哈萨比斯谈人工智能变革：规模超越工业时代

达沃斯的谨慎乐观主义者

在这次对话中，Demis Hassabis 最显著的特点是他愿意与几乎所有人意见相左。他反驳 Yann LeCun（“Transformer 并非死路一条，这显然是错误的”），Ilya Sutskever（“我们从未离开研究时代”），Elon Musk（“奇点？为时尚早”），以及 Dario Amodei 对五年内工作岗位流失的预测（“我对这个问题的看法会更长远”）。在以达成共识为默认模式的达沃斯论坛访谈中，这种四面出击的独立思考令人印象深刻。

在 2026 年世界经济论坛期间，彭博社的 Emily Chang 在彭博社会客厅采访了 Google DeepMind 的 CEO、诺贝尔奖得主。在 26 分钟的访谈中，他们讨论了 Google 的竞争轨迹、通往 AGI 的道路、机器人技术、中国，以及当机器能够完成一切时，人类的意义何在。访谈展现了一个比同行思考更长远，但相信最终目标比大多数人想象的更激进的人。

Google 的全栈押注

Hassabis 将 Google 的优势定义为结构性的，而非渐进式的。Google DeepMind 发明了现代人工智能行业赖以生存的“约 90% 的突破”：Transformer、深度强化学习、AlphaGo。但原始研究并非护城河。真正的优势在于全栈：TPU 硬件、数据中心、云业务、前沿实验室，以及从搜索到 Gmail 到 Chrome 的数十亿级产品界面。

“It’s ferociously competitive out there. Maybe the most intense competition has ever been in technology.” 外面的竞争非常激烈。也许是技术领域有史以来最激烈的竞争。

过去三到四年“难以置信的紧张”，每周工作 100 小时，每年 50 周是常态。内部文化转变至关重要：将“创业活力”与大公司的资源相结合，同时为长期探索性研究保留空间，而不仅仅是三个月内就能发布的产品。Hassabis 明确表示，仅资助具有近期产品回报的研究是“一个错误”。

Google 的联合创始人深度重新参与。Larry Page 专注于战略和董事会层面的决策。Sergey Brin 则亲身参与 Gemini 团队，甚至深入到算法编码细节。

锯齿状智能与 95% 问题

这是访谈中最重要的概念。Hassabis 将当前的人工智能描述为具有“锯齿状智能”：在某些方面非常出色，而在另一些方面则很差。这意味着：要将整个任务委托给 AI 代理，它需要可靠地处理 100% 的任务。擅长 95% 是不够的。

“It’s no good for it to be good at 95% of that task. You need it to be good at the whole task for you to be able to actually just sort of fire and forget on it.” 如果它只能完成 95% 的任务，那是不行的。你需要它能够完成整个任务，才能真正做到一劳永逸。

这就是他反驳 Amodei 预测 AI 将在五年内抹去 50% 的入门级白领工作的原因。今天的系统是“辅助程序”，而不是自主代理。辅助和委托之间的差距是真正的工作所在。

这种框架的影响不仅仅局限于工作岗位。如果 AGI 需要的不是任何单一能力的改进，而是消除这种锯齿状，那么研究议程就与“让模型更大”截然不同。

2030 年实现 AGI：50/50 的概率，但门槛很高

Hassabis 坚持他认为 2030 年实现 AGI 的概率为 50%。但他的定义比大多数人更严格：一个系统表现出人类拥有的所有认知能力。他指出了具体的缺失部分：

科学创造力是最重要的。不是解决猜想，而是产生假设。“找到正确的问题实际上通常比找到答案更难。”目前的系统肯定无法做到这一点。

持续学习：模型在训练后是静态的；它们需要在现实世界中即时学习。

一致性：再次出现锯齿状智能问题。通用系统不应该有这些任意的边缘。

关于 Transformer 本身是否能让我们实现 AGI，他认为概率为 50/50。LLM 将是“最终系统中非常重要的组成部分”，但可能不是唯一的组成部分。他估计可能还需要不到五个额外的突破，包括世界模型（Google DeepMind 的 Genie 系统，他直接参与其中）和更好的长期规划。

“I could imagine there are one or two breakthroughs, maybe a small handful, less than five, that still need to happen from here.” 我可以想象，从现在开始，可能还需要一两个突破，也许是少数几个，少于五个。

工业革命的 100 倍

他对颠覆的定义很具体。人工智能的转型将比工业革命“大十倍，快十倍”。工业革命持续了大约两代人。这一次不会给我们那么多的时间。

但 Hassabis 更感兴趣的是这种颠覆的远期影响。有了 AGI，他看到了由人工智能驱动的能源（可能是核聚变）、新材料和科学发现的突破所释放的“后稀缺世界”。然后是大多数科技领袖回避的部分：

“The thing I worry more about than the economics is what about purpose and meaning that a lot of us get from our jobs and scientific endeavors.” 我更担心的不是经济，而是我们很多人从工作和科学事业中获得的意义和目标。

他认为我们需要“一些新的伟大哲学家”来引导这种转变，而不仅仅是经济学家和监管者。就个人而言，他计划利用后 AGI 的能力来探索基础物理学：现实的本质、意识、费米悖论、时间的本质。

物理智能：18 个月后

Hassabis 在 2025 年的大部分时间里都在研究机器人技术，他认为我们正处于“物理智能突破性时刻的边缘”，但他预计还需要 18 个月到两年。三个具体的瓶颈：

1. 算法需要更强的鲁棒性，同时需要更少的数据。物理世界的合成数据比数字数据更难生成。
2. 机器人硬件，尤其是手。研究机器人技术让他“对人手有了新的认识”，以及进化在可靠性、力量和灵活性方面的设计是多么的精妙。
3. 数据稀缺：你可以比物理任务更容易地为数字模型创建合成数据。

Google DeepMind 与 Boston Dynamics 的合作从汽车制造开始，预计未来一年将进行原型部署。Gemini 从一开始就被设计成多模态的，既可以作为通用助手（在眼镜或手机上），也可以用于机器人应用。

中国：落后六个月，但尚未创新

Hassabis 驳斥了将 DeepSeek 的出现描述为“西方过度反应”的“灾难性”说法。他的评估比大多数前沿实验室负责人更为谨慎：

中国公司，尤其是字节跳动（他特别指出字节跳动是最有能力的），“可能只落后六个月，而不是一两年”。但他指出了两个重要的注意事项：

• DeepSeek 关于最小计算使用量的一些说法被夸大了，因为它们依赖于西方模型，并对领先的西方模型输出进行了微调。“这不是从头开始的。”
• 中国公司尚未证明它们能够“超越前沿进行创新”，而不是赶上它。它们正在快速进步，但尚未出现原创性的突破。

人工智能领域的 CERN

他最雄心勃勃的提议：建立一个国际性的、类似于 CERN 的机构，用于实现 AGI 的最后步骤。不仅有技术专家，还有“哲学家、社会科学家和经济学家”共同合作，研究人类真正希望从这项技术中获得什么。

他承认了显而易见的障碍：“目前的国际合作有点棘手。”如果没有国际合作，他会退而求其次，依靠实验室负责人之间的同行合作。他声称与“几乎所有领先实验室的其他领导人都保持着良好的关系”，并提到与 Anthropic 在安全协议方面进行了密切合作。

为什么 Google 值得信任

当被问及信任问题时，Hassabis 指出 Google 起源于一个博士项目，并且从一开始就嵌入了科学文化。董事会成员构成就是他的证据：John Hennessy（图灵奖得主）担任主席，Frances Arnold（诺贝尔奖得主）担任成员。“这些都是公司董事会中不常见的人。”

关于人工智能是否应该因一项发现而获得诺贝尔奖，他的立场很坚定：目前还是人类。人工智能是“终极科学工具”，一个更好的望远镜或显微镜，而不是一个自主的发现者。不久的将来是合作：人类科学家提供假设，人工智能提供超人的模式匹配。

一些思考

这次访谈最能揭示 Hassabis 与同行在时间线和颠覆速度上的差距。当 Amodei 谈论近期大规模的工作岗位流失时，Hassabis 始终押注于更长的时间线和更难解决的问题。

• “锯齿状智能”概念值得更多关注。95% 的任务完成率和 100% 之间的差距是大多数现实世界经济价值的所在地，而 Hassabis 认为我们距离弥合这一差距还有很长的路要走，这比炒作所暗示的要远得多。
• 他声称的工业革命的 100 倍并非夸张，按照他自己的计算：10 倍的规模乘以 10 倍的速度。如果即使是方向大致正确，每个机构都应该将其视为生存级别的战略转变。
• 对意义危机的呼吁在科技领袖中很少见。大多数人默认“新的工作岗位将会出现”或“人们会找到爱好”。Hassabis 坦诚这是一个尚未解决的哲学问题，而这种坦诚本身就提供了信息。
• 他对中国的评估是来自前沿实验室领导人最校准的看法：认真对待，具有竞争力，但创新差距是真实存在的，并且在两个方向上都被低估了。