DeepMind 掌门人预判 AGI 将于 5-10 年内降临

最近，谷歌 DeepMind 掌门人德米斯·哈萨比斯（Demis Hassabis）接受 CNBC 专访。

他难得敞开心扉，直言不讳地评价了全球 AI 格局，尤其是中国 AI 的追赶速度和创新现状。

“中国团队的追赶速度极快，只落后几个月，但在原创性上，他们还没拿出 Transformer 级的东西。”

以 DeepSeek、阿里为代表的中国 AI 团队,在工程效率、推理优化、成本控制上，展现了恐怖的实力。

“一篇新论文出来，他们往往能以惊人的速度复现，甚至在某些方面做得更好。”

换句话说，在“把已知路径做到极致”这件事上，中国团队已经证明了自己是全球顶级玩家。

也正因为如此，硅谷过去那种“领先一代”的技术安全感，正在被一点点消耗掉。不是按年，而是按月缩水。

要知道，过去很长一段时间美国尤其是硅谷派的主流观点是：中国在 AI 上还远远落后，大概是几年的差距。

根据斯坦福大学《2025 年人工智能指数报告》，中国在 AI 论文发表和专利申请总量上持续领先。

且像 DeepSeek、智谱等机构发布的模型，在国际基准测试中已与第一梯队产品表现相当。

以 DeepSeek V3.2 为例，在公开的推理类基准测试中，它已经能够全面对标 GPT-5，仅略低于 Gemini 3 Pro。

然而，他也指出原创性依然是中国团队的短板。

Transformer 或 AlphaGo 那样从零到一的技术突破，目前在中国尚未出现。

换句话说，中国团队可以“开车飞驰在既有轨道上”，但铺设全新轨道的能力仍需时间和积累。

哈萨比斯强调，这并非能力不足，而是原创性突破往往需要长期科研积累、实验失败和探索精神的结合。

不过哈萨比斯也看到了中国 AI 独有的潜力，他认为当工程优化达到一定高度，往往会催生质变。

中国凭借广阔的应用场景、迅速的市场反应和持续投入，很可能从别出心裁的角度，斩出那一刀改变格局的创新。

在谈到通向 AGI 的挑战时，哈萨比斯强调，现有大模型存在“锯齿状智能”（jagged intelligence）。

这是指模型在某些任务上表现非常出色，但面对复杂因果链条、多步骤逻辑推理或现实世界常识时，能力不稳定甚至可能出错。

这说明通用智能不仅需要强大的处理能力，还要在多个维度上保持稳定和一致。

除此之外，现有系统无法持续在线学习，也难以自发产生原创性想法，通向 AGI 仍需克服这些根本性限制。

在这一背景下，哈萨比斯谈到 Scaling Law（规模定律）及其作用。

他认为，虽然模型增大、算力增加和数据扩充的回报增速有所放缓，但总体进展依然非常好，能力提升仍值得投入。

然而，要真正实现 AGI，仅靠 Scaling Law 仍不够，还需要一两个像 Transformer 那样的重大范式突破。

哈萨比斯保持谨慎乐观，预计 AGI 很可能在五到十年内实现，同时指出算力问题最终归结于能源，因此未来能源将成为“智能的货币”。

他还进一步提到“世界模型”概念，作为通向 AGI 的核心手段。

与 LLM 主要处理文本不同，世界模型能够理解因果关系和长期后果，在脑中模拟世界、验证假设，实现规划和预测。未来 AGI 很可能是 LLM 与世界模型的融合体。

DeepMind 已在 Genie、视频生成 Veo 和机器人模拟中布局早期世界模型，让 AI 在虚拟环境中练习、犯错、成长，真正具备“理解”和“预测”能力。

在应用层面，哈萨比斯看好端侧 AI，即将高效、轻量的模型运行在手机、可穿戴设备和智能眼镜等终端上。

谷歌计划通过 Project Aura 智能眼镜以及机器人领域的探索，让 AI 不仅会“说”，还能实际“做事”，并发挥实用价值。

过去两三年，DeepMind 也回归“创业公司状态”，快速迭代 Gemini 模型并落地到 Google 核心产品，包括搜索、Workspace 和智能眼镜等场景，使谷歌在算力、模型规模和应用落地上都保持竞争优势。

总体来看，哈萨比斯认为，中国 AI 已凭实力赢得了顶级牌桌的入场券，但未来几十年的格局，将取决于谁能率先铺设无人区的轨道。

速度固然重要，但方向选择才是关键。真正的竞争，不只是算力之争，更是敢于探索未知、率先开辟全新路径的勇气与能力。

在这个意义上，2026 年不仅可能见证端侧 AI、agent 系统和机器人领域的突破，也将考验谁能在通向 AGI 的道路上，把工程能力与原创性创新结合，率先铺出未来的新轨迹。

参考资料：

网易科技、51CTO技术栈、轩辕商业评论等网络平台

编辑：不吃麦芽糖