只剩5年？诺奖得主Hassabis放出AGI时间表：还差一两个技术突破

新智元报道

编辑：元宇

【新智元导读】AGI五年倒计时已开启！Hassabis预测，或许仅需一两个AlphaGo级别的突破，我们就有望在5年内见证AGI降临，而它的速度和影响力将10倍于工业革命。

人类距离AGI，只差1-2个关键技术突破！

刚刚，诺奖得主、Google DeepMind掌门人Demis Hassabis给出了AGI的终极时间表！

他认为，5年之内，或许仍需1–2项重大技术突破，我们就可能跨越通往AGI的障碍。

在乐观预测的同时，Hassabis也不忘给我们泼一些冷水：

他认为仅靠扩大数据与算力可能不足以实现AGI。

比如，Hassabis认为大模型虽然强大，但缺乏对物理世界、逻辑推理和长期规划的真正理解。

因此，要实现AGI，大模型需要补上的一块拼图就是「世界模型」。

此外，Hassabis还认为AI将是科学发现的终极工具。

AlphaFold只是开始，AI将在未来10年内开启科学发现的黄金时代，尤其是在药物研发、疾病治愈、新材料发现和清洁能源（聚变）等领域。

而这无疑也会加速AGI到来。

如果Hassabis预言成真，这将是一个巨大的变革时刻，它的速度和影响力将10倍于工业革命。

而我们每个人也将置身于这场史诗级巨变的冲击之下。

为什么大模型还不是AGI？

以我们最熟悉的ChatGPT、Gemini等大模型为例。

也许你会觉得它们虽然有时在某些高难任务上表现突出，但也时常在一些简单题上出错。

Hassabis用了一个非常精准且形象的词来描述这种状态：「参差不齐的智能」（Jagged Intelligence）。

这就像班里那些偏科极其严重的学生。

他们在文科和编程上可能是个天才，但在物理常识、逻辑推理和长期规划上，可能还不如普通学生的水平。

为什么会这样？

Hassabis一针见血地指出了大语言模型（LLM）的本质局限：它们只是顶级的「概率预测机」。

它们并不是真的「理解」了这个世界，它们只是在预测下一个字出现的概率，因此缺乏对现实世界物理规律的认知，也没有像人类那样拥有一个连贯的、能够自我修正的思维模型。

所以，它们在某些事情上极其擅长，但在另一些方面完全不行。

这就好比你让一个只会背诵棋谱但不懂围棋规则的人去下棋，前几步可能像模像样，但一旦局势变得复杂，需要跨越几十步去思考策略时，他立刻就会崩盘。

因此，想要从现在的「偏科生」进化到全知全能的AGI，仅仅把模型做大（Scaling）已经不够了。

我们需要质的飞跃，补上通往AGI的关键性拼图。

通往AGI的关键拼图

Hassabis具体指出了这一两项关键技术突破的方向。

关键突破1

「世界模型」

如果说大模型是「读万卷书」，那么「世界模型」（World Models）就好比是「行万里路」。

所谓世界模型，是指能预测和模拟环境状态随行动变化的模型，其核心逻辑是真正「理解」物理世界的运行规则。

现在的大模型，如果你问它「杯子从桌上掉下来会怎样」，它是根据文本概率告诉你「可能会碎」。

但拥有世界模型的AI，它在「脑海」里真正模拟了重力、摩擦力、玻璃的易碎性，它「看」到了杯子掉落的过程。

目前，DeepMind正在研发像Genie和Veo这样的视频/交互模型，作为构建世界模型的雏形。

这也是AI从「数字世界」走向「物理世界」的前提。

只有懂得了物理法则，AI才能驱动机器人去端茶倒水、去拧螺丝、去处理现实中复杂的因果关系，而不只能够陪人聊天。

关键突破2

「智能体系统」

有了理解世界的能力还不够，AI还需要具备在世界中「行动」的能力。

这就是第二个突破：智能体系统（Agentic Systems）。

现在的AI是被动的：你问一句，它答一句。

而未来的Agentic AI是主动的。

你给它一个模糊的目标，比如「帮我策划并预定一次去某地的旅行」。

它就能把它拆解成几十个步骤：查机票、比价、订酒店、规划路线、根据天气调整行程……

更重要的是，它具备「认知纠错」的能力。

如果在执行过程中发现机票涨价了，或者酒店没房了，它能像人类一样停下来，重新思考，调整计划，而不是直接报错或者死循环。

Hassabis还特别提到了DeepMind的「秘密武器」：AlphaGo。

当年的AlphaGo之所以能击败人类冠军，就是因为它具备了这种「规划」能力，它能推演未来几十步的棋局变化。

现在的目标，就是把这种在棋盘上的「规划」能力，泛化到现实世界的具体场景中。

当大模型的广博知识，遇上世界模型的物理认知，再加上智能体系统的行动能力，就可能补齐通往AGI的关键拼图，迎来AGI降临的时刻。

比工业革命快十倍的未来

Hassabis如此执着于AGI，并不是为了造出一个更会聊天的Siri，或者是为了让广告推荐更精准。

他的野心写在了DeepMind的核心使命上，这一点也从未变过：

AI for Science（用AI推动科学） 。

在Hassabis等人撰写的一篇官方博客中，曾表示DeepMind将于2026年在英国建立其首个自动化实验室，聚焦材料科学研究。

该实验室将从零开始建设，全面集成Gemini系统，并通过指挥世界一流的机器人每天合成并表征数百种材料，大幅缩短发现变革性新材料所需的时间。

想象这样一种场景：

AI负责阅读海量的论文，提出新的科学假设；

智能体系统负责设计实验方案；

连接了世界模型的机器人负责操作精密的实验仪器；

最后，AI再对实验结果进行分析，自我迭代，开始下一轮实验。

AI介入科学研究，将有望降低成本并催生全新的技术，科研的效率将被提升百倍甚至千倍。

也许在不久的将来，能在常温常压下工作的超导体可实现低成本的医学成像，并减少电网中的电力损耗。

其他新型材料则可通过推动先进电池、下一代太阳能电池和更高效的计算机芯片的发展，帮助我们应对关键的能源挑战。

因此，Hassabis说，这场变革的规模将是「工业革命的10倍」，而速度却是「工业革命的10倍」。

工业革命用了100多年才重塑了人类文明，而AGI可能只需要10年。

这将是一个极大富足的时代，也是一个极其动荡的时代。

旧的岗位会消失，旧的经济结构会崩塌，但人类认知的边界将被无限延伸。

中国AI模型仅落后美国「数月」

在这场通往未来的极限竞速中，中国将处在什么位置？

Hassabis在接受CNBC采访时表示，中国的人工智能模型与美国和西方的能力差距，可能已经缩小到「只有几个月」：

中国的AI模型可能比我们一两年前想象的要接近得多。也许到目前为止，他们只落后几个月。

DeepSeek的横空出世，阿里巴巴Qwen模型的强劲表现，都证明了中国科技公司惊人的工程能力。

中国AI公司在使用相对落后的芯片、以更低成本的情况下，依然训练出了性能强劲的模型。

尽管如此，Hassabis认为，中国虽然已经证明自己具备追赶能力，但在实现真正的AI突破方面仍有待观察。

他由此也抛出了一个更深层的问题，这或许是一种客观的审视与「棒喝」：

Hassabis将DeepMind比作「现代版的贝尔实验室」，那是诞生了晶体管、信息论等源头创新的圣地。

他认为，中国目前证明了自己是世界一流的「工程师」，能够快速复制并优化前沿技术（Copy and Improve）。

但是，真正的考验在于能不能做那个「发明者」：

关键问题在于，他们是否能够在前沿之外实现原创性创新？他们是否真的能创造出全新的东西，比如一种新的Transformer，从而实现对前沿的超越？

这是DeepMind的护城河，也将是中美AI竞争的下一个赛点。

无论如何，这位全球AI领军人物的判断已经非常清晰：

AGI的倒计时已经开始，仅剩一两个关键技术突破。

而五年之内，我们将有望见证AGI到来的历史性时刻。

参考资料：

https://x.com/Ric_RTP/status/2012523232998334577?s=20%20

https://www.cnbc.com/amp/2026/01/16/google-deepmind-china-ai-demis-hassabis.html