Demis Hassabis给创业者的忠告：深科技十年路，AGI可能在中途降临

在Y Combinator的一场对话里，Demis Hassabis（戴密斯·哈萨比斯）被问到一个创业者常纠结的问题：该去啃硬骨头，还是先做简单的事情积累经验？他的回答没有停留在"选择困难"这个表层，而是直接给出了一套思考框架——这套框架背后，是他作为DeepMind创始人、AlphaFold缔造者多年摸索出的判断逻辑。

这场对话发生在2026年10月，彼时AGI（通用人工智能）已经从一个遥远的学术概念，变成了创业者必须在商业规划里认真计算的变量。Hassabis给出的答案干脆利落：深的问题和浅的问题，难度本质上没有高低之分，只是"难在不同的地方"。既然人生短暂，精力有限，不如把力气用在那些真正会留下印记的问题上——如果你没去做，这件事就不会发生。

他把这句话说得很直接：人生很短，你的精力也有限，不如把你的生命力投入到一件真正重要的事情上。这不是鸡汤式的鼓励，而是他谈到接下来更具体、更结构化的建议时的一个前提。

1. 难度没有高低，只有种类的不同

Hassabis首先拆掉了一个常见的误解：追求深度、困难的问题，并不比追求浅显、表层的问题"更难"。它们只是难在不同的维度上——深的问题难在需要更长的积累和更复杂的系统性思考，浅的问题难在竞争激烈、窗口期短、容错率低。

这个判断是他给出后续建议的基础。正因为难度本身不是决定性因素，选择就该回到另一个更朴素的标准：这件事如果你不做，世界会不会因此少了点什么。他把这称为"值得投入生命力的问题"。

2. 跨学科会越来越容易，AI正在打通学科边界

谈到深科技（deep tech），Hassabis表达了他对跨学科工作的偏爱，并判断未来几年这种趋势会更明显——不同领域的组合、不同知识体系之间找连接点，会成为创新的主要来源之一。

这个判断背后有一个具体的技术乐观：AI会让寻找这些学科之间的连接变得更容易。这不是泛泛而谈，而是他接下来要展开的核心论点的铺垫——AI本身，既是跨学科创新的催化剂，也是创业者必须纳入时间规划的变量。

3. 十年的深科技项目，中途会撞上AGI

这是整段对话里最具体、最可操作的部分。Hassabis把自己的AGI时间线摆在桌面上——他个人判断大致在2030年前后。由此推导出一个现实问题：一个真正意义上的深科技项目，通常意味着十年量级的研发周期。如果今天启动，那么项目进行到一半时，AGI很可能已经出现。

他强调这不必然是坏消息，但创业者必须把这个变量纳入规划：到那时，AGI系统会怎么用上你正在做的这件事？这个问题决定了今天的技术路线选择是否还有意义——换句话说，不是要不要做深科技，而是要在设计之初就为"AGI中途介入"这件事留出空间。

4. AlphaFold给出的答案：专用系统该是工具，不该是大脑的一部分

回到此前谈到的AlphaFold与通用AI系统的关系，Hassabis给出了一个具体的技术判断：未来更可能出现的局面，是Gemini、Claude这类通用系统把AlphaFold这样的专用系统当作工具来调用，而不是把所有专业知识直接塞进一个巨型大脑里。

他给出的理由直接而具体：如果把所有蛋白质结构数据都灌进Gemini，系统本身并不需要靠这种方式学会做蛋白质折叠，这种做法反而会带来信息层面的"倒退"——把海量专业数据硬塞进通用模型，会实实在在地损害它的语言能力等通用性能。这正是他之前提到的信息效率问题在具体场景里的体现。

他进一步给出了更优的架构方向：真正好用的，是那些具备出色通用工具调用能力的模型——它们未来甚至可以自己去训练专属的专用工具，但这些专用系统会被放在一个独立的模块里，而不是和通用能力混在一起。这个判断，实际上为深科技创业者提供了一条具体的产品设计原则：专业能力该被封装成可调用的工具，而不是试图塞进一个万能大脑。

5. 提前为"AGI中途降临"的世界设计产品

Hassabis把这个思考框架延伸到了更实际的决策层面——不只是软件系统该怎么架构，物理世界的决策同样适用这个逻辑：今天该建什么样的工厂，该设计什么样的金融系统。

他给出的方法论是：认真地想象AGI真正出现之后的世界会是什么样子，然后去建造一些即便AGI只走到半路就出现，也依然有用的东西。这不是让创业者等待AGI降临再行动，而是要求在今天的设计里，就为那个还未到来的世界留出接口。

这套思路把整场对话串成了一个闭环：选择值得投入生命力的深问题，用跨学科的方式去拆解它，同时清醒地意识到自己正身处一场与AGI时间线交叠的长跑，并据此设计出即便AGI中途入场也依然站得住的东西。对于正在规划长周期项目的创业者而言，这不是一句口号，而是一份具体的时间表。