Google前CEO访华后重估中美AI竞赛 中美态度不同

1811 年，英格兰中部的纺织工人冲进工厂，砸毁新式织布机，抗议机器抢走他们的饭碗。这场后来被称为“卢德运动”（Luddite Movement）的抗争持续了好几年。英国政府调动军队镇压，将破坏机器列为可判死刑的重罪，多名参与者被绞死，更多人遭到流放。机器当然没有被挡住，但技术替代引发的失业、冲突和政治回应，延续了很多年。

200 多年后，这个名字出现在了一个意想不到的场合。

上个月，Google 前 CEO、现任 Relativity Space CEO 埃里克·施密特去了一趟中国，见了一圈科技公司高管。在 7 月 11 日他和中国及 AI 政策研究者 Selina Xu 合写的《纽约时报》文章里，他记下了一个印象很深的细节：一名中国 CEO 当面对他说，宁可让 AI 增长慢一点，也不愿重演卢德运动。

在硅谷，施密特大概很难从一家正在参加 AI 竞赛的公司那里，听到如此直接的减速主张。

过去几年，硅谷的主流叙事是加速。“e/acc”（有效加速主义）从一小群技术乐观派的网络暗号，变成了半认真、半挑衅的行业信条：技术进步天然具有正当性，快意味着领先，慢意味着把机会让给别人。Marc Andreessen、Y Combinator 的 CEO Garry Tan 都曾公开把“e/acc”写进社交媒体简介。投资人和创业者甚至用“builder”与“doomer”划分阵营：一边是造东西的人，另一边是担心失控、拖慢进步的人。

硅谷当然也有安全研究者和监管支持者。可在商业竞争中，奖励始终属于更早发布模型、更快抢占用户、更敢于投入算力的公司。在这样的气氛里，“也许应该慢一点”可以是一项安全主张，却很难成为一家公司的经营原则。

施密特在中国见到的企业家，不止一个人在说“慢一点”。有人不愿过于激进地用 AI 替换员工，有人担心 AI 一旦造成社会不稳定，整个行业都会被收紧。

这些人并不是技术上的保守派。他们经营的公司在过去两年的 AI 竞赛中打得很凶：DeepSeek、智谱的开源模型在多个基准测试上追平了闭源对手；豆包在 2026 年春节营销战期间一度突破 1 亿日活跃用户；百度的无人驾驶出租车已经进入十几座城市，并继续向海外扩张。技术能力和商业野心都不缺。可施密特认为，在“要不要全速推进”这件事上，他们表现出了一种硅谷同行身上不太常见的克制（尽管他们也同样处于一种 FOMO 的情绪中）。

这份克制不完全是商业策略，也是经验。过去几年，中国科技行业经历过一轮完整的扩张与收缩周期。施密特认为，这一代中国企业家比硅谷同行更清楚：一个行业跑得太快、动静太大，让太多人觉得自己成了技术进步的代价，最终减速的会是整个行业。

那名引用卢德运动的 CEO，所表达的也不止是“自我保护”这么简单，他的潜台词大概是：技术部署的节奏，和技术能力同样重要。工业革命的纺织机没有错，可它进入工厂的速度超过了当时社会吸收失业和利益调整的能力，结果是暴力冲突，以及此后漫长的改革。

哪怕技术方向是对的，速度失控，结果也可能走向反面。

这个判断与硅谷加速主义的假设正好相反。流行版本的 e/acc 相信，技术进步会创造新的需求、岗位和社会制度，眼下只管向前跑，社会迟早会追上来。中国这批企业家的判断更谨慎：社会未必能及时跟上；一旦掉队的人足够多，他们砸烂的可能不是机器，而是你的公司。

两种思路的分歧不在于对技术有没有信心，两边都很有信心（当然，某种程度上中国的“慢”也是因为算力、模型水平等现实约束也在替企业踩刹车）。真正的差别，是如何估计社会的弹性。硅谷更相信社会撑一撑就能适应，中国企业家则对这个过程保持警惕。

施密特引述了 7 月初的一件事作为注脚。字节跳动的豆包和阿里的通义千问几乎同一天宣布下线智能体功能，虚拟男友、虚拟闺蜜、角色扮演类AI应用统统关停。一个被证明有用户粘性的产品方向，说停就停了。行业确实在做减法。

恰恰是在这种不断做减法的环境里，中国公众对 AI 的态度出奇地好。

斯坦福大学《AI Index 2026》的数据是：84% 的中国受访者对使用 AI 的产品和服务感到兴奋。中国是调查中兴奋程度最高的国家之一。

美国那边的数字方向却完全相反。

盖洛普 2025 年的调查显示，80% 的美国成年人支持维持 AI 安全和数据保护规则，即使这意味着发展速度变慢。民主党和共和党选民在这一点上罕见地接近。

恐惧已经落到具体的生活里。盖洛普 2026 年 3 月的调查显示，71% 的美国人不希望自家附近建设 AI 数据中心，这个比例甚至高于反对在附近建设核电站的 53%。

2026 年第一季度，全美至少有 75 个数据中心项目因社区和地方政府反对而被暂停或推迟，涉及投资约 1,300 亿美元。不同机构的统计口径并不完全一致，一份 6 月发布的行业简报则称，全美活跃的数据中心反对团体已超过 800 个，分布在 49 个州。公众情绪已经开始影响项目工期和资本回收。

连一向最愿意尝试新技术的年轻人也在后退。盖洛普今年对 14 岁至 29 岁人群的调查显示，对 AI 感到兴奋的比例从上一年的 36% 降至 22%，感到愤怒的比例则升至 31%。使用率没有明显下降，情绪却在恶化。

把两组数据放在一起，我们就看到了这样一个画面：中国的企业家谨慎，公众乐观；美国的企业家激进，公众恐惧。这与人们对两国的刻板印象——中国大干快上，美国谨慎前进（由于多方利益的对抗）——几乎完全相反。

目前还无法证明，两种情绪完全由企业的部署节奏造成。中国公众的乐观也可能来自更高的使用率、对经济增长的期待、对政府干预能力的信任，以及不同的调查环境。可两边正在形成的反馈仍然很难忽略。

硅谷公司越是高调宣扬 AI 将要替代一切、改变一切、颠覆一切，公众就越容易觉得自己站在“被颠覆”的那一边。当 OpenAI 的 CEO 把公司的工作描述为创造人类历史上最强大的工具，普通人未必只会感到兴奋。他们也会追问：这个最强大的工具，最终会用来帮助我，还是替代我？

公司的激进叙事放大了公众的恐惧，公众的恐惧又推动更强硬的政治回应。一旦进入这个循环，企业会觉得监管者不懂技术，公众则会觉得企业根本不在乎他们。

中国的情况暂时相反。企业较少面向公众鼓吹“消灭岗位”或“颠覆一切”，有关部门又在事故和劳动争议出现后迅速介入，普通人感受到的切身威胁相对有限。

今年 3 月底，武汉超过 100 辆百度萝卜快跑同时出现系统故障。一些乘客被困在车流中，有乘客称自己在高架道路上等待了超过 90 分钟，整场笔障持续了数小时。社交媒体确实出现了一波质疑，但人们主要追问无人驾驶是否成熟、运营方如何保障乘客安全，没有迅速演变成“AI 是否应该发展”的争论。

杭州中院公布的另一起案件也产生了类似效果。一家公司引入 AI 后，准备将一名问句质检员工调岗，月薪从 2.5 万元降至 1.5 万元；协商不成，公司单方面解除劳动合同。法院认为，企业主动采用 AI 属于自身的技术革新决策，不必然构成“劳动合同无法履行”的法定情形，最终判决企业支付 26 万余元赔偿金。

法院没有禁止企业用 AI 替代岗位，也没有承诺员工永远不会失业。它限制的是一种具体做法：公司不能仅凭“AI 更便宜”，就把技术转型的全部成本交给员工。舆论因此更容易把矛头对准公司的处理方式，而不是技术本身。

中国公众的乐观，并不必然意味着他们不了解 AI 的风险。更可能的情况是，他们在日常生活中感受到的 AI 仍然以工具和助手为主：写文案、做 PPT、查资料、处理图片、聊天解闷。AI 已经进入生活，还没有普遍以一个“吞掉一切”的庞然大物出现。

企业和监管的克制，有意无意地控制了公众的体感温度。

美国公众的恐惧也有现实的根基，而不只是被企业叙事吓到了。AI 收益和成本的分配并不对称：利润集中在少数公司手里，失业风险、社区负担和隐私侵蚀则散布在所有人身上。

施密特在文章里承认了这个问题。他还引入“jagged intelligence”，即“参差智能”，解释公众的困惑为何如此难以化解：AI 能在某些专业领域表现惊人，又会在极其简单的日常任务上犯匪夷所思的错误。

这意味着，AI 没有鼓吹者说得那么无所不能，也没有怀疑者说得那么一无是处。它同时被高估，也被低估。在这种认知混沌中，人们会本能地抓住那些最确定、最贴近自己的风险。“AI 可能让我丢掉工作”，总比“AI 未来可能帮助人类攻克癌症”更容易感知。

施密特的核心判断是，真正的挑战不只在于中美谁的模型更强，也在于谁能在不撕裂自身社会的前提下，把 AI 的好处兑现出来。

为此，他提出了一套“民粹主义 AI 议程”（a populist AI agenda）：把 AI 公司的部分利润通过主权财富基金分配给公民，类似新加坡淡马锡的模式；建设市场缺少动力提供的公益 AI 模型，帮助人们办理政务、获得法律援助、教育孩子；推动真正的开源，让图书馆、小企业和非营利组织也能参与 AI 的建设和使用。

他拿 NASA 作类比。太空探索曾经被组织成一项国家使命，AI 也应该成为一项公共工程，而不只是少数公司的商业项目。

要知道，施密特执掌 Google 约 10 年，是上一轮技术扩张中最大的赢家之一。现在，他开始强调市场和企业无法独自完成 AI 收益的分配，国家必须介入。

某种程度上，这可能说明硅谷过去 20 年“先跑起来再说”的技术部署模式，已经跑到社会不再轻易买账的位置。

沿着这个判断再往前一步，AI 竞赛的传统叙事也需要调整。过去人们关心谁的模型最强、算力最多、迭代最快。可一个国家若因公众反弹而被迫大幅减速，导致数据中心建不下去，劳动保护法案越来越严，选民要求暂停部署，那么最先跑出去的公司，也可能最先撞上社会边界。

社会许可，即让几亿人相信这项技术对自己有益、愿意给它继续试验和扩张的空间，正在成为一种比算力更难获得的竞争资源。

它没有对应的基础设施可以买，也没有一套训练方法能够生成。中国的企业家通过克制暂时保住了更多善意，美国企业正在因为激进而消耗这种善意。但克制换来的信任也有保质期。它建立在 AI 尚未真正大规模替代岗位的前提上；一旦这个前提松动，今天的乐观可能迅速蒸发。