持谨慎立场。
"很多人在想量子计算能带来什么,但这不是我会押上全部筹码的方向。"
技术上的根本不确定性是:"我们甚至不知道P是否不等于NP。"而且量子算法只对特定结构化问题有效。
但他支持大学里的探索。"如果有人有完全不同于超导量子比特或离子阱的新方法,可能需要在大学里酝酿几年再商业化。这种事情是有意义的。"
9. 学术到产业:这条路还重要吗?
有学生问:Google诞生于学术研究,但现在产业界在驱动大部分创新,学术到产业的pipeline还重要吗?
Brin的回答出人意料地谨慎。
"我不知道。"
他的逻辑是:当年他读博士时,从一个新想法到它可能有商业价值,中间隔着很多年。学术界有足够的时间去酝酿、申请grant、慢慢研究。但如果这个时间窗口大幅压缩呢?
"我不确定他们需要在大学里待几年做实验、然后再把成果带到产业界。产业界也在做所有这些事情。"
Scott和Alan就是例子。他们比Brin和Larry更早想创业,可能是"对我们想卖技术的做法不耐烦了"。Alan当时已经在做Weather Underground,Scott在做e-Groups。他们没有等到学术成果完全成熟。
但Brin也承认,有些东西确实需要时间。
"完全radical的新架构,可能还是需要在大学里酝酿一段时间。那些你不会在公司里做的事——因为太长远了,市场不等你。"
量子计算可能是一个例子。如果有人有完全不同于主流方案的新方法,"可能需要让它在大学里marinate(腌制)几年"。
10. 大学的未来:一个让校长都意外的回答
主持人问:如果你来规划工学院的下一个百年,会怎么想?
Brin的回答超出了预期。
"我可能会重新思考大学意味着什么。我知道这听起来很烦人——这是Larry会说的那种话,我通常会被他烦到。"
他的逻辑是:信息传播方式已经彻底改变了。MIT开放课程、Coursera、Udacity、YouTube……知识获取不再依赖物理在场。那么大学作为"地理集中的知识传播机构"这个定位,还能撑多久?
把一群聪明人放在一起碰撞,这种价值不会消失。"但那是在特定规模上,一百人在一起很好,不一定要和另外一百人在同一个地方。"
更根本的问题是学位的价值。
"我们招过很多学术明星,但也招了大量没有学士学位的人。他们就是自己在某个角落琢磨出来的。"
校长Levin评价:"这比院长级别的回答更像校长级别。"他指的是Brin触及了高等教育最根本的问题:当知识获取去中心化、当顶级公司都在招没有学位的人,传统大学的核心价值到底是什么?
11. Google Glass的教训:别以为自己是乔布斯
有学生问:年轻创业者应该避免什么错误?
Brin给出了一个自嘲式的回答。
"当你有个酷炫的可穿戴设备想法时,在用跳伞和飞艇做发布会之前,真的要把产品做得更成熟。"
他指的是Google Glass。2012年的Google I/O大会上,Google用跳伞员从飞艇上跳下并直播降落过程的方式发布了这款产品,场面极其酷炫。但产品本身商业化太早了,成本没控制好,用户体验不够精致。
"我以为自己是下一个Steve Jobs。结果发现,他是一个非常独特的人。"
更深层的教训是关于期望管理。
"一旦你公开了某个项目,外部期望会滚雪球式增长,开支也会增加,然后你就被deadline绑架了。你可能没有足够时间把事情做好。这是我会努力避免的错误。"
12. 从莫斯科到硅谷:三次世界观爆炸
有学生问:你如何定义好的生活?
Brin的回答从他的童年开始。
他出生在苏联莫斯科,全家挤在40平米的公寓里,和父母、祖母住在一起,每天爬五层楼。"我根本不知道外面的世界是什么样。"
父亲去波兰参加学术会议,第一次了解到西方世界,决定移民。这在当时家庭里非常有争议。到美国后又是一贫如洗,要学新语言、交新朋友。
另一个学生问了一个更尖锐的问题:在建立Google的过程中,你有什么limiting beliefs(限制性信念)需要改变?
Brin把这个问题和他的移民经历联系起来。
"我的生活在几个阶段都有戏剧性的扩展。"每一次都很痛苦——离开熟悉的环境、失去朋友、学习新语言、从头开始。"但我想,因为我个人的历史,我有了这种体验:那些痛苦的转变,后来都有了回报。"
第三次世界观爆炸是1993年来到斯坦福。
"加州有某种非常自由和解放的东西,尤其是这个州的传统。虽然现在有点在失去,但我不想抱怨。"
这不是抽象的哲学。Brin的父亲Michael Brin是马里兰大学的数学教授,母亲Eugenia在NASA戈达德航天中心做研究员。他们从苏联的体制中逃出来,深知思想自由的价值。据维基百科,Brin的母亲后来被诊断出帕金森症,Brin已经捐赠超过10亿美元资助相关研究。
13. 退休一个月的教训
Covid前,Brin宣布退休。他的计划是:在咖啡馆里学物理。
"然后咖啡馆全关了。"
他发现自己在家"越来越钝",思维不再敏锐,"感觉自己在spiral down(螺旋下坠)"。几个月后开始偷偷回办公室(当时还没正式复工),后来越来越深入地参与后来被称为Gemini的项目。
"能有这种技术上的创造性outlet,非常有价值。如果一直退休下去,会是个大错误。"
这与他在2024年3月AGI House活动上的发言一致。当时他告诉一群AI创业者:"AI的发展轨迹太令人兴奋了,我没法继续退休。"
好的生活,对Brin来说,是能够享受家人(他的一个孩子和女朋友都在现场),同时保持智力上的挑战。
"我感激能够在这个阶段有智力上的挑战。"
演讲结束时,院长Jennifer Widom感谢了一位促成这次活动的人:Emily Ma,斯坦福的兼职讲师,同时也是Google员工。她看到了这次活动的潜力,推动了它的实现。
"这是我们百年庆典的完美收官,"Widom说,"让我们看看下一个世纪会发生什么。"
台上那台玩具积木拼装的服务器,见证了过去三十年。下一个三十年,它会继续作为展品,静静地待在黄仁勋工程中心的展厅里。
核心问答
Q1: Google在AI竞争中为什么没被OpenAI彻底甩开?
Brin承认Google在Transformer论文发表后"确实搞砸了",没有大规模投资算力,而且"太害怕把它推给用户"。但Google从十几年前就开始布局深度技术:Jeff Dean建立的Google Brain团队、自研TPU芯片(已有12年历史)、超大规模数据中心。这些基础设施和人才储备让他们能够快速追赶。Brin的原话是:"我们只是碰巧很早就押注了深度技术。"
Q2: Brin认为AI时代还应该学CS吗?
Brin的回答是:不要因为AI能写代码就换专业。他给出了一个反直觉的判断:AI在"软"领域其实更强——比较文学里错一句话没什么后果,代码错了程序跑不通。所以用"AI替代程度"来选专业是错误的思维框架。他的建议是:选自己热爱的,同时用AI来增强自己的能力。
Q3: Brin认为年轻创业者最该避免什么错误?
在产品成熟之前过早公开。一旦公开,外部期望和内部开支会滚雪球式增长,你会被deadline绑架,没有时间把事情做好。Google Glass就是他本人犯的这个错误。他用跳伞和飞艇做了一场酷炫的发布会,"以为自己是下一个Steve Jobs",结果产品不够成熟,商业化失败。
好文章,需要你的鼓励
这项由OpenRouter公司团队和Andreessen Horowitz(a16z)投资机构联合开展的研究,于2025年12月发表。
希腊塞萨洛尼基大学研究团队开发出MIR-L算法,通过"彩票假说"发现大型图像修复网络中的关键子网络。该算法采用迭代剪枝策略,将网络参数减少90%的同时保持甚至提升修复性能。MIR-L能同时处理去雨、去雾、降噪等多种图片问题,为资源受限设备的实时图像处理提供了高效解决方案,具有重要的实用价值和环保意义。
通用汽车宣布为部分2025款及更新凯迪拉克和雪佛兰车型推出原生Apple Music应用。凯迪拉克车型还将支持杜比全景声空间音频技术,打造沉浸式三维音效体验。作为OnStar Basics服务的一部分,通用汽车为所有2025款及更新车型提供八年免费音频流媒体服务,支持Spotify和Apple Music等应用。该应用将通过OTA更新自动安装到支持的车辆中。
卡内基梅隆大学团队提出DistCA技术,通过分离AI模型中的注意力计算解决长文本训练负载不平衡问题。该技术将计算密集的注意力任务独立调度到专门服务器,配合乒乓执行机制隐藏通信开销,在512个GPU的大规模实验中实现35%的训练加速,为高效长文本AI模型训练提供了新方案。