谷歌AI掌门人、诺奖得主Demis：AGI 需要打破“金鱼记忆”，而谷歌无论泡沫破裂与否都将是赢家

作者 | Big Technology Podcast

编译 | 王启隆

出品丨AI 科技大本营（ID：rgznai100）

如果说 Sam Altman 是 AI 时代的布道者，善于用宏大的愿景点燃公众的想象力；那么 Demis Hassabis 更像是一位在实验室里盯着显微镜的科学家，冷静、严谨，对“炒作”有着天然的免疫力。

一年前，当整个硅谷都在因为 ChatGPT 的红利期似乎见顶而焦虑，甚至开始讨论“大语言模型（LLM）是否撞墙”时，Demis 却感到困惑。在他看来，进步从未停止。他掌舵的 Google DeepMind 刚刚经历了 AlphaFold 3 的高光时刻，正试图将 AI 的触角从简单的聊天机器人延伸到生物学、物理学乃至材料科学的最深处。

在达沃斯的一间木质会议室里，Demis 近期接受了 Big Technology 播客的专访。这场对话的特别之处在于，他没有回避那些尖锐的问题：现在的 AI 是不是只有“金鱼记忆”？谷歌会不会为了财报在 Gemini 里塞满广告？所谓的 AGI 究竟是营销话术还是科学定义？

最令人印象深刻的是他对“智能载体”的断言。在纪录片《The Thinking Game》中，这位曾开发出 AlphaGo 的天才不得不拿着手机，笨拙地对着物体询问 AI。他在采访中直言不讳：“这种体验太蠢了。” 他预言，智能眼镜才是 AI 的终极形态，而这个未来甚至不需要等到明年。

不同于外界对“AI 泡沫”的恐慌，Demis 展现出了一种巨头的从容：“如果泡沫破裂，那是 PPT 公司的灾难。对于谷歌这样拥有深厚技术栈和庞大业务底座的公司，无论何种情况，我们都处于有利位置。”

以下是这场对话的完整记录，涵盖了从技术架构到人类未来的方方面面。

打破“撞墙论”与 AI 的“金鱼记忆”

Alex Kantrowitz： 让我们把时间拨回一年前。当时行业里弥漫着一种质疑声，大家都在问：AI 的进步是不是要停滞了？大语言模型（LLM）是不是要撞墙了？但这一年过去了，这种质疑似乎已经被事实打破了。你能告诉我们，具体发生了什么，让 AI 行业从去年的质疑时刻走到了今天的繁荣？

Demis Hassabis： 说实话，对于我们 DeepMind 内部来说，我们要澄清一点：我们从未质疑过这一点。

我们一直看到性能在稳步、巨大的提升。所以，当我们听到外界这种“撞墙论”时，甚至感到有些困惑。当时人们主要的担忧是数据枯竭——认为互联网上的高质量文本数据已经被训练光了。这确实有一定道理，人们担心如果没有新数据，或者合成数据（Synthetic Data）不够好，模型就会停滞。

但事实证明，我们可以从现有的架构和数据中“榨取”出更多的果汁。无论是在预训练（Pre-training）阶段，还是后训练（Post-training）阶段，亦或是思维链（Thinking Paradigms）的引入，甚至是将这些技术组合的方式上，都还有巨大的优化空间。仅仅是利用我们已知的技术进行微调和创新，我们就已经获得了巨大的提升，而且这种提升空间依然很大。

Alex Kantrowitz： 这里我想扮演一下怀疑论者的角色。批评者会说，过去一年的很多进步，其实是在 LLM 上面加了一层“技巧”。比如现在的 AI 可以联网搜索了，但这通常是通过“脚手架”（Scaffolding）或“编排”（Orchestration）来实现的。

最典型的例子是：AI 虽然能用工具去搜索网页，但它记不住它学到的东西。一旦我关掉这个对话窗口，它就忘得一干二净。这就像是“金鱼的记忆”。 这难道不是大语言模型范式的一个根本性局限吗？

Demis Hassabis： 我完全理解这个观点。事实上，我自己也属于那个阵营：我认为在通往 AGI（通用人工智能）的道路上，我们可能还需要一两个巨大的突破。

仅仅靠把现有的模型做大（Scaling），可能不足以解决所有问题。我认为这些突破将发生在以下几个方向：

1. 持续学习（Continual Learning）： 让模型在部署后还能通过交互更新自己的权重。

2. 更好的记忆机制： 不是简单地把所有东西都塞进上下文窗口（Context Window），而是像人脑一样，只记住重要的、关键的信息。这才是更高效的记忆方式。

3. 长期规划与推理（Long-term Planning and Reasoning）： 让 AI 能够为了一个长远目标进行多步推理。

现在的争论焦点在于：是简单地通过扩大现有技术的规模就能涌现出这些能力？还是我们需要发明全新的架构？ 如果你非要逼我选边站，我会倾向于后者——我们需要一些新的发明。

但是，无论你属于哪个阵营，有一点我是确信的：大模型（Foundation Models）将是最终 AGI 系统的核心组件。 我不同意像 Yann LeCun 那样的观点，认为大模型是死胡同。我认为哪怕有新突破，大模型也会是那个最重要的基石。DeepMind 的优势在于，我们有足够深厚的研究底蕴，可以双管齐下：一边将现有的 Transformer 架构推向极致，一边探索那些全新的、蓝天般的架构创新。

Alex Kantrowitz： 如果一个系统里有很多硬编码（Hard-coded）的东西，它还能被称作 AGI 吗？

Demis Hassabis： 这取决于你对“很多”的定义。我对混合系统（Hybrid Systems），或者叫神经符号系统（Neuro-symbolic）非常感兴趣。

你看我们的 AlphaFold 和 AlphaGo，它们其实就是混合系统。它们结合了神经网络（深度学习）和经典的搜索算法（如蒙特卡洛树搜索）。这种结合创造了历史。

但我认为，是否属于 AGI 的核心在于“学习”。学习是智能的同义词。如果我们说一个系统是通用的（General），那意味着它必须具备通用学习能力。它必须能学习新知识，并且能跨领域学习。如果一个系统只能靠工程师手动写入规则，那它肯定不是 AGI。

Alex Kantrowitz： 关于持续学习，你刚才提到这是目前的短板。现在的模型只要会话结束就“失忆”了。你对于如何解决这个问题有理论了吗？

Demis Hassabis： 我们有一些线索，也在非常努力地攻克它。

如果你看 AlphaZero（AlphaGo 的进阶版），它就是从零开始学习的。它不需要人类的棋谱，完全通过自我对弈来积累知识。但问题是，游戏是一个非常封闭、规则明确的领域。现实世界则要混乱得多。

我们目前知道的方法在狭窄领域（如游戏）是有效的，但能否扩展（Scale）并泛化（Generalize）到混乱的现实世界，还有待观察。但我们目前的 AI 系统已经能做很多令人印象深刻的事情了。现在的挑战是，能否将这种“从经验中学习”的能力，融合进预训练的大模型中。

目前的大模型，虽然在训练阶段是在“学习”，但我们更希望它能在“出厂”后，在与用户的交互中继续学习。这不仅仅是把你的数据放进上下文窗口那么简单，而是要让模型本身发生改变。这一步，目前还没有被完美解决。

AGI 不是营销术语，而是要能拿诺贝尔奖

Alex Kantrowitz： 我们已经多次提到 AGI 了。去年年底我采访 Sam Altman 时，他说 AGI 的定义其实很模糊，他甚至希望大家能达成一个共识：既然定义不清，不如这就当做我们已经“嗖”地一下经过了 AGI，直接迈向超级智能了。你同意这种说法吗？

Demis Hassabis： （笑）我肯定他希望大家这么想。但我绝对不同意。AGI 不应该被变成一个为了商业利益服务的营销术语。

AGI 应该有一个科学的定义。我的定义一直是：一个能够执行人类所能做的所有认知任务的系统。

请注意，我说的是“所有”。这意味着它不仅要能像现在的 AI 这样写代码、画图，它还要能达到人类创造力的巅峰。

• 它不仅要能解一道已知的数学题，还要能像 拉马努金 那样，凭借直觉提出全新的数学猜想。

• 它不仅要能解决已知的科学问题，还要能像 爱因斯坦 提出广义相对论那样，提出全新的物理理论。

• 它不仅要能模仿艺术风格，还要能像 毕加索 或 莫扎特 那样，开创前所未有的艺术流派。

目前我们的系统，无论解决了多少像 AlphaFold 这样的难题，距离这种真正的“创造性突破”还有很长的路要走。人类的大脑做到了这一点，最聪明的人类做到了，所以这在物理上是可行的。但 AGI 必须具备在任何领域都能做到这一点的潜力。

此外，我还要加上物理智能（Physical Intelligence）。不仅仅是脑力劳动。看看达沃斯街头的运动员，或者普通的蓝领工人，他们对身体的控制能力、在物理世界中的灵巧性，是目前的机器人望尘莫及的。AGI 必须包含这种与物理世界交互的能力。

所以我认为，真正的 AGI 离我们还有 5 到 10 年的距离。

Alex Kantrowitz： 如果一个系统能做到你说的这一切——提出相对论、开创艺术流派、像运动员一样运动——那这不已经是“超级智能”了吗？为什么你觉得这还是 AGI？

Demis Hassabis： 不，这只是达到了人类智能的巅峰。

所谓的超级智能（Superintelligence），在我看来，是指那些人类大脑完全无法理解的维度。 比如，人类很难在 14 维空间里进行直观思考；人类无法直接将大脑连接到气象卫星上处理海量数据。如果一个系统能做到这些人类生理结构做不到的事情，那才是超级智能。那是 AGI 之后的话题。

Alex Kantrowitz： 在 Google DeepMind 的播客里，有人问你现在有没有哪个系统接近 AGI。你的回答让我很惊讶。你没有说 Gemini Ultra，你说的是 Nano Banana（注：DeepMind 内部的一个图像生成模型代号）。为什么一个画图的模型会比大语言模型更接近 AGI？

Demis Hassabis： （笑）那是开玩笑的名字，有时候你得给这些项目起点有趣的名字。

但我提它是有原因的。不仅仅是图像生成，还有我们的视频生成模型 Veo。 如果你仔细想想，一个视频模型能生成一段 10 秒、20 秒极其逼真的视频，这意味着什么？这意味着它内部构建了一个物理世界的模型（World Model）。它拥有了“直觉物理学”——它知道杯子掉在地上会碎，水倒出来会流，物体之间有遮挡关系。

这种对物理世界因果关系和运作机制的“理解”，是实现 AGI 的关键。 想象一下机器人技术。如果你想要一个能为你做家务的机器人，它必须能在脑海中“模拟”未来：如果我这么做，会发生什么？它需要预测未来的轨迹。目前的语言模型虽然能写诗，但缺乏这种对物理世界的扎实理解。

所以，多模态模型（Gemini 从一开始就是原生多模态）之所以重要，是因为它试图将视觉、听觉、视频和语言融合在一起，形成一个完整的世界认知。这才是通往通用助手的必经之路。

智能眼镜的“iPhone 时刻”与广告的信任危机

Alex Kantrowitz： 让我们聊聊产品。我看了你们的纪录片《The Thinking Game》，有 300 多万人也看了。片子里有个细节特别逗：你和你那个才华横溢的团队，居然还得像普通游客一样，拿着手机对着某个物体，然后问 AI 助手“这是什么？”或者“发生了什么？”。

我在屏幕前都忍不住喊：“这哥们需要一副眼镜啊！”手机这个形态显然不对劲。

Demis Hassabis： 你完全说到了点子上。这也正是我们在内部“狗粮”（Dogfooding，意为内部测试）产品时得出的结论。

当你真的在现实生活中使用这些多模态 AI 时，你会发现举着手机去探索世界、去获得推荐，虽然技术上很神奇，但体验上很笨重、很傻。

我心中的杀手级应用是“通用数字助理”。它应该是一个时刻伴随你的助手，无论你是在电脑前工作，还是在城市里漫步，亦或是你在做饭。 对于后者——当你在物理世界移动时——智能眼镜显然是最佳形态。你需要解放双手。

谷歌有着悠久的做眼镜的历史（Google Glass），也许我们在过去做得太早了。那时的眼镜太笨重、电池不行、样子也奇怪。但现在，这些硬件问题基本解决了。

Alex Kantrowitz： 你的愿景是什么？这款眼镜什么时候能普及？

Demis Hassabis： 我们的愿景是让 AI 能够“看”你所看，“听”你所听。 想象一下，你在一个陌生的城市，你不需要掏出手机，只需要问一句：“前面那栋建筑是什么？”或者你在做饭，眼镜直接告诉你这一步该放多少盐。甚至对于视障人士，这简直是上帝的礼物，能帮他们理解周围的世界。

要实现这种无缝的体验，必须是眼镜。我们正在与 Warby Parker、Gentle Monster 以及三星等伙伴合作，打造下一代设备。我认为这会是一个全新的、定义品类的技术产品。至于时间点，既然我们已经在使用原型机了，我相信很快——也许就在今年——你就能看到成熟的产品。

Alex Kantrowitz： 接下来说个敏感话题：广告。 就在我们见面之前，有新闻报道说谷歌计划在 Gemini 聊天机器人中引入广告。而在最近的财报电话会上，Sundar Pichai 也暗示了这一点。 有人在社交媒体上嘲讽说：如果这真的是改变世界的技术，为什么还要靠广告赚钱？这就好比在发明电的时候，想着怎么在电灯泡上贴广告。你怎么看？

Demis Hassabis： 首先我要澄清：我们目前没有在 Gemini App 中加入广告的计划。

我们要非常小心。这里存在一个核心矛盾：如果你想要一个真正为你服务的、全能的私人助理，信任（Trust）是第一位的。 你需要确信这个 AI 助理是在为你工作，它是站在你的立场上，为你争取最大利益。

如果广告模式渗入其中，导致用户产生困惑——“这是 AI 觉得最好的建议，还是因为有人付了钱让它这么说的？”——那就会瞬间摧毁这种信任关系。一旦信任崩塌，你就不会愿意把你的生活、你的隐私交给这个助理。

当然，这并不是非黑即白的。在某些特定的场景下，比如我问 AI：“我要去圣地亚哥过周末，帮我推荐住处。”在这个语境下，Airbnb 或者酒店的广告其实是有用信息。用户甚至可能希望在对话中直接完成预订。

但这必须建立在用户完全知情、且完全可控的前提下。这种“原生”的商业模式创新是可能的，而不是简单地在对话框里贴横幅广告。

不过，作为 DeepMind 的负责人，我的首要任务是确保基础技术的强大和通用性。至于商业模式，谷歌内部有很多人在思考，但我个人的看法是：千万不要让商业化损害了用户对 AI 助理的核心信任。

反击 Anthropic 与“泡沫论”

Alex Kantrowitz： 既然提到了竞争，我们不得不提 Anthropic。他们的 Claude 在编程领域表现非常出色，甚至有前亚马逊高管说他用 Claude 在一个周末就写出了一个 CRM 系统。这种“一人抵十人”的生产力爆发正在发生。谷歌怎么应对？

Demis Hassabis： 首先，我要给 Anthropic 点赞，Claude 是一个非常优秀的模型。

但我们对 Gemini 3 的编程能力也非常有信心。事实上，我自己最近就在用 Gemini 来写代码原型，做一些小游戏。这让我也找回了当年做游戏开发者的乐趣。这种“Vibe Coding”（凭感觉编程）的趋势非常令人兴奋，它让没有深厚编程背景的人也能释放创造力。

我们最近发布了 AlphaCode 的相关技术，以及内部使用的开发工具。虽然 Anthropic 现在在这个垂直领域（Coding）备受关注，但这只是 AI 巨大版图中的一块。我们看到的是更广泛的战场：从多模态搜索、到 YouTube 的创作工具、再到安卓系统的底层整合。

而且，我们正在将 AI 深度整合进谷歌现有的庞大产品线中。比如 Gmail 的“帮我写”、Docs 的自动摘要。这些不仅是新功能，更是 AI 落地的最佳场景。

Alex Kantrowitz： 我有一个关于 AI 行业崩溃的理论，想听听你的看法。 第一步：大家发现大模型训练的回报率开始下降（边际效应递减）。 第二步：像 Gemini Flash 这样的“闪电模型”让 AI 推理变得极其便宜，甚至接近免费。 第三步：巨头们投入的数千亿基建（显卡、数据中心）因此变得过剩，导致巨大的资本浪费和行业崩盘。 你觉得这个剧本合理吗？

Demis Hassabis： 这是一个合理的推演，但我认为这不是最可能发生的情况。

关于“泡沫”，我的看法是：这不是非黑即白的问题。确实，当我们看到一些初创公司，手里没有核心技术，只有几张 PPT，却能拿到数十亿美元的种子轮融资，这看起来非常像泡沫，也是不可持续的。这种狂热最终会冷却。

但是，对于像 Alphabet（谷歌母公司）这样拥有深厚技术积累和庞大业务底座的公司来说，无论泡沫是否破裂，我们都能赢。 为什么？因为即使明天 AI 的进步突然停止（虽然我认为这不可能），仅仅是现有的技术，就已经足够让我们的搜索、YouTube、办公套件等业务产生巨大的效率提升和体验变革。

我们是在“实业”的基础上做 AI，而不是靠 AI 的概念去融资。那些没有护城河、仅靠 API 套壳的公司可能会在泡沫破裂中消失，但这只会让拥有底层模型和基础设施的巨头变得更强。

宇宙的本质是信息，人类的未来在何方？

Alex Kantrowitz： 我之前听你说过一个非常哲学的观点，我想请你详细解释一下。你说你有一个理论：信息（Information）才是宇宙最基本的单元，而不是能量或物质。 这是什么意思？

Demis Hassabis： 这确实是我世界观的核心。虽然只有两分钟可能讲不完，但我尽量简述。

如果你看物理学，能量和物质通常被认为是守恒的、基础的。但我认为，信息才是理解宇宙演化的钥匙。 看看生物学。生命系统是什么？生命本质上是一个信息处理系统。我们在做什么？我们在抵抗热力学第二定律（熵增）。我们在混乱的宇宙中，努力维持自身的结构，维持信息的有序性。

这就是进化的本质：通过选择压力，筛选出那些能够稳定保存和复制信息的结构。 再把视角放大到宇宙。行星、恒星、星系的形成，其实也是在引力等物理法则的作用下，从混沌中涌现出的“信息结构”。

为什么这很重要？因为如果我们把宇宙看作是一个信息处理过程，那么 AI 就是这一过程的加速器。AI 本质上是在帮助我们以更高效的方式，去解构、理解和重组宇宙中的信息。

以 AlphaFold 为例。蛋白质折叠问题困扰了人类 50 年。蛋白质的结构数量几乎是无限的，如同大海捞针。但 AlphaFold 通过学习已知数据的“信息拓扑结构”，找到了其中的规律，从而预测了所有已知蛋白质的结构。这不仅是生物学的胜利，更是“信息论”视角的胜利。

我们正在用 AI 这个工具，去破解物质、能量、生命背后的信息密码。这将帮助我们发现新材料（比如室温超导体）、设计新药、解决气候变化。

Alex Kantrowitz： 最后一个问题。你的 AlphaGo 曾击败了李世石，那是围棋界的“悲伤时刻”，李世石甚至因此退役。现在，AI 开始进入知识工作领域，甚至能写代码、画画。人类会面临同样的命运吗？我们会变得多余吗？

Demis Hassabis： 我不这么看。我们要换个角度。

虽然深蓝（Deep Blue）早在 90 年代就击败了卡斯帕罗夫，但今天国际象棋比以往任何时候都更受欢迎。甚至因为 AI 的辅助训练，人类棋手的水平也提高了。没人爱看两台电脑下棋，我们依然热衷于看人类大师的对决，看那其中的心理博弈、失误和天才灵感。

在科学领域，AI 是工具，就像望远镜。哈勃望远镜没有夺走天文学家的工作，它让他们看得更远了。AlphaFold 预测了蛋白质结构，并没有让生物学家失业，而是让他们跳过了枯燥、耗时数年的晶体衍射测定工作，直接去研究疾病机理和药物设计。

这就是我看到的未来：AI 负责那些繁重、枯燥的信息处理工作，让人类腾出手来。我们将有更多的时间去思考更高级的科学问题，去创造更有意义的艺术，去寻找真正的目的和意义。

如果 AI 能帮我们解决疾病、能源和气候问题，哪怕那是“它的功劳”，我想也是值得的。这可能是一次堪比工业革命的剧变，甚至影响力大 10 倍，但人类总是擅长适应。我们将重新定义什么是“有意义的工作”，就像我们在农业社会转向工业社会时所做的那样。

视频链接：https://www.youtube.com/watch?v=bgBfobN2A7A