GoogleDeepMind CEO：Google已回歸創業狀態，中國大模型只比美國差幾個月！

“規模定律的進展非常好，依然值得投入。”

“世界模型和LLM最終會融合。”

“AGI會在5到10年內實現，未來能源將會成為智能的貨幣。”

“中國大模型相比美國前沿模型只落後幾個月，但問題不在於追趕，而在於他們能否發明Transformer那樣的突破性範式。”

在CNBC最新推出的訪談節目《科技下載》中，Google Deepmid CEO Demis Hassabis 針對時下熱議的AGI路線圖、Scaling Law、中美模型差距、AI泡沫等問題，發表了不少關鍵判斷。

一上來，Demis就乾脆利落地否認了“Scaling Law撞牆”的問題，他的判斷是規模定律的整體發展依然非常好，儘管相比前兩三年速度有所放緩，但回報依然很可觀，值得繼續投入。

不過，他也重複了之前在其他場合發表過的觀點：要達到AGI，不能只靠Scaling Law，還需要1-2個像Transformer那樣的重大範式突破。

Demis依然堅持自己之前對AGI時間的判斷——5到10年。這是一個並不激進的估計，他也自稱是一個AI的“謹慎樂觀主義者”。

有意思的是，Demis也發表了和馬斯克類似的觀點：由於晶片極度短缺，AI的算力問題最終都會歸結能源問題，因此未來能源將成為“智能的貨幣”。

關於中美之間大模型能力的差距，Demis 認為中國團隊追趕的速度非常快，現在這一差距已經縮短到只有幾個月。但Demis也稍微潑了盆冷水——他指出，真正的問題不在於追趕，而在於中國能否發明像Transformer那樣的範式創新，而他目前並沒有看到明確跡象。

在與OpenAI、Anthropic等頂級AI巨頭的競爭中，Demis承認Google的商業化和規模化比對手起步晚一些，但他們現在已經回到了創業公司狀態，Deepmind的組織重整也使得他們能夠迅速迭代Gemini模型能力，新模型幾乎當天或第二天就能快速落地到Google的核心產品中。

此外，端側AI也是Google下一步將要發力的重點。Demis表示個人非常看好“邊緣計算”方向，也就是更高效、更輕量的模型運行在手機、可穿戴裝置等終端上。他透露，Google將會發力智能眼鏡。據此前報導，Google與中國創企XREAL將合作發佈有線XR眼鏡，項目名為Project Aura，將於2026年推出。

關於2026年可能出現的重大突破，Demis認為具備更高自主性的 agent 系統將變得足夠可靠，真正開始發揮實用價值。同時他也預告了與Gemini Robotics的合作，機器人領域在未來 12 到 18 個月也會出現非常有意思的進展。

以下是整期播客的全文，有刪減和適當潤色：

規模定律的回報依然很可觀 通往AGI還需要一兩個重大創新

Arjun：
我想先從技術本身聊起。我們一直在談論 AI，以及它的能力如何持續提升。圍繞所謂的“規模定律”也有很多爭論。簡單來說，就是更多算力、更多資料、更大的模型，是否必然會帶來更強的系統。你之前說過，我們需要把規模定律推到極限。但現在也有人在問，我們是不是正在撞上某種“天花板”，這些模型的進步是否正在放緩？從你在 DeepMind 的研發經驗來看，你們觀察到了什麼？

Demis：
我認為規模定律總體上仍然進展得非常好。只要投入更多算力、更多資料，把模型做得更大，我們確實能看到能力的持續提升。當然，這種提升的速度可能不像兩三年前那麼快了，所以大家會談到“邊際收益遞減”。但“遞減”和“沒有收益”是完全不同的概念。我覺得我們現在處在兩者之間——回報依然非常可觀，值得繼續投入。
與此同時，如果從“通向 AGI”這個目標來看，可能還需要一兩個關鍵性的重大創新，不能只靠把現有方法不斷放大。

Arjun：
我們一會兒會詳細談 AGI。但在你看來，現在到底缺了什麼？

Demis：
如果你玩過各種聊天機器人，就會發現它們在某些方面非常厲害，但在其他方面卻完全不行。我把這種狀態稱為“參差不齊的智能”（jagged intelligence）。它們在某些任務上表現驚人，但換一種提問方式，或者換一個場景，就會暴露明顯缺陷，甚至連一些看起來很簡單的事情都做不好。
真正的通用智能不應該有這種不一致性。除此之外，現有系統還存在很多根本性限制，比如：它們無法持續線上學習，不能在使用過程中真正學會新知識；也很難真正產生原創性的想法。因此，如果要實現通用智能，還有不少關鍵能力是當下系統所缺失的。

Arjun：
那要解鎖這些“真正智能的系統”，關鍵突破點可能是什麼？我之前和 Hugging Face 的聯合創始人 Thomas Wolf 聊過，他的看法是：LLM 很擅長回答問題、總結資訊，但真正缺失的是“提出全新想法”的能力。尤其是在科學領域，比如提出新的藥物機制、新的疾病假說，LLM 似乎還無法產生那種“諾貝爾獎等級”的原創思想。你怎麼看？是不是需要一種全新的架構？

Demis：
這正是我畢生投入 AI 研究的原因之一。我始終認為，AI 最終會成為科學的終極工具。我們已經通過 AlphaFold 等成果證明了這一點。但問題是：AI 能不能自己提出一個全新的科學假設，而不僅僅是解決一個已經被人類提出的問題？
到目前為止，它們做不到。它們缺乏某些關鍵能力。我認為這可能涉及更長期的規劃能力、更強的推理能力，以及一個非常重要的概念——“世界模型”。也就是說，系統需要真正理解世界的運行方式，能夠在“腦中”模擬世界、驗證假設。頂尖的人類科學家正是這樣工作的，而目前的 AI 還遠遠達不到。

世界模型和LLM最終會融合

Arjun：
“世界模型”這個概念最近經常被提到，但很多人可能並不清楚它到底指什麼。你能解釋一下它和 LLM 的區別嗎？

Demis：
目前的 LLM，主要還是以文字為核心。即便像 Gemini 這樣的基礎模型，已經可以處理圖像、視訊和音訊，多模態能力也在增強，但它們並不真正理解世界的物理規律和因果關係。
世界模型關注的是：一個事物如何影響另一個事物？如果我做了某個決策，長期後果會是什麼？能不能把未來“推演”出來？如果你想真正理解世界，甚至發明新事物、提出新的科學理論，就必須擁有這種對現實世界的內部建模能力，從直覺物理一直延伸到生物學、經濟學等複雜系統。

Arjun：
那在你設想的 AGI 形態中，會是 LLM 和世界模型的結合，還是世界模型最終會取代 LLM？

Demis：
我更傾向於認為它們會融合。像 Gemini 這樣的基礎模型，幾乎肯定會成為 AGI 的核心組成部分，這一點我非常有信心，這也是我們為什麼要儘可能把這些系統做大、做強。但問題在於：它們是否“足夠”？我懷疑還需要其他類型的技術和能力。
我們在做的 Genie、以及視訊生成模型 Veo，可以被看作是早期、胚胎階段的世界模型。如果一個系統能夠生成高度真實的世界場景，那在某種意義上，它就必須理解這個世界，否則它無法生成。

AGI在5到10年內實現能源會成為智能的貨幣

Arjun：
你之前提到，AGI 可能在 5 到 10 年內實現。經歷了 2025 年這麼多突破之後，你還堅持這個判斷嗎？

Demis：
是的。我認為我們仍然在這條時間線上。2010 年創立 DeepMind 時，我們就把 AGI 視為一個大約 20 年的長期目標。現在回頭看，我覺得我們距離具備真正創新、規劃、推理等能力的系統，大概還有 5 到 10 年。這本身就非常驚人。

Arjun：
在實現 AGI 的過程中，有那些現實瓶頸？比如算力、晶片、能源問題？

Demis：
限制很多。晶片永遠不夠，算力需求遠遠超過供應，而算力最終都歸結為能源問題。未來，能源幾乎會成為“智能的貨幣”。
不過有趣的是，AI 本身也能幫助解決這些問題，比如提升基礎設施效率、設計更好的太陽能材料，甚至推動核聚變研究。我們和 Commonwealth Fusion 有合作，用 AI 幫助電漿體控制。我個人也很關注一個問題：能否用 AI 找到室溫超導材料？
此外，模型本身的效率也在飛速提升。通過蒸餾等技術，小模型可以繼承大模型的能力，實現性能與能耗的大幅最佳化，單位功耗下的智能水平持續提升。

Arjun：
AGI 聽起來很美好，但也伴隨著大量擔憂，比如對就業、社會結構的衝擊。你怎麼看這些風險？

Demis：
我堅信 AI 總體上會成為人類歷史上最有益的技術之一，但這並非自動發生。它是一種“雙刃劍”。經濟層面的衝擊可能類似工業革命，但速度更快、規模更大，我們可能需要新的經濟體系來應對。
另一個風險是濫用——壞人利用 AI 做壞事。再一個風險是，當 AI 變得越來越自主，具備代理能力時，我們如何確保它們始終按照人類意圖行事，而不會出現失控行為。

Arjun：
那你有信心自己正在開發的系統是可控的嗎？

Demis：
我們對此非常重視。自 2010 年起，我們就在安全、責任和可控性上投入大量精力。我們一直假設：如果成功，系統一定會非常強大，因此必須提前考慮風險。當然，犯錯在所難免，但我自認為是一個“謹慎的樂觀主義者”。只要給予足夠時間和嚴肅對待，我相信人類最終能把這件事做對，但前提是，我們不能閉著眼睛狂奔。

Arjun：
像 Bengio、Tegmark 這些人呼籲放慢 AGI 的發展節奏，更多聚焦工具型 AI。你同意這種觀點嗎？

Demis：
我理解他們的擔憂，也部分贊同。從科學工具的角度出發，是一條非常合理的路徑。但現實世界存在競爭和博弈，不只是科學問題，還有地緣政治和商業因素。在這種情況下，我們能做的，是在保持技術前沿的同時，儘可能負責任、儘可能謹慎。我希望 DeepMind 能在這方面成為一個好的示範。

一件趣事：Demis是從遊戲行業起步的

Arjun：
你在創立 DeepMind、投身這項使命時，一直都非常相信這項技術。但在你的職業生涯中，有沒有那一刻曾經懷疑過：我們真的應該做這件事嗎？

Demis：
當你真正意識到這項技術的潛力時，我反而覺得，如果沒有像 AI 這樣具有變革性的技術出現，人類社會可能更難應對當下的諸多挑戰。氣候變化、貧困、飲用水獲取、健康、老齡化、人口問題、疾病、能源——這些都是極其嚴峻的問題。
從某種角度看，AI 本身確實也是一個巨大的挑戰，甚至可能是最大的挑戰之一，但它同時也是幫助我們應對、解決這些宏大問題的關鍵工具。這正是它的“雙刃劍”屬性。我一直相信，AI 最終會成為人類發明過的最重要的技術之一，它本身也是電腦時代自然演進的一部分。

Arjun：
插一句題外話，你最早其實是從遊戲行業起步的，對吧？你參與開發過《Theme Park》，那是一款非常經典的遊戲。你現在還玩遊戲嗎？

Demis：
當然，我非常喜歡遊戲，這算是我的長期愛好。現在我會和兩個兒子以及我的兄弟一起玩《英雄聯盟》，我們有一個固定的小隊，這是從疫情封鎖時期開始的。我也喜歡各種形式的遊戲，不管是足球，還是電子遊戲。

Arjun：
在你這樣高強度、高壓力的崗位上，遊戲算是一种放松方式嗎？

Demis：
是的，毫無疑問。而且在過去，遊戲對我來說也是一種非常重要的創造性實踐。我最初學習程式設計，以及很多技術能力，都是通過做遊戲學會的。

承認Google在商業化方面起步慢一些現已回到創業公司狀態

Arjun：
現在這個領域有 OpenAI、Anthropic，還有很多頂級 AI 實驗室，競爭極其激烈。Gemini 3 的市場反饋非常好，但在 2025 年的某個階段，外界一度質疑 Google 是否還能在 AI 競爭中保持領先。你如何評估當下的競爭環境？

Demis：
目前的競爭環境可以說是極其殘酷。很多在科技行業幹了二三十年的人都告訴我，這是他們見過最激烈的一次競爭，可能是整個科技史上最激烈的。
幾乎所有最強的參與者——無論是科技巨頭，還是最優秀的創業公司，都已經全力投入到這個領域。因為大家都已經意識到，這是最重要的一項技術，這一點我們其實 20 多年前就已經看清了。所以競爭激烈是必然的。
從個人角度來說，我並不排斥競爭。我小時候就是英國青少年國際象棋隊成員，在競爭環境中長大。某種程度上，我甚至享受競爭。但與此同時，我始終提醒自己：比公司之間、國家之間的競爭更重要的，是如何為全人類妥善“託管”AGI 的發展。這一點，應該時刻放在所有 AI 實驗室領導者的心中。

Arjun：
在外界質疑 Google AI 戰略的那段時間，你們內部有沒有做出什麼不同的調整？

Demis：
如果回顧過去十年，其實 Google Brain 和 DeepMind 發明了當今大約 90% 被廣泛使用的核心 AI 技術，比如 Transformer 架構，或者 AlphaGo 推動的大規模強化學習。但我們確實在商業化和規模化方面走得相對慢了一些，這一點 OpenAI 等公司做得非常出色。
過去兩三年，我們基本上回到了創業公司的狀態，變得更敏捷、更快、更敢於快速發佈產品。你現在看到的 Gemini 系列，尤其是 Gemini 3，是這一轉變的集中體現，也讓我們重新回到了我們認為自己應當處於的位置。

Arjun：
你有信心能長期保持這種領先地位嗎？

Demis：
是的，我有信心。

中國模型相比美國只落後幾個月

Arjun：
在激烈競爭之外，另一個被頻繁討論的話題是 AI 泡沫。大量公司估值飛漲，融資規模驚人，科技巨頭在基礎設施上投入數千億美元，但有些公司幾乎還沒有成熟產品或盈利能力。你怎麼看“AI 是否存在金融泡沫”這個問題？

Demis：
我不認為這是一個非黑即白的問題。某些領域、某些細分市場，可能確實存在泡沫；而另一些則未必。AI 註定會成為人類歷史上最具變革性的技術，這一點是基本面。
這有點像當年的網際網路泡沫：泡沫確實存在，但網際網路本身無比重要，也在那段時期誕生了一批真正的偉大公司。過度興奮幾乎是不可避免的，之後也可能會經歷一輪“清算”，真正有價值的東西會存活下來。
在我看來，風險最大的可能是在某些私募市場，出現了動輒數十億美元、但產品幾乎尚不存在的融資案例，這在長期來看並不健康。但從我的角度出發，作為 Google DeepMind 的負責人，我並不會過度擔心泡沫本身，而是要確保無論市場怎麼走，我們都處在一個能夠“贏”的位置。

Arjun：
如果市場真的出現調整，你有信心 Google DeepMind 能扛得住嗎？

Demis：
當然。這正是 Google 強大資產負債表和產品生態的意義所在。我們擁有幾十個使用者規模達數十億的產品，AI 能夠自然地嵌入其中，無論是 Gmail、Workspace，還是 Gemini 應用。

Arjun：
除了競爭和資本，還有一個重要變數是地緣政治，尤其是中美之間的技術競爭。此前有人低估了中國在 AI 領域的能力，但 DeepSeek 以及阿里巴巴的一些開源模型顯然改變了這種看法。中國並沒有出局，對吧？

Demis：
完全沒有。我甚至認為，中國現在距離美國和西方的前沿模型，比一兩年前我們想像的要近得多，可能只落後幾個月。中國有非常強的團隊，比如你提到的 DeepSeek 和阿里巴巴。
真正的問題在於，他們是否能做出“超越前沿”的原創性突破，而不僅僅是追趕。追趕他們已經證明自己做得到，但是否能發明像 Transformer 那樣的新範式，目前我還沒有看到明確證據。

Arjun：
這種原創性突破是否會受到先進晶片獲取受限的影響？

Demis：
我認為更多是“科研文化和心態”的問題。真正的前沿實驗室，需要鼓勵探索性創新，而不僅僅是把已知的方法不斷規模化。發明一項全新技術，難度往往是複製它的一百倍。這也是我認為下一個真正的分水嶺，但目前還很難看到明確跡象。

個人看好端側AI的發展Google將發力智能眼鏡

Arjun：
很多人其實低估了 Google 的 AI 能力有多大程度來自 DeepMind，以及你和你的團隊。外界一直很好奇你們是如何與 Google 協作的。Sundar Pichai 會不會有一天直接給你打電話，說：“Demis，我們需要做一個東西，比如 Gemini，或者某個 AI 產品，你們能不能把它做出來？”你們之間的合作關係到底是怎樣的？

Demis：
在過去三年裡，我們已經把所有力量整合到一個統一的實體中，也就是現在的 Google DeepMind。它融合了 Google Research、Google Brain 和原本的 DeepMind，而我負責整體運作。你可以把它理解為 Google 的“AI 引擎室”。
所有核心 AI 技術都在這裡誕生，然後被擴散到 Google 的各類產品中。過去幾年，我們不僅在做模型本身，也在重新架構整個 Google 的技術基礎設施，讓這些模型可以被極快地部署上線。現在，當我們發佈一個新的 Gemini 模型，幾乎當天或第二天就能在搜尋等核心產品中落地。
我認為從 Gemini 2.5 開始，我們真正進入了節奏狀態。過去一年，這套流程已經變得非常順暢，未來 12 個月你會看到更多這樣的成果。Sundar 和我幾乎每天都會討論戰略問題，包括技術方向以及 Google 整體的需求，然後在不偏離長期目標（即安全、快速地邁向 AGI）的前提下，不斷動態調整路線圖。

Arjun：
所以我們可以預期，因為這種關係上的變化，Google 旗下會更頻繁地推出新的 AI 能力，並快速鋪開到整個產品體系中？

Demis：
是的，完全正確。現在的迭代回路非常緊密，而且我們在同一套技術堆疊上協同工作。

Arjun：
你們的技術不僅進入 Google 自己的產品，也被用在像三星這樣的合作夥伴裝置上，比如智慧型手機裡的 AI 功能。

Demis：
沒錯。我們和很多合作夥伴都有深入合作，我們也很自豪這些夥伴選擇了我們的技術，因為他們看到了它的能力。
在裝置端，我個人非常看好“邊緣計算”的方向，也就是更高效、更輕量的模型運行在手機、可穿戴裝置等終端上。除了手機，我們也在探索新的裝置形態，比如智能眼鏡。
Google 在智能眼鏡上探索了很多年，而我認為現在終於出現了“殺手級應用”——也就是一個真正有用的通用 AI 助手，能夠在日常生活中持續地幫助你。我相信所有大型硬體廠商都會對這一方向非常感興趣。

Arjun：
我們時間不多了，但我還想回到一個歷史節點。2014 年 Google 收購 DeepMind 時，我剛入行做科技記者，當時這是一筆大約 4 億英鎊的交易。很多人並不理解你們在做什麼，也不明白 Google 為什麼要收購這家英國公司。你現在回頭看，會不會想過：如果當時保持獨立會不會更好？還是你對今天的結果感到滿意？

Demis：
這件事其實很有意思。當時的搜尋負責人 Alan Eustace 負責推進這筆交易，Larry Page 作為 CEO 親自支援。我當時就對 Alan 說過，這會是 Google 歷史上最重要的一次收購——考慮到 Google 之前收購過 YouTube、AdWords，這句話份量不輕。
但我很清楚 AI 會變得多麼重要，也非常清楚它和 Google“組織世界資訊”的使命是天然契合的。還有什麼工具比 AI 更適合理解和組織資訊呢？
當然，從商業角度看，DeepMind 今天的價值可能已經是當年交易價的百倍、千倍。但當時我最關心的是回到科學本身，推動仍處於早期階段的研究。必須承認，Google，尤其是 Larry，是當時極少數真正理解這項技術未來潛力的公司。如果沒有他們的支援和算力資源，就不會有 AlphaGo、AlphaFold 以及我們後來在科學領域取得的一系列成果。所以我完全沒有任何遺憾。

Agent會是2026年最重要的突破

Arjun：
現在科技 CEO、AI CEO 幾乎成了新時代的“搖滾明星”。我最近在歐洲看到輝達 CEO 黃仁勳被人群追著走。他也提到你們經常交流，還高度評價了你們的新圖像生成工具。你們通常會聊些什麼？

Demis：
Jensen 非常了不起，是一位真正的先驅。我也非常佩服他三十年來始終堅持自己的願景。事實上，我在 90 年代做遊戲時就開始使用 GPU，寫圖形和物理引擎，如今回頭看，這些當年為遊戲推動的硬體，反而成了 AI 的關鍵基礎設施，很有意思。
我們更多討論的是 AI 在科學領域的應用。AlphaFold 當初就是在 GPU 上訓練的，他非常喜歡 AlphaFold 以及我們在藥物發現方面的工作。

Arjun：
雖然很多資料中心使用輝達的系統，但 Google 也有自己的 TPU。你們之間是一種競爭還是合作關係？

Demis：
我們很幸運，兩者都有。TPU 是我們內部訓練最強模型的重要工具，而且我們發現，很多頂級 AI 團隊也對 TPU 有很大需求，因為它們專為大模型訓練和服務而設計。
GPU 更通用，適合探索新架構或新應用；而當你要把成熟方案推到極致規模時，定製晶片的效率優勢就非常明顯。所以能同時擁有 GPU 和 TPU，是一種巨大的優勢。

Arjun：
展望未來，你一直強調 AI 在科學領域的潛力，尤其是新藥發現、新疾病研究。你們也有 Isomorphic Labs。我們現在走到那一步了？

Demis：
我最常提到的例子仍然是 AlphaFold，這是目前 AI 用於科學最成功的案例之一。它解決了蛋白質折疊這個困擾科學界 50 年的難題，全球已有超過 300 萬研究人員在使用它。
我希望未來能看到十幾個“AlphaFold 等級”的項目，每一個都徹底改變一個科學或數學領域。我們正在材料科學、物理、數學、天氣預測等方向推進類似項目。如果 AI 發展順利，並被正確使用，未來十年可能會開啟一個全新的科學發現黃金時代。

Arjun：
最後一個問題。你覺得 2026 年 AI 領域最重要的突破會是什麼？

Demis：
我認為具備更高自主性的 agent 系統將變得足夠可靠，真正開始發揮實用價值。機器人領域在未來 12 到 18 個月也會出現非常有意思的進展，我們正在和 Gemini Robotics 推進一些極具野心的項目。
此外，AI 在終端裝置上的實用性會顯著提升。而我個人最期待的，是世界模型的進一步突破，讓它們足夠高效，能夠真正用於規劃，並融入通用模型之中。 (51CTO技術堆疊)