新智元報導
編輯：元宇
【新智元導讀】AGI五年倒計時已開啟！Hassabis預測，或許僅需一兩個AlphaGo級別的突破，我們就有望在5年內見證AGI降臨，而它的速度和影響力將10倍於工業革命。
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、疾病治癒、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倍於工業革命。
而我們每個人也將置身於這場史詩級巨變的衝擊之下。
為什麼大模型還不是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）。
這就像班裡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。
為什麼會這樣？
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」。
它們並不是真的「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，但一旦局勢變得複雜，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」，那麼「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」裡真正模擬了重力、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、去處理現實中複雜的因果關係，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「幫我策劃並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如此執著於AGI，並不是為了造出一個更會聊天的Siri，或者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將於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，並通過指揮世界一流的機器人每天合成並表徵數百種材料，大幅縮短發現變革性新材料所需的時間。
想像這樣一種場景：
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；
最後，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，將有望降低成本並催生全新的技術，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，並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，也是一個極其動盪的時代。
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模型僅落後美國「數月」
在這場通往未來的極限競速中，中國將處在什麼位置？
Hassabis在接受CNBC採訪時表示，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像的要接近得多。也許到目前為止，他們只落後幾個月。
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公司在使用相對落後的芯片、以更低成本的情況下，依然訓練出了性能強勁的模型。
儘管如此，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聖地。
他認為，中國目前證明了自己是世界一流的「工程師」，能夠快速複製並優化前沿技術（Copy and Improve）。
但是，真正的考驗在於能不能做那個「發明者」：
關鍵問題在於，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領袖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