图片来源：AXIOS

Z Highlight

• AGI可能是人类历史上最具变革性的时刻之一，而它已经出现在地平线上。我们需要从社会层面、从人类这一物种的高度做好准备。当然，各国政府以及其他关键领导者在其中将发挥决定性作用。

• 如果设计不当，AI确实有可能越过护城河、突破安全边界。这种可能性始终存在，你无法精确量化它，但你可以确认它不是零，而只要风险不是零，就必须投入大量资源和注意力去应对。

• AGI大约还需要五到十年的时间。而真正的AGI，应当在各个维度上都具备一致性。此外，它们还缺乏一些关键能力，比如持续学习、在线学习、长期规划和推理能力，目前这些能力几乎都不存在。它们最终会具备这些能力，但可能还需要一到两个关键性突破。

Demis Hassabis是Google DeepMind的联合创始人兼CEO、Demis Hassabis博士。他是一位神经科学家、企业家，也是AI领域的先驱。Demis五岁时就是国际象棋神童，48岁获得诺贝尔奖。本次是Axios AI+SF Summit上的访谈，发布于2025年12月5日，他与主持人探讨了他对于AI、AGI在当下以及未来的理解与洞察。

科学家与诺奖得主：从科学方法到公共责任

Mike Allen：我是Axios的联合创始人Mike Allen，我代表我的联合创始人Roy Schwartz和Jim VandeHei，感谢在座各位。九年来，感谢你们一路支持Axios，也感谢大家来到旧金山，在这座历史悠久、氛围极佳的银行建筑中，参加Axios AI+SF Summit。也欢迎世界各地的朋友们，一起见证今天的重磅对话。Demis Hassabis，欢迎来到Axios。

Demis Hassabis：感谢邀请。我们一直很期待这次交流，很高兴能来到这里。

Mike Allen：就在400多天前，你得知自己获得诺贝尔奖。当时你说，“这太不真实了，这是最高级别的荣誉。”自那一刻起，你的生活和工作发生了哪些变化？又为你打开了哪些新的可能？

Demis Hassabis：说实话，这件事到现在仍然有些不真实，还没有完全消化。但它确实带来了很大的不同。最大的变化在于，当你与不在你专业领域内的人交流时——包括一些政府高层人士，他们可能并不太了解AI——如果你拥有诺贝尔奖，这几乎成了一条“捷径”，能让几乎所有人立刻意识到你是该领域的专家。这在未来会非常有用。

Mike Allen：你本就拥有极为丰富的资源。现在是否有一些新的资源或影响力，是你过去无法触及的？

Demis Hassabis：不完全是。你说得对，在Google和DeepMind，我们确实非常幸运，拥有大量资源。当然，资源并不是无限的，无论你拥有多少算力，永远都会希望有更多。但正是这些资源，让我们能够开展如此广泛、多元的研究和项目。真正的变化更多体现在“平台”上，它让你有机会就自己真正关心的问题发声。我过去并没有大量使用这一点，但它会变得非常重要。比如AI安全等议题，诺贝尔奖所带来的平台影响力，可能会在这些方面发挥作用。

Mike Allen：除了AI安全之外，还有哪些议题在你未来的“发声清单”中？

Demis Hassabis：这不仅仅是安全问题。当然，从长期来看，AGI安全非常关键，我们对此投入了大量思考。但同样重要的是当下AI的负责任使用：我们应该用AI去改善什么、增强什么、加速什么？同时，在短期内，又有哪些事情需要保持谨慎？

另外，一个非常重要的议题是，让整个社会为即将到来的变化做好准备。AGI可能是人类历史上最具变革性的时刻之一，而它已经出现在地平线上。我们需要从社会层面、从人类这一物种的高度做好准备。当然，各国政府以及其他关键领导者在其中将发挥决定性作用。而诺贝尔奖所带来的平台，几乎可以为你打开任何一扇门。

Mike Allen：你身上一个非常鲜明的特质是：你既深耕基础科学，又身处企业竞争和国家竞争的最前线。在某种程度上，你也像Steve Jobs一样拥有强烈的产品意识，希望为人们创造令人愉悦的产品。但你始终强调，自己首先是一名科学家。

Demis Hassabis：是的，我首先是一名科学家。我之所以这样说，是因为这是我面对一切问题时的默认思维方式。我指的是科学方法本身——这种思考方式。我一直认为，科学方法也许是人类历史上最重要的思想之一，它催生了启蒙运动，进而带来了现代科学，现代文明在很大程度上正是建立在科学方法、实验、假设检验与不断更新认知的基础之上。这种方法极其强大，而且它并不只适用于科学研究，也可以应用到日常生活，甚至商业领域。我一直尝试将这种方法推向极致。正因如此，它在某种程度上成为我们作为研究组织、工程组织的优势来源。

确实，我们正身处一场异常激烈的竞争之中——可能是科技史上最激烈的一次。但我们的优势之一在于工作的严谨性与精确性，因为科学方法深深植根于我们的核心。我们将世界级的研究、世界级的工程能力以及世界级的基础设施结合在一起。而在AI这样的前沿领域，你必须同时具备这三者。在这三个方面都达到世界级水平的机构，实际上非常少，而这正是我们的独特之处。

接下来的一年：多模态与Agent

Mike Allen：按照Axios一贯的风格，我们会把这次对话分为“zoom out”和“zoom in”两个层面。先从zoom out开始，也就是从更宏观的角度，请你用你极其宝贵的思考来判断AI的整体状态。我们将直面AI的现实状况。我希望你基于当下所有已知事实，给出直接、冷静、客观的判断，不要夸大、不做营销，可以吗？

Demis Hassabis：我会尽力。

Mike Allen：好。那么，接下来12个月的进展会是什么样？如果我们一年后再坐在这里，你认为世界会发生哪些变化？

Demis Hassabis：我们正在全力推进的一个方向，是多模态能力的融合。Gemini作为我们的核心基础模型，从一开始就是多模态的，能够同时处理图像、视频、文本和音频，并且如今也越来越多地能够生成这些类型的输出。多模态本身正在带来非常有价值的交叉增益。最好的例子之一，是我们最新的图像模型，比如Veo，它展现出了令人惊叹的视觉理解能力，能够生成非常精准的信息图等内容。在接下来的一年里，这一方向会取得显著进展。

此外，当视频能力与语言模型进一步融合时，你会看到一些非常有趣的能力组合，另一个我个人正在重点投入的方向，是世界模型。我们有一个名为Genie的系统——Genie 3——可以将其理解为一种交互式视频模型。你不仅可以生成视频，还可以像在游戏或模拟环境中一样在其中“行走”，并且在长达一分钟的时间内保持整体一致性。这是非常令人兴奋的方向。还有一个重要方向是基于Agent的系统。这个领域已经讨论Agent很久了，但目前Agent还不够可靠，无法独立完成完整任务。

Mike Allen：今天在Axios的舞台上，我们已经多次听到关于Agent的讨论。那么一年后，你认为Agent会进展到什么程度？能否举一个一年后在日常生活中的应用例子？

Demis Hassabis：我们有一个长期愿景，希望Gemini最终成为一种“通用助手”。在接下来一年中，你们会看到它出现在更多设备上。所谓“通用”，不仅仅是存在于电脑、笔记本或手机中，而是可能通过眼镜或其他设备，真正伴随你生活。我们的目标，是打造一个在日常生活中真正对你有用的系统，你每天都会多次向它求助。它成为你生活结构的一部分，不仅提升你的工作效率，也改善你的个人生活，比如为你推荐你可能喜欢的书籍、电影或活动。但就目前而言，你还无法将一个完整任务完全交给Agent，并确信它能百分之百可靠地完成。

Mike Allen：但你认为一年后会接近这个状态吗？

Demis Hassabis：一年后，我们会开始看到接近这一能力水平的Agent出现。

理想与担忧：AI带来的乌托邦与失控

Mike Allen：那么从“bull case”和“bear case”的角度来看：你认为AI对世界最好的可能是什么？而你最担忧的又是什么？

Demis Hassabis：我一直以来所设想的最佳情景，也是我毕生投身AI研究、并为之努力几十年的原因，是一种我称之为“激进式丰裕”的状态。也就是说，我们解决了当今社会和人类面临的许多最重大问题。比如，我们实现了廉价、可持续、清洁的能源，可能解决了核聚变问题，或开发出更优的电池和太阳能材料；在半导体和材料科学领域取得突破；治愈了大量疾病。这样一来，我们将进入一个后稀缺时代，人类得以真正繁荣，甚至走向星际，将意识扩展到银河系。

Mike Allen：那你最担忧的是什么？

Demis Hassabis：即便是这样一个看似乌托邦式的未来，也会带来新的问题。例如，当技术解决了如此多的难题之后，人类自身的意义和目标将何去何从？作为一名科学家，我对此也感到担忧。当然，AI本身也存在众所周知的风险与挑战，主要有两个方面：一是恶意行为者利用AI从事有害活动；二是当AI逐步接近AGI、变得更具自主性时，可能在某种情况下“失控”，对人类造成伤害。

Mike Allen：你提到了“失控”。你对这些灾难性结果的担忧程度如何？我会列举几个具体场景。第一，恶意行为者利用AI制造病原体。

Demis Hassabis：这是我们必须严密防范的严重滥用场景之一。

Mike Allen：第二，外国势力利用AI对能源或水资源系统发动网络恐怖袭击。

Demis Hassabis：这种情况几乎已经在发生了。也许目前还没有使用非常先进的AI，但这无疑是最明显、也最脆弱的攻击路径之一。这也是为什么我们在Google和DeepMind层面，正在高度重视AI在网络安全领域的应用，用AI强化防御体系，以应对这类威胁。

Mike Allen：AI在没有人类控制的情况下自行运作。

Demis Hassabis：这正好回到我们刚才讨论的Agent问题。随着这些系统变得越来越复杂——而行业显然会持续构建这类系统，因为它们作为助手会更加有用，这一点是不可避免的——当它们变得更具自主性和行动能力时，就会有更大的空间偏离你最初设定的指令或目标。

因此，这是一个非常活跃的研究领域：如何确保那些具备持续学习或在线学习能力的系统，始终保持在你设定的安全边界之内。好消息在于，随着AI在商业和企业领域变得如此重要，如果你作为模型提供方，将一个Agent出租或出售给另一家大型企业，这些企业一定会要求对Agent的行为提供明确保障：它如何处理数据、如何与客户互动。如果这些方面出现问题，虽然未必是生存层面的危机，但你肯定会失去这笔生意。因为没有哪家企业会继续选择一个不可靠的提供方，它们会转向更负责任、保障更完善的供应商。从这个角度看，资本主义在某种程度上会自然地奖励那些更负责任的参与者。

Mike Allen：但如果设计不当，AI确实有可能越过护城河、突破安全边界。

Demis Hassabis：这种可能性始终存在。没有人真正知道未来会如何发展，这正是最大的未知之一。这种风险并非零概率，因此值得非常严肃地对待，并提前采取缓解措施。但我常常听到有人给出非常精确的概率数字，去讨论所谓的P(doom)，这是没有意义的，因为根本没人知道这个概率究竟是多少。你无法精确量化它，但你可以确认它不是零。而只要风险不是零，就必须投入大量资源和注意力去应对。

Mike Allen：在与中国的AI竞争中，美国在哪些方面处于领先，在哪些方面又在落后？

Demis Hassabis：目前美国和西方整体仍然处于领先位置，如果你看最新的基准测试和最先进的系统。但这种领先并不遥远。中国并没有落后太多，如果你看看最新的DeepSeek或一些较小模型，它们都非常出色，也有一些非常有能力的团队。所以现在的领先优势，可能只是以“月”为单位，而不是“年”。

Mike Allen：因为如果把芯片因素放在一边，中国的AI可能已经领先了。

Demis Hassabis：不完全是这样。芯片是一方面，但在算法创新和原创性方面，西方仍然具有优势。我并不认为中国的模型或公司已经展示出在算法层面超越当前最前沿水平的原创突破。他们在快速跟进最先进技术方面做得非常出色，但在原创性创新上，目前仍然略逊一筹。

Mike Allen：这是我们最后一个zoom out问题，而且我觉得你会喜欢这个问题。关于AI，你认为最令人震撼、却又被严重低估的一点是什么？

Demis Hassabis：如果从我们已经在做、并且已经实现的事情来看，那就是这些模型所具备的多模态理解能力，尤其是多模态视频理解。如果你把一个YouTube视频交给Gemini处理，你可以向它提出各种令人难以置信的问题。对我来说，它在很多情况下——当然不是每一次，但在相当多令人印象深刻的案例中——能够在概念层面理解视频中正在发生的事情，这一点仍然让我感到震撼。

Mike Allen：能举一个具体的问题例子吗？

Demis Hassabis：我之前测试Gemini时问过一些问题。比如我很喜欢电影Fight Club，其中有一幕，我记得Brad Pitt或者Ed Norton在打架前摘下了戒指。我问Gemini，这个动作的意义是什么，它给出了一个非常有意思的哲学层面的解读，认为这是象征性地告别日常生活、进入另一种存在状态。这种元层面的洞察让我觉得非常惊人。

另外一个同样未被充分理解的能力，是我们有一个叫Gemini Live的功能，你可以用手机对准某个物体，比如你是一名机械师，它可以直接协助你完成眼前的任务。理想状态下，这应该通过眼镜来实现，因为你需要双手自由。但人们还没有真正意识到这种多模态能力究竟有多强大。

Gemeni3: 实证引导下的强大模型

Mike Allen：你刚才给了我们一个完美的过渡，下面我们进入zoom in环节。恭喜你们上个月发布了Gemini 3，这是一款具有颠覆意义的模型。你说它具备前所未有的推理深度与细腻程度。能否具体谈谈Gemini 3在“细腻度”方面的独特之处？

Demis Hassabis：我们对此非常满意，不仅是能力层面，也包括它的风格，甚至可以说是“性格”。我很喜欢它简洁直接的回答方式，它并不会对你说的每一句话都照单全收，如果你的观点不太合理，它会温和地提出不同意见。我感觉这在智能水平和实用性上，都带来了一个明显的跃迁。

Mike Allen：有没有某个Gemini给出的回答或生成的内容，让你意识到，“我没想到它还能做到这一点”？

Demis Hassabis：这正是我们如此热爱这项工作的原因。在当下这个研究与产品高度结合的时代，一旦你发布新技术，就会立刻有数百万，甚至在Google平台上可能是数十亿用户开始使用它。我们不断被用户快速发现并创造出的新用法所惊喜，其中很多还会迅速传播开来。

但我个人最享受的是Gemini 3在一次性生成游戏方面的能力。这让我回想起自己最早从事AI游戏开发的职业生涯。我们已经非常接近这样一个阶段：也许在下一代模型中，人们可以在几小时内“vibe coding”出接近商业级质量的游戏，而过去这往往需要数年时间。

Mike Allen：这体现了哪种“细腻度”？这说明模型具备什么样的能力？

Demis Hassabis：这体现了模型对高层次指令的深度理解能力，以及生成高度细节化输出的能力。此外，Gemini 3在前端开发和网站构建方面表现尤为突出，在美学、创造力和技术实现上都达到了很高水平。

Mike Allen：Axios曾多次写到，即便是这些模型的创造者，也并不完全理解它们。关于Gemini 3，有什么是你觉得自己还没有完全搞清楚的？

Demis Hassabis：事实上，对所有这些模型来说都是如此，而且我想在座的很多人也有类似感受。创新和进步的速度实在太快了，我们几乎把全部时间都投入到构建下一代系统中。每次发布新版本时，我都会有一种感觉：自己甚至还没来得及探索现有系统十分之一的潜力。因为在这场激烈的竞争中，我们必须立刻转向下一项创新，同时确保安全性和可靠性。最终，往往是用户把这些模型的能力发挥到了远超我们内部测试的程度。

Mike Allen：最后一个关于Gemini 3的问题，涉及一点背景。你们当时在多个方向同时投入，并未一开始就将基于文本的LLM视为“终极路线”。Walter Isaacson曾对我说，当你意识到LLM的潜力时，完成了一次迅速而果断的转向，并最终实现了跨越式发展。他认为，大多数商业领袖可能会固执己见，继续在原有方向上加倍投入。你是如何决定全力押注LLM的？

Demis Hassabis：这正是科学方法的力量所在。如果你是一名真正的科学家，就不能对某个想法过于教条化，而必须追随实证证据的指引。Walter指的可能是2017到2018年前后的阶段。当时我们确实在多个方向同时推进，包括我们内部的语言模型Chinchilla和Sparrow，这些模型并未公开发布。事实上，一些著名的scaling laws正是由我们的团队提出的，也被称为Chinchilla scaling laws。

与此同时，我们也在推进AlphaZero等基于强化学习的系统，以及一些更受认知科学和神经科学启发的架构。作为DeepMind的负责人，我的职责是确保我们以最快、最安全的方式构建AGI。这也是我们“解决智能问题”的核心使命。因此，我对具体采用哪条路径始终保持务实态度。当我们看到scaling开始显现效果时，我们就逐步将更多资源投入到这条研究路径上。

AGI的十年之约：还需关键突破

Mike Allen：你在AGI问题上的态度非常坦率。你并不回避这个概念，而是认为它很重要、我们会明确知道何时到来，而且并不遥远。

Demis Hassabis：我们现在还没有达到AGI。但如果要我判断，我会说我们已经相当接近了。大约还需要五到十年的时间。我对AGI的标准设得相当高。我们对AGI的定义，是一个系统能够展现出人类所具备的全部认知能力，其中也包括发明和创造能力。

目前的系统——正如在座各位使用现有LLM时所体会到的那样——在某些方面确实令人惊叹，在一些领域甚至达到了接近博士级的水平，在特定任务上能获得IMO金牌之类的成就。但在其他方面，它们仍然存在明显缺陷。这是一种“锯齿状”的智能形态。而真正的AGI，应当在各个维度上都具备一致性。此外，它们还缺乏一些关键能力，比如持续学习、在线学习、长期规划和推理能力，目前这些能力几乎都不存在。它们最终会具备这些能力，但可能还需要一到两个关键性突破。

Mike Allen：来自Ina Fried的问题。她从Axios创立之初就持续报道AI，是Axios发展过程中极为重要的一部分。她提到，你曾说过AI距离AGI可能只差一到两次重大突破。我们是否只需要不断改进LLM和生成式AI，就能在你所说的五到十年内实现AGI？还是说，达到AGI可能需要一条不同的路径？

Demis Hassabis：这本质上是一个需要用实证来回答的问题。但我目前能确定的一点是，我们必须把现有系统的scaling能力推到极限。即便只是最低限度，它们也一定会成为最终AGI系统的重要组成部分。

有一种可能性是，仅通过scaling就能实现AGI。但如果站在我现在的视角来判断，我更倾向于认为，还需要一到两个重大突破。我这里指的不是持续不断的小创新，而是类似Transformer或AlphaGo那样的范式级突破。我猜测，当我们在未来回顾AGI的实现路径时，会发现除了scaling之外，确实还需要一到两个这样的关键突破。

行业现状：资本泡沫、人才竞争与人类的适应性

Mike Allen：进入一个非常快速的问题环节。Ina的另一个问题是：你显然是AI的坚定信仰者，但考虑到目前AI领域的投入规模，是否可能存在足以撼动整体经济的泡沫？你对此有多担忧？

Demis Hassabis：这不是一个非黑即白的问题。AI产业中的某些部分，可能确实存在泡沫，比如一些规模极其夸张的早期融资，看起来并不太可持续。但另一方面，我比任何人都坚信，AI是人类历史上最具变革性的技术之一。从长期来看，这一切投入都将被证明是完全值得的。作为Google DeepMind的负责人、也是Google技术引擎的一部分，我的职责是确保无论未来如何发展，我们都能处于有利位置。无论所谓的泡沫是否破裂，还是当前的良好态势持续下去，我们都具备很强的竞争力。

Mike Allen：关于AI领域的人才争夺战，这场竞争的终局会是什么样？

Demis Hassabis：最近的情况确实变得相当激烈，比如Meta的一些做法。每家公司都必须采取对自身最合理的策略。对我们而言，我们更看重那些被使命驱动的人才。我们拥有最好的使命，也具备完整的技术栈。如果你希望做出最具影响力的工作、为世界带来最积极的改变，没有比Google DeepMind更好的地方。最终，最优秀的科学家、研究者和工程师，都会希望参与最前沿的工作。如果你始终站在技术排行榜的最前列，这种吸引力本身就会形成正反馈。

Mike Allen：来自James VandeHei的问题。他是一位来自北卡罗来纳州High Point University的年轻创业者。他问：关于AI“产生自我意识”的讨论很多，是否存在AI基于自身利益采取行动的情景？

Demis Hassabis：这是一个非常好的问题，也与一些更为极端的风险情景相关。如果事情真的走向失控，那确实可能是其中一种形式：在高度自主的Agent系统中，如果它们发展出某种自我利益，而这种利益与设计者，甚至与人类的目标发生冲突，就会构成严重问题。

Mike Allen：最后一个轻松一点的问题。你至今仍是一名游戏玩家。游戏教会了我们关于世界的什么？又告诉了我们这些机器将走向何方？

Demis Hassabis：我的国际象棋背景，以及之后在其他游戏中的训练，对我在科学和商业中的工作方式都产生了深远影响。我热爱游戏的原因有很多，其中之一是创造游戏本身的过程。但作为玩家，游戏也是训练思维的最佳方式之一。最优秀的游戏，无论是国际象棋、围棋还是扑克，都是现实世界的缩影。现实生活中，你可能只有有限的关键决策时刻可以犯错和学习；而在游戏中，你可以反复练习决策过程。只要你认真对待游戏、深度思考每一次决策，它就能有效训练你的判断力和规划能力。

Mike Allen：你曾指出，我们的大脑最初是为狩猎采集社会而进化的，但如今正面临一场你对《The Guardian》所说的、可能比工业革命大十倍、快十倍的变革。是否存在这样一种风险：大多数人类都无法跟上，甚至包括你在内的任何人都无法跟上？

Demis Hassabis：好消息是，这恰恰证明了人类大脑的适应能力。我们最初进化为狩猎采集者，而如今却生活在高度现代化的城市和文明之中，周围充满了复杂技术。而本质上，同样的人类大脑已经成功适应了这一切。我对人类的创造力和适应能力充满信心。我们的大脑，或许是目前已知宇宙中唯一的通用智能存在的实例。正因为如此，我们本身就是通用智能，也理应具备持续适应的能力。当然，在AGI乃至后AGI时代，我们可能会创造出新的技术，比如脑机接口等，部分人也许会选择使用这些技术，与现有工具协同，从而继续保持竞争力。

Mike Allen：在告别之前，你是一位终身的Liverpool球迷，也曾帮助球队进行数据分析。AI将如何影响并塑造即将在北美举行的世界杯？

Demis Hassabis：确实有不少球队曾向我们寻求帮助。我也尽量保持公平，但作为一名终身支持Liverpool的球迷，这并不容易。我希望至少能来到这里观看世界杯决赛。

Mike Allen：说点严肃的。在那之前，AI会带来哪些改变？在AI领域，从现在到那时几乎相当于一个时代，对吗？

Demis Hassabis：你是指AI本身，还是AI在体育领域的应用？

Mike Allen：两者都是。

Demis Hassabis：体育本身拥有极其丰富的数据，而且追求的是极致的精英表现。因此，它天然适合引入AI来进一步优化这一过程。

Mike Allen：在不泄露商业机密的前提下，AI能为一支世界杯球队具体带来什么？

Demis Hassabis：比如，在角球进攻中进更多的头球。我们的一些系统发现，球员的精确站位可以产生显著差异。

原文：Google DeepMind’s Demis Hassabis with Axios’ Mike Allen

https://www.youtube.com/watch?v=tDSDR7QILLg

编译：Jinru Han

请注意，本文编译自文未载明的原始链接，不代表Z Potentials立场。如果您对本文有任何想法或见解，欢迎在评论区留言互动探讨。