谷歌 DeepMind 力挺规模化，杨立昆另辟蹊径，AGI 赛道终局未定

哈喽，大家好，杆哥这篇评论，主要来分析谷歌 DeepMind 力挺规模化，杨立昆另辟蹊径，AGI 赛道终局未定

2025 年末，旧金山 Axios AI + 峰会上的一场表态，让 AI 界的路线之争彻底摆上台面。

谷歌 DeepMind CEO 德米斯・哈萨比斯力推 “规模化至上”，而图灵奖得主杨立昆却毅然离职创业，扛起 “世界模型” 的大旗。

这场围绕通用人工智能（AGI）的辩论，不仅关乎数万亿美元资本流向，更决定着人类与 AI 的未来关系。

规模化路线：哈萨比斯的 “大力出奇迹”

哈萨比斯的底气，来自刚刚发布的 Gemini 3 模型。

这款模型在多模态推理和长上下文处理上刷新行业基准，印证了他信奉的 “缩放定律”—— 增加数据和算力，AI 智能就会指数级增长。

在他看来，规模化是 AGI 的必经之路，哪怕需要吉瓦级数据中心和十万级 GPU，哪怕面临能源消耗和环境伦理的争议。

不过哈萨比斯也承认，单靠算力不够，还需要一两项关键算法突破，但规模化的地基必须打牢。

反叛者杨立昆：告别 LLM，押注 “世界模型”

就在哈萨比斯高呼 “推向极致” 时，杨立昆选择离开 Meta 自立门户。

这位深度学习三巨头之一，长期质疑纯语言模型的局限性 —— 现有 LLM 只是 “统计鹦鹉”，缺乏对物理世界的理解和规划能力。

他的新方向是 “世界模型”，让 AI 像人类婴儿一样，通过、传感器数据学习物理规律和因果关系，培养真正的 “常识”。

这一 “叛逃” 被业内视为对主流路线的最强反击，核心分歧直指智能的本质。

行业焦虑：边际效应递减下的艰难抉择

两种路线背后，是 AI 行业的集体焦虑：模型进步幅度在放缓，训练成本却在成倍增加。

如果哈萨比斯正确，当前的投入就是黎明前的铺垫，算力突破临界点后 AGI 将自然涌现，这也是谷歌、微软疯狂砸钱的原因。

但如果杨立昆所言非虚，千亿级基础设施可能沦为过时资产，行业将面临痛苦修正。

更现实的困境是，高质量公共数据已近枯竭，合成数据的有效性仍存争议，规模化之路越走越窄。

终局猜想：混合路线或成最优解

有趣的是，哈萨比斯并未完全否定其他路径，DeepMind 在 AlphaFold 等项目上，也融合了特定领域知识与深度学习。

业内普遍猜测，未来 AGI 可能是 “大脑 + 小脑” 的组合：规模化模型提供海量知识和语言能力，世界模型负责理解物理规则和精准规划。

2025 年的这场辩论，不会立刻有答案。但可以肯定的是，无论是算力突破还是算法革新，都将推动人类向真正的通用人工智能靠近。