北京
DeepMind 掌門人 Demis Hassabis 關于 AGI 的分享，為AI 創業者給了一個新的思考方向。行業此前沉迷大模型參數競賽，卻忽略了 AI 對物理世界的認知短板，而 Hassabis 提出的 “世界模型 + 自動實驗” 雙輪驅動，恰恰點破了 AGI 落地的核心痛點。
更具有啟發的觀點是：與其在通用大模型賽道內卷，不如聚焦垂直領域的 “小閉環”。比如 DeepMind 用 Veo、Genie 讓 AI 理解物理規律，用自動實驗室突破材料研發，這種 “先解決具體場景問題，再沉淀通用能力” 的思路，正是中小創業公司的機會所在。
而 “科研閉環” 理念 ——AI 從提問到驗證再到迭代的自主能力，這不僅是技術方向，更是商業模式的新可能。或許不必追求像 DeepMind 般的宏大敘事，但完全可以在醫療檢測、新材料篩選等垂直場景，搭建輕量化的 “虛擬模擬 + 實體驗證” 閉環，這才是當下更務實的破局點。
這條不靠參數堆砌、重在智能重構的道路，是否可以重塑了AGI的實現路徑？人類與AI共同探索的未來又將是什么樣？以下，Enjoy：
來源 | AI 深度研究員
（谷歌DeepMind 播客年終篇 Demis Hassabis 訪談精華）
2025 年 12 月 16 日，Google DeepMind 播客更新了這一季的最后一期。對話 Demis Hassabis，全長超過 50 分鐘。
不是發布會，也不是復盤產品。
開場一句就定了基調：別只盯著產品發布（look beyond the product launches）。聊的是未來十年最根本的兩件事。
Hassabis說，通往 AGI 得先把兩件事做成：
一件叫世界模型，讓 AI 真正理解物理與空間；
一件叫自動實驗，讓 AI 能動手解決材料、聚變這些基礎問題。
但更重要的是，這兩件事必須連起來，形成一個完整的科研閉環：AI 能自己提問、自己驗證、自己迭代。
Hassabis 認為，AGI 不是生成模型的終點，而是科研閉環的起點。
01世界模型：AI 不止理解句子，還得看懂世界
Hassabis 說，世界模型一直是他的核心關注點。這不是新想法，但到了2025年，不做不行了。
過去幾年，語言模型會寫、會答、會總結，看起來無所不能。Hassabis承認，語言包含的世界信息比預期多，甚至比語言學家想象的都多。但他指出一個矛盾：這些模型可以在國際數學奧林匹克拿金牌，卻會在小學幾何題上出錯；它能生成驚艷圖像，卻不理解杯子為什么不會飄在空中。
問題出在哪？它們沒有世界模型。
所謂世界模型，就是 AI 對物理現實的直覺理解能力，比如什么能倒、什么會動、東西會以什么方式變化，空間是怎么構成的，時間是怎么推移的。
更關鍵的是，很多東西根本無法用語言描述：傳感器數據、電機角度、氣味、觸感。人類從小就靠身體學會這些，但語言模型只讀過書、沒接觸過物理世界。
DeepMind 的解決方案是幾個產品：
Veo：理解視頻里的運動、液體流動、光線變化
Genie：憑空生成可互動的游戲世界，帶空間結構和物理反饋
Sima：讓AI化身在虛擬環境中執行任務，練出感知、行動、反應的能力鏈條
Genie 和 Sima 可以互相作用。Genie生成世界，Sima在里面探索，兩個 AI 形成訓練閉環。這可能讓 AI 自動設置任務、解決任務，難度不斷遞增，無需人類介入。這是繼 AlphaGo 之后，DeepMind 第二次嘗試讓 AI 自我進化。
但 Hassabis 也承認，這些模型目前只是“看起來真實”。
如果用牛頓三定律測試，會發現它們只是近似。對于機器人來說，這個精度還不夠。DeepMind正在用游戲引擎創建物理基準，像做高中物理實驗一樣，測試 AI 是否真的理解了世界的運行規律。
如果你能模擬這個世界，那就說明你真的理解了它。
這也解釋了為什么世界模型是 AGI 的前置條件。AGI 的目標不是更好的 chatbot，而是能在物理世界中行動的智能體。
從機器人到 AR 助手，再到終極游戲，所有這些都需要 AI 先理解物理世界如何運作。
簡單說，世界模型是 AI 走出純數字空間的必經之路。
02自動實驗：AI 不只說得像，更要動手做
語言模型能講故事，世界模型能構建環境，但真正讓 AI 參與現實的那一步，是實驗。
Hassabis 說，我們做 AlphaFold 的時候，就想證明一件事：AI 不只是工具，它可以成為真正的科研參與者。
現在，DeepMind 正在把這件事做大。
（CNBC：在英國，DeepMind成立首個全自動化實驗室）
2025 年 12 月 10 日，DeepMind 與英國政府達成合作，要在 2026 年建立DeepMind的第一個全自動化科學實驗室。這是一臺從頭設計、完全集成Gemini的科研引擎。它每天能合成并測試數百種材料，由多學科研究團隊監督，但實驗的執行、數據分析、方向調整，主要由 AI 和機器人完成。
研究方向集中在幾塊硬骨頭：
更高效的電池材料
室溫超導體
新一代低損耗半導體
這些都不是模型生成個答案能解決的事，而是真要走進實驗室、接觸物質、試錯迭代。
和 AlphaFold 比，差別在哪？
AlphaFold 證明了AI可以預測，它用算力窮盡蛋白質的可能折疊方式，輸出的是數字答案。
自動實驗室要證明的是AI可以驗證，它要真的合成物質、測量性能、發現問題、改進配方。前者是數字世界的突破，后者是物理世界的突破。
Hassabis 表示，這一步的意義不止是提效，更是讓 AI 真正進入科學的內部流程。過去，AI 輔助的是科研周邊工作：文獻總結、圖像識別、數據標注?，F在，它開始參與假設提出、實驗設計、數據驗證，甚至能反過來修正最初的研究思路。
材料科學是最適合做這件事的領域。
因為它既需要大量試錯（一個新材料配方可能要測試幾千次），又有明確驗證標準（測一下電阻、強度、熔點就知道行不行）。這讓 AI 的自主實驗成為可能。
速度是關鍵。Hassabis 提到的室溫超導體、聚變材料，都是困擾人類幾十年的問題。不是因為理論不夠，而是因為試錯太慢。如果 AI 能把材料篩選速度提升100倍，那能源革命可能真的只需要10年。
除了自動實驗室，DeepMind 還在與美國核聚變技術研發商 Commonwealth Fusion Systems 合作，用 AI 幫助控制托卡馬克反應堆中的等離子體。這是核聚變商業化的最后一道坎。
用 Hassabis 的話說：AGI 的前提不是更聰明，而是更能動手。
03閉環是關鍵：AI 要能自己提問、動手、再推理
前兩節講的是兩件事：世界模型讓 AI 看懂世界，自動實驗讓 AI 動手驗證。但真正讓 AGI 變得可能的，不是它們各自有多強，而是它們能不能連起來，跑通一個完整的認知閉環。
Hassabis 的原話是：我們過去在訓練回答者，現在要訓練研究者。
什么意思？
關鍵在于如何讓感知和行動形成循環。DeepMind的做法是：把第一節提到的Genie和Sima連接起來。
Genie 根據需要即時生成場景（比如重力變化、摩擦力變化的環境）
Sima 在里面完成挑戰（搬箱子、避障、尋找目標）
任務失敗或成功，都成為 AI 自我學習的材料。兩個AI在彼此的思維中互動，卻不知道對方是誰。Genie 不知道 Sima 是另一個AI，它只是把Sima當成玩家。Sima也不知道世界是AI創造的，它只是在完成任務。
這創造了一個可能無限擴展的訓練循環：Sima 想學什么，Genie 就能即時創造什么。你可以自動設置和解決數百萬個任務，難度不斷遞增，完全不需要人類介入。
如果把這個循環抽象出來，你會看到一個完整的科研流程：
提出問題（要解決什么？）
生成場景（在哪種條件下測試？）
執行任務（模擬、行動、實驗）
整理反饋（數據、結論、優化）
再提出更好的問題（迭代進入下一輪）
這個過程，過去只有科學家在做?，F在，AI 開始具備類似能力。
這個循環不只是為了訓練更好的模型。Hassabis 提到，同樣的技術可以用來創造更智能的游戲 NPC，也可以用來訓練機器人。因為機器人需要的能力和游戲智能體高度重疊：感知環境、規劃路徑、執行動作、從失敗中學習。
Genie+Sima 形成的虛擬閉環，和第二節提到的自動實驗室，構成了兩個平行的自主研究系統：一個在數字世界跑通邏輯，一個在物理世界驗證假設。
所以 AGI 不只是一個更大的模型，而是一個能自己生成任務、動手驗證、推理更新的智能體。
簡單說，它必須能像研究者那樣工作。
結語AGI 的門口，不在參數里
Hassabis 給出的這條通往 AGI 的路線，不靠更大模型，也不靠更強算力，而是靠 AI 真正“理解世界”和“改變世界”的能力。
世界模型是基礎，讓 AI 看清因果；
自動實驗是手段，讓 AI 驗證認知。
這不是模型優化，而是智能的重構。
未來，AI 會自己提問、自己試驗、自己修正。到那時，我們對知識、科學甚至思維的定義，可能都得重新寫一遍。
識自AI
本文由AI深度研究院出品，內容整理自 Demis Hassabis 在 Google DeepMind 播客的訪談等網上公開素材，屬翻譯分析性質。內容為翻譯整理與觀點提煉，未經授權，不得轉載。
https://www.youtube.com/watch?v=PqVbypvxDto&t=3s
https://x.com/GoogleDeepMind/status/2000985655715807599
https://deepmind.google/blog/strengthening-our-partnership-with-the-uk-government-to-support-prosperity-and-security-in-the-ai-era/?referrer=grok.com
https://www.cnbc.com/2025/12/11/googles-ai-unit-deepmind-announces-uk-automated-research-lab.html
來源：官方媒體/網絡新聞，
排版：Atlas
編輯：深思
主編：圖靈
特別聲明：以上內容(如有圖片或視頻亦包括在內)為自媒體平臺“網易號”用戶上傳并發布，本平臺僅提供信息存儲服務。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
