只剩5年？諾獎得主Hassabis放出AGI時間表：還差一兩個技術突破

來源：AI思想會

【前言】AI 正以前所未有的速度發展，新的機遇不斷涌現，如果你希望：與技術專家、產品經理和創業者深度交流，一起探索 AI如何改變各行各業。歡迎在文末掃二維碼，加入「AI思想會」交流群，和一群志同道合的伙伴共同學習、思考、創造！

人類距離AGI，只差1-2個關鍵技術突破！

剛剛，諾獎得主、Google DeepMind掌門人Demis Hassabis給出了AGI的終極時間表！

他認為，5年之內，或許仍需1–2項重大技術突破，我們就可能跨越通往AGI的障礙。

在樂觀預測的同時，Hassabis也不忘給我們潑一些冷水：

他認為僅靠擴大數據與算力可能不足以實現AGI。

比如，Hassabis認為大模型雖然強大，但缺乏對物理世界、邏輯推理和長期規劃的真正理解。

因此，要實現AGI，大模型需要補上的一塊拼圖就是「世界模型」。

此外，Hassabis還認為AI將是科學發現的終極工具。

AlphaFold只是開始，AI將在未來10年內開啟科學發現的黃金時代，尤其是在藥物研發、疾病治愈、新材料發現和清潔能源（聚變）等領域。

而這無疑也會加速AGI到來。

如果Hassabis預言成真，這將是一個巨大的變革時刻，它的速度和影響力將10倍于工業革命。

而我們每個人也將置身于這場史詩級巨變的沖擊之下。

為什么大模型還不是AGI？

以我們最熟悉的ChatGPT、Gemini等大模型為例。

也許你會覺得它們雖然有時在某些高難任務上表現突出，但也時常在一些簡單題上出錯。

Hassabis用了一個非常精準且形象的詞來描述這種狀態：「參差不齊的智能」（Jagged Intelligence）。

這就像班里那些偏科極其嚴重的學生。

他們在文科和編程上可能是個天才，但在物理常識、邏輯推理和長期規劃上，可能還不如普通學生的水平。

為什么會這樣？

Hassabis一針見血地指出了大語言模型（LLM）的本質局限：它們只是頂級的「概率預測機」。

它們并不是真的「理解」了這個世界，它們只是在預測下一個字出現的概率，因此缺乏對現實世界物理規律的認知，也沒有像人類那樣擁有一個連貫的、能夠自我修正的思維模型。

所以，它們在某些事情上極其擅長，但在另一些方面完全不行。

這就好比你讓一個只會背誦棋譜但不懂圍棋規則的人去下棋，前幾步可能像模像樣，但一旦局勢變得復雜，需要跨越幾十步去思考策略時，他立刻就會崩盤。

因此，想要從現在的「偏科生」進化到全知全能的AGI，僅僅把模型做大（Scaling）已經不夠了。

我們需要質的飛躍，補上通往AGI的關鍵性拼圖。

通往AGI的關鍵拼圖

Hassabis具體指出了這一兩項關鍵技術突破的方向。

關鍵突破1

「世界模型」

如果說大模型是「讀萬卷書」，那么「世界模型」（World Models）就好比是「行萬里路」。

所謂世界模型，是指能預測和模擬環境狀態隨行動變化的模型，其核心邏輯是真正「理解」物理世界的運行規則。

現在的大模型，如果你問它「杯子從桌上掉下來會怎樣」，它是根據文本概率告訴你「可能會碎」。

但擁有世界模型的AI，它在「腦海」里真正模擬了重力、摩擦力、玻璃的易碎性，它「看」到了杯子掉落的過程。

目前，DeepMind正在研發像Genie和Veo這樣的視頻/交互模型，作為構建世界模型的雛形。

這也是AI從「數字世界」走向「物理世界」的前提。

只有懂得了物理法則，AI才能驅動機器人去端茶倒水、去擰螺絲、去處理現實中復雜的因果關系，而不只能夠陪人聊天。

關鍵突破2

「智能體系統」

有了理解世界的能力還不夠，AI還需要具備在世界中「行動」的能力。

這就是第二個突破：智能體系統（Agentic Systems）。

現在的AI是被動的：你問一句，它答一句。

而未來的Agentic AI是主動的。

你給它一個模糊的目標，比如「幫我策劃并預定一次去某地的旅行」。

它就能把它拆解成幾十個步驟：查機票、比價、訂酒店、規劃路線、根據天氣調整行程……

更重要的是，它具備「認知糾錯」的能力。

如果在執行過程中發現機票漲價了，或者酒店沒房了，它能像人類一樣停下來，重新思考，調整計劃，而不是直接報錯或者死循環。

Hassabis還特別提到了DeepMind的「秘密武器」：AlphaGo。

當年的AlphaGo之所以能擊敗人類冠軍，就是因為它具備了這種「規劃」能力，它能推演未來幾十步的棋局變化。

現在的目標，就是把這種在棋盤上的「規劃」能力，泛化到現實世界的具體場景中。

當大模型的廣博知識，遇上世界模型的物理認知，再加上智能體系統的行動能力，就可能補齊通往AGI的關鍵拼圖，迎來AGI降臨的時刻。

比工業革命快十倍的未來

Hassabis如此執著于AGI，并不是為了造出一個更會聊天的Siri，或者是為了讓廣告推薦更精準。

他的野心寫在了DeepMind的核心使命上，這一點也從未變過：

AI for Science（用AI推動科學） 。

在Hassabis等人撰寫的一篇官方博客中，曾表示DeepMind將于2026年在英國建立其首個自動化實驗室，聚焦材料科學研究。

該實驗室將從零開始建設，全面集成Gemini系統，并通過指揮世界一流的機器人每天合成并表征數百種材料，大幅縮短發現變革性新材料所需的時間。

想象這樣一種場景：

AI負責閱讀海量的論文，提出新的科學假設；

智能體系統負責設計實驗方案；

連接了世界模型的機器人負責操作精密的實驗儀器；

最后，AI再對實驗結果進行分析，自我迭代，開始下一輪實驗。

AI介入科學研究，將有望降低成本并催生全新的技術，科研的效率將被提升百倍甚至千倍。

也許在不久的將來，能在常溫常壓下工作的超導體可實現低成本的醫學成像，并減少電網中的電力損耗。

其他新型材料則可通過推動先進電池、下一代太陽能電池和更高效的計算機芯片的發展，幫助我們應對關鍵的能源挑戰。

因此，Hassabis說，這場變革的規模將是「工業革命的10倍」，而速度卻是「工業革命的10倍」。

工業革命用了100多年才重塑了人類文明，而AGI可能只需要10年。

這將是一個極大富足的時代，也是一個極其動蕩的時代。

舊的崗位會消失，舊的經濟結構會崩塌，但人類認知的邊界將被無限延伸。

中國AI模型僅落后美國「數月」

在這場通往未來的極限競速中，中國將處在什么位置？

Hassabis在接受CNBC采訪時表示，中國的人工智能模型與美國和西方的能力差距，可能已經縮小到「只有幾個月」：

中國的AI模型可能比我們一兩年前想象的要接近得多。也許到目前為止，他們只落后幾個月。

DeepSeek的橫空出世，阿里巴巴Qwen模型的強勁表現，都證明了中國科技公司驚人的工程能力。

中國AI公司在使用相對落后的芯片、以更低成本的情況下，依然訓練出了性能強勁的模型。

盡管如此，Hassabis認為，中國雖然已經證明自己具備追趕能力，但在實現真正的AI突破方面仍有待觀察。

他由此也拋出了一個更深層的問題，這或許是一種客觀的審視與「棒喝」：

Hassabis將DeepMind比作「現代版的貝爾實驗室」，那是誕生了晶體管、信息論等源頭創新的圣地。

他認為，中國目前證明了自己是世界一流的「工程師」，能夠快速復制并優化前沿技術（Copy and Improve）。

但是，真正的考驗在于能不能做那個「發明者」：

關鍵問題在于，他們是否能夠在前沿之外實現原創性創新？他們是否真的能創造出全新的東西，比如一種新的Transformer，從而實現對前沿的超越？

這是DeepMind的護城河，也將是中美AI競爭的下一個賽點。

無論如何，這位全球AI領軍人物的判斷已經非常清晰：

AGI的倒計時已經開始，僅剩一兩個關鍵技術突破。

而五年之內，我們將有望見證AGI到來的歷史性時刻。

參考資料：

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

閱讀最新前沿科技趨勢報告，請訪問歐米伽研究所的“未來知識庫”

https://wx.zsxq.com/group/454854145828

未來知識庫是“ 歐米伽 未來研究所”建立的在線知識庫平臺，收藏的資料范圍包括人工智能、腦科學、互聯網、超級智能，數智大腦、能源、軍事、經濟、人類風險等等領域的前沿進展與未來趨勢。目前擁有超過8000篇重要資料。每周更新不少于100篇世界范圍最新研究資料。 歡迎掃描二維碼或訪問https://wx.zsxq.com/group/454854145828進入。