DeepMind CEO专访：AGI前景与机器人新格局
Google DeepMind的CEO德米斯·哈萨比斯（Demis Hassabis）近日参加了All-In Podcast（知名播客节目）的专访。他在节目中直言，我们离AGI（Artificial General Intelligence: 人工通用智能）仅差一到两个根本性突破，预计五年内即可实现。哈萨比斯甚至透露，DeepMind正在打造“机器人的Android”（谷歌开发的移动操作系统）平台，旨在彻底改变机器人行业的格局。
诺贝尔奖的意外之喜
访谈首先从哈萨比斯最令人好奇的诺贝尔奖（国际性科学奖项）经历开始。他表示，诺贝尔奖的通知方式非常“反套路”，官方会在正式公布前十分钟才给获奖者打电话。当他接到那通来自瑞典的电话时，整个人都是懵的，根本来不及消化“自己拿了诺奖”这个消息。他指出，诺贝尔奖是科学界的“圣杯”，尤其是对从事AI应用的人而言，获得此奖意味着AI在科学发现中的价值得到了彻底认可。
随后，哈萨比斯前往瑞典参加了为期一周的颁奖典礼，并与皇室成员共处。最让他震撼的环节是诺贝尔奖官方从保险库取出的“签名簿”。他翻开那本厚厚的册子，看到了科学史上“群星璀璨的名字”，包括理查德·费曼（Richard Feynman: 著名物理学家）、玛丽·居里（Marie Curie: 著名物理学家和化学家）、阿尔伯特·爱因斯坦（Albert Einstein: 著名物理学家）、尼尔斯·玻尔（Niels Bohr: 著名物理学家）等。当他亲手将自己的名字写进去时，那种“和历史对话”的感觉是任何荣誉都无法替代的。
当被问及此前是否有预感到会获奖时，哈萨比斯的回答很实在。他虽然听到过一些传闻，但诺贝尔奖的保密工作做得像“瑞典的国家宝藏”一样，在信息如此透明的时代，能做到完全不泄露实属难得。他也清楚，诺贝尔奖的评选不仅关注科学突破本身，更要看其对现实世界的影响，因为很多成果的影响需要二三十年才能显现。因此，他从未想过自己会如此快地获得这个奖项，对他来说，这完全是“意外之喜”。
Google DeepMind：Alphabet的AI引擎室
聊完这份科学荣誉，访谈开始聚焦于哈萨比斯背后的团队——Google DeepMind（谷歌旗下的人工智能研究公司）。在Alphabet（谷歌的母公司）庞大的体系里，哈萨比斯形象地将DeepMind定位为“整个Google和Alphabet的AI引擎室”。他补充说，几年前谷歌将旗下所有AI团队，包括原有的DeepMind，整合成立了现在的Google DeepMind。他们的核心任务是“造模型、做整合”。
他指出，虽然核心模型是Gemini（DeepMind开发的多模态大型语言模型），但DeepMind的模型体系远不止于此，还包括视频模型Veo、交互式世界模型Genie等。这些模型目前已嵌入谷歌几乎所有产品中，包括数十亿用户正在使用的AI Overviews（谷歌搜索中的AI摘要功能）、Gemini，以及日常办公工具Workspace（谷歌的企业协作套件）和Gmail（谷歌的电子邮件服务），背后都有这些模型的支撑。
这种“前沿研究+快速落地”的模式对DeepMind来说是巨大优势。他们能一边进行顶尖的AI研究，一边让数十亿用户实时体验成果，避免了许多实验室研究成果只能停留在论文阶段的困境。哈萨比斯透露，Google DeepMind现有约5000名员工，其中80%以上是工程师和博士研究员，总计约4000名核心技术人员。这种“高学历密度”的团队是他们能持续产出成果的关键。
Genie世界模型：理解物理世界的关键
接下来，访谈进入了本次专访的“技术重头戏”——Genie（DeepMind开发的交互式世界模型）。哈萨比斯强调，这个模型必须亲眼看到才能理解其厉害之处。Genie并非游戏，也不是预先制作好的视频，它是一个用文本提示实时生成的交互式世界。例如，输入“一个可以粉刷的房间”，Genie就能生成一个3D环境，用户可以用方向键和空格键在其中行走，甚至拿起“油漆刷”在墙上画画。
更令人惊叹的是，在用户走到某个区域之前，该区域的像素都尚未生成，完全是“走到哪生成哪”。哈萨比斯举例说，视频中的玩家刷完墙后转头，能看到自己刚才留下的油漆痕迹，这些痕迹并非预制，而是AI根据“粉刷动作”实时计算出来的。用户还能输入“穿着公鸡服装的人”、“水上摩托艇”等元素，这些元素会立刻融入场景，毫无违和感。
有人可能会问，这不就是3D游戏吗？哈萨比斯解释，其实区别很大。传统3D游戏需要使用Unity或Unreal Engine（3D游戏开发引擎）这样的渲染引擎，程序员必须预先写好所有物理规律，例如光线如何反射、物体如何碰撞，再建立3D模型，最后渲染出画面。但Genie完全无需考虑这些，它通过观看数百万个YouTube（谷歌旗下的视频平台）视频，自己“逆向工程”出了世界的物理规律，例如水的光影反射、物体的材质感，它都能自主学习，无需程序员一行行地编写代码。
哈萨比斯对此特别有感触。他回忆起90年代刚入行时，就是给游戏编写代码、制作图形引擎的，深知手工制作这些有多么困难，需要绘制多边形、调整物理参数，一个小细节就要修改很久。现在看到AI能“开箱即用”地处理这些，他自己都觉得“不可思议”。
那么Genie的意义何在？哈萨比斯明确指出，要实现AGI，AI不能只理解语言和数学，还必须理解物理世界。例如，机器人要帮助递东西，需要知道“杯子拿太松会掉”；智能眼镜要指路，需要知道“台阶要迈过去”，这些都是最基础的物理规律。Genie正是为了训练AI的这种“理解能力”。用哈萨比斯的话说：“如果你能生成这个世界，就证明你的系统真的懂它背后的规律。”
机器人与“机器人的Android”平台
聊完Genie，对话自然过渡到机器人领域。毕竟，“理解物理世界”的最终目的就是让AI在现实中帮助我们完成任务。当被问及AI的视觉、语言、动作模型整合进展如何，能否实现“我说话，机器人就干活”时，哈萨比斯表示，如果尝试使用谷歌的Gemini Live，用手机对着周围的物体，它已经能“看懂”物理世界，例如识别出“这是杯子”“那是桌子”。
下一步是将这种能力植入智能眼镜，使其成为用户的“随身助手”，例如在逛街时提醒“前面有你要找的店”，或嵌入谷歌地图提供更精准的导航。在机器人领域，他们开发了所谓的“Gemini机器人模型”，即在Gemini的基础上，利用机器人数据进行了微调。去年夏天，DeepMind发布了一个演示视频，其中桌面上有两个机械臂，当用户说“把黄色的物体放进红色的桶里”时，它能直接将这句话转化为动作，精准地抓起黄色物体并放入桶中。
哈萨比斯强调，这种多模态能力是专用机器人模型无法比拟的，因为专用模型通常只能执行一项任务。而Gemini机器人模型不仅能理解人类语言，还懂得物理世界，这样才能实现安全、灵活的操作。
主持人还提到，此前曾问过谷歌CEO桑达尔·皮查伊（Sundar Pichai）是否会开发“机器人的Android”，就像Android系统支撑了无数手机一样，用一个通用平台来支撑所有机器人。哈萨比斯此次给出了肯定的答案，表示这正是他们的核心策略之一。当然，他们也在探索另一条路径——“垂直整合”，即将最新模型与特定机器人形态深度优化绑定，例如工业用的机械臂和家用机器人形态不同，就需要进行针对性整合。
人形机器人与专用机器人的未来
这里存在一个有趣的争议：人形机器人到底实用吗？有人认为“人形过于通用，不如专用机器人效率高”。哈萨比斯的观点是“两者都有用”。他表示，五到十年前，他也觉得专用形态更好，尤其是对于工业场景，例如实验室里的机器人应按实验流程设计，生产线上的机械臂应按流水线优化。
然而，对于家用或通用机器人而言，人形至关重要。因为我们的世界是按照人类设计的，台阶是供人行走的，门把手是供人握持的，桌子高度也是根据人的身高设定。与其花费巨资改造世界以适应机器人，不如让机器人“长得像人”，直接适配现有环境，这样成本更低，也更实用。因此，他判断未来专用机器人将在工业领域大放异彩，而人形机器人将在日常生活中普及。
主持人追问，未来五到七年内，会不会出现数百万、上亿台机器人？哈萨比斯认为，现在机器人领域仍处于“黎明时分”，就像个人电脑的70年代，还处于PC-DOS（早期个人电脑操作系统）阶段。但不同之处在于，现在的发展速度是“一年顶过去十年”。他预计未来几年会有更多“惊艳时刻”，但前提是算法需进一步进步，机器人模型也要更可靠，对世界的理解更全面。
哈萨比斯也提到，目前来看，硬件方面是一个较大的挑战。如果现在建设工厂生产几十万台机器人，等你制造出来，六个月后可能就有更灵巧、更便宜的新版本问世，届时老版本就会被淘汰。因此，现在的关键是“找到能规模化量产又能快速迭代的硬件方案”，这也是整个行业都在攻克的难题。
AI加速科学发现与创造力瓶颈
聊完机器人，主持人将话题拉回科学领域。毕竟，哈萨比斯的核心目标之一就是利用AI加速科学发现。当被问及AI最有可能在哪些科学领域带来突破以及需要何种模型时，哈萨比斯表示，用AI加速科学发现、改善人类健康是他“毕生追求”的事业。他认为AGI将是“科学探索的终极工具”。目前，DeepMind已进行了诸多尝试，例如除了利用AlphaFold（DeepMind开发用于预测蛋白质结构的人工智能系统）破解蛋白质结构，他们还用AI设计新材料、控制聚变反应堆的等离子体、优化天气预报，甚至解决奥林匹克数学竞赛题。
他指出，有趣的是，同一种模型经过微调就能应对不同领域的难题，这说明AI的通用性正在逐渐显现。然而，现在大家看到的还只是“冰山一角”。
但他坦诚，当前的AI仍有一个很大的局限，那就是缺乏真正的创造力。它能验证人类提出的猜想，例如“这个蛋白质结构是否正确”，但不能自己提出新的猜想或新的理论。哈萨比斯认为，这种“创造新概念”的能力是AGI的核心标准之一。
主持人追问，人类的创造力到底是什么？哈萨比斯举了一个思想实验：如果给AI输入1901年以前的所有知识，它能否像阿尔伯特·爱因斯坦（Albert Einstein）在1905年那样，自己提出狭义相对论？如果能，就说明AI在创造力上迈出了关键一步。他还提到了AlphaGo（DeepMind开发的围棋人工智能程序）的例子，虽然它击败了围棋世界冠军，并下出了“第37手”这样的创新棋步，但它无法创造一款像围棋一样“优雅、精妙”的新游戏，只能在现有规则中进行博弈。
哈萨比斯表示，AGI现在缺乏的是“创造美、欣赏美的能力”，以及顶尖科学家那种“非线性的直觉飞跃”。他解释说，优秀科学家与伟大科学家的区别在于创造力。优秀科学家能将技术练到极致，而伟大科学家能从其他学科“借鉴灵感”，例如从生物学规律中联想到物理学问题。AI目前还无法做到这种“跨领域的类比”，也没有所谓的“一致性”，例如有些模型被吹捧为“博士级的智能”，但换个问法，它甚至连高中数学题都能算错。真正的AGI，不应该犯这种低级错误。显然，哈萨比斯在此暗指了OpenAI（知名人工智能研究公司）的GPT-5（OpenAI开发的大型语言模型）。
AGI的时间线与根本性突破
随后，哈萨比斯给出了一个明确的时间线：我们离AGI还有五到十年的时间，期间需要一到两个根本性的突破。这可能体现在“持续学习”方面，例如教AI新的知识时，它能立即学会而无需重新训练；也可能是在“跨领域的推理”上。他认为，仅仅依靠“堆数据、堆参数”无法实现AGI，必须在底层架构方面有所突破。
主持人还提到一种说法，即当前大语言模型的性能趋同，提升速度变慢。哈萨比斯直接否定了这种说法，至少从DeepMind的内部来看，进步仍在加速。例如Gemini模型、Veo模型，以及用户反响极好的NanoBanana（DeepMind开发的图像生成工具），都在持续突破。
提到NanoBanana，哈萨比斯特别骄傲。这款图像生成工具最厉害之处在于其“一致性”，用户让它修改图中的某个细节，例如“把蓝色的杯子改成红色”，它只会修改杯子，其他部分完全不变。这样用户就能反复调整，直到做出满意的效果。他认为，这就是未来创意工具的方向，用户无需学习复杂的操作，直接通过对话即可进行创作。
创造力的民主化与共创时代
一个重要的趋势是创造力的民主化。哈萨比斯说，以前学习Photoshop（Adobe公司的图像编辑软件）需要购买一本厚厚的指南，练习数月才能学会抠图、羽化；而现在使用NanoBanana，直接说“把这个人抠出来，背景换成草原”，AI就能做到。但这并非意味着“人人都能成为顶尖创作者”，顶尖导演、艺术家的“叙事能力”和“艺术风格”仍然是AI无法替代的。
AI能做的，是让他们的效率提升10倍甚至100倍。例如导演达伦·阿伦诺夫斯基（Darren Aronofsky: 著名电影导演）使用DeepMind的Veo（DeepMind开发的视频生成模型）工具制作电影，能够快速将脑海中的想法转化为画面，无需再等待团队熬夜制作特效。
主持人追问道，未来会不会变成“每个人都有自己的专属内容”？例如说“要一首大卫·马修（Dave Matthews: 著名音乐人）风格的歌”，AI马上就能写出来；说“要一款以《勇敢的心》（Braveheart: 著名电影）为背景的游戏，主角是我”，AI马上就能生成出来。哈萨比斯认为，这种“共创式的娱乐时代”肯定会到来，但顶尖创作者的角色并不会消失，而是会转变为“世界观的编辑者”。他们将设计核心故事线、设定世界规则，然后普通人可以在这个框架里完成自己的创作。例如一款游戏，创作者设计好背景和核心玩法，玩家可以自己添加剧情、修改角色，这样既有集体的共鸣，又有个人的特色。
Isomorphic Labs：AI驱动的药物发现
聊到这里，主持人问了一个很实际的问题：哈萨比斯现在是否还在管理Isomorphic Labs（DeepMind分拆出的药物发现公司）？这家公司是做什么的？哈萨比斯回答道，他仍在管理Isomorphic。这是一家从DeepMind分拆出来的公司，专门从事药物发现，其核心技术源于AlphaFold。但他指出，AlphaFold只是第一步，知道了蛋白质结构并不意味着就能制造出药物。
Isomorphic的目标是围绕AlphaFold建立一系列模型，例如设计能与蛋白质精准结合的化合物，以及预测化合物的副作用。他的目标非常激进，即在未来十年内，将药物研发周期从几年甚至几十年缩短到几周甚至几天。目前，Isomorphic已与礼来（Eli Lilly: 跨国制药公司）、诺华（Novartis: 跨国制药公司）等大型药企合作，并拥有自己的内部研发项目，主攻癌症、免疫学领域，还与MD安德森癌症中心（MD Anderson Cancer Center: 知名癌症治疗和研究机构）等顶尖机构合作。哈萨比斯表示，明年某个时候，他们的候选药物就能进入“临床前阶段”，即在动物身上进行实验，之后再交由药企推进人体临床试验。
混合模型：概率与确定性的融合
这里涉及一个比较专业的问题：用AI进行药物发现，是采用概率模型还是确定性模型？概率模型是“靠数据来猜”，例如“这个化合物有效的概率是80%”；而确定性模型是“靠规则来算”，例如“根据化学原理，这个化合物一定能和蛋白质结合”。当被问及更倾向于哪种时，哈萨比斯表示，他们现在做的是“混合模型”。
AlphaFold就是一个典型例子，它有一个“概率部分”，利用神经网络和Transformer（一种基于自注意力机制的神经网络架构）从数据中学习规律；但也有“确定性的部分”，将已知的化学、物理规则嵌入其中，例如“原子不能重叠”、“键角不能超过某个范围”等。为什么要这样做？因为生物学和化学领域的数据往往不够多，如果让AI自己学习这些基础规则，会浪费大量算力；如果直接嵌入，就能让模型更高效、更准确。
然而，混合模型的难点在于“平衡”，即如何让数据驱动的部分和规则驱动的部分协同工作，而不是互相干扰。哈萨比斯指出，AlphaGo（DeepMind开发的围棋人工智能程序）也是混合模型，既有学习人类棋谱的部分，也有自己探索的部分，并且他们会不断优化。例如，AlphaGo的升级版AlphaZero（AlphaGo的升级版，从零开始学习），他们将AlphaGo中“针对围棋的规则”全部删除，让它从零开始自我对弈，结果AlphaZero不仅学会了下围棋，还学会了下国际象棋和将棋，通用性大大提升。
哈萨比斯认为，未来AGI的突破也可能来自于这种“混合模型的优化”，即先通过混合模型解决问题，再将经验反哺给纯学习模型，从而慢慢实现“端到端学习”。
AI的能源需求与可持续未来
最后，主持人问了一个所有人都关心的问题：如今AI的能源需求越来越大，未来会不会出现“能源危机”？哈萨比斯的回答非常辩证，他认为有两个趋势同时存在。一方面，DeepMind一直在优化模型的效率，例如“模型蒸馏（Model Distillation: 一种压缩大型AI模型的技术）”，用一个大模型教小模型，让小模型的性能可以接近大模型，但能耗和延迟降低10倍甚至100倍。目前，谷歌每天要为数十亿用户提供AI服务，必须依靠这种技术来控制成本和能耗。
但另一方面，AI的能源需求仍在增长，因为人们对AGI的期待越来越高，需要训练更大、更复杂的模型，实验更多新的想法。这种“前沿探索”所需的能耗，暂时还无法降低。
不过，哈萨比斯仍然非常乐观，认为长期来看，AI节省的能源将远远超过其消耗的能源。例如，AI能够优化电网，使电力分配更加合理，减少浪费；还能设计出新的材料，例如更高效的太阳能板、更轻的电池；还能提升新能源的效率，例如让风力发电机根据风向自动调整角度。他表示，未来十年，AI将成为“解决气候变化的一个关键工具”，其贡献将远大于能耗。
十年愿景：科学与艺术的黄金时代
作为收尾，主持人让哈萨比斯描绘了一下十年后的世界。哈萨比斯说，AI领域变化太快，十年后的细节难以预测。但如果能在十年内实现AGI，一定会开启“科学和艺术的新黄金时代”，能源问题可能通过聚变解决，癌症可能依靠AI药物治愈，普通人也能通过AI实现自己的创意。他表示，这就是他一直坚持做AI的原因，不是为了技术本身，而是为了让人类的生活变得更好。