Google DeepMind 联合创始人兼首席执行官 Demis Hassabis 在 2026 年世界经济论坛期间接受了彭博社的专访，其中讨论了 AI 未来几年的发展，包括基础模型、实际应用和负责任的 AI 开发方面的进展。以下为原视频精华，本文由我和 Gemini 3 Pro 共同整理而成。

在达沃斯的聚光灯下，Google DeepMind 的掌门人 Demis Hassabis 显得既自信又紧迫。

这一年，对于 Google 来说，不仅是反击的一年，更是重塑自我的一年。从旧金山到瑞士，关于 Google 是否“找回了魔力”的讨论从未停止。面对镜头，Demis 没有回避那个著名的内部代号——“红色代码（Code Red）”。

“过去几年，不仅是我们要夺回技术高地，更是一场关于速度的革命。”Demis 坦言。

这篇文章将带你深入 Demis Hassabis 的大脑，探讨 Google 的绝地反击、他对中国 AI 竞争的真实看法、那个著名的 2030 年 AGI 预测，以及当人类不再需要工作时，我们将何去何从。

假如 Google 像创业公司一样奔跑

过去一年，Google 最大的变化是什么？Demis 形容这是一种“创业公司般的能量”。

曾几何时，Google 被认为在 AI 浪潮中反应迟缓。但 Demis 指出，Google 和 DeepMind 在过去十年实际上发明了现代 AI 产业所依赖的 90% 的突破性技术——包括大名鼎鼎的 Transformer 架构和 AlphaGo 的深度强化学习。

现在的挑战在于如何将这些积淀转化为产品。“我们将 DeepMind 和 Google 的研究部门合并，首要任务就是确保我们的模型在所有基准测试中都达到最先进水平（State of the Art）。”随着 Gemini 系列模型的推出，尤其是多模态能力的展现，Google 正试图证明它不仅拥有全栈优势——从底层芯片（TPU）、数据中心到云业务和顶尖实验室——更拥有了快速迭代的执行力。

这就是 Demis 口中的新常态：每周 100 小时的工作，哪怕是作为 CEO，也常在凌晨 1 点到 4 点进行深度思考。

定义 AGI：不只是解决问题，而是提出问题

关于通用人工智能（AGI）的到来时间，Demis 维持了他那个著名的预测：到 2030 年，我们有 50% 的概率实现 AGI。

但他对 AGI 的定义有着极高的门槛。现在的 AI 虽然强大，但距离人类的认知能力仍有明显差距。Demis 指出了几个关键的缺失：

  • 科学创造力： 真正的智能不仅是解决既定的科学难题，更是要能像顶尖科学家一样，自主提出假设，找到正确的问题。 任何科学家都知道，提出正确的问题往往比解决它更难。
  • 在线学习能力： 现在的模型训练完就“定型”了，而真正的 AGI 需要在静态部署后，依然能从世界中实时学习。
  • 长期规划与记忆： 跨越长时间跨度的推理和策划能力。

在那之前，我们所拥有的只是 Demis 所谓的**“锯齿状智能（Jagged Intelligence）”**——在某些方面极其出色，在某些方面却极其笨拙。

物理世界的“AlphaFold 时刻”

如果说生成式 AI 改变了比特世界，那么机器人技术将改变原子世界。

Demis 透露，他过去一年花了很多时间研究机器人技术。他认为，我们正处于物理智能突破的前夜，距离机器人领域的“AlphaFold 时刻”大约还有 18 个月到 2 年的时间。

Gemini 这种多模态模型是关键，它不仅能理解文本，还能理解视频和图像。但这还不够。与数字世界不同，物理世界缺乏海量的训练数据，你很难在这个领域生成完美的合成数据。此外，硬件仍是瓶颈，特别是机械手。

“当你深入研究机器人时，你会对人类的手产生一种全新的敬畏。它是进化的杰作，那种力量与灵巧的结合，目前的硬件还很难完美复刻。”Demis 感叹道。尽管如此，Google 正通过与波士顿动力（Boston Dynamics）的深度合作，试图在未来几年解决这些难题。

中国的追赶与“幻觉”

一年前，西方世界曾对中国的 AI 进步感到“灾难性”的恐慌。一年后，这种声音似乎平静了许多。

Demis 对此保持着冷静且现实的看法。他从未觉得那是灾难，也不认为现在可以掉以轻心。“中国非常令人印象深刻，像字节跳动这样的顶尖公司，我认为他们距离前沿可能只有六个月的差距，而不是一两年。”

然而，关键的区别在于创新模式。Demis 认为，目前看到的更多是极其出色的“追赶”能力——利用西方模型的输出进行微调，迅速逼近前沿。但核心问题是：中国公司能否在该领域实现超越前沿的原创性突破？这一点尚待观察。

被夸大的失业恐慌与“锯齿状”的现实

Anthropic 的 CEO Dario Amodei 曾预测 AI 会在 5 年内消灭 50% 的初级白领工作。Demis 并不完全认同这个时间表。

原因就在于前文提到的“锯齿状智能”。如果你想把一项工作完全“甩手”给 AI 代理（Agent），你需要它在整个任务流程中都保持极高的稳定性。目前的 AI 可能在 95% 的环节都做得很好，但这剩下的 5% 的不靠谱，让它目前更像是助手而非替代者。

但 Demis 也不否认长期的颠覆性。他将这场变革比作工业革命，但规模是其 10 倍，速度是其 10 倍。这意味着我们将面临前所未有的剧变。

对于年轻人，他的建议很直接：学会如何学习（Learning to learn），并熟练掌握这些新工具。这就像赋予了你某种超能力，让一个有创造力的人可以完成过去十个人的工作。

缩放定律（Scaling Laws）失效了吗？

科技圈有一个激烈的争论：仅仅靠“堆算力、堆数据”的 Transformer 架构，能否通向 AGI？

Yann LeCun 认为不能，Demis 表示反对，但他并不认为这是“非黑即白”的问题。

“这其实是一个实证科学问题，”Demis 解释道。他认为大概有 50% 的可能性，仅仅通过扩大现有模型的规模并进行微调就能实现 AGI。即便不是全部，现有的大模型也必将是最终解决方案中至关重要的组成部分。

但他更倾向于结合论：我们需要规模化（Scaling），同时也需要新的架构突破。 这些突破可能包括“世界模型”（World Models，Google 正在研发的 Genie 系统就是一个例子）、更好的推理能力和规划能力。在 Demis 看来，我们从未离开过“研究的时代”，创新与工程化必须并行。

终极愿景：后稀缺时代与人类的意义

Demis Hassabis 是个理想主义者。他不仅想造出最强的 AI，更有着一个宏大的终极目标：利用 AGI 解决科学问题，进入“后稀缺（Post-Scarcity）”世界。

想象一下，如果有 AI 帮助我们实现了可控核聚变，哪怕是在 AGI 出现后的 5 到 10 年内，能源将变得清洁且几乎免费。我们将拥有能治愈疾病的新材料。在那个物质极大丰富的世界里，最大的挑战不再是经济，而是意义。

当工作不再是必须，我们该做什么？

对于 Demis 个人而言，答案很简单：“我会用它来探索物理学的极限。”他是那种会凝视星空，思考现实的本质、时间的意义、重力的本质以及费米悖论的人。他希望在 AGI 的帮助下，解开这些宇宙终极谜题。

但对于全人类，这是一个需要新一代哲学家去思考的问题。也许我们会看到艺术的复兴，也许我们会追求更极致的体育竞技，通过那些不为了经济利益的活动来寻找存在的意义。

写在最后：给现在的建议

在访谈的最后，Demis 给出了当下的建议。

对于为了未来焦虑的父母，这里的关键词是适应性。唯一不变的是变化本身。 对于商业领袖，现在是选择站队的时候。市面上有许多模型提供商，选择那些与你价值观一致、负责任的合作伙伴，共同构建未来。

Demis 并不认为我们已经像埃隆·马斯克所说的那样进入了“奇点”。但他确信，我们正站一个伟大时代的门槛上。正如 Google 当初也是 Larry 和 Sergey 的一个博士项目一样，DeepMind 正在用最严谨的科学精神，试图解开智能的奥秘。

这是一场不能按暂停键的加速跑，而终点，或许就是星辰大海。