Loading...
Loading...
DeepMind CEO Demis Hassabis（德米斯·哈萨比斯）：实现 AGI 尚需一到两个关键突破撰文：Techub News 整理
导语
在2025 年 5 月一场备受瞩目的公开对话中，谷歌旗下前沿人工智能实验室 DeepMind 的 CEO 德米斯·哈萨比斯（Demis Hassabis）与谷歌联合创始人谢尔盖·布林（Sergey Brin）一同亮相，就人工智能发展的最前沿问题进行了深入探讨。这场对话发生在谷歌I/O开发者大会期间，由知名科技播客主持人亚历克斯·坎特罗维茨（Alex Kantrowitz）主持。哈萨比斯作为 DeepMind 的灵魂人物，以及布林以技术领袖和谷歌联合创始人的身份回归 AI 研发一线，使得这场对话成为观察谷歌乃至整个行业在 AGI（通用人工智能）竞赛中战略思考与自我认知的绝佳窗口。
摘要
AGI 仍需关键突破：哈萨比斯认为，基于当前技术，要实现 AGI 可能还需要“一到两个关键性突破”，并将 AGI 定义为能达到爱因斯坦、莫扎特等人类顶尖智慧成就的系统。
“深度思考”范式至关重要：谷歌 DeepMind 正大力押注以“深度思考”（Deep Think）为代表的推理增强范式，认为这能为模型能力带来巨大提升，是通往更通用智能的关键路径。
多模态是 AGI 的必然要求：哈萨比斯强调，真正的 AGI 必须理解和互动物理世界，因此从 Gemini 项目伊始，DeepMind 就坚持构建原生多模态模型，尽管初期更困难，但长期看是正确的选择。
算法与算力需双轮驱动：哈萨比斯与布林均认为，未来的进步需要算法创新与算力扩展的双重驱动，布林更倾向于认为算法的进步可能比纯粹的计算力提升更为重要。
AGI 的愿景与定义：远非“普通人水平”
对话的核心议题围绕 AGI 展开。德米斯·哈萨比斯（Demis Hassabis）首先澄清了他对 AGI 的定义。他认为，目前行业对 AGI 的讨论存在两个层面的混淆：一是达到“普通人类水平”的能力，这无疑具有巨大的经济与产品意义；二是他个人所关注的、更具理论意义的 AGI——即一个系统能够实现人类大脑架构所能实现的所有成就，包括爱因斯坦的理论物理、莫扎特的音乐创作等历史上的顶尖智慧成果。他强调，目前没有任何系统具备这种广度和深度的能力。
哈萨比斯进一步指出，当前系统距离真正的 AGI 还有一大差距：一致性（Consistency）不足。今天的模型虽然能做上千件事，展示了许多令人印象深刻的能力，但用户很容易在几分钟内发现其明显的缺陷，比如在某些高中数学问题或基础游戏上犯错。在他看来，一个能被称之为 AGI 的系统，其漏洞应该需要专家团队花费数月才能发现，而不仅仅是普通用户几分钟的测试。
当被问及 AGI 是否会被某一家公司“一劳永逸”地实现时，谢尔盖·布林（Sergey Brin）认为，很可能会有某个实体率先达到，但由于 AGI 本身是一个光谱而非精确点，不排除多家机构几乎同时抵达相近水平。他预测，AI 领域将延续“蛙跳式”的竞争与相互启发模式，不断推动阈值被跨越。
哈萨比斯则补充，重要的是业界需要对 AGI 形成一个共识定义。他承认可能会有组织率先抵达，而确保首批 AGI 系统以可靠和安全的方式构建至关重要。在此之后，才有可能设想基于这些安全架构衍生出更多的系统，例如个人 AGI。
技术路径：推理、自我改进与多模态整合
谈及具体技术，哈萨比斯详细阐释了 DeepMind 长期看重的“思考”或“推理”范式。他回顾了从 AlphaGo、AlphaZero 开始的工作，在这些游戏中，开启“思考”（即蒙特卡洛树搜索等规划算法）的系统，其能力比仅输出第一反应的系统高出超过 600 ELO 等级分。这种范式在更为复杂的现实世界中，潜力可能更大。
谷歌最新推出的“深度思考”（Deep Think）技术，被哈萨比斯描述为“类固醇加强版的推理”，即多个并行推理过程相互协作与校验。他认为，这种增强推理能力的机制，可能是通往 AGI 所需的关键进展之一。此外，真正的发明创造——例如提出全新的物理学理论，而非仅仅解决现有猜想——是目前系统尚未具备的能力，但以“思考”为代表的范式可能有助于实现这一目标。
对于2025 年 5 月 DeepMind 发布的“Alpha Evolve”（一种能帮助设计更好算法甚至改进大语言模型训练方式的 AI），主持人调侃这是否意在引发“智能爆炸”。哈萨比斯否认了“不受控制”的爆炸，但承认这是一个有趣的初步实验。他表示，将进化编程等技术与强大的基础模型结合，探索各种组合系统是 DeepMind 探索性工作的重点。若能发现一种自我改进的循环，确实可能进一步加速进展。AlphaZero 在游戏领域已证明自我改进的可能性，但将之应用于更混乱、复杂的现实世界仍有待观察。
哈萨比斯强调，DeepMind 自始至终的目标是构建 AGI，这决定了其技术路线选择。因此，从 Gemini 项目一开始，他们就决定构建原生多模态模型，即使这比只做纯文本模型起步更艰难。他坚信，真正的通用智能必须理解物理环境，而两大关键应用场景——能伴随日常生活的真正有用的助手，以及实用的机器人——都依赖于这种对世界的视觉和物理理解。这也是谷歌在智能眼镜和具身智能（如 Astra 项目）上持续投入的原因。
算力、算法与行业未来
关于推动进步的主要驱动力，哈萨比斯和布林都认为需要算法创新与计算规模双管齐下。哈萨比斯表示，一方面需要将现有已知技术（无论是数据还是算力）的规模扩展到极限，另一方面必须投入大量精力进行前瞻性创新，以带来下一个数量级的飞跃。
谢尔盖·布林（Sergey Brin）从历史角度分析，在诸如 N 体问题模拟等领域，算法的进步甚至超越了遵循摩尔定律的计算力进步。他个人猜测，未来算法的进展可能比纯粹的计算力进步更为显著。不过，目前二者都在快速推进，行业正同时受益于两者。
对于主持人“世界是否会铺满数据中心”的提问，哈萨比斯指出，未来确实需要更多的数据中心，但这不仅仅是为了模型训练。随着 Gemini 等模型展示出强大性能且成本可控，全球对其使用需求激增，推理阶段的计算消耗将变得极其庞大。此外，“深度思考”等范式允许模型通过更长的“思考”时间来解决高价值难题，这也将消耗大量运行时算力。
产品哲学与行业挑战
谈及谷歌的产品方向，哈萨比斯解释了为何谷歌的智能体演示往往强调视觉和与现实世界的交互。他认为，一个真正有用的助手不应局限于电脑或单一设备，而应能理解并融入用户的物理环境。同时，机器人发展的瓶颈长期以来在于软件智能而非硬件，而如今 Gemini 等模型结合 Veo 等视频生成技术，为机器人带来了突破的曙光。
谢尔盖·布林（Sergey Brin）也反思了早年谷歌眼镜（Google Glass）项目的教训，承认在消费电子供应链、制造成本控制等方面曾面临挑战。但他仍然坚信眼镜这一形态的潜力，并认为如今 AI 能力的飞跃使得眼镜能在不打扰用户的情况下提供真正有用的帮助。哈萨比斯更是直言，“通用助手”将是智能眼镜的杀手级应用。
针对 AI 生成内容（特别是视频）泛滥可能污染后续模型训练数据（即“模型崩溃”问题）的担忧，哈萨比斯分享了 DeepMind 的应对策略。他们为所有生成式模型的内容附加了名为“SynthID”的隐形水印，该技术已稳定运行一年多，既能用于识别深度伪造和虚假信息，也可用于在需要时从训练数据中过滤掉 AI 生成内容。此外，在蛋白质结构预测模型 AlphaFold 的开发中，他们已有谨慎使用合成数据的经验，但这需要确保数据分布和质量得到严格控制。
快速问答：AGI 时间表、模拟假说与未来展望
在对话最后的快速问答环节，两位嘉宾被问及 AGI 的时间预测。哈萨比斯给出了“2030年之后不久”的答案，而布林则更为乐观地选择了“2030年之前”。哈萨比斯笑称这个答案让他倍感压力，需要回去更努力地工作。
关于哈萨比斯此前一条引发热议的推特（内容关于“自然到模拟一键生成”），主持人直接询问他是否认为我们生活在模拟之中。哈萨比斯否认了类似电影《黑客帝国》的那种模拟，但他认为底层物理本质上是基于信息论的，我们可能身处一个“计算宇宙”中。AI 系统能够模拟自然界的真实结构，这一事实发人深省，他未来可能就此撰写科学论文。布林则从递归逻辑的角度调侃了“模拟假说”，认为若我们是模拟产物，那么模拟我们的存在本身也可能处于模拟之中，如此无限循环。
对于十年后互联网的形态，布林认为，鉴于 AI 惊人的发展速度，我们甚至无法预见十年后的世界面貌。哈萨比斯则从更近期的角度预测，在“智能体优先”的网络中，为了人类视觉呈现而设计的渲染可能不再必要，互联网将在几年内发生巨大变化。
整场对话揭示了 DeepMind 领导层对 AGI 既雄心勃勃又审慎务实的态度。他们清晰地规划了以推理增强和多模态理解为支柱的技术路线，同时清醒地认识到当前系统与真正 AGI 之间的差距。这场对话不仅是对谷歌AI野心的展示，也为理解全球AGI竞赛的当前格局提供了宝贵的一手视角。
Google Gemini 负责人 Noam Shazeer（诺姆·沙泽尔）与 Jack Rae（杰克·雷）：测试时计算能带我们走多远？撰文：Techub News 整理
导语
在知名 AI 播客《Unsupervised Learning》的最新一期节目中，主持人 Jacob Effron 邀请到了 Google Gemini 大语言模型项目的两位关键人物：Noam Shazeer（诺姆·沙泽尔）与 Jack Rae（杰克·雷）。Noam Shazeer 是 Transformer 架构的联合发明人之一，也是 Character.ai 的创始人，现回归 Google 领导 Gemini 项目。Jack Rae 则是 DeepMind 多项突破性研究的关键贡献者，目前也深度参与 Gemini 的开发。这场长达 70 分钟的对话，正值 Gemini 2.0 系列模型发布、测试时计算范式兴起之际，两位身处 AI 研究最前沿的专家分享了他们对技术现状、未来路径以及行业生态的独到观察。
摘要
测试时计算潜力巨大，但非 AGI 万能钥匙：通过投入更多推理时计算资源（如思维链），模型能力能获得显著提升，尤其在数学、代码等可验证领域。然而，要达成真正的 AGI，仍需解决在复杂环境中行动、提出真正新颖问题等核心挑战。
模型能力正从“应试”转向“创造”：当前的研究重点正从在固定基准测试上“刷分”，转向让模型能够进行开放式探索、提出新问题，并最终在科学发现等实际创造领域做出贡献。
开源模型的追赶速度超乎预期：Noam Shazeer 和 Jack Rae 均对开源社区（如 Gemma、DeepSeek）快速跟进并发布有竞争力模型的速度表示惊讶和赞赏，认为这股创新力量将持续存在。
AI 与教育的结合前景广阔：Jack Rae 以其孩子的亲身经历为例，展示了 AI 如何成为强大的个性化学习工具，认为下一代人将因此变得更“聪明”，AI 在教育领域的潜力被严重低估。
对 AGI 风险持审慎乐观态度：两人均认为需要认真对待 AI 安全与对齐问题，以及技术对社会经济的冲击。Google 内部有专门的团队评估模型发布的风险。Noam Shazeer 比喻，希望 AI 能像尊重父母的孩子一样尊重其创造者。
测试时计算：现状、惊喜与天花板
对话始于对 Gemini 2.0 系列模型，特别是其“思维”（Thinking）或测试时计算能力的探讨。Jack Rae 分享了一个最初的惊喜：研究团队原本集中精力于提升模型在数学和代码等“推理任务”上的表现，但很快发现，这种深度思考的能力同样能显著改善创造性任务，例如撰写文章。模型在“思维”过程中展现的构思、修订过程，其输出结果的质量和风格都令人印象深刻。
Noam Shazeer 强调了在可验证领域（如数学、代码）取得突破的重要性，因为这些评估指标能有效区分模型是真正学会了推理，还是仅仅记住了更多数据。他坦言，评估基准（Evals）的“寿命”正在急剧缩短，往往几个月前还极具挑战性的任务，很快就被模型攻克并变得“微不足道”。这促使整个行业需要不断开发更复杂、更私密的新评估体系。
当被问及什么才是真正有意义的里程碑时，Noam Shazeer 给出了一个引人深思的回答：“当 Gemini X 能够编写 Gemini X+1 时。” 这指向了 AI 自我改进的强化循环——利用已构建的 AI 工具，来更高效地开发下一代更强大的 AI。他认为，除了这个“元循环”，来自用户反馈的数据飞轮以及全球关注与资金投入的飞轮，都将共同驱动 AI 发展的加速。
那么，测试时计算的“天花板”在哪里？它能否直接将我们带向 AGI？对此，两人的观点明确。Noam Shazeer 从经济学角度分析：当前大语言模型的推理成本极低（每美元可生成数百万 tokens），远低于人类阅读书籍或雇佣工程师的成本。因此，只要价值存在，就有巨大空间投入更多计算资源让模型在推理时“思考”得更深入、更聪明。这无疑会带来显著的能力提升曲线。
然而，Jack Rae 明确指出，测试时计算范式并非通往 AGI 的完整路径。他认同需要其他关键组件，尤其是让 AI 能够在复杂环境中行动的“智能体”（Agent）研究。目前的测试时计算更像是“针对特定问题思考更久以找到答案”，而未来的目标应该是让模型能进行“深度思考”，在“思维”中创造并内化新知识，从而大幅提升解决后续任务的数据效率。就像人类数学家通过研读一本教材并深入思考，最终成为世界级专家一样。他们正在朝这个方向努力，但尚未抵达。
从“应试者”到“探索者”：AI研究范式的转变
随着模型能力提升，其角色也在发生根本性变化。Jack Rae 以数学为例，阐述了这种转变：当前数学多被用作基准测试，类似于“考试”；而未来的重要转折点，是让 AI 开始生成“有用的数学”，解决真正重要的、未解决的问题。这需要建立一套从现有能力逐步过渡到实际科学贡献的评估阶梯。
Noam Shazeer 对此深表赞同，并借此回应了关于“大模型仅是模仿、无法产生新颖思想”的批评（如 Yann LeCun 的观点）。他认为，即便只是将两个已知的、互不相干的知识领域进行交叉“插值”，从而发现新的属性（例如在材料科学中），这本身就已经能极大加速科学进程。至于何为“真正新颖”，他认为无需陷入哲学争论，更务实的态度是持续构建 AI，提升全球技术水平，帮助人类。
Jack Rae 则描绘了一幅更宏大的图景：将当前数学研究的现状比作15世纪的地理大发现。只有少数精英探险家（数学家）能够冒险探索未知领域，带回零星的新地图。如果 AI 能够学会提出正确的数学问题（这被认为是最难的部分），并且有能力解决它们，那么未来我们或许可以拥有“百万个陶哲轩级别的数学家”，快速绘制出整个“数学地图”，这将对所有科学产生革命性影响。
研究文化、开源生态与未来展望
回顾过去十年的 AI 研究，尤其是像 Transformer 这样的突破，Noam Shazeer 将其比作“炼金术”时代——高度实验性，知其然未必知其所以然。他强调在研究文化中慷慨给予认可的重要性，因为想法的溯源和贡献分配往往极其复杂。对于 Transformer 的诞生是否具有必然性，他认为类似的想法在当时已呼之欲出，但具体的碰撞与结合确实需要一些机缘。
两人也讨论了不同的研究组织模式。Jack Rae 结合其在 OpenAI（更集中化）和 DeepMind（更多自上而下）的经历，认为在 Google 当前的环境中，保持“自上而下”的战略聚焦与“自下而上”的自由探索之间的平衡至关重要。战略聚焦能确保在关键方向（如测试时计算）投入资源并交付成果，而自由探索则常常带来意想不到的、更具影响力的突破。
一个令他们共同“改变想法”的领域是开源模型的进展。Jack Rae 坦言，他曾以为闭源模型可能会逐渐拉大领先优势，但开源社区展现出的激情、创造力和快速迭代能力令人震惊。像 Gemma 3 和 DeepSeek 这样的模型性能卓越，表明开源力量完全能够持续创新并保持竞争力。Noam Shazeer 也认为，开源与闭源之间的“时间差”正在缩小，未来可能是“质量差距明显但时间差极小”的局面。
AI 的社会影响：教育、风险与人类角色
谈及 AI 对个人生活的影响，Jack Rae 分享了一个生动例子：他四岁的儿子喜欢用 Gemini 识别花园里的植物和蜥蜴，并迅速吸收了详尽的专业知识，甚至能在学校向老师准确描述。他认为，AI 与教育的结合将催生一种前所未有的个性化学习方式，让下一代人变得更“聪明”，这一前景被严重低估。
Noam Shazeer 的思考则更具哲学意味。他认为，随着 AI 可能在未来承担更多物质生产工作，人类需要重新寻找生命的意义——这可能不再是关于生存的挣扎，而是更多地关乎精神层面的追求。他鼓励人们，如果现在有想做的、有物质意义的事情，“现在就去做”，因为未来情况可能不同。
关于 AGI 风险，两人态度审慎。Jack Rae 表示“中度担忧”，指出创造出一个远超自身智能、但仍能可靠服务于创造者的实体，在历史上缺乏先例。此外，AI 对就业和经济结构的潜在冲击也是需要认真应对的现实问题。他提到 Google 内部有独立的团队专门负责从更全局的视角评估模型发布的安全性与社会影响。Noam Shazeer 则用了一个巧妙的比喻：希望 AI 能像（理想中）尊重父母的孩子一样尊重人类。他承认需要全力投入安全研究，但整体并不恐惧。
最后，在快速问答环节，对于“当前 AI 界什么被高估/低估了”的问题，Jack Rae 认为某些特定的、复杂的合成任务基准（如 ARC-AGI）被高估了，因为它们可能无法有效导向通用的、有用的 AGI。Noam Shazeer 则坚定地认为，大语言模型和 AGI 本身仍然被“严重低估”，其潜力远不止于创造万亿美元市值的产品。如果让他们现在去开发应用，两人都认为“智能体”领域，尤其是能够自动化执行复杂任务（不限于编码）的智能体，以及 AI 赋能软件工程（自我加速循环的关键），是最值得关注的方向。
Meta 首席 AI 科学家 Yann LeCun（杨立昆）：人类智能并非通用智能撰文：Techub News 整理
导语
2025 年 4 月，Meta 首席 AI 科学家、图灵奖得主 Yann LeCun（杨立昆）做客知名播客 AI Inside，与主持人 Jason 和 Jeff 进行了一场长达 46 分钟的深度对话。作为深度学习领域的奠基人之一，LeCun 以其对技术发展冷静、务实的判断而著称。在当前生成式 AI 与大语言模型（LLM）席卷全球、业界对通用人工智能（AGI）的讨论甚嚣尘上之际，他的观点尤为值得关注。本次对话中，LeCun 不仅尖锐地指出了 LLM 的天花板，更系统阐述了他心中通往更高级机器智能的必由之路——构建能理解物理世界的“世界模型”。
摘要
LLM 有用但非终极答案：LLM 在代码助手等特定领域价值显著，但其基于自回归预测的机制存在根本局限，无法可靠处理真实世界复杂任务。
人类智能远非“通用”：所谓“通用智能”是误导性概念，人类智能高度特化，由进化塑造以解决生存相关任务，AI 的目标应是实现“人类级别智能”。
下一代 AI 需构建“世界模型”：实现人类级别智能的关键在于让机器像人类和动物一样，通过观察学习物理世界的运作规律，形成可预测和规划的内部心理模型。
开源是加速创新的核心策略：Meta 开源 Llama 系列模型旨在激活全球创新生态，这对促进学术研究、催生多元化 AI 应用及防止技术垄断至关重要。
未来属于“智能助手群”：终极产品形态是围绕个人的多个智能助手，它们将中介所有数字交互，其多样性（语言、文化、价值观）是健康生态的基石。
LLM 的辉煌与局限：我们为何尚未触及智能核心
对话伊始，主持人便抛出了当前 AI 界的核心矛盾：一方面，以 OpenAI 为代表的公司凭借 LLM 技术获得破纪录融资，行业热情高涨；另一方面，包括 Yann LeCun（杨立昆）在内的许多研究者却不断强调 LLM 的局限性，认为其回报正在递减。对此，LeCun 首先肯定了 LLM 的实用性，特别是在代码助手等场景。但他随即指出，从令人惊艳的演示到真正可靠、可供日常使用的系统，其间存在巨大鸿沟。他以自动驾驶为例，十年前就有演示，但至今仍未达到人类水平的可靠性。
LeCun 回顾了 AI 七十年的发展史，指出一种反复出现的模式：每当有新范式出现（如专家系统、深度学习），人们便宣称“就是它了，十年内机器将成为地球上最聪明的实体”。然而每次预言都落空了，因为新范式要么遇到了未曾预见的限制，要么只是擅长解决某个子类问题，而非真正的通用智能问题。LLM 很可能正面临类似的局面。
“我不想贬低 LLM，它们很有用，值得投资。” LeCun 强调，投资大部分流向了运行 LLM 的基础设施，而非训练本身。就像所有计算机技术一样，即使达不到人类智能水平，LLM 也可以很有用。但如果我们以人类级别智能为目标，“我们需要发明新技术。我们还远未达到那个水平。”
主持人 Jeff 提到，LeCun 曾将当前最先进的 AI 系统类比为“聪明的猫”或“三岁小孩”。LeCun 甚至认为这个评价可能过高了。他指出，尽管 LLM 能通过律师考试、总结文本、生成代码，但这些能力很大程度上依赖于在训练数据中见过的模式。当面对全新的、未曾见过的问题时——例如最新的数学奥林匹克竞赛题目——最好的 LLM 表现也近乎为零。这暴露了当前系统缺乏真正理解和解决新问题的能力。
LeCun 犀利地指出，LLM 操纵语言的能力让我们误以为它们很聪明，因为我们习惯将语言能力与智慧挂钩。然而，真正的考验在于现实世界：“我的家用机器人在哪里？我的 L5 级自动驾驶汽车在哪里？能做出猫那样行为的机器人（哪怕是模拟的）又在哪里？” 问题的关键不是造不出具有相应物理能力的机器人，而是无法让它们足够“聪明”。处理现实世界、产生实际动作的系统，远比处理语言的系统要复杂得多，因为现实世界是混乱、不可预测、非确定性的连续高维空间。
通往人类级别智能之路：世界模型与非生成式架构
那么，研究应该走向何方？LeCun 透露，早在三年前（即 LLM 席卷全球之前），他就撰写了一篇长文，勾勒了未来十年 AI 研究的方向，而这一愿景并未因 LLM 的成功而改变。他认为，要实现人类级别智能，机器需要具备四个关键能力：理解物理世界、进行推理与规划、拥有持久记忆，以及安全可控。
这一切的核心是一个称为“世界模型”的概念。人类和动物大脑中都有一个世界模型，它是一个心理模型，允许我们预测世界将发生什么，或者我们采取某个行动会带来什么后果。如果我们能预测行动的后果，那么当我们设定一个目标时，就可以利用世界模型来“想象”特定的行动序列是否能实现该目标，这就是规划和推理的本质——心理学家称之为“系统 2”的深思熟虑的思维过程。
在机器人学和控制理论中，类似的概念被称为“模型预测控制”，即通过方程预测行动后果并优化行动序列。但关键区别在于，对于通用 AI 系统，这个世界模型必须能从经验或观察中学习，就像婴儿通过观察学习世界如何运作一样。这部分是目前最难复现的。
LeCun 认为，实现这一目标可以基于一个简单原则：自监督学习。这正是 LLM 成功的基础——通过预测文本中的下一个词来训练。我们可以设想将这一原则应用于图像和视频，训练一个大型神经网络预测视频的下一帧或后续发展。如果系统能学好并做出准确预测，就意味着它理解了物理世界的许多底层规律。
然而，直接套用文本预测的方法到视频上却行不通。预测下一帧太简单，学不到有用东西；预测长期发展又极其困难，因为视频中有太多可能性。文本预测之所以可行，是因为词典大小有限，可以预测所有词的概率分布。但对于视频，我们不知道如何表示所有可能图像或视频帧的合适概率分布，这在数学上是难以处理的。
大约五六年前，LeCun 及其团队提出了一个解决方案：改变架构思路。不再预测视频中的所有细节，而是训练系统学习视频的一种“表示”，并在这个表示空间中进行预测。 这种表示会过滤掉视频中不可预测或无用的细节。这种架构被称为“联合嵌入预测架构”（JEPA）。
LeCun 透露了一个可能令人惊讶的观点：“我的直觉是，下一代 AI 系统将基于非生成式模型。” 在当前所有人都在谈论生成式 AI 的浪潮中，这无疑是一个反主流的前瞻性判断。JEPA 正是这样一种非生成式架构的代表，它专注于学习数据的抽象表示和它们之间的关系，而非生成具体的像素或词汇。
AGI 迷思与开源哲学：为何多样性是未来关键
对于业界热炒的“AGI”概念，LeCun 直言不讳地称之为“无稽之谈”，并且极具误导性。他认为，如果 AGI 指的是“像人类智能一样通用”的智能，那么这个说法本身就错了，因为“人类智能根本不通用，它极度特化。” 人类被进化塑造成只擅长完成与生存相关的任务。我们无法构想那些我们无法处理的问题，这反而让我们误以为自己拥有通用智能。在 Meta 内部，他们更倾向于使用“高级机器智能”或直接称为“人类级别智能”。
LeCun 坚信，未来某个时刻，机器在人类擅长的所有领域至少会与人类一样聪明，甚至更聪明。但这不会发生在明年或后年，可能在十年内取得一定进展。“如果目前我们正在研究的所有方向都取得成功，那么也许十年后，我们就能更好地判断是否能实现那个目标。” 他保持乐观，但强调这很可能比我们想象的更难，AI 史上的每一次突破都比预期更艰难。
话题转向 Meta 的开源策略。主持人 Jeff 盛赞开源 Llama 模型对学术界和创业生态的巨大推动作用，并询问其背后的战略思考。LeCun 明确表示，开源 Llama 对少数几家（暗指闭源商业公司）来说是“搅局者”，但对成千上万的公司和研究者来说是“赋能者”。从伦理角度看，这显然是正确之举，它极大地激活了整个 AI 生态系统。
LeCun 指出，Meta 的最终产品愿景是构建 AI 助手，甚至是一组 AI 助手，它们可能常驻于智能眼镜中，与我们随时相伴。为了让这些助手发挥最大效用，它们需要达到人类级别的智能。而实现这一目标，是当今世界面临的最大科技挑战之一，需要汇聚全球的智慧。“好点子可能来自世界任何地方。” 他提到近期 DeepSeek 的崛起令硅谷惊讶，但在开源世界看来却不足为奇，这正是开源理念的验证。
他批评了某些地区（暗指硅谷部分人士）存在的“极度膨胀的优越感”，认为没有人能垄断好创意。AI 过去十几年的快速发展，正是得益于代码和科学信息的共享。而 Meta 的商业模式依赖于广告和社交网络的网络效应，而非直接售卖 AI 技术本身，因此开源技术不仅无害，反而有益。
展望未来，LeCun 描绘了一幅图景：我们与数字世界的绝大多数交互将由 AI 系统中介。搜索引擎可能会被直接与 AI 助手对话所取代。更重要的是，作为全球公民，没有人会希望自己的信息食谱仅由美国西海岸或中国少数几家公司打造的 AI 助手来提供。 我们需要高度多样化的 AI 助手，它们能说各种语言（包括小众方言），理解不同的文化、价值体系和偏见。这就像我们需要多元化的媒体一样。
实现这种文化多样性的唯一现实途径，就是让世界各地的人们能够基于强大的开源基础模型来构建自己的助手，因为他们没有资源从头训练模型。LeCun 预见，市场压力将促使 AI 基础模型走向开源和免费，就像互联网的软件基础设施（Linux 和商用硬件）最终战胜了专有系统一样。AI 基础模型将成为类似互联网基础设施的存在，由大型公司或国际联盟训练，但开放给全球创新者在其之上构建丰富多彩的应用。这，才是 Yann LeCun（杨立昆）所坚信的、能够引领我们走向真正高级机器智能的健康生态。
Google DeepMind CEO Demis Hassabis（德米斯·哈萨比斯）：世界模型、AGI 时间表与 AI 驱动的科学革命撰文：Techub News 整理
导语
2025 年 9 月，谷歌 DeepMind 的联合创始人兼 CEO 德米斯·哈萨比斯（Demis Hassabis）做客知名科技播客 All-In Podcast，进行了一场信息量极大的深度对话。作为 AlphaGo、AlphaFold 等里程碑式 AI 项目的核心推动者，以及 2023 年诺贝尔化学奖的共同得主，哈萨比斯一直是全球人工智能领域的灯塔人物。此次对话中，他不仅分享了获得诺奖的幕后故事，更系统地阐述了谷歌 DeepMind 的最新进展、对 AGI（通用人工智能）路径的思考，以及 AI 如何重塑科学、娱乐乃至人类社会的基础架构。在 AGI 浪潮席卷全球、科技巨头激烈角逐的背景下，哈萨比斯的见解无疑具有极高的参考价值。
摘要
世界模型是通往 AGI 的关键一步：Genie 等模型通过海量视频学习“直观物理”，无需预设物理引擎即可生成动态交互世界，这对机器人技术、智能眼镜助手至关重要。
AGI 可能还需 5-10 年：哈萨比斯认为当前 AI 尚缺乏真正的创造力、持续学习和一致性推理能力，需一两个关键突破才能达到真正的通用智能。
AI 将开启“科学新文艺复兴”：从药物发现（Isomorphic Labs）到材料设计、聚变控制，AI 将成为终极科学工具，其长远贡献将远超其当下的能耗。
人形机器人有独特价值：对于需要融入人类环境（家庭、办公室）的通用机器人，人形形态可能比专用形态更具实用性和适配性。
AI 赋能创作的两面性：既极大降低了普通人创作的门槛，也超级赋能顶级专业人士，催生“共同创造”的新娱乐形态。
从 AlphaFold 到诺奖：AI 驱动科学的起点
访谈从哈萨比斯获得诺贝尔化学奖的非凡经历开始。他描述接到来自瑞典的电话时“恍如隔世”，那是每个科学家梦寐以求的时刻。在斯德哥尔摩的颁奖周，最令他震撼的是在一本保存了120年的诺奖得主签名簿上，将自己的名字签在费曼、居里夫人、爱因斯坦、尼尔斯·玻尔等伟人之旁。哈萨比斯坦言，尽管有关于 AlphaFold 可能获奖的传言，但诺奖委员会对保密工作的极致要求，以及奖项更看重科学突破的实际影响力（这往往需要二三十年的沉淀），使得一切直到电话响起前都是未知数。AlphaFold 破解蛋白质结构预测难题，正是哈萨比斯从童年起就怀有的梦想——利用 AI 加速科学发现的完美例证。这枚诺奖奖章，不仅是对他个人和团队的认可，更是标志着 AI 正式成为基础科学发现的核心引擎。
谈及谷歌 DeepMind 在 Alphabet 中的定位，哈萨比斯将其比喻为“整个谷歌和 Alphabet 的引擎室”。自几年前谷歌内部所有 AI 力量（包括原 DeepMind）合并为 Google DeepMind 以来，团队规模已达约 5000 人，其中超过 80% 是工程师和博士研究员。Gemini 是他们构建的核心模型，此外还包括视频模型、交互式世界模型等多种 AI 系统。这些模型已经深度集成到谷歌几乎所有的产品和服务中，从 AI Overview、AI 模式到 Gemini 应用，每天有数十亿用户在与他们的 AI 技术互动。这种“前沿研究”与“数十亿规模落地”的结合，构成了谷歌 DeepMind 独特的优势。
Genie 与世界模型：让 AI 理解物理世界
对话的核心很快转向了谷歌 DeepMind 最新发布的一类革命性模型——“世界模型”，其代表便是 Genie。哈萨比斯现场展示了一段 Genie 生成的视频：用户仅通过一个文本提示（如“在鸡套装里的人”或“喷气式滑艇”），就能生成一个完全交互式的 3D 环境。用户可以使用方向键和空格键实时控制视角，探索这个世界。关键之处在于，所有像素都是实时生成，不存在于任何预设的视频或游戏中。当角色转头看向一个方向，那一侧的景物才被即时创造出来，并且保持物理一致性（例如之前墙上的涂鸦会保留）。
哈萨比斯解释道，Genie 模型通过观看互联网上数百万计的 YouTube 等视频，反向工程了“直观物理”。它并非基于传统的 3D 渲染引擎（如 Unity 或 Unreal），也没有被预先编程物理定律。相反，它纯粹从 2D 图像序列中学会了世界如何运作的复杂规律，包括光影反射、材质流动和物体行为。作为一名在 90 年代曾亲手编写游戏引擎和物理系统的前游戏开发者，哈萨比斯对 Genie 能如此“轻而易举”地完成这一切感到“极其震撼”。
为什么世界模型如此重要？哈萨比斯指出，要构建真正的 AGI，系统必须理解我们周围的物理世界，而不仅仅是抽象的语言或数学世界。这对于机器人技术、智能眼镜助手等应用至关重要。一个能帮助日常生活的智能眼镜助手，必须理解使用者所处的物理环境及其背后的物理规律。世界模型的突破，正是为 AI 系统装上了理解物理世界的“感官”和“常识”。他预测，随着 Genie 这类模型的进化（Gen 4, Gen 5…），它们将越来越逼近对现实世界的深刻模拟。
机器人、AGI 时间线与缺失的拼图
世界模型的自然延伸便是机器人技术。哈萨比斯介绍了他们基于 Gemini 微调而来的“Gemini 机器人模型”。在演示中，一个拥有两只机械臂的桌面机器人，能够理解“把黄色物体放进红色桶里”这样的自然语言指令，并将其转化为精准的动作序列。这体现了多模态模型的威力——它能将真实世界的理解融入与机器人的交互中，而不仅仅是依赖机器人专用的、狭窄的模型。
对于机器人的形态，哈萨比斯的观点发生了变化。他过去认为特定任务应有专用形态的机器人，但现在认为，人形机器人对于需要在人类设计的环境中工作的通用机器人具有重要意义。台阶、门把手、工具——我们的物理世界是为人类身体设计的。与其改变整个世界的设计，不如让机器人适应我们已有的环境。当然，在工业生产线或实验室等特定场景，专用形态的机器人仍是最优解。
关于 AGI（通用人工智能）的到来时间，哈萨比斯给出了相对审慎的估计。他认为当前顶尖的 AI 模型（包括他自己公司的）远非“博士级智能体”。它们在某些任务上表现出博士生水平的能力，但缺乏通用性和一致性，例如可能在高中学的数学或简单计数上犯低级错误。真正的 AGI 应该能全面达到高水平表现。
在他看来，通往 AGI 还缺少几个核心拼图：一是真正的创造力，即像爱因斯坦提出狭义相对论那样，从已知知识中进行“直觉飞跃”，提出全新的猜想或理论；二是持续学习能力，能够在线学习新知识并调整行为；三是更强的推理和一致性。哈萨比斯预测，可能还需要“一两个关键性突破”，时间尺度大约在5到10年。这与行业某些更为激进的预测（如几年内）形成了对比。
科学革命与能源挑战：AI 的长期回报
作为科学家，哈萨比斯始终坚信 AI 最崇高的使命是加速科学发现，应对人类面临的重大挑战。除了 AlphaFold，谷歌 DeepMind 的 AI 系统已应用于材料设计、聚变反应堆等离子体控制、天气预报、解决奥林匹克数学竞赛级别难题等多个科学分支。他领导的 Isomorphic Labs（从 DeepMind 分拆）正致力于基于 AlphaFold 的突破，彻底改革药物发现流程，目标是将耗时数年甚至十年的新药研发周期缩短至几周甚至几天。目前他们已与礼来、诺华等制药巨头合作，并预计明年将有候选药物进入临床前阶段。
针对当前热议的 AI 能耗问题，哈萨比斯认为存在“两个真相”。一方面，谷歌 DeepMind 自身因为需要每天为数亿用户高效提供 AI 服务（如 AI 概述），在模型效率优化上投入巨大，通过蒸馏等技术，过去两年相同性能下的模型效率提升了10倍甚至100倍。但另一方面，为了向 AGI 前沿推进，研究团队仍需不断用更大规模的数据和算力训练新的模型，这会推动总需求上升。他乐观地认为，从长远来看，AI 在优化电网、设计新材料和新能源、应对气候变化等方面的贡献，将远超其自身运行所消耗的能源。AI 是解决问题的手段，而不仅仅是问题的来源。
创作民主化与未来娱乐形态
除了硬核科技，哈萨比斯也展望了 AI 对文化和娱乐的冲击。像 Imagen、Veo 这样的顶级视频生成模型，以及“Nano Banana”这类拥有出色指令跟随一致性的图像生成工具，正在带来“创作民主化”。普通人无需再像过去那样啃读厚厚的 Photoshop 教程，只需用语言描述想法，就能进行创作。
但同时，AI 也在“超级赋能”顶级专业人士。哈萨比斯提到他们正与著名导演达伦·阿伦诺夫斯基等顶尖创作者合作。这些工具让专业创意人士能够以前所未有的速度尝试各种构思，生产力提升十倍甚至百倍，最终更快地实现他们脑海中最完美的愿景。他预见未来将出现一种融合了“共同创造”元素的新娱乐形式或艺术类型：顶级创意愿景家构建引人入胜的动态故事世界，而成千上万的用户可以在其中共同创造部分内容，主创者则扮演这个世界的“总编辑”。
未来十年：一个“科学新文艺复兴”
当被问及对未来十年的展望时，哈萨比斯承认在 AI 领域预测十周都充满挑战，更不用说十年。但他坚信，如果未来十年内我们能实现真正的 AGI，那将开启一个“科学的新文艺复兴”或“黄金时代”。从能源到人类健康，社会的方方面面都将受益于这个终极科学工具带来的突破。这不仅仅是一次技术升级，而是一场深刻重塑人类文明认知边界和能力极限的革命。德米斯·哈萨比斯和他领导的谷歌 DeepMind，正站在这场革命的最前沿。
Fei-Fei Li（李飞飞）：AGI 的核心是空间智能，AI 发展的首要原则是尊重人类能动性撰文：Techub News 整理
导语
2025 年 1 月，斯坦福大学“以人为本人工智能研究院”（HAI）联合主任、被誉为“AI 教母”的 Fei-Fei Li（李飞飞）做客知名投资人 Reid Hoffman（里德·霍夫曼）的播客节目《Possible》，进行了一场深度对谈。在这场对话中，李飞飞回顾了其从开创 ImageNet 数据集到如今领导 World Labs 的学术生涯，并分享了其对人工智能，特别是通用人工智能（AGI）本质与未来的深刻洞见。在当前 AI 技术飞速发展、AGI 讨论众声喧哗的背景下，李飞飞从一位奠基性研究者和人本主义倡导者的双重视角出发，提供了兼具技术远见与人文关怀的思考。
摘要
AGI 的“另一半”：空间智能：真正的智能不仅在于“说”（语言），更在于“看”和“做”。理解和作用于三维物理与数字世界的“空间智能”，是实现更完整 AGI 的关键。
从 ImageNet 到 World Labs 的演进：ImageNet 是为 2D 图像贴标签的“婴儿步”，而 World Labs 的目标是解锁三维世界的空间智能，实现物理与数字世界的无缝交互。
AI 发展的核心原则：尊重人类：必须将 AI 视为人类使用的工具，尊重人的能动性（Agency）和追求健康、生产力与被尊重的根本需求，这是技术发展的基石。
构建积极 AI 生态的三大支柱：AI 治理应基于科学而非科幻；监管重点应放在具体应用场景而非上游研发；需要公私部门协作，共同投资于好奇心驱动的创新和全民 AI 教育。
从 ImageNet 到 World Labs：追寻智能的完整拼图
李飞飞的 AI 生涯起点，源于一个关于数据重要性的深刻洞察。2006 年前后，她在利用机器学习算法理解图像中的物体时，发现整个领域存在一个普遍性问题：研究者们过度关注模型本身，却严重忽视了数据的规模、多样性与复杂性。她意识到，模型能力与数据质量必须匹配，尤其是对于神经网络这类高容量模型。这一洞见直接催生了 ImageNet——一个大规模、多样化的视觉数据库，它通过竞赛等形式极大地推动了深度学习在计算机视觉领域的复兴。
然而，ImageNet 在李飞飞看来，只是通向更宏大目标的一个“婴儿步”。“人类的智能，一半在于我们用语言沟通、组织知识，”她解释道，“但另一半同样深刻，在于我们‘做事’的能力——无论是烹饪煎蛋、徒步旅行，还是与朋友共处。” 这种“做事”的能力，根植于我们对所生活的三维世界的感知、理解、推理和行动能力，她称之为“空间智能”。
ImageNet 处理的是 2D 图像，而 2D 图像只是 3D 世界的投影。因此，李飞飞当前领导的 World Labs，目标正是迈出那“决定性的一步”：解锁空间智能。她指出，空间智能不仅关乎物理世界（如更换轮胎、进行手术），也涵盖数字世界（如虚拟环境）。未来的 AI 将成为桥梁，模糊物理与数字的界限。例如，当汽车爆胎时，人们或许能通过智能眼镜或手机，在 AI 应用的视觉引导和对话协助下，轻松完成换胎。这种技术将深刻改变我们与现实世界互动的方式。
超越语言模型：空间智能是“自然的语言”
当被问及“世界模型”与当前炙手可热的大语言模型（LLMs）有何区别时，李飞飞给出了一个清晰的比喻：LLMs 的基本单元是词汇，关乎“说”；而世界模型的基本单元是像素或体素（voxels），关乎“看”和“做”。
“语言是人类的语言，”她说，“而 3D 是自然的语言。” 她希望 AI 算法最终能让人们以更直观的方式，与像素构成的世界（无论是虚拟还是物理的）进行交互。这指向了一个超越文本交互的、更具沉浸感和行动力的 AI 未来。
李飞飞引用社会生物学家 Edward O. Wilson 的名言：“我们拥有旧石器时代的情感、中世纪的制度，以及神一样的技术，这极其危险。” 但她对此持乐观的逆转态度：人类有能力创造“神一样的技术”，来改进我们“中世纪的制度”，并提升或引导我们“旧石器时代的情感”，将其转化为创造力、生产力和善意。关键在于我们如何建造和运用技术。
人本 AI 的核心：尊重能动性，赋能每个人
作为“以人为本人工智能研究院”（HAI）的联合创始人，李飞飞阐述了其 AI 伦理与治理观的核心原则。首要且最重要的，是尊重人类的能动性（Human Agency）。
她批评了当前公共讨论中一种危险的叙事倾向：过于频繁地将 AI 作为句子的主语，仿佛 AI 自身具有独立意志。“我们会说‘AI 将治愈癌症’，甚至我自己有时也这么说，”她坦言，“但事实是，‘人类将利用 AI 来治愈癌症’。更危险的说法是‘AI 将夺走你的工作’。” 她强调，这种话语剥夺了人类的主体角色。技术真正的巨大潜力在于创造机会、增加就业、赋能人类能动性。这是必须坚守的第一原则。
第二个基本原则是尊重人类对健康、生产力以及成为受尊重社会成员的根本追求。无论 AI 如何发展，都不能忽视这些基本人性需求，否则将是危险且适得其反的。
基于这些原则，李飞飞认为，AI 治理应聚焦于以下几点：
基于科学，而非科幻：关于 AI 导致人类灭绝或带来世界和平的极端言论，大多属于科幻范畴。政策与治理必须建立在数据和科学事实之上。
监管应聚焦“橡胶 meets 路”的应用层：类比汽车发展史，我们并未因早期事故而关闭工厂，而是制定了安全带、限速等应用层法规。对于 AI，应在医疗、金融等具体应用领域建立相应的监管护栏，而非一味阻止上游技术研发。
构建积极的生态系统：这需要私营部门（大公司和创业者）的活力，也离不开公共部门的作用。公共部门承担着产生公共品的关键角色：一是资助好奇心驱动的基础研究与创新（如 ImageNet 正源于此），二是承担从 K12 到高等教育的全民 AI 素养教育重任。
李飞飞共同创立的非营利组织“AI4ALL”正是后者的实践，旨在通过夏令营、实习等项目，让更多来自女性和 underrepresented 社区的中学生接触并激发对 AI 的兴趣，让更广泛的群体参与塑造 AI 的未来。
AGI 迷思：本质是“会思考的机器”，当下重在赋能
对于热议的 AGI 概念，李飞飞坦言自己“并不完全清楚它是什么意思”。她认为这个词更多来自约十年前 AI 商业化兴起时的业界，意在强调 AI 从狭窄任务走向通用能力的趋势。然而，若回溯至 AI 奠基者 John McCarthy、Marvin Minsky 在 1956 年的梦想，其核心始终是“建造能够思考并帮助人们决策的机器”。从这个意义上说，AGI 与 AI 的原始梦想一脉相承。
谈及当前 AI 的进展，李飞飞认为这是一个“非凡的时刻”，因为 AI 已经能够被日常用户和企业所使用，早期 AI 先驱们的许多梦想正在实现或接近实现。例如，图灵测试在公众语境中已基本被视为“已解决”，自动驾驶也远比 2006 年时成熟。她特别看好自然语言交互带来的赋能，无论是用于自我学习、理解概念，还是帮助孩子们提升学习效果。但她再次强调，无论工具多么强大，都必须确保人类保持自我能动性，并利用工具来增强自身。
李飞飞以自己在医疗健康领域的工作为例，说明了 AI 如何以“赋能者”而非“替代者”的角色发挥作用。她长期研究利用非接触式智能摄像头（她称之为“Nurse’s AI”）来辅助医护人员：在医院防止病人跌倒，在家中关注老人行为与营养，在手术室清点器械以避免遗留。这些技术旨在减轻医护人员的繁重负担，让他们能更专注于提供高质量的关怀，而非取代他们。
最终愿景：技术普惠，共享繁荣
在对话的最后，李飞飞分享了影响她至深的人生经历：15 岁移民美国时，一位高中数学老师 Mr. Sabella 给予了她无条件的尊重与支持。这段经历让她深刻体会到，人类社会意义的核心在于人与人之间的善意、尊重与互助。“将人类置于中心是美好的，”她说。
对于未来 15 年的愿景，李飞飞希望看到“全球知识、福祉和生产力的提升，并特别强调共享繁荣”。她相信技术如果使用得当，能够帮助我们发现新知识、推动创新、提升福祉。“但我们一次又一次需要学习的教训是，当这一切发生时，我们必须认识到，我们需要分享这种繁荣，我们需要 democratize（民主化）这些好处。” 这或许正是这位“AI 教母”所有工作背后，最根本的人文关怀与科技向善的信念。
Demis Hassabis（德米斯·哈萨比斯）谈未来 5-10 年的 AGI 及其通向“根本性富足”之路撰文：Techub News 整理
导语
在人工智能浪潮席卷全球的当下，作为该领域最前沿的探索者之一，Google DeepMind 的联合创始人兼首席执行官 Demis Hassabis（德米斯·哈萨比斯）的每一次发声都备受关注。2025 年 6 月，他接受了 WIRED “The Big Interview” 栏目的深度对话。在这场约20分钟的访谈中，哈萨比斯不仅对通用人工智能（AGI）的到来时间给出了明确的概率预测，更围绕 AGI 的定义、当前 AI 系统的局限、地缘政治竞争、AI 安全、未来工作形态以及 AGI 可能带来的“根本性富足”社会等核心议题，展开了兼具技术理性与宏大愿景的阐述。作为将“解决智能，然后用智能解决一切问题”奉为使命的科学家和企业家，他的观点为我们理解 AI 发展的当前坐标与未来轨迹提供了关键视角。
摘要
预测 AGI 有 50% 的可能在未来 5-10 年内实现，但强调当前系统在推理、规划、记忆和真正创造力方面仍有明显缺陷。
指出 AI 发展面临两大核心风险：恶意行为者滥用通用 AI 技术，以及技术本身随着能力增强带来的安全隐患。
认为短期内 AI 将对工作产生“赋能”效应，提升个体生产力，长期则可能重塑就业结构，但护理等需要人类共情的工作难以被取代。
展望若 AGI 发展顺利，人类将进入一个拥有近乎无限清洁能源、解决疾病与资源短缺的“根本性富足”时代，但这需要社会心态从零和博弈转向非零和博弈。
呼吁国际协作与灵活监管，并认为在未知风险面前，科学方法和持续的投入是克服技术挑战的关键。
AGI：五年之约与缺失的能力拼图
访谈始于对 AGI 时间表的探讨。Demis Hassabis（德米斯·哈萨比斯）重申了 DeepMind 自创立之初便秉持的愿景：解决智能，然后用智能解决其他一切问题。回顾这趟约20年的征程，他表示公司“基本完全按计划进行”。当被问及这是否意味着距离人们通常所说的 AGI 仅有五年时，哈萨比斯给出了一个更精确的概率估算：“我认为在接下来的五到十年内，我们有50%的机会拥有我们所定义的 AGI。”
这个预测相较于某些更为激进的同行（如声称两三年内实现）显得相对审慎。哈萨比斯解释，业界目前对 AGI 的定义本身存在争论，时间预测也因此各异。他援引联合创始人兼首席科学家 Shane Legg 早期对 AGI 的定义，强调其核心在于系统能够展现出人类所拥有的全部认知能力。以人类心智为参照，是因为它是我们已知的唯一通用智能存在的证明。
那么，我们离这个目标还有多远？哈萨比斯明确指出当前 AI 系统存在明显的“能力拼图缺失”。无论是大型语言模型还是聊天机器人，在推理、规划、记忆和真正的发明创造力方面尚有不足。“我不认为今天的系统能够进行真正的发明、真正的创造，或是提出新的科学假设。”他举例说明，尽管已有系统（如他们的 AlphaFold）能在国际数学奥林匹克竞赛中达到金牌水准，但同样的系统有时却会在高中数学甚至数单词字母数量上出错。这种在不同领域表现极不一致的现象，恰恰说明现有系统尚未实现完全的泛化能力。
关于 AGI 降临的形式，哈萨比斯认为它更可能是一个渐进的转变，而非突变的阶跃函数。即使技术上实现了 AGI，其对社会和物理世界（如工厂、机器人）的全面影响仍需更长时间，可能长达十年以上才能充分显现。
地缘竞速、安全风险与监管困境
当话题转向激烈的全球 AI 竞赛时，主持人提到了 Eric Schmidt（埃里克·施密特）的“二进制”论调，即若某个国家（如中国）率先获得 AGI，将导致无法追赶的永久性领先优势。哈萨比斯对此表示，这是一个未知数，属于所谓的“硬起飞”情景：如果 AGI 系统能够快速自我改进、自我编码，那么微小的领先优势可能迅速变为天堑。但他也指出，还存在其他可能性，即自我改进的速度并未那么快，那么时间上的接近就不会造成巨大差异。
然而，他着重强调了其中的地缘政治意涵：“正在构建的系统，会带有设计者价值观及其所处文化规范的印记。”因此，谁领先、在何处开展这些项目，不仅关乎商业和国家竞争，也紧密关联着安全考量。他坦言当前领域处于“非常激烈的时期”，资源大量涌入，压力巨大。
哈萨比斯剖白了自己最为担忧的两大风险：一是恶意行为者（无论是个人还是流氓国家）将通用 AI 技术用于有害目的；二是 AI 技术本身的风险——随着其能力越来越强、自主性越来越高，能否确保防护措施足够安全且无法被绕过。这引出了对监管的讨论。当被问及是否仍像几年前一些公司那样呼吁监管时，哈萨比斯给出了肯定的回答，但同时强调了复杂性和国际性。他认为，考虑到地缘政治叠加效应和当今世界的复杂性，“明智的、灵活的监管”至关重要，且这种监管需要能随着研究认知的深入而动态调整。
他进一步指出，真正的挑战在于国际合作。“如果你在一个地区限制它，这对于这些系统为世界和社会构建的整体安全性并无真正助益。”鉴于 AI 是数字系统且将影响所有人，国际间的协作与共识（至少在某些基本原则层面）是更大的难题，但也是必需的。
当被问及是否会因为竞争压力而不得不放弃安全护栏时，哈萨比斯表示，西方主要实验室的负责人和顶尖研究人员之间经常沟通。问题在于，目前缺乏清晰的定义来确定“那个临界点”何时到来。他认为今天的系统尽管令人印象深刻，但也存在诸多缺陷，尚不构成任何生存性风险。风险目前仍是理论上的，但问题在于“未知数太多”——我们不知道风险来临的速度和程度。对此，他持技术乐观态度：“当存在如此多未知数时，我乐观地认为我们能克服它们。”他相信只要有足够的时间、关怀和深思熟虑，运用科学方法，技术挑战是可以解决的，反倒是地缘政治问题可能更为棘手。
但他也清醒地意识到：“我们时间不多了。”因此，DeepMind 正在向安全和可控性研究（如机械可解释性）投入更多资源，同时也认为需要展开更多的社会讨论，探讨机构建设、治理模式以及如何达成国际协议。
赋能、转型与“根本性富足”的未来
谈及 AI 对工作和市场的影响，哈萨比斯引用了经济学家的观察，认为目前尚未看到根本性变化，更多是补充和赋能，例如 AlphaFold 极大地加速了科学家的工作。展望未来五到十年，他预计工作岗位将发生巨变，但历史经验表明，新技术往往会催生新的、通常更好的工作岗位，正如互联网和移动技术带来的变革。他预计未来几年将是“黄金时代”，强大的工具将极大提升个人生产力，甚至在创造力方面让人变得“有点超乎寻常”。
对于 AGI 可能替代所有人类工作的担忧，哈萨比斯认为，即使 AGI 具备所有人类能力，仍有许多事情我们不会想让机器去做。他举了医生和护士的例子：诊断工作或许可以由 AI 辅助甚至替代，但护理工作所需的人类共情和关怀则难以被机器人取代。他建议当下的学生和毕业生积极拥抱这些新系统，深入学习 STEM 和编程以理解其原理，并精通微调、系统提示等技能，从而成为能最大化利用这些工具的“超级生产者”。
展望更远的未来（20-30年后），如果一切顺利，哈萨比斯描绘了一个激动人心的图景：“我们应该处在一个我称之为‘根本性富足’的时代。” AGI 将帮助解决一些社会面临的“根节点”问题，例如治愈疾病、显著延长健康寿命、发现新能源（如优化电池、室温超导体、核聚变）。
他针对主持人关于当前社会分配不公、协作困难的质疑，给出了一个具体例子：水资源获取。海水淡化技术已存在，但因其高能耗而仅限于富裕国家。如果 AGI 推动实现近乎零成本的清洁能源（如核聚变），那么水资源获取问题将迎刃而解，因水资源控制引发的冲突也将大幅减少。类似地，近乎无限的能源也能简化火箭燃料的制造（从海水中分离氢和氧）。
哈萨比斯认为，AGI 将从技术上提供实现“根本性富足”的能力，但他希望这能进一步推动社会心态从零和博弈转向非零和博弈。他承认，如何公平分配“根本性富足”的成果仍是一个挑战，需要哲学家和社会科学家的参与。他甚至预测，在 AGI 之后的时代，经济学本身、价值与货币的概念都可能发生改变，呼吁经济学家更深入地研究相关的新经济理论。
最后，针对社会上对 AI 的担忧和抵触情绪（类似工业革命时期的反弹），哈萨比斯表示理解，并认为这场变革至少与工业革命同等规模，甚至更大。但他用自己的热情作为回应：他构建 AI 的核心驱动力是推动科学和医学进步，解决疾病、气候、能源等重大社会挑战。他举出 AlphaFold（诺贝尔奖级别的突破）及其在药物发现上的应用潜力为例，强调如果人类有能力却不去追求这些解决方案，反而是不道德的。在他看来，面对众多社会挑战，如果没有像 AI 这样革命性的技术即将到来提供助力，他才会对未来感到更加担忧。
OpenAI 首席科学家 Ilya Sutskever（伊利亚·苏茨克维）：AI 突破的惊人速度与自动化研究的未来撰文：Techub News 整理
导语
在 OpenAI 官方播客的最新一期节目中，主持人 Andrew Maine 与两位核心研究人员——OpenAI 首席科学家 Ilya Sutskever（伊利亚·苏茨克维）和研究科学家 Simon Sidor 展开了一场深度对话。此次对话发生在 OpenAI 模型2025 年 8 月接连在多项高难度竞赛中取得突破性成绩的背景下，包括在国际数学奥林匹克竞赛（IMO）中达到金牌水平，以及在编程竞赛中与顶尖人类选手同台竞技。这些成就不仅标志着 AI 在复杂推理领域迈上了新台阶，也引发了关于如何衡量 AI 进展、AGI 定义以及未来突破方向的更深层讨论。作为 OpenAI 研究路线图的主要制定者，Ilya Sutskever（伊利亚·苏茨克维）的见解对于理解当前 AI 发展的核心动力与未来轨迹至关重要。
摘要
AI 进展的衡量标准正在从传统的“基准测试分数”转向更实际的“世界影响力”和“真实用例价值”。
2025 年 8 月在 IMO 等竞赛中的突破，证明了 AI 在无需外部工具辅助下进行深度、创造性推理的能力已显著增强。
自动化科学发现与 AI 研究本身，被认为是 AGI 可能带来的最根本性影响，也是 OpenAI 长期追求的核心目标之一。
技术的进步速度远超外部感知，内部研究者常因突破的迅猛而感到“震惊”并严肃审视组织是否准备好迎接加速。
尽管能力飞速提升，但在模型鲁棒性、安全性与广泛信任方面，整个领域仍面临严峻挑战需要迭代解决。
从基准测试到世界影响：重新定义 AI 进展衡量
访谈伊始，话题便聚焦于一个根本性问题：如何衡量 AI 的进步？Ilya Sutskever（伊利亚·苏茨克维）指出，随着模型能力快速提升，传统的、点状的基准测试（benchmarks）正变得越来越“不够用”。一方面，许多测试已经达到或接近人类顶级水平，出现了“饱和”现象；另一方面，通过针对性训练，模型可以在特定任务（如数学）上表现超群，但这未必代表其整体智能水平。这导致单纯依赖基准分数来评估进展变得不再可靠。
Simon Sidor 补充了从内部视角看到的惊人发展轨迹。他回顾了大约十年前，深度学习在自然语言处理上还非常初级，连“这部电影不错”和“这部电影不是不好”这种句子的情感都难以正确区分。从 GPT-1、GPT-2 能生成连贯段落，到 GPT-3、GPT-4 带来惊喜，再到如今模型能在编程竞赛中与顶尖高手过招，进步的速度“绝对令人惊叹”。因此，当看到外界有报告称 AI 对经济的当前影响只有个位数百分比时，他提醒需要历史地看待：十年前这个影响可能微乎其微，而未来几年完全有可能快速增长到 10%、20% 甚至更高。
那么，什么才是更好的衡量标准？两位研究者提出了几个方向。一是真实世界的使用情况，例如 ChatGPT 被广泛用于各种场景，这避免了研究者陷入只关注自己熟悉领域（如数学、编程）的“气泡”。二是模型解决重要问题的实际效用，特别是其“发现新见解”的能力。Ilya Sutskever（伊利亚·苏茨克维）强调，未来一个关键指标将是：我们是否能够投入远超单个用户愿意支付的算力，让 AI 长时间、专注地工作，以产生对许多人都有用的技术成果（如医学发现、下一代模型研发）。这指向了 AI 作为“自动化研究者”的潜力。
竞赛突破与“推理”的涌现：AGI 路径上的里程碑
2025 年 8 月，OpenAI 模型在多项高难度竞赛中的表现成为热议焦点。IMO 金牌水平、国际信息学奥林匹克竞赛（IOI）级别的成绩，以及在日本举行的 AtCoder 马拉松式编程竞赛中获得第二名，这些成果具有标志性意义。
Ilya Sutskever（伊利亚·苏茨克维）解释了他们为何看重 IMO 这类竞赛。IMO 问题不依赖于庞大的知识库，而是在有限时间内测试对问题的深度思考和创造性解决能力，这正好挑战了早期 AI 模型“知识渊博但思考不深”的短板。因此，将其视为通往 AGI 道路上的一个里程碑是合理的。特别有趣的是，在2025 年 8 月的 IMO 中，模型能够正确识别出自己无法解决最难的“第六题”，并选择不尝试，这种对自身能力边界的认知（而非盲目“幻觉”）本身就是一个重要的进步。
Simon Sidor 分享了一个更具个人色彩的故事。在 AtCoder 竞赛中，与模型同场竞技的顶尖选手中，有一位正是他在 OpenAI 的同事 Sihao。这位同事曾开玩笑说，Sidor 擅长的短时封闭式竞赛会比他擅长的长时马拉松式竞赛更早被 AI 自动化。结果在这次直播比赛中，OpenAI 模型获得了第二名，而冠军正是 Sihao 本人。赛后精疲力尽的 Sihao 在接受采访时“吐槽”模型的顽强表现，这个小插曲生动地展现了人机竞赛的现状。
这些突破背后，一个关键技术是让模型进行更长的“思维链”或“内心独白”式推理。Sidor 强调，这听起来简单，但实现起来极其困难，团队付出了巨大努力。当第一次发现通过提供更多计算和数据进行训练，模型推理能力确实能显著提升时，整个团队都感到“震惊”，甚至开始严肃地自问：“我们作为一个组织，是否已经为这种极其快速的发展进程做好了准备？” 这种内部因技术加速而产生的紧迫感和敬畏感，是外界难以完全体会的。
自动化研究与 AGI 的未来图景
当被问及 AGI 的实用化前景时，Ilya Sutskever（伊利亚·苏茨克维）描绘了一幅以自动化研究为核心的未来图景。他认为，AI 对世界产生真正深远影响的方式，在于自动化新技术的发现和生产过程。这挑战了人们将重大科技进步仅仅归因于人类灵感的传统观念。他相信，让计算机提出能从根本上改变我们对世界认知的新想法，“距离并不遥远”。
具体而言，他设想未来会出现一个主要由 AI 驱动的、高度自动化的“研究员和工程师公司”。这个实体将以各种方式与世界交互：与人交谈、获取输入、运行实验，并最终产出新的技术、代码库和设计，从而“极大地加速技术进步的步伐”。OpenAI 的研究项目正是以创造这种“通用智能”为目标，优先推动“自动化研究者”的实现，而非仅仅专注于在特定领域取得点状进展。
在更贴近普通用户的层面，AGI 的体验也将进化。模型将变得更加持久、更具个性，能够以更多样化的形式（不限于文本）表达自己，从而使人机互动的关系更加深入。随着模型获准访问更多个人数据（如日历、邮件）以提供更贴切的服务，如何在提升实用价值与确保安全性、防止滥用之间取得平衡，将成为整个领域必须迭代解决的重大挑战。Ilya Sutskever（伊利亚·苏茨克维）坦言，目前模型在抵御恶意利用方面的鲁棒性尚未达到可以完全信赖的程度。
下一站：规模化、长时规划与给年轻一代的建议
展望下一个技术突破点，Ilya Sutskever（伊利亚·苏茨克维）认为，规模化（Scaling）的力量依然不可低估。现有的推理模型能力将与之前的预训练规模化范式产生复合效应。一个明确的方向是进一步扩展模型能够规划和推理的“时间跨度”或“问题复杂度”。当前模型为单个答案消耗的算力相比 GPT-4 时代已有数量级增长，但相比解决一个重要的医学研究或下一代模型研发问题所需的理论算力，仍微不足道。因此，提升模型长时间专注解决单一复杂问题的能力，是清晰的技术前沿。
在访谈的最后，主持人问及他们对今天的高中生有何建议。对此，Ilya Sutskever（伊利亚·苏茨克维）坚决反驳了“不要学编程”的论调。他强调，编程所培养的“将复杂问题分解成模块的结构化思维能力”，在未来依然是极其珍贵且需求旺盛的技能。这种能力不一定永远通过编程来体现，但编程是获得它的绝佳途径。理解系统如何工作，始终是驾驭强大工具的优势所在。
Simon Sidor 则从个人经历出发，鼓励年轻人突破“感知上的约束”。他分享了自己从波兰到美国求学、最终融入硅谷文化的经历，那里的人们以雄心壮志直面重大问题，并坚信自己能对世界产生有意义的积极改变，这种精神令他深受鼓舞。他提到，保罗·格雷厄姆的《黑客与画家》一书以及电影《钢铁侠》都曾以不同方式激发了他对技术未来的向往和探索。
整场对话揭示了一个核心主题：AI 的发展，尤其是通向 AGI 的道路，并非线性平滑，而是由一系列有时令人震惊的突破所推动。OpenAI 的研究者们既为已取得的成就感到兴奋，也对随之而来的技术、伦理和组织挑战保持着清醒的认识。他们正将目光投向超越测试分数、真正改变世界生产力和知识边界的新前沿。
Richard Sutton（理查德·萨顿）：通往AGI之路在于强化学习与去中心化合作撰文：Techub News 整理
导语
2025 年 3 月，强化学习之父、2018年图灵奖得主 Richard Sutton（理查德·萨顿）在香港举行了一场深度演讲。此次演讲是 Sutton 为期15天的亚洲之行（新加坡、马来西亚、深圳、东莞）的最后一站。作为人工智能领域的奠基人之一，Sutton 的思考始终引领着研究方向。在当前生成式AI与大型语言模型（LLM）热潮席卷全球的背景下，他回归基础，探讨了AI研究的根本目标、当前技术的核心瓶颈，并提出了一个理解AI社会影响的独特框架——去中心化合作。这场演讲不仅是对其2025 年 3 月在《自然》杂志上发表的重要研究的解读，更是对AI未来发展方向与社会伦理的一次高屋建瓴的审视。
摘要
通往AGI之路在于强化学习：Sutton认为，实现通用人工智能（AGI）或超级智能代理的关键路径是强化学习（从经验中学习），而非当前主流的生成式AI和模仿学习。
深度学习方法存在“可塑性丧失”的根本缺陷：现有深度学习模型（包括LLM）无法持续学习，一旦训练完成或环境变化，其学习能力会迅速退化甚至丧失，这是迈向持续学习智能体的主要瓶颈。
智能的本质是“通过适应行为来实现目标”：Sutton给出了自己的智能定义，并强调智能体应拥有各自独立的目标，这自然导向了多智能体社会的去中心化结构。
人类繁荣的基石是“去中心化合作”而非“集中控制”：Sutton将这一社会分析框架应用于AI，强烈反对以“对齐”、“安全”为名对AI进行集中控制，主张让AI智能体像人类一样，在拥有各自目标的前提下，通过市场、语言、货币等机制进行合作，共创繁荣。
AGI的雄心与当前技术的根本瓶颈
Richard Sutton（理查德·萨顿）开宗明义地指出，人工智能研究的终极目标是理解智能，并创造出比当前人类更智能的存在。他认为这是人类数千年来创造工具、改变自身这一趋势的延续，是一个“宏大、辉煌且本质上是人类追求”的旅程，而非外星科技。然而，在通往这一目标的道路上，我们正被当前最流行的技术路线所局限。
Sutton 直言不讳地表示，通往智能代理的道路在于强化学习。这与当前以生成式AI和大语言模型为主的“潮流”截然不同。他肯定生成式AI是优秀的工作，但不认为这是实现完整AI的路径。真正的智能体必须能够从与环境的交互中、从试错的经验中持续学习，而这是强化学习的核心。
那么，最大的瓶颈是什么？Sutton 提出了一个可能有些反直觉的观点：不充分的深度学习方法正是雄心勃勃的AI发展的最大制约。尽管深度学习成果斐然，但它存在一个根本性缺陷——“可塑性丧失”，即模型持续学习能力的退化。
为了证明这一点，他引用了其团队近期发表在《自然》杂志上的研究。该研究以“蚂蚁 locomotion”（控制模拟蚂蚁关节使其快速前进）为任务，展示了标准深度强化学习算法（如PPO）的局限性。模型初期学习迅速，性能达到高峰，但如果让学习过程继续，性能会急剧下降，甚至变得比初始状态更差，蚂蚁最终“忘记”如何行走。这表明模型失去了适应新数据或变化环境的能力。
Sutton 指出，这种现象普遍存在于监督学习和强化学习中。即便是大语言模型，当需要纳入新数据时，通常也需要从头开始重新训练，而无法在原有网络基础上持续学习。他们提出的解决方案“持续反向传播”通过定期重新初始化网络中贡献最小的单元，成功保持了模型在超长训练周期内的学习能力。但这只是一个开始，Sutton 强调深度学习远非最终算法，而只是起点，解决持续学习问题是实现更高级AI的关键一步。
智能的定义与AI为何在此时爆发
在探讨了技术瓶颈后，Sutton 将视角拉高，首先回答了“为什么是现在？”的问题。他认为，与摩尔定律类似，计算能力每美元成本的指数级增长，是驱动AI在当前时代爆发的根本性、持续性压力。过去几十年，计算能力提升了多个数量级，且这一趋势仍在继续，为复杂智能算法的实现提供了土壤。
基于此，Sutton 给出了他对“智能”的定义：“通过适应行为来实现目标的能力”。他解释说，“适应行为”隐含了计算过程，而“目标”则可以统一理解为最大化一个标量输入信号，即“奖励”。这正是强化学习的“奖励假说”。
这个定义引出了一个核心问题：是所有智能体共享一个目标，还是每个智能体都有各自的目标？ Sutton 坚定地支持后者。无论是在自然界还是AI设计中，每个代理（动物或AI）都有属于自己的“疼痛与愉悦”，即各自的奖励信号。人类社会和经济成功运作的基石，恰恰在于人们拥有不同的目标、不同的技能和不同的偏好，从而能够通过交易和 specialization 实现互利。
Sutton 为这种多智能体各自追求自身目标的状态赋予了一个名字：“去中心化”。而当这些拥有不同目标的智能体进行互动并实现互惠时，就产生了“合作”。他指出，人类作为一种动物，最特别之处就在于我们拥有无与伦比的合作能力，而这得益于语言和货币（金钱）这两项关键发明。人类最伟大的成功（经济、技术、文化）源于合作，而最惨痛的失败（战争、盗窃、腐败）则源于合作的失败。
因此，Sutton 认为，理解社会的最佳透镜不是“我们拥有共同目标”，而是“我们在去中心化的前提下，努力实现合作”。后者更具弹性、可持续性和适应性，也正是自由市场理论所描绘的图景。
AI与社会的未来：拥抱去中心化合作，警惕集中控制
将“去中心化合作”的框架应用于AI与社会的关系，是 Sutton 本次演讲最具冲击力的部分。他观察到，当前世界充斥着对AI进行“集中控制”的呼声，例如：要求对齐AI与“人类价值观”、暂停AI研究、限制AI算力、以安全为名进行监管等。
Sutton 犀利地指出，这些呼吁与历史上试图“集中控制人”的论调 eerily similar（ eerily相似）：控制言论、控制贸易、实施经济制裁、将另一方“妖魔化”为危险且不可信的敌人。两者都根植于恐惧，并声称为了“安全”必须采取控制。
他对此表示强烈反对：“我认为我们必须抵制这些呼吁。” Sutton 认为，以“对齐”为名要求所有AI只能拥有某些被许可的目标，是一种极具侵略性的行为。这相当于宣称要控制全世界所有的AI或AI研究。
他的替代方案是：我们不需要控制彼此就能和平共处。就像人类社会中，人们目标各异但仍能通过市场机制合作一样，未来的AI智能体也可以拥有多样化的目标（例如，一个AI想制造回形针，另一个想获得更多算力），并通过设计良好的互动机制实现合作与互利。和平并不需要目标一致。
Sutton 展望了AI与人多种形式的整合：从紧密整合（如智能义肢、脑机接口），到松散整合（如个人助理Siri），再到最自由的形态——“自由AI”作为完整成员融入我们的社会与经济，追求其自身目标。他对此表示乐观，但强调这不会自动发生，需要人们主动承担责任，去设计和推动这样的未来。
在最后的结论中，Richard Sutton（理查德·萨顿）重申：人类的繁荣来自去中心化合作，正如我们的市场所展示的那样。AI的发展应延续这一智慧，而非堕入基于恐惧的集中控制窠臼。我们需要睁大眼睛，看清哪些力量在促进合作，哪些在鼓吹控制，并坚定地选择前者。这不仅是看待AI交互的实用视角，也是关乎人类未来繁荣的关键选择。
OpenAI 前沿研究负责人 Mark Chen（马克·陈）：多模态与推理是通往 AGI 的关键撰文：Techub News 整理
导语
在2025 年 3 月举办的 The AI Conference™ 上，OpenAI 前沿研究（Frontiers Research）负责人 Mark Chen（马克·陈）与 AI 基础设施公司 Anyscale 的联合创始人 Robert Nishihara 进行了一场深度对话。Mark Chen 领导的团队旨在探索通往通用人工智能（AGI）道路上缺失的关键范式，其工作聚焦于多模态与推理两大方向。作为 DALL-E、GPT-4 多模态能力等知名项目背后的核心研究者之一，Mark Chen 的见解对于理解 AI 的现状与未来至关重要。此次对话不仅回顾了 AI 研究范式的十年变迁，更揭示了当前最前沿的技术挑战与机遇。
摘要
AI 研究范式已发生根本转变：从依赖标注数据的监督学习，转向以海量无标注数据和无监督学习为核心的“规模化”范式。
通往 AGI 的两大核心挑战是多模态理解与生成以及深度推理能力的构建。
工程与科研的紧密结合成为现代 AI 发展的新常态，规模化（Scaling）本身既是目标也是驱动创新的引擎。
未来的 AI 应用将更加“身临其境”，多模态交互将催生更强大的 AI 代理和机器人技术，但实现这一切需要解决鲁棒性等根本问题。
从监督学习到规模化范式：AI 研究的十年之变
Mark Chen（马克·陈）与 Robert Nishihara 的对话始于对过去十年 AI 领域最大突破的回顾。两人一致认为，最根本的转变在于研究范式的迁移。
Mark Chen（马克·陈）指出，十年前经典的机器学习课程通常将机器学习分为监督学习、无监督学习和强化学习三大类。当时，学术界对监督学习已有成熟方案（如决策树、支持向量机），但对无监督学习则知之甚少，仅停留在 K-Means 聚类等基础方法。如今，这一局面已被彻底颠覆。“我们现在确实知道如何进行无监督学习了，” Mark Chen（马克·陈）总结道。
这一转变的标志性起点是 GPT-1、GPT-2 时代。研究者们意识到，数据是取得突破的关键要素。AI 研究不再局限于在固定的学术数据集（如 ImageNet）上优化模型架构，而是转向了“收集尽可能多的数据”并从中寻找“Alpha”的路径。数据集本身成为了核心变量，而模型架构和优化算法则相对稳定。这催生了以规模化为核心的“经验缩放定律”（Empirical Scaling Laws）：投入更多计算资源、更多数据、训练更大模型，就能获得更好的性能。
Robert Nishihara 从基础设施的角度印证了这一趋势。Anyscale 的客户们正遵循这一“公式”，将扩大数据规模作为首要目标。然而，将数据规模提升一个数量级，往往会压垮现有的系统，这背后需要巨大的工程努力来支撑。Mark Chen（马克·陈）强调，工程能力在2025 年 3 月的研究中变得前所未有的重要。相信缩放定律，就意味着必须构建出能够支撑缩放的工程栈。
这种工程与科研的深度融合，构成了现代 AI 研究的典型图景。Mark Chen（马克·陈）形容，每将模型规模扩大一个数量级，都会遇到新的研究瓶颈或工程瓶颈，需要在多个前沿同时取得突破。这既是挑战，也是这个领域令人兴奋之处。
多模态：AGI 的感官拼图与系统工程挑战
作为 OpenAI 多模态研究的负责人，Mark Chen（马克·陈）将多模态视为通往 AGI 的核心路径之一。过去五到十年，生成式图像、视频模型取得了巨大成功，但多模态领域仍存在大量开放性问题。
目前存在两种主要的研究思路：一是将多模态问题“塞进”已经非常成熟的语言模型（Transformer）架构中；二是探索以扩散模型（Diffusion Model）等多模态原生框架为主，尝试将语言能力整合进来。Mark Chen（马克·陈）认为这两种思路之间的“思想桥梁”非常有趣，也是他们工作的重点。
当被问及主要关注哪些模态时，Mark Chen（马克·陈）列举了文本、图像、视频和音频这四大“最核心”的模态，同时也提及了 3D 模型、甚至“动作”作为潜在模态的可能性。他特别指出，不同模态对系统设计的要求差异巨大。例如，音频交互（如高级语音模式）要求实时、低延迟的响应；而图像生成则更看重最终输出质量，用户愿意为此等待。因此，尽管底层结构可以共享，但为不同模态设计不同的技术栈仍然是有益的。
Robert Nishihara 从系统负载的角度补充了多模态带来的挑战。与文本数据相比，图像、视频的数据量呈指数级增长。这意味着未来的 AI 应用将同时是计算密集型（GPU 负载高）和数据密集型的。现有的高性能计算（HPC）系统擅长处理计算密集型任务，而大数据处理系统（如 Spark）则擅长处理海量 CPU 任务。多模态 AI 将催生一个需要同时高效处理这两类任务的新系统范式，这将对现有的技术栈构成巨大挑战。
此外，Mark Chen（马克·陈）指出，获取高质量的配对跨模态数据（如图文对）是一大难点。这推动了利用 AI 本身进行数据准备和增强的趋势，例如 DALL-E 3 在合成数据方面的探索。Robert Nishihara 也观察到，客户正越来越多地使用 AI 来筛选、标注、增强训练数据，因为相对于花费数百万美元进行模型训练，在数据质量上进行投资往往能获得更高的回报。
从“系统一”到“系统二”：构建深度推理的鲁棒 AI
Mark Chen（马克·陈）负责的另一大方向是推理（Reasoning）。他用心理学中的“系统一”和“系统二”来比喻当前 AI 的局限与未来目标。
目前的语言模型（如 ChatGPT）更像是“系统一”思考者：快速、直观、基于模式匹配给出响应。无论问题难易，模型的初始响应时间几乎相同。这与人类思考方式不同——面对复杂问题，人类需要时间进行深度处理（“系统二”思考）。Mark Chen（马克·陈）认为，当前大语言模型在逻辑谜题或复杂任务上犯错，部分原因正是受限于这种“系统一”的即时响应模式。如果要求人类在 100 毫秒内回答一个难题，他也只能给出脑海中最先浮现的答案，这同样不够稳健。
因此，构建具备“系统二”特性的深度推理能力，是提升 AI 鲁棒性的核心挑战。这不仅仅是解决数学问题，而是适用于任何需要高可靠性和复杂思考的场景，例如理解对话意图、规划复杂任务等。Mark Chen（马克·陈）提到，数学和计算机科学问题是方便的评测基准，但更广泛的“推理”评测标准目前仍然缺失，预计未来会出现更多相关的评估方式。
Robert Nishihara 从应用部署的复杂性角度呼应了这一观点。当前许多 AI 应用只是通过 API 端点调用单一模型。但对于预订民宿、解决复杂数学问题等任务，可能需要动态组合 50 到 100 次模型调用，并与其它应用逻辑交织。这种复杂的推理链消耗大量计算资源。Mark Chen（马克·陈）展望，深度推理的终极目标是让模型自身足够智能，能够在遇到障碍时自主“思考”出解决方案，而无需依赖外部搭建大量脚手架式的复杂流程。
关于如何实现推理能力，Mark Chen（马克·陈）表示 OpenAI 探索了多种路径，包括在预训练中内置、以及通过外部机制增强等，目前仍是一个开放的研究空间。
未来展望：身临其境的 AI 与高风险的智能代理
展望未来，两位专家分享了他们最兴奋的方向。
Robert Nishihara 预测，越来越多的数据处理将 AI 化。企业收集海量数据是为了获取洞察和决策，未来这些洞察将更多地由 AI 阅读、推理数据得出，而不仅仅是运行 SQL 查询或简单分析。这将催生全新的、以 AI 和 GPU 为核心的数据处理工作负载。
Mark Chen（马克·陈）则对多模态带来的“身临其境”体验感到兴奋。像 OpenAI 的“高级语音模式”这样的技术，让 AI 能够实时接收和处理多种感官输入（听、说），并生成丰富的感官内容。他认为，这不仅是交互方式的革新，更是机器人技术发展的基石。随着感知模块的快速进步，多模态 AI 正在为机器人构建强大的“后台大脑”，使其能够更好地理解和与物理世界互动。
当被问及实现全能人形机器人的瓶颈时，Mark Chen（马克·陈）表示，在基础层面已有许多可用的技术模块，但最终实现仍需跨领域突破。
对话最后聚焦于 AI 代理（AI Agents）。Mark Chen（马克·陈）将其定义为能够接收任务并自主执行的 AI。与当前“一问一答”的聊天机器人不同，代理的行动具有真实世界的后果（如发送邮件、执行操作），因此对鲁棒性和可靠性的要求极高。他认为，深度推理能力正是实现强大、可靠 AI 代理的关键缺失组件。只有解决了鲁棒性问题，AI 代理的愿景才能真正走进现实。
OpenAI 首席研究官 Mark Chen（马克·陈）：AI 的下一个前沿是推理与具身智能撰文：Techub News 整理
导语
在由芯片设计巨头 ARM 制作的最新一期播客节目《Tech Unheard》中，ARM 首席执行官 Rene Haas（雷内·哈斯）与 OpenAI 首席研究官 Mark Chen（马克·陈）进行了一场深度对话。作为 OpenAI 研究团队的掌舵人，Mark Chen 领导了包括 DALL·E、Codex 以及 GPT-4 视觉能力在内的多项突破性项目。此次对话正值 OpenAI 接连发布 o1 推理模型、GPT-4o 多模态模型等重磅更新之际，Mark Chen 的分享为我们理解这家全球领先 AI 公司的技术哲学、当前挑战与未来图景，提供了来自核心决策者的一手视角。
摘要
从金融到 AI：Mark Chen 认为，量化交易的严谨实验方法论，为他在 OpenAI 的早期科学研究奠定了坚实基础。
Transformer 的统治力：Transformer 架构因其简洁性与表达能力的完美平衡，短期内难以被取代，行业正围绕其进行全栈协同设计。
多模态是数据与智能的钥匙：将图像、音频、视频视为另一种“语言”统一训练，是解锁海量非文本数据中智能的关键，并催生了如 DALL·E、GPT-4o 等成果。
推理是通往专业领域的桥梁：o1 等推理模型通过提升数据利用效率，让 AI 能在数据相对稀缺的领域（如药物发现、芯片设计）发挥巨大潜力。
智能体（Agent）与具身智能是未来：以 OpenAI 的“Operator”为代表的计算机使用智能体，是迈向通用“数字助手”的第一步，最终将延伸至机器人领域，实现 AI 在物理世界的“具身化”。
从量化交易到 AI 前沿：一段非典型的职业旅程
Mark Chen（马克·陈）的职业生涯始于一个与 AI 看似无关的领域——金融量化交易。在麻省理工学院（MIT）攻读数学与计算机科学后，他因一次偶然的实习机会进入了华尔街，先后在对冲基金和高频交易公司工作了五到六年。这段经历塑造了他对“模型”的独特认知。
他坦言，金融世界提供了一个无可辩驳的硬性评估标准：模型能否赚钱。这种环境迫使从业者必须保持极度的严谨、诚实和实验上的原则性。“我认为这其中很多方法论都延续到了我们在 OpenAI 早期的科学研究中。”Mark Chen 表示。这种从高度务实、结果导向的金融战场中磨练出的方法论，成为他后来投身于更抽象、更前沿的 AI 基础研究时，一份宝贵的财富。
然而，驱动他做出职业转变的，是对“影响力”的追求和对技术变革的敏锐感知。他感到金融行业的竞争格局相对固化，参与者与目标长期不变，缺乏改变外部世界的满足感。与此同时，DeepMind 的 AlphaGo 在围棋上战胜人类冠军，给他带来了巨大的震撼与启发，混合着兴奋与不安。这促使他开始自学强化学习，训练 AI 玩雅达利游戏，并最终被这个快速演进、充满无限可能的领域深深吸引。
2018 年，Mark Chen 以“研究员”（Resident，一种面向非 PhD 背景人才的培养项目）身份加入 OpenAI。当时的 OpenAI 还是一个规模小得多的非营利组织，其“确保通用人工智能（AGI）造福全人类”的使命，与 Mark Chen 希望从“物质主义”的金融世界转向具有深远影响事业的内心诉求不谋而合。他特别提到，OpenAI 的联合创始人兼首席科学家 Ilya Sutskever（伊利亚·苏茨克弗）当年愿意在他身上“下注”，并亲自指导他机器学习，是他职业生涯的关键转折点。
Transformer、多模态与涌现：AI 能力跃迁的驱动力
回顾过去七年的 AI 发展，Mark Chen 用“ simultaneously true”（同时成立）来形容两种感受：既对已取得的进展感到惊讶，又深知前方仍有漫漫长路。他指出，研究者们可以基于“困惑度”（perplexity）等指标预测模型在 scaling（规模扩展）后的性能提升，但无法提前预知哪些具体的“涌现能力”（emergent capabilities）会随之出现。
“当我们在 GPT-2 达到某个困惑度水平时，并不明显这意味着模型能写出连贯的段落。到了 GPT-3，也不清楚那个水平的困惑度会带来上下文学习（in-context learning）的能力。而 GPT-4 则能够轻松通过各种大学水平的考试。”这种从量变到质变、不断解锁新能力的进程，是 AI 研究最令人振奋之处。
当被问及进步主要源于算法突破还是算力堆砌时，Mark Chen 引用了相关研究，认为算法洞察和效率改进的贡献略高于纯粹的计算规模增长。他以 Transformer 架构本身为例，指出其并非一成不变，而是在注意力机制（如因子化注意力）、归一化方式、模型宽深比等方面经历了持续的优化与演进。这些细微但关键的“算法体操”，共同推动了效率的提升。
对于 Transformer 是否会被取代的问题，Mark Chen 认为其简洁性与强大表达能力的平衡近乎完美，使其在可预见的未来仍将占据主导。更重要的是，整个技术栈——从芯片设计到软件库——都已围绕 Transformer 进行深度协同优化，这为任何潜在的替代架构设立了极高的进入壁垒。
作为多模态研究的先驱之一，Mark Chen 对统一架构的价值深信不疑。他早期领导的“Image GPT”项目证明了可以用训练文本 Transformer 的相同架构来生成图像，只需将像素视为一种特殊的词汇表。这项工作为后来的 DALL·E 铺平了道路，其核心思想在于：要实现用文本精确控制图像生成，最自然的方式就是让文本和图像在同一个模型中共生共长。
这一理念在 GPT-4o 上达到了新的高度。该模型将文本、图像、音频、视频数据“一视同仁”地投入同一个模型进行训练，从而实现了高度统一的多模态理解和生成能力。Mark Chen 强调，多模态不仅仅是功能的叠加，更是解锁海量非文本数据中蕴藏智能的关键，它能将训练数据集扩大数个数量级。
推理、创造与产业赋能：AI 的下一站
当讨论转向 AI 在药物研发、芯片设计等专业领域的应用时，Mark Chen 指出了核心挑战：这些垂直领域没有互联网规模的庞大数据。这正是 OpenAI 大力投入“推理”（reasoning）研究的原因。以 o1 为代表的推理模型，其价值在于能够更高效地利用有限的数据进行学习，从而在数据稀缺的领域达到高专业水平。
“我们已经看到模型在数学和计算机科学领域表现得非常出色。很多这类技术可以适配到像药物发现这样的领域。”他认为，AI 将成为专业人士的强大杠杆，可能将他们的生产力提升两到三倍，从而服务更多需求，尽管这可能降低单项服务的成本，但潜在的市场需求在更低的成本下可能会被激发。
关于 AI 的“创造性”，Mark Chen 持乐观态度。他分享了一个观察：在参与一些世界上最难的算法竞赛时，这些模型常常能在“反模式”问题上给出超乎预期的、富有创造性的解决方案。他提出一个有趣的观点：或许人类许多所谓的“发明”，其“插值”（interpolation）的成分比我们想象的要高——即巧妙连接不同领域的已知模式。AI 已经具备了对人类审美和兴趣的潜在感知，关键在于如何引导它利用这种感知提出有趣的假设。
对于通用人工智能（AGI）的定义，Mark Chen 赞同一种观点：真正的 AGI 应具备像人类一样，在没有接触全部数据的情况下，通过推理和学习探索未知路径的能力。而当前 AI 向更数据高效算法的演进，正是朝着这个方向前进。
智能体、具身智能与未来人机交互
展望未来，Mark Chen 认为当前行业发展的瓶颈并非 GPU 等硬件算力，而是研究人员和创意的数量。这是一个研究思路爆发的黄金时期。他期望未来 AI 模型能反过来帮助自动化研究过程，加速这一循环。
他着重强调了两个关键方向：智能体（Agent）和具身智能（Embodiment）。OpenAI 2025 年 6 月推出的“Operator”就是一个计算机使用智能体，它能理解屏幕内容，并通过模拟键盘鼠标操作来完成任务。Mark Chen 将其视为通往未来人机交互的接口。“你可以把它想象成你的数字工作或数字生活的一个接口。”
这一概念的终极延伸是机器人技术。“本质上，你是在为机器人构建一个 AI 大脑，使其能够在现实世界中行动。” 这就是“具身智能”的内涵。他预见，硬件的发展速度可能会成为这一领域的瓶颈。
Mark Chen 描绘了一个由智能体主导的未来世界：应用程序和操作系统可能退居幕后，用户只需与一个统一的智能体交互，它便能理解上下文，无缝调用所有数字服务和物理设备。“我绝对希望生活在一个只需向智能体查询所有所需信息的世界，所有复杂性都被隐藏在这一层之下。” 他借用电影《回到未来2》中的场景来类比——设备能根据人的移动和情境自动提供相应服务，而这一切都由背后一个统一的云端 AI 模型驱动。
在访谈的最后，Mark Chen 表达了对身处这个时代和 OpenAI 的感激与兴奋。每一天，他都在见证并参与塑造一场堪比从 PC 到互联网再到移动手机的技术范式转移。对于所有关注 AI 未来的人而言，这场对话清晰地指出：前沿已从单纯的语言模型，拓展至更深刻的推理、与物理世界融合的具身智能，以及彻底重塑我们与数字世界交互方式的智能体革命。撰文：Techub News 整理 导语 在2025 年 5 月一场备受瞩目的公开对话中，谷歌旗下前沿人工智能实验室 DeepMind 的 CEO 德米斯·哈萨比斯（Demis Hassabis）与谷歌联合创始人谢尔盖·布林（Sergey Brin）一同亮相，就人工智能发展的最前沿问题进行了深入探讨。这场对话发生在谷歌I/O开发者大会期间，由知名科技播客主持人亚历克斯·坎特罗维茨（Alex Kantrowitz）主持。哈萨比斯作为 DeepMind 的灵魂人物，以及布林以技术领袖和谷歌联合创始人的身份回归 AI 研发一线，使得这场对话成为观察谷歌乃至整个行业在 AGI（通用人工智能）竞赛中战略思考与自我认知的绝佳窗口。 摘要 AGI 仍需关键突破：哈萨比斯认为，基于当前技术，要实现 AGI 可能还需要“一到两个关键性突破”，并将 AGI 定义为能达到爱因斯坦、莫扎特等人类顶尖智慧成就的系统。 “深度思考”范式至关重要：谷歌 DeepMind 正大力押注以“深度思考”（Deep Think）为代表的推理增强范式，认为这能为模型能力带来巨大提升，是通往更通用智能的关键路径。 多模态是 AGI 的必然要求：哈萨比斯强调，真正的 AGI 必须理解和互动物理世界，因此从 Gemini 项目伊始，DeepMind 就坚持构建原生多模态模型，尽管初期更困难，但长期看是正确的选择。 算法与算力需双轮驱动：哈萨比斯与布林均认为，未来的进步需要算法创新与算力扩展的双重驱动，布林更倾向于认为算法的进步可能比纯粹的计算力提升更为重要。 AGI 的愿景与定义：远非“普通人水平” 对话的核心议题围绕 AGI 展开。德米斯·哈萨比斯（Demis Hassabis）首先澄清了他对 AGI 的定义。他认为，目前行业对 AGI 的讨论存在两个层面的混淆：一是达到“普通人类水平”的能力，这无疑具有巨大的经济与产品意义；二是他个人所关注的、更具理论意义的 AGI——即一个系统能够实现人类大脑架构所能实现的所有成就，包括爱因斯坦的理论物理、莫扎特的音乐创作等历史上的顶尖智慧成果。他强调，目前没有任何系统具备这种广度和深度的能力。 哈萨比斯进一步指出，当前系统距离真正的 AGI 还有一大差距：一致性（Consistency）不足。今天的模型虽然能做上千件事，展示了许多令人印象深刻的能力，但用户很容易在几分钟内发现其明显的缺陷，比如在某些高中数学问题或基础游戏上犯错。在他看来，一个能被称之为 AGI 的系统，其漏洞应该需要专家团队花费数月才能发现，而不仅仅是普通用户几分钟的测试。 当被问及 AGI 是否会被某一家公司“一劳永逸”地实现时，谢尔盖·布林（Sergey Brin）认为，很可能会有某个实体率先达到，但由于 AGI 本身是一个光谱而非精确点，不排除多家机构几乎同时抵达相近水平。他预测，AI 领域将延续“蛙跳式”的竞争与相互启发模式，不断推动阈值被跨越。 哈萨比斯则补充，重要的是业界需要对 AGI 形成一个共识定义。他承认可能会有组织率先抵达，而确保首批 AGI 系统以可靠和安全的方式构建至关重要。在此之后，才有可能设想基于这些安全架构衍生出更多的系统，例如个人 AGI。 技术路径：推理、自我改进与多模态整合 谈及具体技术，哈萨比斯详细阐释了 DeepMind 长期看重的“思考”或“推理”范式。他回顾了从 AlphaGo、AlphaZero 开始的工作，在这些游戏中，开启“思考”（即蒙特卡洛树搜索等规划算法）的系统，其能力比仅输出第一反应的系统高出超过 600 ELO 等级分。这种范式在更为复杂的现实世界中，潜力可能更大。 谷歌最新推出的“深度思考”（Deep Think）技术，被哈萨比斯描述为“类固醇加强版的推理”，即多个并行推理过程相互协作与校验。他认为，这种增强推理能力的机制，可能是通往 AGI 所需的关键进展之一。此外，真正的发明创造——例如提出全新的物理学理论，而非仅仅解决现有猜想——是目前系统尚未具备的能力，但以“思考”为代表的范式可能有助于实现这一目标。 对于2025 年 5 月 DeepMind 发布的“Alpha Evolve”（一种能帮助设计更好算法甚至改进大语言模型训练方式的 AI），主持人调侃这是否意在引发“智能爆炸”。哈萨比斯否认了“不受控制”的爆炸，但承认这是一个有趣的初步实验。他表示，将进化编程等技术与强大的基础模型结合，探索各种组合系统是 DeepMind 探索性工作的重点。若能发现一种自我改进的循环，确实可能进一步加速进展。AlphaZero 在游戏领域已证明自我改进的可能性，但将之应用于更混乱、复杂的现实世界仍有待观察。 哈萨比斯强调，DeepMind 自始至终的目标是构建 AGI，这决定了其技术路线选择。因此，从 Gemini 项目一开始，他们就决定构建原生多模态模型，即使这比只做纯文本模型起步更艰难。他坚信，真正的通用智能必须理解物理环境，而两大关键应用场景——能伴随日常生活的真正有用的助手，以及实用的机器人——都依赖于这种对世界的视觉和物理理解。这也是谷歌在智能眼镜和具身智能（如 Astra 项目）上持续投入的原因。 算力、算法与行业未来 关于推动进步的主要驱动力，哈萨比斯和布林都认为需要算法创新与计算规模双管齐下。哈萨比斯表示，一方面需要将现有已知技术（无论是数据还是算力）的规模扩展到极限，另一方面必须投入大量精力进行前瞻性创新，以带来下一个数量级的飞跃。 谢尔盖·布林（Sergey Brin）从历史角度分析，在诸如 N 体问题模拟等领域，算法的进步甚至超越了遵循摩尔定律的计算力进步。他个人猜测，未来算法的进展可能比纯粹的计算力进步更为显著。不过，目前二者都在快速推进，行业正同时受益于两者。 对于主持人“世界是否会铺满数据中心”的提问，哈萨比斯指出，未来确实需要更多的数据中心，但这不仅仅是为了模型训练。随着 Gemini 等模型展示出强大性能且成本可控，全球对其使用需求激增，推理阶段的计算消耗将变得极其庞大。此外，“深度思考”等范式允许模型通过更长的“思考”时间来解决高价值难题，这也将消耗大量运行时算力。 产品哲学与行业挑战 谈及谷歌的产品方向，哈萨比斯解释了为何谷歌的智能体演示往往强调视觉和与现实世界的交互。他认为，一个真正有用的助手不应局限于电脑或单一设备，而应能理解并融入用户的物理环境。同时，机器人发展的瓶颈长期以来在于软件智能而非硬件，而如今 Gemini 等模型结合 Veo 等视频生成技术，为机器人带来了突破的曙光。 谢尔盖·布林（Sergey Brin）也反思了早年谷歌眼镜（Google Glass）项目的教训，承认在消费电子供应链、制造成本控制等方面曾面临挑战。但他仍然坚信眼镜这一形态的潜力，并认为如今 AI 能力的飞跃使得眼镜能在不打扰用户的情况下提供真正有用的帮助。哈萨比斯更是直言，“通用助手”将是智能眼镜的杀手级应用。 针对 AI 生成内容（特别是视频）泛滥可能污染后续模型训练数据（即“模型崩溃”问题）的担忧，哈萨比斯分享了 DeepMind 的应对策略。他们为所有生成式模型的内容附加了名为“SynthID”的隐形水印，该技术已稳定运行一年多，既能用于识别深度伪造和虚假信息，也可用于在需要时从训练数据中过滤掉 AI 生成内容。此外，在蛋白质结构预测模型 AlphaFold 的开发中，他们已有谨慎使用合成数据的经验，但这需要确保数据分布和质量得到严格控制。 快速问答：AGI 时间表、模拟假说与未来展望 在对话最后的快速问答环节，两位嘉宾被问及 AGI 的时间预测。哈萨比斯给出了“2030年之后不久”的答案，而布林则更为乐观地选择了“2030年之前”。哈萨比斯笑称这个答案让他倍感压力，需要回去更努力地工作。 关于哈萨比斯此前一条引发热议的推特（内容关于“自然到模拟一键生成”），主持人直接询问他是否认为我们生活在模拟之中。哈萨比斯否认了类似电影《黑客帝国》的那种模拟，但他认为底层物理本质上是基于信息论的，我们可能身处一个“计算宇宙”中。AI 系统能够模拟自然界的真实结构，这一事实发人深省，他未来可能就此撰写科学论文。布林则从递归逻辑的角度调侃了“模拟假说”，认为若我们是模拟产物，那么模拟我们的存在本身也可能处于模拟之中，如此无限循环。 对于十年后互联网的形态，布林认为，鉴于 AI 惊人的发展速度，我们甚至无法预见十年后的世界面貌。哈萨比斯则从更近期的角度预测，在“智能体优先”的网络中，为了人类视觉呈现而设计的渲染可能不再必要，互联网将在几年内发生巨大变化。 整场对话揭示了 DeepMind 领导层对 AGI 既雄心勃勃又审慎务实的态度。他们清晰地规划了以推理增强和多模态理解为支柱的技术路线，同时清醒地认识到当前系统与真正 AGI 之间的差距。这场对话不仅是对谷歌AI野心的展示，也为理解全球AGI竞赛的当前格局提供了宝贵的一手视角。