AGI 只差“三层结构”，谷歌联合创始人布林与 DeepMind CEO 正在重塑 AI 基础

全文 4,000字 | 阅读约18分钟

（访谈： DeepMind CEO Demis Hassabis和联合创始人

Sergey Brin）

2025 年 5 月 21 日 · Google I/O 主论坛后台

灯光刚亮，主舞台尚在调试，谷歌联合创始人谢尔盖·布林（Sergey Brin）却已悄然现身，与 DeepMind CEO Demis Hassabis 并肩而坐。

这位谷歌联合创始人自 2023 年重返一线后鲜少发声，这次突然出镜，不为发布产品，只为展开一次关于 AGI 的真实对谈。

短短 30 分钟，两人提出了一个看似简单、实则彻底颠覆我们认知的问题：

什么才算真正的 AGI？

不是会说话，不是能写代码，而是：

• 能自己思考，而不是马上给答案；

• 能看懂世界，而不是死记语料；

• 能完成任务，而不是等你指令。

Demis 给出的答案，是一句几乎所有技术人都该牢记的定义：

“AGI 只差三层结构：推理引擎、世界模型、任务执行器。”

这不是简单的模型升级，而是智能架构的重构。

正如 Google 在 I/O 2025 大会上，一口气发布十余项核心产品所展现的节奏， Google 与 DeepMind 正在通过 Gemini Flash、Astra、Mariner、Veo 等组件，将这三层结构融入产品底座，逐步实现“可运行的 AGI 平台”。

而这不仅仅是 Google 一家的判断——
就在同一天，马斯克也在卡塔尔经济论坛上说：

“我们正在看到数字超级智能的爆发。”

我们将基于这场“炉边对谈”与现场发布内容，拆解清楚：

• 三层结构各自负责什么、为啥缺一不可；

• Gemini 系列产品如何构建智能系统平台，而非单一助手；

• 对国内创业者和产品团队的启发：你能在哪一层卡位，如何以任务为单位快速落地 AI 产品。

一句话剧透：

AGI 不再是某个“终点模型”，而是一整套“可思考 × 可感知 × 可执 行”的平台入口。 你的真正护城河，只剩下一个问题：你能否比别人更早提对问题。

“我们正在测试一套新方法，你给它越多时间，它表现得越好。” Demis Hassabis 说这句话时，没有任何技术术语，但现场鸦雀无声。

他在讲的是 DeepMind 的新系统：DeepThink。

这个系统不是靠升级算力，而是通过“思考时间”让模型变得更强大。换句话说，它不是马上给答案，而是“像人一样停下来想一想”，然后才回答。

“如果我们只让 AlphaGo 下第一步，它是大师水平；但当你给它几分钟思考，它就能超越世界冠军 600 分。”——Demis Hassabis

这就是 Demis 所说的“推理型 AI”。

过去我们用的大语言模型，是按顺序“猜下一个词”的工具。它生成内容很快，但不一定能理解问题的真正含义，也不会计划——就像一个从不复查答案的考生。

推理型 AI 则不一样。

它在做出判断前，会尝试多走几步、模拟不同可能性、相互验证再决定。这更像人类在面对复杂问题时的做法。

谢尔盖·布林补了一句：“就像我们说话前，会花点时间想一想……虽然我们不总这么做（笑）。”

这种“AI 先思考、再回答”的设计，就是 AGI 的第一层基础结构：推理系统（Reasoning System）。

这就是 AGI 的第一层：推理系统

它让 AI 从语言工具变成任务思考者。

Demis 举了个更现实的例子：

“有些任务，比如下围棋，或者编写一套复杂程序，AI 如果只是给你第一反应，顶多是普通水平。但你给它空间让它深入推理几轮，它能提出比人类更优的方案。”

这不再是“提问—回答”的模式，而是“目标—规划—执行”的节奏。

这种能力的背后，其实就是一种“自我协商”的大脑机制。DeepThink 就是让模型在内部进行多个并行推理过程，彼此辩论、彼此修改，最后输出一个更可靠的结果。

你可以把它想象成：

一群“AI角色”在模型内部开会，各自提出方案、质疑、讨论，然后才达成一致对外输出。

Demis 说得很直白：“这是我们构建 AGI 路上最重要的一步。”

第二层：世界模型，让 AI 真正看懂现实

“不是聊天机器人。” Demis Hassabis 在谈到 AGI 时，强调了这点。

“如果你想构建真正的智能系统，它必须能理解物理环境，感知世界，而不仅仅是对语言有回应。”

这就是 AGI 的第二层结构：世界模型。

简单说，一个智能系统不能只活在词语堆里，它必须“看得懂这个世界”。

谢尔盖·布林接着说：

AI 现在的很多错误，是因为它只学了大量内容，但不理解这些内容所对应的真实场景。

Demis 举了一个例子。他提到自己早年开发过图形引擎，要手动编程每一道光影、反射和材质。但今天的 Veo 3 模型，已经能凭提示生成接近真实的物理世界画面，连光线和物体行为都符合常识。

我惊讶于 Veo 能理解物理学。 它知道液体怎么流，锅是热的，光从哪里来。

这不是生成内容，而是生成“现实感”

这不是“看起来逼真”，而是 AI 正在建立一个对世界有直觉的内部模型。

在他看来，这种理解世界的能力，比让 AI 写出一段漂亮的文字难多了。

他还提到一个关键问题：“我们现在需要的，是能积累常识性知识的系统，知道球为什么不会穿过桌子，知道物体有质量、有惯性、会掉下来。”

布林插了一句很轻，但很有力量：

我们的狗都知道球会从桌子另一侧滚出来，但很多 AI 还不懂。

这句话讲清了“世界模型”的意义——不是背知识点，而是有对现实的常识感。

Demis 强调，这种能力不仅用于生成视频，而是构建通用智能系统的根基。

他表示：未来的助手，必须能理解你身边正在发生的事。它不能只靠对话，而要看得懂你的位置、目标、操作环境。

这就是为什么 DeepMind 要从一开始就让 Gemini 成为多模态模型——不仅处理文本，也处理图像、语音、视频，甚至空间和动作。

如果 AI 能像人一样看、听、感受，它就能在真实世界中协助你做事。

布林也补充了一句耐人寻味的话：

智能眼镜的真正用途，不是看信息，而是让 AI 看世界。

这一层，叫做“世界模型”，其实更像是AI 的现实感知器官。它不背书，而是“看着”你生活的现场，理解你的意图和环境，再决定下一步怎么协助你。

第三层：执行系统，让 AI 不等你指令就去做

“我们一直是这种 Agent (智能体)思想的坚定支持者。” Demis Hassabis 把这句话说得很稳，也说得很重。

不是聊天，不是推荐，也不是语义理解，而是让 AI 真正替你完成一件事。

这就是第三层：执行系统。

今天我们看到的，是 AI 从对话模型转向任务代理。 你给它一个目标，它规划路径、使用工具、调用模型，最后替你把事办了。

AI 不再“等你发指令”，它开始主动理解你的任务

Demis 给出的例子是 Project Astra：

Gemini 透过摄像头看到一间办公室，识别白板上的代码和纸上的笔记，理解用户正在调试一个问题，然后提出解决方案。

它并非仅仅解答“‘if’语句出错时如何处理”这类表面提问，而是能够主动识别出用户正在进行代码调试的场景，并迅速切换至专门的辅助状态。

它不是执行一条指令，而是理解你正在处理什么，并给出完整解决过程。

布林补了一句：

我们过去说 AI 是助手，其实现在它更像同事。 你不需要不断下命令，它开始自己找事做。

这种 AI，不是插件组合，而是具备执行意识的智能体。

Demis 解释道：“执行智能体的核心，是三件事：目标识别、工具调用、多步推理。”

你说一句“我下周要飞广州开会”，它不只是订机票，而是：

• 推断你想提前到；

• 查你常去的酒店；

• 安排日程，自动整理会议资料；

• 如果你加了一句“调用 Gemini 模型”，它会帮你打包代码、同步日历、调试版本库。

谁构建“AI 执行入口”，谁定义下一代平台

这也是为什么 Demis 多次强调：“模型只是基础，更关键的是执行框架的调度架构。”

布林用了一个更直白的回答：

过去是你使用AI，现在是AI开始协调你要完成的事情。

他们正在构建的，是一个从目标识别 → 路径规划 → 工具执行 → 结果评估的完整闭环。这个闭环背后，是一个真正能接管任务链条的AI助手。

而 Gemini Live、Gemini for Chrome、Project Astra、Gemini API 都是这个执行生态的组成部分。

Demis 总结道：

我们不是在构建一个 App，而是在构建一个可以协作的操作平台。

“我们不是在堆产品，而是在构建一套智能系统。” Demis Hassabis 这句话，准确点出了 Gemini 背后的真正方向。

他说的不是发布策略，而是在划清一条技术分界线： 现在的 Gemini，不再是一个回答问题的助手，而是一套智能平台的底层架构。

从 DeepThink 的推理能力，到 Veo/Gemini 的世界理解，再到 Project Astra 的任务执行，这三层能力，原本分散，如今被装进了一个统一的智能框架里。

“我们不是孤立推出工具，而是在打造一个 AI 操作系统 ，它能连通模型、感知、动作和目标。” ——Demis Hassabis

Gemini 的目标，从来就不是“答得更快”，而是主动帮你把事办了。

谢尔盖·布林点出核心差别：

OpenAI 在做一个更聪明的助手，Google 做的是一个智能平台。

他们不是在优化对话，而是在重构“谁来协调任务、谁控制节奏”的底层逻辑：

• 用户不再是“提问者”，而是“设定目标的人”；

• AI不再是“能听话的工具”，而是“能动手的合作者”。

Demis 说得很透彻：

模型当然还在进步，但真正关键的是——系统怎么调动它们一起完成事。

这也是为什么 Gemini 从一开始就设计为多模态：能理解图像、声音、语言、空间……因为如果它看不懂你看到的世界，就无法真正帮你行动。

布林总结得更清楚：

AI 正在从一个插件，变成一个入口。

当推理（思考）、感知（理解）、执行（行动）被打包进一个平台， 你面对的，不再是一个助手，而是一套可以接管复杂任务的 AI 操作系统。

Demis 最后的话像是为这次对谈划上的注脚：

我更愿意把 AGI 看作一套结构化框架，而不是某个突变时刻。

真正的转折点，不是模型突然变聪明的那一刻， 而是我们第一次，看清了 AI 协作的整张蓝图。

AGI 不是一个“模型”，而是一整套可运行的系统

回看 Demis 和布林的这场对谈，他们其实没在谈未来，而是在交代一件更实在的事：

AGI 的结构已经成型，只差最后几块拼图落位。

• 推理，不只是预测词语，而是能自己想一步；

• 感知，不只是生成图像，而是理解空间、因果、物理世界；

• 执行，不只是回应请求，而是主动完成任务。

三者合一，就是智能的“思维 + 感官 + 动手能力”。

Gemini，不是一个模型的名字，而是这套能力首次在真实系统中的组合落地。

布林没用炫技语气，只是淡淡一句：“这是一个 AI 操作系统。” Demis 也只是说：“我们只差一两个关键突破。”

如果说过去几年我们是在争论“AGI 到底存不存在”，

那么 2025 年最大的变化，是：没人再争了。

马斯克在

卡塔尔经济论坛上发言）

马斯克的一句话，正是这个转折的标志：

“我们已经接近AGI 了。”

✅ 是时候重新思考了：

如果AI已经能思考、看懂世界、还能完成任务——

你是继续凡事亲力亲为？ 还是学会下指令，让AI来配合你？ 科技工具在升级，工作方式也在变革。

而这场变革，不只取决于 Google、OpenAI 或马斯克，也取决于你今天如何使用它。

✅ 你可以从这一点开始尝试：

用现在的 AI，完成一件你从没交给它做过的事。

比如——

• 让它帮你排出一个完整会议日程（时间、议程、路线、内容）；

• 让它复盘你一周任务节奏，并给出优化建议；

• 或者就给它一段视频、一个网页，看看它能帮你理解出什么。

你会发现：

AI 不再只是你点它就动的工具，而是一个理解你、跟上你、替你执行的智能伙伴。

不是炫技，而是进入一个新节奏的前奏：

未来的工作，不再是“我做完交给 AI 总结”， 而是“我设目标，AI 一路陪跑并完成”。

现在的你，就可以先试一次。

本文由AI深度研究院出品，独家整理于 Google I/O 2025- DAY 1 访谈，未经授权，不得转载。

星标公众号， 点这里 1. 点击右上角 2. 点击"设为星标" ← AI深度研究员 ⋮ ← 设为星标

参考资料：https://www.youtube.com/watch?v=mri4JFkv6Ow&t=2292s&ab_channel=GoogleforDevelopers

来源：官方媒体/网络新闻

排版：Atlas

编辑：深思

主编: 图灵