AGI 五年倒计时已开启！Hassabis 预测，或许仅需一两个 AlphaGo 级别的突破，我们就有望在 5 年内见证 AGI 降临，而它的速度和影响力将 10 倍于工业革命。 人类距离 AGI，只差 1-2 个关键技术突破！ 刚刚，诺奖得主、Google DeepMind 掌门人 Demis Hassabis 给出了 AGI 的终极时间表！ 他认为，5 年之内，或许仍需 1-2 项重大技术突破，我们就可能跨越通往 AGI 的障碍。 在乐观预测的同时，Hassabis 也不忘给我们泼一些冷水： 他认为 仅靠扩大数据与算力可能不足以实现 AGI。 比如，Hassabis 认为大模型虽然强大，但缺乏对物理世界、逻辑推理和长期规划的真正理解。 因此，要实现 AGI，大模型需要补上的一块拼图就是「世界模型」。 此外，Hassabis 还认为 AI 将是科学发现的终极工具。 AlphaFold 只是开始，AI 将在未来 10 年内开启科学发现的黄金时代，尤其是在药物研发、疾病治愈、新材料发现和清洁能源（聚变）等领域。 而这无疑也会加速 AGI 到来。 如果 Hassabis 预言成真，这将是一个巨大的变革时刻，它的速度和影响力将 10 倍于工业革命。 而我们每个人也将置身于这场史诗级巨变的冲击之下。 为什么大模型还不是 AGI？ 以我们最熟悉的 ChatGPT、Gemini 等大模型为例。 也许你会觉得它们虽然有时在某些高难任务上表现突出，但也时常在一些简单题上出错。 Hassabis 用了一个非常精准且形象的词来描述这种状态：「参差不齐的智能」（Jagged Intelligence）。 这就像班里那些偏科极其严重的学生。 他们在文科和编程上可能是个天才，但在物理常识、逻辑推理和长期规划上，可能还不如普通学生的水平。 为什么会这样？ Hassabis 一针见血地指出了大语言模型（LLM）的本质局限： 它们只是顶级的「概率预测机」。 它们并不是真的「理解」了这个世界，它们只是在预测下一个字出现的概率，因此缺乏对现实世界物理规律的认知，也没有像人类那样拥有一个连贯的、能够自我修正的思维模型。 所以， 它们在某些事情上极其擅长，但在另一些方面完全不行 。 这就好比你让一个只会背诵棋谱但不懂围棋规则的人去下棋，前几步可能像模像样，但一旦局势变得复杂，需要跨越几十步去思考策略时，他立刻就会崩盘。 因此，想要从现在的「偏科生」进化到全知全能的 AGI，仅仅把模型做大（Scaling）已经不够了。 我们需要质的飞跃，补上通往 AGI 的关键性拼图。 通往 AGI 的关键拼图 Hassabis 具体指出了这一两项关键技术突破的方向。 关键突破 1： 「世界模型」 如果说大模型是「读万卷书」，那么「世界模型」（World Models）就好比是「行万里路」。 所谓世界模型，是指能预测和模拟环境状态随行动变化的模型，其核心逻辑是真正「理解」物理世界的运行规则。 现在的大模型，如果你问它「杯子从桌上掉下来会怎样」，它是根据文本概率告诉你「可能会碎」。 但拥有世界模型的 AI，它在「脑海」里真正模拟了重力、摩擦力、玻璃的易碎性，它「看」到了杯子掉落的过程。 目前， DeepMind 正在研发像 Genie 和 Veo 这样的视频 / 交互模型，作为构建世界模型的雏形 。 这也是 AI 从「数字世界」走向「物理世界」的前提。 只有懂得了物理法则，AI 才能驱动机器人去端茶倒水、去拧螺丝、去处理现实中复杂的因果关系，而不只能够陪人聊天。 关键突破 2： 「智能体系统」 有了理解世界的能力还不够，AI 还需要具备在世界中「行动」的能力。 这就是第二个突破：智能体系统（Agentic Systems）。 现在的 AI 是被动的：你问一句，它答一句。 而未来的 Agentic AI 是主动的。 你给它一个模糊的目标，比如「帮我策划并预定一次去某地的旅行」。 它就能把它拆解成几十个步骤：查机票、比价、订酒店、规划路线、根据天气调整行程...... 更重要的是，它具备「认知纠错」的能力。 如果在执行过程中发现机票涨价了，或者酒店没房了，它能像人类一样停下来，重新思考，调整计划，而不是直接报错或者死循环。 Hassabis 还特别提到了 DeepMind 的「秘密武器」：AlphaGo。 当年的 AlphaGo 之所以能击败人类冠军，就是因为它具备了这种「规划」能力，它能推演未来几十步的棋局变化 。 现在的目标，就是把这种在棋盘上的「规划」能力，泛化到现实世界的具体场景中。 当大模型的广博知识，遇上世界模型的物理认知，再加上智能体系统的行动能力，就可能补齐通往 AGI 的关键拼图，迎来 AGI 降临的时刻。 比工业革命快十倍的未来 Hassabis 如此执着于 AGI，并不是为了造出一个更会聊天的 Siri，或者是为了让广告推荐更精准。 他的野心写在了 DeepMind 的核心使命上，这一点也从未变过： AI for Science（用 AI 推动科学）。 在 Hassabis 等人撰写的一篇官方博客中，曾表示 DeepMind 将于 2026 年在英国建立其首个自动化实验室，聚焦材料科学研究。 该实验室将从零开始建设，全面集成 Gemini 系统，并通过指挥世界一流的机器人每天合成并表征数百种材料，大幅缩短发现变革性新材料所需的时间。 想象这样一种场景： AI 负责阅读海量的论文，提出新的科学假设； 智能体系统负责设计实验方案； 连接了世界模型的机器人负责操作精密的实验仪器； 最后，AI 再对实验结果进行分析，自我迭代，开始下一轮实验。 AI 介入科学研究，将有望降低成本并催生全新的技术，科研的效率将被提升百倍甚至千倍。 也许在不久的将来，能在常温常压下工作的超导体可实现低成本的医学成像，并减少电网中的电力损耗。 其他新型材料则可通过推动先进电池、下一代太阳能电池和更高效的计算机芯片的发展，帮助我们应对关键的能源挑战。 因此，Hassabis 说， 这场变革的规模将是「工业革命的 10 倍」，而速度却是「工业革命的 10 倍」 。 工业革命用了 100 多年才重塑了人类文明，而 AGI 可能只需要 10 年。 这将是一个极大富足的时代，也是一个极其动荡的时代。 旧的岗位会消失，旧的经济结构会崩塌，但人类认知的边界将被无限延伸。 中国 AI 模型仅落后美国「数月」 在这场通往未来的极限竞速中，中国将处在什么位置？ Hassabis 在接受 CNBC 采访时表示， 中国的人工智能模型与美国和西方的能力差距，可能已经缩小到「只有几个月」 ： 中国的 AI 模型可能比我们一两年前想象的要接近得多。也许到目前为止，他们只落后几个月。 DeepSeek 的横空出世，阿里巴巴 Qwen 模型的强劲表现，都证明了中国科技公司惊人的工程能力。 中国 AI 公司在使用相对落后的芯片、以更低成本的情况下，依然训练出了性能强劲的模型。 尽管如此，Hassabis 认为， 中国虽然已经证明自己具备追赶能力，但在实现真正的 AI 突破方面仍有待观察 。 他由此也抛出了一个更深层的问题，这或许是一种客观的审视与「棒喝」： Hassabis 将 DeepMind 比作「现代版的贝尔实验室」，那是诞生了晶体管、信息论等源头创新的圣地。 他认为，中国目前证明了自己是世界一流的「工程师」，能够快速复制并优化前沿技术（Copy and Improve）。 但是，真正的考验在于 能不能做那个「发明者」： 关键问题在于，他们是否能够在前沿之外实现原创性创新？他们是否真的能创造出全新的东西，比如一种新的 Transformer，从而实现对前沿的超越？ 这是 DeepMind 的护城河，也将是中美 AI 竞争的下一个赛点。 无论如何，这位全球 AI 领军人物的判断已经非常清晰： AGI 的倒计时已经开始，仅剩一两个关键技术突破。 而五年之内，我们将有望见证 AGI 到来的历史性时刻。 参考资料： 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 本文来自微信公众号： 新智元（ID：AI_era） ，作者：元宇