--- author: Best Partners TV date: '2026-01-21' guest: '' layout: post.njk source: https://www.youtube.com/watch?v=EejCqes3MSE speaker: Best Partners TV tags: - artificial-general-intelligence - scaling-laws - world-models - edge-computing - ai-safety title: 德米斯·哈萨比斯：AGI十年愿景与AI的未来之路 summary: Google DeepMind CEO德米斯·哈萨比斯在最新访谈中，预测AGI将在五到十年内实现，并深入探讨了当前AI的技术瓶颈，如Scaling Law的收益递减和推理能力的缺失。他强调了“世界模型”作为实现AGI的关键创新，并阐述了AI如何成为解决能源危机、气候变化等全球性挑战的利器。同时，他也谈及了AI安全风险、Google的战略调整、AI泡沫以及边缘计算和智能眼镜作为未来杀手级应用的前景。 insight: '' draft: true series: '' category: ai-ml area: tech-engineering project: [] people: [] companies_orgs: - Google - DeepMind products_models: - Gemini - AlphaFold - Genie - Veo media_books: [] status: evergreen --- ### 访谈开场与背景 **最佳拍档**: 大家好，这里是最佳拍档。今天我们来给大家分享一下Google DeepMind的CEO德米斯・哈萨比斯的最新访谈。这位在AI领域深耕了二十多年，见证了从AlphaGo到Gemini全历程的行业领袖，在这场访谈中用最坦诚的视角，回答了关于AGI的技术瓶颈、实现的时间表、能源挑战、全球竞争以及安全风险等一系列的核心问题。 很多人知道德米斯・哈萨比斯是因为他是DeepMind的创始人，但是他的经历本身就是一部跨界的天才史。哈萨比斯从小就是象棋神童，曾经代表英国队参加过国际象棋的世界比赛，这种对策略和系统的敏感度，为他后来的AI研究埋下了伏笔。年轻时，他还参与开发了经典游戏《主题乐园》，在游戏开发中，他深刻的理解了虚拟世界的规则构建，这和后来他提出的世界模型的理念有着异曲同工之妙。 二零一零年，哈萨比斯创立了DeepMind。当时AI还是一个相对冷门的领域，但是他却在那时侯定下了一个看似遥不可及的目标：二十年内实现AGI。如今，十五年过去了，DeepMind被Google收购后，和Google Research、Google Brain整合为Google的AI核心引擎室。哈萨比斯作为负责人，正带领着全球最顶尖的AI团队，朝着这个目标稳步的推进。他的经历告诉我们，真正的技术领袖既要具备仰望星空的愿景，也要有脚踏实地的执行力，而他在这次访谈中分享的观点，正是这种愿景和执行力的结合。 ### Scaling Law的争议与价值 **最佳拍档**: 最近几年，AI行业一直围绕着Scaling Law争论不休。所谓Scaling Law，简单来说就是模型的能力会随着算力、数据和参数规模的扩大而提升的规律。前几年，这个规律似乎屡试不爽，模型的规模从百亿到千亿再到万亿，能力也随之实现了跨越式的提升。但是最近，越来越多的人发现，模型规模的扩大带来的收益似乎正在递减。投入同样多的算力和数据，模型的能力提升远不如前两年来的明显。于是，有人开始质疑，Scaling Law是不是已经失效了呢？继续堆算力还有意义吗？ **最佳拍档**: 面对这个问题，哈萨比斯给出了一个非常理性的回答。他认为，Scaling Law的进展其实非常的顺利，模型能力依然在稳步的提升，所谓的收益递减并不等于零增长。举个例子，就像我们锻炼身体一样，一开始体重下降、体能提升的速度非常明显，但是到了一定的阶段，想要再进步就需要付出更多的努力，但是这并不意味着锻炼没有价值，只是进步的斜率变缓了而已。对于AI来说，这种递减的收益依然具有非常高的商业和科学价值，足以支撑千亿级规模的持续投入。比如，DeepMind的AlphaFold已经能够预测蛋白质的结构，为药物研发带来革命性的突破，而这背后正是Scaling Law持续发挥作用的结果。 ### 当前AI的局限与AGI的挑战 **最佳拍档**: 但是哈萨比斯也坦诚的指出，仅仅依靠Scaling Law永远无法实现真正的AGI，因为当前的AI存在着一个致命的缺陷，属于是一个能力分布不均的智能。他用聊天机器人举例，这些模型在某些特定任务上的表现惊人，比如写代码、做翻译、回答标准化的问题，但是一旦超出了这些领域，它们的缺陷就会暴露无遗。比如，你问它一个需要跨领域的逻辑推理问题，或者用一种它没有见过的提问方式来测试它，它可能会给出错误的答案，甚至完全无法理解你的意思。这种不稳定性，正是通往AGI的最大阻碍。 **最佳拍档**: 哈萨比斯进一步的解释，真正的通用智能应该是稳定而且全能的，就像顶尖的科学家一样，既能在自己的专业领域深耕，也能理解基础的物理逻辑、进行跨学科的思考，还能提出全新的科学假设。但是当前的AI系统显然不具备这些能力。它们缺少持续学习的能力，无法像人类一样实时的吸收新的知识，只能通过重新训练来更新模型。它们也缺少原创性创作的能力，只能在现有数据的基础上进行组合和模仿，无法提出真正全新的思想或者理论。更重要的是，它们缺少长期规划和深层推理的能力，无法像人类一样制定长远的目标并且一步步的实现它，也无法理解事物背后的因果关系，只能根据数据中的相关性来做出判断。 **最佳拍档**: 如果用一个形象的比喻的话，当前的AI就像一个记忆超群但是缺乏思考能力的图书馆管理员，它能够快速找到你需要的信息，甚至能把不同的信息整合起来，但是它无法理解这些信息背后的深层逻辑，也无法基于这些信息提出全新的观点。而AGI则需要成为一个具备独立思考能力的科学家，它不仅能够掌握现有的知识，还能探索未知的领域，推动人类认知的边界。不过，要想实现这一点，仅仅依靠扩大模型的规模是不够的，我们还需要一两个关键的技术创新来弥补这些核心的缺陷。 ### 世界模型：AGI的关键创新 **最佳拍档**: 那么，这些关键的创新是什么呢？哈萨比斯给出了一个核心的答案，那就是世界模型。什么是世界模型呢？它和我们现在的大语言模型有什么区别呢？ **最佳拍档**: 哈萨比斯解释说，当前的大语言模型本质上是文本处理工具，即使是像Gemini这样的多模态模型，能够处理音频和视频，但是它对物理世界的规律和因果关系的理解依然非常肤浅。比如，它能识别视频中的杯子，但它不一定理解杯子为什么会掉下来，掉下来会发生什么，以及怎样可以防止杯子掉下来这些深层的问题。而世界模型，就是让AI建立起对物理世界的内在认知，理解从基础物理到生物学、经济学的各种规律，能够在脑海中模拟物理世界的运行，从而进行长远的规划和逻辑推理。 **最佳拍档**: 举个例子，当我们人类面对一个新问题时，比如如何设计一座更加坚固的桥梁，我们会在脑海中模拟桥梁的受力情况、材料特性、环境影响，然后基于这些模拟提出设计的方案。然而，当前的AI只能根据已有的桥梁设计数据来进行模仿，无法进行这种深层次的模拟和推理。世界模型就是要让AI具备这种模拟的能力。哈萨比斯提到，DeepMind正在开发的Genie模型以及视频生成模型Veo，都是世界模型的胚胎形式。为什么这么说呢？因为如果一个模型能够生成非常真实的视频，这就意味着它在某种程度上理解了现实世界的运作规律，它知道了物体的运动轨迹、光影的变化、物理碰撞的效果，否则它是无法凭空生成这些内容的。 ### AGI的融合路径与时间表 **最佳拍档**: 那么，未来的AGI会是大语言模型和世界模型的结合体吗？ **最佳拍档**: 哈萨比斯给出了肯定的答案。他认为，基础依然会是以大语言模型或者基础模型作为核心组件，因为这些模型已经证明了它们在处理信息、理解语言方面的强大能力，这是AGI不可或缺的基础。但是在此之上，必须叠加世界模型的能力，让AI不仅能够理解语言，还要能理解世界。这种融合，就像给AI装上了眼睛和大脑。因为大语言模型是语言中枢，负责处理信息和沟通；世界模型是认知中枢，负责理解规律和推理决策。这就像是人类的认知过程一样，我们小时候学习语言，同时也在通过观察和体验来理解世界的规律，语言和对世界的认知是相互促进、共同成长的。AI的发展或许也会遵循着类似的路径，大语言模型让AI掌握了沟通工具，而世界模型让AI具备了认知能力，只有两者的结合，才能实现真正的通用智能。哈萨比斯坚信，这种融合是AGI的必经之路，而目前DeepMind正在这条路上稳步的推进，Genie和Veo等模型的研发就是最好的证明。 **最佳拍档**: 所以，AGI到底什么时候能够实现呢？以及，在实现AGI的过程中，我们还会面临哪些现实的挑战呢？ **最佳拍档**: 关于AGI的实现时间，哈萨比斯的观点非常明确，那就是五到十年。这个预测是基于DeepMind二十多年的技术积累和对行业趋势的判断。二零一零年，哈萨比斯创立DeepMind时，就定下了二十年实现AGI的目标，如今十五年过去，他们正处于预期的轨道上。对于一项能够彻底改变人类文明的颠覆性技术来说，五到十年的时间其实非常短暂，这也从侧面反映了AI技术的发展速度之快。 ### AGI面临的现实挑战：算力与能源 **最佳拍档**: 但是在实现AGI的道路并不是一帆风顺的。其中最大的现实挑战之一，就是物理的约束、算力芯片短缺和能源供应不足。哈萨比斯坦诚的表示，算力芯片始终供不应求，即使DeepMind有自主研发的TPU系列，但是全球市场的需求依然远远超过产能。而在通往AGI的道路上，能源几乎等同于智能，模型的训练和运行需要消耗大量的电力，随着模型规模的扩大，能源的消耗也在不断的增加。这让很多人担心，能源供应会不会成为AGI发展的天花板呢？ ### AI：能源危机的解药 **最佳拍档**: 面对这个问题，哈萨比斯给出了一个充满希望的答案。他说，AI本身就是破解能源危机的解药。他认为，AI不仅不会耗尽能源，反而能够帮助我们解决能源的问题。具体来说，这种自我补偿效应体现在三个方面：第一，提高现有基础设施的效率，比如，通过AI优化电网的运行，减少能源的浪费；通过AI提升工业生产的能效，降低单位产出的能耗。第二，助力新能源技术的研发，比如，DeepMind正在和Commonwealth Fusion合作，利用AI控制核聚变反应堆中的等离子体，加速核聚变技术的商业化进程，而核聚变一旦实现，将为人类提供几乎无限的清洁能源。此外，哈萨比斯个人的一个研究重点是利用AI寻找室温超导体，室温超导体如果研发成功，将彻底改变能源的传输和存储方式，大幅度的降低能源的损耗。第三，提升模型本身的能效，比如，DeepMind的Flash系列模型，通过知识蒸馏等技术，能够用更小的模型规模实现和大模型相当的性能，这种每瓦性能的提升，将持续降低AI的能耗门槛。 **最佳拍档**: 哈萨比斯的这个观点，也许打破了很多人对技术发展和资源消耗的固有认知。我们通常会认为，新技术的发展会消耗更多的资源，但是AI的特殊性在于，它能够反哺资源领域，通过技术创新来解决自身发展带来的资源压力。这种自我迭代、自我补偿的特性，或许正是AI最神奇的地方，就像人类的大脑一样，越用越灵活，而AI则是越发展，越能解决发展中的问题。 ### AI的伦理与安全风险 **最佳拍档**: 当然，AI的发展不仅面临技术和资源的挑战，还面临着伦理和安全的风险。随着AI技术的不断进步，越来越多的人开始担心它的负面影响，比如对就业的冲击、被坏人利用进行破坏、甚至出现失控的情况。哈萨比斯作为AI领域的领袖，对这些风险有着清醒的认识。他认为，AI将是人类发明过的最有益的技术之一，比如通过Isomorphic Labs，DeepMind正在利用AI加速药物的研发，目标是攻克所有的疾病，这在未来一二十年内是有可能实现的。但是同时，风险也确实是存在的，是我们不能忽视的。 **最佳拍档**: 在哈萨比斯看来，AI的风险主要集中在两个方面：第一，被恶意利用。随着AI能力的增强，坏人可能会利用AI制造虚假信息、发起网络攻击、研发危险武器等等，将会对社会安全造成威胁。第二，AI Agent的自主性风险。当AI进化到具备高度自主性的AI Agent的阶段，我们怎么样能够确保它们始终遵循人类的意图，而不会产生无法预料的行为呢？比如，一个被设计用来优化能源供应的AI Agent，会不会为了达到目标而做出损害人类利益的事情呢？ **最佳拍档**: 面对这些风险，哈萨比斯强调，行业必须建立起科学严谨的安全护栏，这比单纯的商业胜负更关乎人类的未来。从DeepMind创立之初，他们就将系统的责任、安全和保障视为核心。在二零一零年AI还不被大家所关注的时候，他们就已经开始为AI的安全在做规划了。哈萨比斯认为，确保AI安全的关键在于在部署前尽可能透彻的了解正在构建的系统，通过科学的方法，测试AI的行为边界，识别潜在的风险点，提前制定应对的方案。当然，这并不意味着我们永远不会犯错，AI是一项发展快速的技术，我们需要在发展中不断的完善安全措施，保持谨慎乐观的态度。 ### 全球竞争与Google的战略 **最佳拍档**: 对于约书亚・本吉奥等人呼吁的放慢AGI的研发，倾向于发展工具型AI的观点，哈萨比斯表示理解，但是他认为，在当前的全球竞争格局下，单纯的减速并不现实。他解释说，现在不仅是各大公司都在竞相研发AGI，各国政府也都在发力，这种竞争态势在理想的状态下不应该存在，但是现实世界并不是这样的，所以我们必须务实的面对现实。因此，DeepMind的策略是在技术前沿树立榜样，在尽可能快而且广泛的推广AI收益的同时，保持高度的责任感和审慎的态度，在发展和安全之间取得平衡。 **最佳拍档**: 哈萨比斯的这个观点，其实反映了技术发展的现实困境。一方面，我们担心技术失控带来的风险；另一方面，我们又不能忽视全球竞争所带来的压力。在这种情况下，单纯的停止或者减速，可能都不是最好的选择，而负责任的加速，也就是在推动技术进步的同时，建立完善的安全体系，才是更加可行的路径。毕竟技术的发展是不可逆转的，我们能做的，就是引导它朝着对人类有益的方向发展。 **最佳拍档**: 当前的AI行业，科技巨头、初创公司纷纷入局，千亿级的资金投入，白热化的技术比拼，有人说这是近几十年来最激烈的科技竞争。在这样的格局下，Google作为传统的科技巨头，怎么样能够重新回到领跑的地位呢？ **最佳拍档**: 哈萨比斯坦言，现在的竞争确实非常的激烈，无论是科技巨头还是顶尖的初创公司都悉数入局，因为大家都意识到AI是当代最重要的技术。但是对于这种竞争，哈萨比斯并不畏惧，反而是充满了热情，因为他从小就是在竞争中长大的，甚至在某种程度上是为竞争而活。但是他同时也强调，有些东西比公司间的胜负更加重要，那就是怎么样为全人类管理好AGI，这是AI实验室领导者的责任。 **最佳拍档**: 回顾过去的十年，Google在AI技术上其实一直处于领先的地位，当今AI领域大约百分之九十的核心技术都源自于Google Brain和DeepMind，比如Transformer架构、大规模强化学习等等。但是为什么在过去几年，Google却被OpenAI等公司抢占了先机呢？哈萨比斯认为，问题出在了商业化和规模化上。Google虽然发明了技术，但是在将技术转化为产品、推向市场的方面动作太慢，而OpenAI等公司在这方面做得非常的出色。意识到这个问题后，Google在过去两三年进行了重大的调整，将Google Research、Google Brain和DeepMind整合为统一的Google DeepMind，由哈萨比斯负责管理。作为Google的AI核心引擎室，这种整合带来了显著的效果，Google找回了初创公司的拼劲，变得更加的敏捷，大幅加快了交付的速度。Gemini系列的成功，尤其是Gemini 3的发布，让Google重新回到了领跑者的位置。 **最佳拍档**: 哈萨比斯解释说，整合后的Google DeepMind实现了技术研发和产品落地的无缝衔接。现在，他们研发的AI技术几乎可以同步部署到Google的所有主要产品中，比如发布新的Gemini模型时，Google Search等产品在当天或者第二天就能上线相关的功能。这种高效的协作流程，得益于Google对整个基础设施的重新架构以及团队之间的紧密配合。哈萨比斯和Google的CEO桑达尔・皮查伊几乎每天都会讨论战略，根据Google的整体需求调整技术路线图，同时坚持将率先、快速而且安全的实现AGI作为长期的目标。除此之外，Google的核心优势还在于其庞大的产品生态上。Google拥有几十款用户量过十亿的产品，比如搜索、Gmail、Workspace等等，AI能够自然的融入到这些产品中，为用户提供无缝的体验。这种技术加生态的组合，是很多初创公司所无法比拟的。比如，当AI融入搜索时，用户可以获得更加精准、更加智能的搜索结果；当AI融入Gmail时，用户可以更高效的处理邮件。这种场景化的应用，让AI的价值得到了最大程度的发挥。哈萨比斯自信的表示，凭借着技术上的领先、整合后的高效协作以及强大的产品生态，Google有能力守住当前的领先地位，因为在AI领域，技术实力固然重要，但是将技术转化为实际价值的能力更加关键，Google显然在这方面具备得天独厚的优势。 ### AI泡沫与市场波动 **最佳拍档**: 在激烈的竞争背后，关于AI泡沫的讨论也是不绝于耳。有些公司估值虚高，没有产品却能够筹集巨额资金，科技巨头在基础设施上的投入高达数千亿美元。那么，当前的AI行业是否存在泡沫呢？Google又该怎样应对可能的市场波动呢？ **最佳拍档**: 哈萨比斯认为，关于AI泡沫的讨论不能一概而论，因为行业中的某些领域确实存在着泡沫，但是其他领域却不是。从根本上来说，AI将是人类历史上最具有变革性的技术，这是支撑一切的基石。这和当年的互联网泡沫非常的相似，当年的互联网行业也存在着泡沫，很多公司估值虚高、最终倒闭，但是互联网最终证明了它的核心价值，孕育了一批跨时代的企业。当人们意识到某项技术的巨大潜力时，出现过度狂热几乎是不可避免的，随后会经历一轮洗礼，真正具备实力的公司将生存下来并且进入繁荣。 **最佳拍档**: 哈萨比斯还举例说，当前私募市场的某些种子轮融资估值高达数百亿美元，但是这些公司实际上还处于一无所有的起步阶段，这从长远来看确实是不可持续的。但是对于Google DeepMind来说，他们并不担心泡沫，因为Google的优势在于技术和业务的深度绑定。Google的底层业务，比如搜索、广告、云服务，本身就具有强大的盈利能力，而AI能够进一步提升这些业务的效率和竞争力。同时，Google的海量产品线为AI提供了丰富的应用场景，让AI能够快速落地，产生价值。这种技术加业务的双轮驱动，让Google能够在任何市场环境下保持优势。哈萨比斯强调，他的职责是确保无论行业是继续保持指数级增长，还是面临泡沫的破裂，Google DeepMind都能处于获胜的有利位置，而Google的资产负债表以及海量的产品线，正是实现这个目标的底气。在他看来，AI泡沫的洗礼其实是一件好事，它能够淘汰那些纯粹依靠资本炒作、没有核心技术和产品的公司，让真正有实力的公司脱颖而出，从而推动行业更加健康的发展。 ### 边缘计算与智能眼镜的未来 **最佳拍档**: 随着AI技术的发展，越来越多的人开始关注AI怎样能够更好的融入日常生活，而边缘计算和智能眼镜被哈萨比斯视为AI的下一个杀手级应用。 **最佳拍档**: 哈萨比斯表示，DeepMind和很多合作伙伴都开展了合作，其中就包括三星等硬件厂商，帮助他们在智能手机等终端设备中集成AI工具。而他本人对边缘计算非常感兴趣。所谓的边缘计算，就是让更高效的模型版本，直接在手机或者智能眼镜等边缘设备上运行，而不是依赖云端服务器。这种技术的优势在于，它能降低延迟、保护用户的隐私，同时减少对网络带宽的依赖，让AI服务更加便捷、高效。 **最佳拍档**: 而在众多的智能硬件中，哈萨比斯最看好的是智能眼镜。Google在智能眼镜领域已经深耕多年，虽然早期的产品没有取得预期的成功，但是哈萨比斯认为，现在终于出现了杀手级的应用——通用助手。这种通用助手能够在日常生活中为你提供全方位的帮助，比如，当你在陌生的城市中迷路时，它能实时为你导航；当你遇到不懂的问题时，它能即时为你解答；当你需要记录信息时，它能自动的帮你整理笔记。更重要的是，智能眼镜作为一种可穿戴的设备，能够实现无感交互，你不需要手动操作手机或者电脑，只需要通过语音或者手势就能与AI助手沟通。这种交互方式将彻底改变人类和数字世界的连接方式。 **最佳拍档**: 哈萨比斯相信，所有的大型硬件厂商都会对这类技术产生浓厚的兴趣，因为它解决了当前智能硬件的一个核心痛点，那就是缺乏真正实用的核心功能。过去的智能眼镜之所以没有普及，是因为它们更多是手机的附属品，没有提供不可替代的价值。而通用助手加智能眼镜的组合，能够为用户提供全天候、全方位的智能服务，真正的成为人类的延伸。在边缘计算技术的支撑下，AI模型能够在智能眼镜上高效的运行，从而实现这些功能，这也让智能眼镜成为了AI落地的最佳载体之一。 ### AI赋能人类，解决重大难题 **最佳拍档**: 当今社会还面临着许多的重大难题，比如气候变化、贫困、疾病、老龄化、能源危机等等。这些问题的复杂性和紧迫性是人类历史上所从未有过的。而AI的出现，为我们解决这些问题提供了新的可能。比如，通过AI优化能源的使用，我们可以减少碳排放，应对气候的变化；通过AI加速药物的研发，我们可以攻克疾病，延长人类的寿命；通过AI提升农业生产的效率，我们可以解决粮食短缺的问题，消除贫困。 **最佳拍档**: 在哈萨比斯看来，AI本身虽然是一个巨大的挑战，但它也是帮助我们解决其他重大难题的利器。哈萨比斯的这种理念，反映了科技发展的终极意义，那就是科技的价值不在于技术本身，而在于它能够为人类带来什么。AI作为一项颠覆性的技术，它的终极目标也许不应该是取代人类，而是为人类赋能，帮助我们解决那些光靠人类自身能力难以解决的问题，从而推动人类文明不断的向前发展。 **最佳拍档**: 感谢收看本期视频，我们下期再见。