大家好！今天給大家推薦一篇極具啟發性的深度演講。在這個人人都為大語言模型（LLM）狂熱的當下，這篇演講猶如一記警鐘。David Silver教授（前Google DeepMind首席研究科學家，現任UCL電腦科學教授）犀利地指出：僅僅依靠人類資料訓練的AI，其實只解決了一個“淺層問題”，它們永遠無法真正獨立達到超級智能！AI的下一步到底在那？答案是“體驗時代”（Era of Experience）——讓AI像人類嬰兒一樣，在與世界的互動中自主試錯與發現新知識。如果你想看懂AI的下一個十年，這篇文章絕對不容錯過！ 📝 導讀（前言） 前言：本文整理自David Silver教授（前Google DeepMind首席研究科學家，現任UCL電腦科學教授）的一場前沿AI演講。他指出，當前基於網際網路文字訓練的大模型已觸及“人類資料時代”的天花板。要實現真正的超級智能，AI必須跨入“體驗時代”——通過環境互動與強化學習自主發現新知識。本文深度解析了AlphaZero、AlphaProof等突破性案例，並揭示了通往通用人工智慧（AGI）的全新“體驗縮放定律”。 💡 核心觀點與可操作方法論

【新智元導讀】DeepMind 剛上任的 AGI 經濟學總監 Alex Imas 曾擔憂 AI 導致失業和需求坍縮，如今提出一個謹慎樂觀判斷，AI 會壓低可複製勞動價格，也會推高護理、教育、醫療、服務等關係型勞動的價值。 專注研究 AI 對經濟社會的影響的頂級學者，芝加哥大學教授 Alex Imas 加入Google DeepMind 擔任 AGI 經濟學總監（Director of AGI Economics），DeepMind CEO Demis Hassabis 轉發確認了這一重大人事消息。 https://x.com/alexolegimas/status/2052778908882174302 https://x.com/demishassabis/status/2052949334715502775

最近，AI圈發生了兩件看似矛盾、但細思極恐的事。 一邊是黃仁勳： 甩出一句"Agentic AI將重構50兆美元實體經濟，算力需求比兩年前暴漲1000%"。翻譯成人話：AI不僅能聊天，還能自己幹活、自己做決策，未來十年要搶50兆美元的生意。 另一邊是DeepMind： 自己家的科學家發論文，一句話"堵死"AI意識之路——不管模型多大、架構多複雜，AI在邏輯上就永遠不可能產生意識。 一個說AI很強大，一個說AI沒靈魂。這兩位頂流到底在吵什麼？作為普通人，我們該信誰？

八歲那年，德米斯·哈薩比斯只能依稀瞥見星辰。德米斯·哈薩比斯坐在位於倫敦大學學院天文台的弗萊望遠鏡前。圖片來源：Jillian Edelstein for Fortune這個天賦驚人的孩子成長於20世紀80年代的北倫敦，父母是頗具波西米亞氣質的文藝青年。透過城市朦朧的光靄，哈薩比斯偶爾能夠辨認出一個星座——獵戶座。它得名於希臘神話中那位驍勇的獵人，千百年來一直是水手與農夫的星空路標。四十年後的今天，獵戶座依然是他最愛的星群。這份眷戀，部分源於其與不朽傳說的連結：早在古埃及時期，人們就已經將這片星空奉若神明。“首先，從地球仰望星空，我們看到的星辰圖案其實具有某種隨機性。”哈薩比斯說道，“其次，以獵戶座腰帶上的三顆星為例，它們只是恰好構成特定幾何關係的恆星，之所以產生意義，完全是因為我們在用人類的意識解讀這些恆星。”我與哈薩比斯的會面地點，距離他成長的地方不遠，就在倫敦大學學院天文台的旁邊，矗立在那裡的望遠鏡已逾百年，至今仍然昂首指向蒼穹。這樣的場所恰好適合談論“浩瀚”：不止是星辰的浩渺無垠，更是人類心智的遼闊深邃。在此地對話，還有另外一層深意：哈薩比斯正是那位以人類意識探索資料海洋的先鋒。身為DeepMind聯合創始人，他被譽為當代最重要的人工智慧研究者與企業家之一。這家開創性的人工智慧實驗室於2014年被Google收購。2016年，DeepMind研發的AlphaGo擊敗全球頭號圍棋高手，造就人工智慧發展史上的里程碑事件——要知道，圍棋可是世界上最複雜的雙人策略博弈之一。如今，作為Google核心人工智慧業務的掌舵者，哈薩比斯正在引領這艘科技巨輪依託Gemini 3模型的優勢在激烈的競爭中破浪前行。但他迄今為止最深遠的貢獻，或許是AlphaFold 2的突破。這款由DeepMind於2020年發佈的人工智慧系統，可以根據DNA序列精準預測蛋白質的三維結構。AlphaFold 2堪稱一項劃時代的科學壯舉，為人類深入理解乃至最終攻克帕金森病、肌營養不良症及某些癌症等疾病打開了全新可能，這些疾病的根源均與蛋白質的錯誤折疊或功能失常密切相關。憑藉這一開創性成果，哈薩比斯與DeepMind的科學家約翰·江珀共同摘得2024年諾貝爾化學獎桂冠；同年，哈薩比斯獲授爵士勳銜。在哈薩比斯看來，過往的一切皆彼此相連。自幼對星空的痴迷，如同一道隱線，引領他探索人工智慧，在看似無序的世界中尋找規律與意義。“夜空是一道始終凝視我們的永恆謎題。”他說，“它時刻提醒著我們，世間還有更宏大的命題需要思考，正是這片無垠將我引入‘浩瀚’之境。在那裡，你必須從海量的資料中捕捉規律，或在無窮的可能性裡，覓得關鍵的一步。”近年來，哈薩比斯將他每周100小時工作時間中的相當一部分，傾注於破解世界級模式識別難題——藥物發現。2021年，在Google母公司Alphabet的支援下，他創立了Isomorphic Labs。這家基於人工智慧的藥物設計公司，致力於為一些最“不可成藥”的疾病開發突破性療法。該公司的宣言樹立了一個近乎壯烈的宏大目標：要“攻克一切疾病”。自創立以來，Isomorphic Labs一直低調前行，至今未將任何藥物推進至決定性的臨床試驗階段。但近期的動向表明，這一里程碑已經不再遙遠。支持者認為，一旦投入實戰，其技術路徑將展現獨特優勢。近日，這家新創企業首次向《財富》雜誌敞開大門；記者與多位公司高管與科學家悉心探討的議題，堪稱人工智慧領域最大機遇與挑戰。“一家傳統的生物科技公司窮盡整個生命周期，或許只能推出一兩種新藥。”哈薩比斯指出，“而我們正試圖建構一套完整的系統、流程和技術體系，目標是每年開發數十種藥物。聽起來有些不可思議，但我相信，在未來的10年到20年內，如果能夠建立起一套猶如從乾草堆中尋針的流程，終將找到攻克所有疾病的路徑。”藥物發現，實則更像是在廣袤的艾奧瓦州尋覓一根針：這是一個將具有潛在治療價值的化合物置於無限生物學變數中測試的征程，挫折接連不斷，失敗率之高近乎令人絕望。儘管AlphaFold僅僅觸及這個宏大處理程序的一隅，它卻為打破既有困境帶來了希望。AlphaFold證明，人工智慧有望將動輒數年的生物醫學探索壓縮至分秒之間。基於此，哈薩比斯的構想清晰而深刻：若能以AlphaFold為基石，建構一個完整的藥物設計引擎，未來將會怎樣？這家應運而生的企業志在挑戰眾多同行折戟的領域，其突圍之道在於聚焦結構解析：通過人工智慧對藥物與靶點的相互作用進行分子層面的精準預測，從而大幅削減藥物發現臨床前階段慣有的漫長試錯過程。自獨立營運以來，Isomorphic Labs最初被歸為Alphabet“其他押注”類股，獲得資金支援。2025年3月，公司又完成了6億美元的A輪融資，由約書亞·庫什納的Thrive Capital領投，Google風投繼續跟投。這場豪賭的願景是：假以時日，人類將憑藉技術驅動的新型流程，設計出能夠治癒癌症、阿爾茨海默病等頑疾的藥物，並使這些如今看似如魔法般精密的工藝，最終成為行業標準。“如今，沒有人會考慮手工設計飛機，也不會有人願意乘坐手工設計的飛機。”Thrive Capital的合夥人文斯·漢克斯表示，“但現有的所有藥物依然是以這種方式設計的。展望未來，藥物研發應該像目前設計飛機那樣，依託強大的軟體、智能系統和模擬模擬來進行。”Isomorphic Labs的300餘名科研人員正在朝著這一目標全力進發，而哈薩比斯正是他們的領航員。極端渺茫的勝算可成藥化合物的潛在數量高達約1060種，規模遠超可觀測宇宙中的星辰。而這還僅僅涵蓋類藥小分子，實際數值可能更為龐大。識別出那些組合能夠抑制腫瘤或矯正危險突變，正是哈薩比斯和同行希望借助人工智慧破解的難題。縱觀人類歷史，藥物始終寥寥無幾，其中許多甚至源於偶然，如青黴素的發現源於黴菌污染。直到20世紀60年代，隨著早期抗癌藥與心血管藥物的出現，藥物發現處理程序才逐漸加速。但幾乎在整個20世紀，科學家們仍然依靠近乎蠻力的試錯與緩慢迭代的技術，在浩渺的化學宇宙中艱難探索。無數化學家終其一生埋頭於沸騰的漿液、重複的實驗、一次次推倒重來，卻大多以失敗告終。即便是在今天，每20位從事藥物發現的化學家中，通常僅有一人可以在職業生涯中成功推動一款新藥上市。“我們需要將各種不同的參數融合到一個分子中，使其完美匹配特定病症。”Isomorphic Labs的首席科學官邁爾斯·康格里夫解釋道，“有時你可能找到理想的靶點，合成了高活性化合物，初期效果顯著，其他方面卻不盡如人意，最終走入死胡同。這有點像打地鼠遊戲，一個問題解決了，另一個又冒出來。”康格里夫是行業內的佼佼者，他已經助力三款抗癌藥物成功上市，其中包括諾華與Astex Pharmaceuticals聯合開發的乳腺癌治療藥物瑞波西利。放眼整個行業，即使僅將一款藥物推進至臨床試驗階段，也經常被視為重大突破。但他指出，即使進入臨床試驗，失敗率依然高達90%。諾華的生物醫學研究總裁菲奧娜·馬歇爾對此深表贊同：“找到完美分子的機率微乎其微。”正是這種極低的成功機率，凸顯了AlphaFold 2的價值，也幫助Isomorphic Labs匯聚眾多頂尖人才。計算生物學總監梅麗莎·戴維斯坦言，她正是因為對AlphaFold技術的拓展應用深感著迷而加入團隊的。“過去，科研人員可能只為結晶一個膜蛋白窮盡職業生涯。”戴維斯指出，“但如今，任何科學家都可以輕鬆生成一個蛋白質結構。”其他高管與哈薩比斯的合作淵源則更為深厚。目前，Isomorphic Labs約11%的員工來自DeepMind，包括現任總裁馬克斯·賈德伯格。他此前在DeepMind工作七年，其間主導開發了AlphaStar，這是首個在電子遊戲《星海爭霸II》中擊敗人類職業選手的人工智慧系統。“每當聽說有藥物化學家終其一生都未能成功研發出一款新藥，總是令人深感敬畏。”賈德伯格感慨萬千。“這與我在人工智慧領域的經歷截然不同——在那裡，你必須每六個月就突破世界頂級水平，否則就會被淘汰。”他補充道，“當理論照進現實，面對實實在在的科學流程與動手操作的實驗工作，那種敬畏感會變得無比真切。”鑑於哈薩比斯密集的行程，他在Isomorphic Labs的時間非常有限，因此招攬頂尖人才成為他的要務之一。他每周僅有一天（通常是周二）會前往這家新創企業的辦公室，與高管團隊會面，並為公司的技術方向確定優先事項。哈薩比斯特別看重人才的創造力，他曾經笑言，自己熱衷於管理那些“需要精心呵護的天才”。哈薩比斯指出，“任何專業科學家在技術層面都已經極為出色，但能否提出具有創造性的新思路，或精準地提出關鍵問題？這其實更為困難。尋找答案的過程，本質上是尋找正確問題的過程。”結構優先賈德伯格解釋道，Isomorphic Labs提出的“結構優先”方法，更注重模型的泛化能力，而非針對特定問題的專門化設計。這家新創企業正在致力於繪製人體內愈加複雜的生物星圖，從而更精準地預測任意化合物對多種疾病及其他生物過程可能產生的影響。首席技術官謝爾蓋·亞克寧指出，這旨在實現一種過去難以想像的精準度，猶如將火箭降落在人類永遠無法直接觀測的月球背面。其核心技術是一個由多個專有模型建構而成的藥物設計引擎。該引擎不僅包含升級版蛋白質預測模型，還整合了針對多肽、分子膠及抗體的專項模型。引擎的資料基礎融合了全球蛋白質資料庫、英國生物銀行、商業授權資料、內部生成資料集，以及合作夥伴提供的專有資訊。在投身藥物研發之前，馬克斯·賈德伯格曾經在DeepMind主導開發了人工智慧系統AlphaStar——這是首個在電子遊戲《星海爭霸II》中擊敗人類職業選手的人工智慧系統。圖片來源：BARRY CRASKE/COURTESY OF ISOMORPHIC亞克寧坦言，這項任務在某種程度上就是從現有資料中挖掘更深層的洞見——過去已經有許多研究者嘗試過這樣做，但大多無果而終。“然而，令人驚嘆的是，只要掌握恰當的技術，我們就能建構出這些令人震撼的系統。”他補充道。Isomorphic Labs沒有透露其短期內的主攻疾病領域——這種保密做法在製藥行業實屬常態，但在科技行業卻略顯反常。該公司稱，與禮來（Eli Lilly）、諾華等製藥巨頭達成的合作，正是其發展勢頭向好的有力佐證。（與諾華的合作已經於2025年進一步拓展。）然而在多次訪談中，多位高管表示公司的核心戰略是攻克“不可成藥”靶點。這一在藥物研發領域被廣泛使用的術語有著相對具體的含義，即針對胰腺癌、肺癌和結直腸癌中尤為常見的特定蛋白突變，以及在多種癌症中廣泛存在的轉錄因子展開研究。迄今為止，這些癌症依然對現有療法表現出較強的耐藥性，但它們很可能正是Isomorphic Labs決心突破的關鍵難題。節省五年，甚至更多藥物發現與人工智慧領域同樣遵循嚴酷的經濟規律。將一款新藥推向市場，通常需要投入超過20億美元，歷經十年乃至更長時間從發現走向臨床試驗，最終卻仍然要面對高達90%的失敗率。在人工智慧領域，算力瓶頸始終是難以迴避的挑戰；而在這一點上，背靠Alphabet的Isomorphic Labs獲得了雄厚的資金支援。Isomorphic Labs所處的賽道競爭同樣已經達到白熱化：要成為首家將人工智慧驅動藥物推向市場的新創企業，這份壓力可謂千鈞之重。其競爭對手如英矽智能目前已經有數款藥物在中國進入臨床試驗階段。Isomorphic Labs雖然沒有透露進入臨床試驗的具體時間表，但一個顯示正在接近該目標的訊號是：公司於2025年6月聘用精準腫瘤學專家本·沃爾夫擔任首席醫療官。他正在波士頓組建團隊。“要讓這一切成為現實，我需要一款具備卓越藥學特性的超級藥物，它能夠讓我直接而明確地驗證療效。”沃爾夫說道。目前，這家新創企業的人員配備與戰略方向依然主要專注於藥物發現階段，尚未擴展至臨床試驗或商業化領域。賈德伯格清楚地認識到其中的機遇與侷限。他表示：“至少在中期內，生物學中仍然會存在人類無法完全理解的部分。”他進一步指出，公司的目標是“建立科學嚴謹的流程體系，讓這一過程不再像魔術般玄奧難測，而更像是布設捕鼠器——以此精準鎖定我們想要達成的效應。”諾華的馬歇爾認為，人工智慧有望將藥物研發與臨床試驗周期縮短50%，降至五年左右。在她看來，研發時長的縮減很大程度上得益於藥物發現環節的最佳化升級。“但要進一步大幅壓縮時間難度很大，因為涉及人體生物學反應和安全性的關鍵驗證，依然需要通過臨床試驗來完成。”醫學界普遍認為，過去十年來，人工智慧藥物發現領域始終是承諾多於成效，而Isomorphic Labs如今許下的承諾則更為宏大。當我向哈薩比斯提及這一觀點時，他闡述了自己的核心理念：“攻克疾病”的願景，遠比“一勞永逸地根除病痛”更具廣度與現實可行性。他之所以刻意迴避“治癒”一詞，原因正在於此。他表示，我們固然無法保證人類不再患病，卻能夠依託先進的人工智慧與技術平台，建立一套系統化、可複製、可規模化的流程，在需求出現時，及時發現、設計並最佳化藥物或治療方案。“我們將逐步建構對生物學的基礎性認知。”哈薩比斯說道，“但願未來可以建立出類似虛擬細胞的模型，精準預測特定干預措施將引發怎樣的生物學變化。”他認為這一目標可能會在十年內實現，而這就引出下一個問題：“個性化治療能夠深入到什麼程度？不妨試想一下，你走進一家藥房，就可以為自身的特定病症做一次表型分析。如此一來，你便能夠精準掌握自身獨有的病情特徵。”這或將成為疾病治療領域的重大突破。哈薩比斯相信，對宇宙的思考，可以幫助理解存在於人體內的生物宇宙。畢竟，“isomorphic” （同構）一詞所指的，正是那些表象不同但結構相似的存在。與哈薩比斯交談後，我走向倫敦大學學院天文台那架建於1862年的弗萊望遠鏡。透過目鏡，我看到了土星。一束光從那顆行星傳到地球大約需要95分鐘。如此清晰地目睹這般遙遠的天體，讓人感到一種超現實的震撼。“宇宙的構造似乎就是為了迎接科學的探索。”哈薩比斯曾經這樣說道，“我甚至覺得，宇宙渴望被人類理解。不然科學方法何以如此奏效，又如此具有可重複性？暫且拋開人工智慧不談。電腦為何能夠正常運轉？說到底，它們不過是由沙粒、金屬和游離的電子拼湊而成的物件。可偏偏就是這些東西，催生出了不可思議的奇蹟。”（財富FORTUNE）

OpenAI剛用Deep Research搶了先手，Google直接掀桌！DeepMind祭出研究智能體雙殺，Max版質量評分從66.1%暴拉到93.3%，知識工作自動化的軍備競賽正式進入貼身肉搏。在AI智能體上，Google這次又放出了個大招。4月末，GoogleDeepMind一口氣甩出兩款AI研究智能體。Deep Research（標準版）：追求速度和低延遲，適合即時互動Deep Research Max（增強版）：追求最大詳盡度，用擴展test-timecompute非同步跑後台大任務兩個智能體都基於剛發佈的Gemini 3.1 Pro。GoogleCEO Pichai也親自下場站台。Max版在三個權威基準測試中都拿到了SOTA得分：DeepSearchQA：93.3%，綜合網頁研究能力BrowseComp：85.9%，在網頁上定位難找事實Humanity's Last Exam(HLE)：54.6%，人類最難學科專家級題庫這兩個智能體干的事情很直白：你給一個研究課題，它自己去網上扒資料、分析資料、生成帶圖表的完整報告。標準版處理日常研究任務，Max版專攻重度場景：盡職調查、競品分析、市場研報，那種過去要一個分析師團隊干兩天的活。Max版在DeepSearchQA基準上達到93.3%。什麼概念？去年12月同一項測試，成績是66.1%。四個月，漲了27個百分點！Humanity's Last Exam上也從46.4%拉到54.6%，直接刷新紀錄。有使用者表示日常版本的標準版即可代替日常的文獻研讀。知識工作的自動駕駛時代一個值得玩味的趨勢正在成型：AI研究工具正在從「輔助搜尋」進化成「自主研究」。過去的AI搜尋是你問一句、它答一段。現在的研究智能體是你丟一個課題，它自己跑幾十輪搜尋-分析-驗證循環，最後交一份成品報告。區別就像導航軟體和自動駕駛的距離。Google、OpenAI、Anthropic三家同時押注這個方向。Anthropic的Claude在程式碼智能體上猛攻，OpenAI用Deep Research搶佔研究場景，Google現在帶著93.3%的成績單殺回來。Pichai親自在發佈會上強調93.3%這個數字。他說這是通過增加計算資源達到的。意味著，只需花更多的電，就能得到更準的答案。計算資源成了新的入場券。小公司買不起。獨立顧問付不起。只有大企業才付得起。這不是工具升級。這是商業模式的代際替換。從「摘要機器」升級成企業工作流底座去年12月，Google通過Interactions API向開發者開放了Gemini Deep Research智能體，讓開發者能用上Google最前沿的自主研究能力。今天，Google把它推到下一個台階。Deep Research和Deep Research Max兩款智能體都由Google最強的模型Gemini 3.1 Pro驅動。Deep Research已經不再是一個聰明的「摘要機器」了。它現在是金融、生命科學、市場調研等企業級工作流的底層基礎設施。它的報告本身有獨立價值，但更重要的是——它是更複雜的AI智能體工作流的第一步：深度上下文收集。一次API呼叫，開發者就能觸發一次徹底的研究工作流——史上第一次，把公開網頁資料和你自己的專有資料流融合在一起，輸出一份專業級的、帶完整引用的分析報告。兩款智能體，匹配不同場景Google設計了兩款智能體，對應從直接面向使用者到大規模離線處理的不同需求。Deep Research（標準版）為速度和效率而生。它取代了去年12月的預覽版本，顯著降低了延遲和成本，同時把質量拉得更高。適用場景：需要低延遲的互動式使用者介面。Deep Research Max（增強版）為最大詳盡度和最高品質而生。Max利用擴展的test-timecompute（測試時計算），反覆推理、檢索、精煉最終報告。打通私有資料+原生圖表Deep Research現在可以檢索：公開網頁任意遠端MCP伺服器使用者上傳的檔案連接的檔案儲存或以上任意子集的組合。這套能力是專門為專業人士每天面對的複雜受限資料宇宙設計的。MCP協議支援（最關鍵的一項）你可以通過MCP協議，把Deep Research安全地連接到你自訂的資料和專業資料流——比如金融資料供應商、市場資料供應商。Deep Research支援任意工具定義。這讓它從一個網頁檢索器升級成了能在任意專業資料倉儲裡自主導航的智能智能體。過去分析師吃飯的傢伙（彭博、FactSet、S&PGlobal終端），現在AI可以直接接入、自主查詢、綜合分析。原生圖表與資訊圖Gemini API裡的Deep Research第一次——不再只生成文字，還原生生成高品質的圖表和資訊圖。底層實現用HTML或Nano Banana。動態可視化複雜資料集，直接嵌入分析報告中。過去一個分析師用Tableau/PowerPoint做2小時的圖表，Deep Research Max直接在報告裡原生生成。不用切換工具，不用再折騰對齊。重磅合作夥伴為了讓這項技術在低容錯率的專業領域真正落地，Google正在和金融、生命科學等行業的初創公司和企業密切合作。比如——Google正在與以下三家公司合作設計MCP伺服器：FactSet（華爾街分析師標配終端）S&PGlobal（標普全球評級與資料）PitchBook（私募股權與風險投資資料庫）讓共享客戶可以把金融資料接入Deep Research驅動的工作流，以閃電般的速度調取這些公司各自的海量資料宇宙，實現生產力的階躍式提升。延伸解讀：FactSet+S&P+PitchBook=全球投行、PE、諮詢公司研究素材的三大上游供應商。它們主動把自己的資料接入Google的AI——意味著分析師過去賴以生存的資料訂閱護城河徹底消失。過去你因為能用上這些資料而值錢，現在任何一個企業訂閱了Deep Research都能用上。如何使用即日起，Deep Research和Deep Research Max在Gemini API付費層開啟公開預覽。開發者可以訪問Google官方開發者文件，通過Interactions API開始建構。Deep Research和Deep Research Max很快也會通過GoogleCloud開放給初創公司和企業。Google做好了一個能替代分析師的AI，現在所有企業都可以用API呼叫它。 (新智元)

德米斯·哈薩比斯回憶說，6歲那年，父親曾對他說過一句全世界無數父母都會使用的鼓勵話語——“盡力而為”。但對這個從小就展現出非凡天賦、後來成為全球最重要的人工智慧領軍人物之一的孩子來說，這四個字在他眼中演化出無限可能。2026年2月19日，印度新德里，Google DeepMind首席執行長德米斯·哈薩比斯出席AI Impact峰會。圖片來源：Prakash Singh—Bloomberg/Getty Images他表示：“我這個人有點極端。我會用一種極端且理性的方式去理解這句話。我當時在想：‘怎麼樣才算盡力？我怎麼知道自己已經盡力了？是不是意味著要拼到精疲力竭、直至瀕臨生理極限，才算盡了全力？這不是很符合邏輯嗎？’”哈薩比斯在倫敦出席由Intelligence Squared舉辦的活動上發表了這番言論（有人調侃他的名字可以叫“智慧立方”）。與他同台的是作家塞巴斯蒂安·馬拉比，他剛剛出版了哈薩比斯的傳記《無限機器》（The Infinity Machine）。在被問到為什麼選擇在當時出書時，馬拉比表示：“AI是當今世界最引人注目的變革，而德米斯·哈薩比斯則是這場變革中最值得關注的人物。”“拼盡全力”，那怕耗盡心血，一直是哈薩比斯的人生信條。今年2月在接受《財富》雜誌採訪時，這位Google DeepMind和Isomorphic Labs的聯合創始人透露，他的工作日實際上分成兩段：一段是大多數人熟悉的白天工作時間，另一段則是晚上10點到凌晨4點，用來推進“副線項目”和其他創意靈感。他表示：“我把下棋時的訓練方式（哈薩比斯13歲時就已達到國際象棋大師水平）用在了生活當中。我會非常有條理地從目標反推，拆解成一個個子目標。我覺得這種方法在生活中同樣適用，至少我是這麼做的，而且效果顯著。”不過，他並未選擇全球AI創新聖地矽谷，而是紮根倫敦，這也讓不少人感到意外。畢竟，DeepMind在2014年被Google（Google）收購後，搬到加州山景城似乎是順理成章的下一步。但哈薩比斯不以為然。他認為，如果要更好地平衡AI發展帶來的風險與機遇，全球絕不能只有一個“思想中心”。他表示：“我骨子裡多少有點不服輸。我希望證明我對英國的熱愛，倫敦和英國同樣具備成功潛力。但核心原因在於：我知道這裡有人才。”“我當時就判斷，在DeepMind起步的前四五年關鍵期裡，我們在這個領域幾乎沒有競爭對手。英國擁有大量優秀人才，但他們在美國卻是被忽視的一群人。”“隨著DeepMind以及這裡其他幾家公司陸續取得成功，事實證明，‘深科技’完全可以在矽谷之外蓬勃發展。當然，美國的科技巨頭和風投機構也意識到了這一點，並紛紛進場佈局。如今，很多公司都把歐洲總部設在英國，尤其是倫敦。”哈薩比斯表示，在2010年創立DeepMind時，他就已經堅信AI將成為一種具有顛覆性的技術。他表示：“早在2010年，我們就已經以‘成功’為導向進行規劃，這聽起來很瘋狂，因為當時其實還看不到任何進展。但結果確實如此。而推動這項技術發展的人，不應該只來自美國那塊方圓20英里的地方。AI將影響整個世界，因此，無論是它的用途、部署方式、倫理問題，還是技術本身，都需要一個全球視角。”“我們在倫敦建立了龐大的科研基地，匯聚了數千名研究人員。我們還在附近啟用了一座全新辦公樓，希望能讓這場關於AI的討論更加全球化，這不僅是為了影響Google內部，也是為了引領整個行業。”儘管哈薩比斯曾直言他熱衷於商業競爭（當ChatGPT先於Google Gemini發佈時，他的反應是“這是一場戰爭”），但他內心深處更深層的驅動力仍然是人工智慧在科學探索方面的潛力。他認為，“攻克疾病”和應對氣候危機這些根本性挑戰，正是AI能夠發揮關鍵作用的領域。此外，還有安全問題，尤其是在更高等級的通用人工智慧（AGI）觸手可及的當下。哈薩比斯表示：“我心裡始終有一種揮之不去的緊迫感：有些事遠比商業競爭更重要，那就是如何以安全的方式推動AGI發展，確保它帶來的收益能夠真正大於風險。”他補充道：“我會全力以赴。但現在參與其中的已經不止我們一家，還有五六個領跑者，也包括中國及其研究實驗室。所以接下來幾年，這件事會走向何方，仍然充滿不確定性。”“在理想狀態下，國際社會應當在安全課題以及如何權衡收益與風險等議題上，加強溝通與協作，儘管在當下的地緣政治環境下，這並不容易實現。”在這場長達一個小時的對話接近尾聲時，馬拉比被問到：面對這樣一項艱巨任務，世界是否可以信任哈薩比斯。他表示：“我想我很有發言權。我不僅與他本人交流了30多個小時，還訪談了約100位相關人士，其中甚至包括一些老朋友，他們的孩子和哈薩比斯的孩子在同一所學校。他的價值觀非常端正，這一點我很有信心。他首先希望AI造福社會；其次，他的核心驅動力始終是科學發現。這正是他自始至終的夢想，也是他的本色。” (財富FORTUNE)

【新智元導讀】從攔截彼得·蒂爾、警告馬斯克，到如今公開說「必須有適應能力」，哈薩比斯史詩級轉身：AI安全窗口正在永久關閉，他不再幻想制度，而是賭上全部身家——賭影響力，賭良知，賭自己。最怕AI毀滅人類的人，正在拚命造AI！最相信治理的人，如今親口承認：治理徹底靠不住！最強調安全的DeepMind，也被拖入戰時軍備競賽！就在幾小時前， DeepMind創始人Demis Hassabis哈薩比斯自己親手砸碎了AI安全幻想，從理想主義者徹底轉向現實派。他承認：超級智能可能滅絕人類，卻只能靠自己「搶座上桌」來護航。哈薩比斯，這個曾發誓要用嚴密的制度、法律約束和倫理委員會將AI鎖進籠子裡的人，坐在那個破舊的吊燈下，無奈承認：「安全不再取決於治理結構。即便有董事會，在關鍵時刻，他們也未必會做對的事。」他轉而提出了一個極具現實主義、甚至帶有些許悲劇色彩的新方案：「我必須坐上桌，爭取影響力。」幻想再三破滅，哈薩比斯轉身哈薩比斯不是普通加速派。一般而言，AI領袖通常分為兩派：一派是以OpenAI奧特曼為代表的「加速主義者」，相信技術總能解決技術帶來的問題；另一派是憂心忡忡的「末日預言家」，認為AI可能像核武器一樣導致人類滅絕。但哈薩比斯是一個極其複雜的矛盾體：他是為了阻止末日，才決定親手製造AI。這種近乎悖論的動力源於他極度深邃的焦慮。哈薩比斯對「AI滅絕風險」瞭如指掌，熟悉程度甚至超過了最激進的抗議者。他和DeepMind的另一位聯創Shane Legg，就在一次AI安全的講座上相識。目前，Shane Legg任GoogleDeepMind的首席AGI科學家，擔任AGI安全委員會聯席主席，同時也領隊研究後AGI時代的世界可能是什麼樣子。在「奇點峰會」上，他曾攔截彼得·蒂爾（Peter Thiel），向他兜售關於機器如何超越人類的幻象。他曾當面告訴馬斯克，殖民火星毫無意義，因為如果超級智能是惡意的，它同樣能造出橫跨星際的火箭，火星絕不是人類的避難所。這種焦慮催生了他早期極具英雄主義色彩的「單體治理」（Singleton Scenario）構想——他曾嚴肅地計畫，帶著全球最頂尖的科學家，躲進一個秘密的「地堡」——可能是摩洛哥的沙漠，也可能是某個與世隔絕的孤島。在那裡，他們將像開發曼哈頓計畫一樣，在沒有資本壓力、沒有地緣競爭、沒有世俗干擾的情況下，代表全人類開發出第一個「絕對安全」的超級智能。哈薩比斯被馬斯克背刺？「只要這個世界上只有一隻手握著火種，我們就還能控制火勢。」 這是哈薩比斯最初的邏輯。為了這個邏輯，他在2014年將DeepMind賣給Google時，開出了歷史上最奇葩的收購條件：即使Google付了錢，哈薩比斯依然要在AI安全事務上保持絕對的獨立；設立一個由獨立專家組成的外部委員會來監督整個處理程序；AI的軍事應用將被嚴格禁止。從少年時代起，哈薩比斯就立志要建構強AI。而只有確保其安全性，他才能為畢生的事業找到正當理由。Google收購前不久，哈薩比斯曾提醒DeepMind的研究員候選人，如果簽約加入，就要做好心理準備——最終的終局之戰來臨時，他會進入一個地下基地，實現單體治理的壯舉。2015年，為了落實Google承諾設立的AI監督委員會，DeepMind組織了一場秘密集會，邀請了哲學家和技術專家參加。哈薩比斯邀請馬斯克主持集會，地點設在馬斯克的SpaceX加州總部。但這一招適得其反。這次集會，標誌著哈薩比斯的安全構想開始瓦解。馬斯克聽取了哈薩比斯及其聯合創始人的演示，隨後反其道而行之。他與奧特曼聯手創立了OpenAI。那一刻，哈薩比斯的安全烏托邦就開始死了。失了裡子，還丟面子了考慮到人性，這種局面不可避免。面對鑽木取火般史詩級的AI技術前景，人們並不會凝聚成一個單一的集體。他們爭論不休、相互嫉妒、各自為營。此時，哈薩比斯本可以停下來重新思考。如果「單一主體」的設想過於天真，AI開發者又如何避免一場衝向懸崖的競賽？但哈薩比斯非但沒有停下腳步，反而加速前進。2016年，AlphaGo橫空出世。機器智能超越人類智力的時間表，一下子提前了。為了跟上AI這一進展，哈薩比斯提出了新的想法，希望讓AI服務於人類。他與聯合創始人穆斯塔法·蘇萊曼一起，著手與Google談判，尋求建立一套新的治理保障機制。為了推進這個秘密的「馬里奧計畫」（Project Mario），他聘請了一支頂尖的法律團隊，獲得了外部10億美元的資金承諾，並考慮如果無法獲得對技術的控制權，就讓DeepMind從Google獨立出去。與此同時，蘇萊曼還帶領DeepMind團隊參與了一項幫助英國國家級的急性腎病管理項目。如果能實現AI的獨立治理，又能改善普通英國民眾的健康狀況，哈薩比斯或許就能確信，自己的追求確實是向善的。然而，這兩項努力均以失敗告終。與Google圍繞治理權的拉鋸戰持續了三年，困難重重。而幫助英國國家醫療服務體系的項目，則遭到了隱私保護倡導者的強烈反彈——他們憤怒於一家美國科技巨頭的子公司可能染指患者資料。到2019年，哈薩比斯和DeepMind在這兩條戰線上都已退卻。蘇萊曼最後也離開了DeepMind。ChatGPT致命一擊，GoogleAI狂飆2022年，ChatGPT的爆發，像一顆核彈丟進了哈薩比斯的辦公室。在此之前，哈薩比斯還試圖維持「科學家的優雅」。他帶領團隊開發AlphaFold，破解蛋白質折疊難題，拿下了諾貝爾獎。他認為這是AI服務人類的最高境界：一種純粹的、造福醫療的、可控的科學。但市場不這麼看。當ChatGPT成為歷史上增長最快的應用時，Google慌了，整個矽谷都瘋了。2022年，ChatGPT爆火那天，哈薩比斯在內部定調：現在是戰爭狀態！在這個狀態下，所有之前的安全承諾都變得脆弱不堪：Google開始積極接觸國防部門，試圖將AI賣給五角大樓（曾是哈薩比斯的紅線）。在權力鬥爭中，原本那個「獨立倫理委員會」幾乎隱形。為了追趕GPT-4，DeepMind與Google大腦強行合併，速度取代了嚴謹。哈薩比斯看清了一個殘酷的現實：在AI競賽中，沒有一個非營利的制度能寄生在營利性巨頭的體內。當生存受到威脅，所有的倫理都是奢侈品。哈薩比斯親眼看著自己親手築起來的所有牆，一堵一堵倒掉。他終於承認：「即使有治理委員會，關鍵時刻也可能做錯決定。」真正失控的不是模型，而是人類競賽孤獨的人類守望者現在，哈薩比斯徹底轉向現實主義。他的目標，是爭取到「一張決策桌旁的席位，這樣當安全問題出現時」，他就能參與決定解決方案。「事情不是非黑即白的，尤其是當你面對一項後果未知的技術時，」他告訴記者。「所以你必須有適應能力。你不得不從理想主義者轉變為現實主義者，但希望依然能堅守自己的價值觀。」哈薩比斯對「治理」的徹底祛魅，放棄了制度安全，改為靠個人影響力「搶座上桌」。一邊狂推AlphaFold拿諾貝爾獎、Gemini繼續衝鋒，一邊把希望死死攥在「有良知的人」手裡。更狠的反轉來了：連馬斯克這種曾經最激進的安全派都開始狂踩油門。樂觀派還在喊「對齊技術能解決一切」，可哈薩比斯自己都不信了。制度徹底死了。OpenAI董事會罷免奧特曼，又瞬間被資本力量反殺。他選擇了最無奈的一條路：「讓自己成為權力的一部分。」他現在的安全邏輯是：既然我無法阻止這場競賽，那我就必須贏得這場競賽。我必須留在牌桌上，我必須擁有最高的話語權。這樣，當真正的「奇點」來臨，當那個人類無法理解的決定需要被做出時，至少，坐在那個關鍵位置上的人，是一個從第一天起就對AI心存敬畏的哈薩比斯。他現在只能賭——賭「好人掌權」能救世界。可問題來了：如果AI安全只能靠「好人掌權」，到底是救贖，還是最危險的賭局？AI安全窗口正在永久關閉。超級智能若對齊失敗，造的火箭、殖民的太空，都逃不掉滅頂之災。人類本性早已把統一治理變成永遠的笑話。唯一希望，只剩「有良知的人掌握話語權」這種最脆弱、最危險的方案。哈薩比斯不是唯一改變的人，他只是第一個把殘酷現實說透的人。現在，第37手棋，已經落在我們每個人頭上——你我正在見證的，是一場文明豪賭。 (新智元)

“當下正處於AGI爆發前夜。大量數位化工作將由數以百億計的AI Agent來支撐，而這些Agent將由模型產生的Token支撐運行。”3月16日，阿里巴巴CEO吳泳銘在全員內部信中寫下這句犀利判斷的同時，也宣佈了一個同樣犀利的架構重塑：成立Alibaba Token Hub（ATH）事業群，並將通義實驗室、MaaS業務線、千問事業部、全新曝光的悟空事業部及AI創新部悉數納入麾下，由其本人直接掛帥。這個以“創造Token、輸送Token、應用Token”為使命的新組織，覆蓋了從基礎模型研發、模型服務平台到C端和B端AI應用的完整鏈條。這，也是全球科技巨頭中，第一家徹底摒棄“按產品線劃分”的傳統網際網路邏輯，轉而以“Token流轉”為核心組織原則重構AI版圖的組織重構。三年前，Google做過一件類似的事——將內部競爭多年的Google Brain和DeepMind合併為一個統一組織。18個月後，整合後的團隊不僅交出了驚豔的Gemini 3.0，更直接推動Alphabet市值一度沖上4兆美元，超越蘋果重返全球第二。那麼，阿里能否複製這一“整合-加速-價值重估”的軌跡？01 Token風暴——當AI Agent吞噬一切全球的Token消耗量，正在經歷一場“寒武紀大爆發”。驅動力來自AI Agent。當AI從“聊天”轉向“辦事”，Token消耗結構發生了根本性變化——推理模型每次查詢的Token消耗比普通模型高17倍以上，Agent工作流更是傳統聊天的100倍。2025年10月，GoogleCEO皮查伊在財報電話會上透露，Google每月處理的Token數量已達1.3千兆個，較一年前暴增約130倍。阿里各AI條線的資料，也在說明Token需求端的爆發力。今年1月，阿里雲推出百煉的Coding Plan訂閱服務，因完美契合高頻的Agent和程式設計場景，上線僅兩個月左右，就因需求持續快速暴漲超出了預期，而被迫暫停首購優惠。與此同時，根據去年公佈的資料，百煉MaaS平台的API呼叫量一年增長接近100倍，要知道，這個增長資料還未統計到最近幾個月Agent爆發的階段，可以推測，這將是一個更高數量級的增速；另一方面，在開源生態端，千問模型全球下載量突破10億次，並在OpenRouter全球市場份額中以超12.3%的佔比超越OpenAI和Llama系列。更為大眾熟知的千問App，自去年11月公測起，3個月內月活躍使用者突破2.03億。當Token的生產、分發和消耗都在以百倍速度膨脹，組織架構就必須跟上。過去，阿里的模型團隊、平台團隊和應用團隊分佈在不同業務線，各有各的節奏和優先順序。而ATH的做法是以Token為主線，將這些原本分散的力量整合進同一個組織：通義實驗室負責創造Token，百煉MaaS平台負責輸送Token，千問和悟空事業部負責在C端和B端將Token轉化為使用者價值。如此，團隊之間的協同將更加緊密，從模型到應用每一環都將產生新的化學反應——模型側的效率提升可以即時傳導為平台側的成本最佳化，應用側的需求訊號可以直接回傳指導模型迭代方向。這也解釋了ATH為什麼不叫“AI事業群”或“智能事業群”，而叫“Token Hub”。它精確地描述了這個組織的核心使命：做AI時代的Token中樞。02 DeepMind先例：整合如何釋放AI加速度完成整合，究竟能釋放出多大的能量？大洋彼岸的Google，是一個走完全程的先例。2023年4月，ChatGPT的衝擊波讓Google內部拉響了警報。彼時Google擁有全球最強的AI研究團隊，卻打不出有力的回擊——Google Brain和DeepMind兩支隊伍各自為戰多年，Brain偏向商業化落地，DeepMind專注基礎科研，重疊的研究方向造成資源浪費，而協調成本又拖慢了產品迭代。巨大競爭恐慌下，皮查伊做出了Google AI歷史上最艱難的決定：將長期各自為戰、資源內耗的Google Brain與DeepMind合併，由DeepMind創始人Demis Hassabis統帥。接下來發生的事，成了科技史上組織整合釋放創新動能的經典案例。合併後僅8個月，Gemini 1.0系列模型發佈，次日Alphabet股價漲5.3%。2024年2月，Gemini 1.5以MoE架構突破100萬Token上下文窗口。同年8月，Google以約27億美元的授權協議從Character.AI請回了Transformer共同發明人Noam Shazeer——這位關鍵人才回歸後發現並修復了Gemini的一個深層訓練缺陷，直接促成了Gemini 3的突破。2024年10月，皮查伊再進一步，將Gemini App團隊也併入DeepMind，實現了“模型+應用”的終極合體。這種緊密的反饋循環，直接催生了2025年底至2026年初Gemini 3系列在原生多模態和複雜推理上的全面爆發。到2026年1月，Gemini的市場份額從一年前的約5.7%躍升至2026年1月的21.5%，全球月活使用者達到7.5億。在資本市場，Alphabet在2026年1月8日超越蘋果重返全球市值第二，並於1月12日歷史性地突破4兆美元大關。從合併重組到市值巔峰，耗時不到3年。當下，阿里面對著相似的局面。ATH與Google DeepMind的核心邏輯高度一致：兩者都是在外部強敵環伺和內部協調摩擦的雙重擠壓下，將分散的AI力量收攏到最高層直管的統一組織中。且ATH的整合版本甚至更加領先——Google DeepMind的整合以“實驗室”為核心，先合併研究團隊，再逐步納入應用團隊，前後經歷了約18個月；而由CEO吳泳銘親自掛帥的ATH則一步到位，將模型研發、MaaS平台、C端應用和B端應用全部整合進同一個組織，整合範圍覆蓋了Token的完整生命周期。尤其值得投資者關注的，是首次亮相的悟空事業部——定位B端AI原生工作平台，要將模型能力深度融入企業工作流。有媒體披露，ATH還將監管釘釘和夸克品牌下的裝置（包括智能眼鏡）。當前，釘釘在中國企業市場擁有超過7億使用者，如果悟空事業部能有效利用這一分發基礎，阿里在B端AI應用上的起步位置可能遠遠領先於市場認知。03 邁向AGI時代的最佳陣容拉長時間線看，ATH並非一個突發決策，而是阿里過去兩年AI戰略演進的必然結果。從2023年9月上任三天就確立了“AI驅動”的戰略重心，到2025年2月拋出震撼業界的3800億元人民幣天價資本開支（CAPEX）計畫，再到雲棲大會明確“AGI到ASI”的演進路線，最後到今天ATH事業群的落地，吳泳銘領導下的阿里，打出了一個極其清晰的“戰略宣言→資本配置→組織重塑”的閉環。在AI Agent浪潮席捲而來之際，阿里已經率先完成了從“單點技術比拚”向“模型、平台、應用協同作戰”的陣型切換。然而，商業世界沒有無風險的坦途。ATH能否真正成為阿里的“DeepMind時刻”，仍取決於三個核心變數：第一，能否持續吸引人才；第二，大模型的迭代速度，能否跟上這台龐大組織機器運轉的節奏；第三，被寄予厚望的悟空事業部，能否在B端真正跑通AI原生工作流的商業化閉環。如果參考Google DeepMind的“18個月效應”，市場大機率將在2027年年中之前，看到ATH重組帶來的第一波決定性成果。而短期的試金石近在眼前——3月19日的財報，將直接檢驗阿里雲連續9季度三位數增長的AI營收能否延續，以及華爾街普遍給出的200美金以上的目標價是否具備堅實的業績支撐。對阿里巴巴而言，這已經是其目前能排出的、邁向AGI時代的最佳陣容。而對整個中國乃至全球的AI產業而言，ATH的成立宣告了一個殘酷的事實：當AI戰爭從 “模型軍備競賽”正式進入“Token供應鏈之爭”，誰能率先完成從底層算力到頂層應用的全鏈條整合，誰，或許就握住了下一個十年的定價權。 (華爾街見聞)