當(dāng)前的上下文方案，本質(zhì)是暴力破解！DeepMind 創(chuàng)始人：忽強忽弱的 AI，才是真正的災(zāi)難，突破在記憶系統(tǒng)

整理｜冬梅

在人工智能狂飆突進(jìn)的當(dāng)下，一場關(guān)于 AI 技術(shù)未來走向的深度對話在知名播客《20VC》中拉開帷幕。主持人哈里·斯蒂賓斯（Harry Stebbings）邀請到了全球人工智能領(lǐng)域的泰斗級人物、谷歌 DeepMind 創(chuàng)始人德米斯·哈薩比斯（Demis Hassabis）。

在這場對話中，哈薩比斯不僅披露了 DeepMind 在 AGI 研發(fā)上的最新進(jìn)展，更站在人類歷史的長周期里，對算力瓶頸、科研體制、能源危機乃至人類本質(zhì)等宏大命題給出了極具穿透力的見解。

對話的核心焦點在于對通用人工智能（AGI）到來的預(yù)判。哈薩比斯延續(xù)了其自 2010 年創(chuàng)業(yè)初期便保持的驚人一致性，認(rèn)為 AGI 極大概率將在未來五年內(nèi)實現(xiàn)。他強調(diào)，這一場革命的規(guī)模將十倍于工業(yè)革命，而速度卻快了十倍。

他坦言，過去 15 年，奠定現(xiàn)代 AI 產(chǎn)業(yè)基礎(chǔ)的突破性成果中，大約 90% 都出自谷歌大腦（Google Brain）、谷歌研究（Google Research）或 DeepMind。比如 AlphaGo、強化學(xué)習(xí)，當(dāng)然還有 Transformer 架構(gòu)。所以，如果未來還有關(guān)鍵突破，他依然認(rèn)為谷歌是最有可能做出來的。

在談及當(dāng)前 AI 最大的瓶頸時他表示，算力是最大的瓶頸，但軟件方面持續(xù)學(xué)習(xí)、記憶系統(tǒng)等方面如果取得突破，也將會 AI 技術(shù)的發(fā)展起到很大推動作用。

什么是 AGI，以及它何時會到來？

主持人：今天的嘉賓是這個星球上最偉大的頭腦之一。能有機會和他坐下來長談，我覺得自己極其幸運。在接下來的幾年里，那些具備發(fā)明全新算法構(gòu)思能力的實驗室，將會比那些只會榨取現(xiàn)有技術(shù)紅利的實驗室擁有更大的優(yōu)勢。這是一次非常特別的對談，我會銘記很久。

我們可以從很多話題切入，但我最近看了你參與的那部紀(jì)錄片，拍得太棒了。所以我想從 AGI（通用人工智能）聊起。關(guān)于 AGI 的定義千差萬別，而你對它的思考一直非常深刻。所以我想先請你講講，在你看來，AGI 到底意味著什么，你如今是如何定義它的嗎？這樣我們可以達(dá)成一個共識。

Demis:我們對 AGI 的定義始終非常一致：它本質(zhì)上是一個能夠具備人類所有認(rèn)知能力的系統(tǒng)。

這一點很關(guān)鍵，因為人腦是我們目前已知的唯一“存在證明”，證明通用智能在宇宙中是可以實現(xiàn)的。所以在我看來，這就是 AGI 應(yīng)該達(dá)到的標(biāo)準(zhǔn)。

主持人：下面這個問題可能最難回答：我們離 AGI 還有多遠(yuǎn)？每個人的說法都不一樣，當(dāng)你聽到一些大人物說最早可能在 2026 或 2027 年實現(xiàn)時，真的很難判斷。

Demis:我自己是用一個概率分布來看待這個時間問題的。但我會說，在未來 5 年內(nèi)實現(xiàn) AGI 的可能性非常大。

主持人：那真的沒剩下幾年了。這比你預(yù)想的要快嗎？隨著時間推移，你的預(yù)測變了嗎？

Demis:其實沒有太大變化。挺有意思的，我的聯(lián)合創(chuàng)始人 Shane Legg（現(xiàn)任 DeepMind 首席科學(xué)家）在 2010 年我們剛創(chuàng)立 DeepMind 時，就寫過博文預(yù)測 AGI 什么時候會到來。要知道，在 2010 年幾乎沒人研究 AI，大家都覺得那是死胡同。

那些文章現(xiàn)在還在網(wǎng)上，大家可以去查。當(dāng)時我們根據(jù)算力和算法的進(jìn)步做了外推，預(yù)測從起點開始大約需要 20 年。我認(rèn)為我們目前的進(jìn)度完全符合預(yù)期。

當(dāng)前 AI 最大的瓶頸除了算力，就是持續(xù)學(xué)習(xí)

主持人：站在今天看，最大的瓶頸是什么？在紀(jì)錄片里你說過算力永遠(yuǎn)不夠。除了這個，還有什么在阻礙 AI 的發(fā)展？

Demis:我認(rèn)為算力依然是核心瓶頸。這不僅僅是為了所謂的“縮放法則（Scaling Laws）”，即通過堆更大的架構(gòu)和參數(shù)來提升智能。更重要的是，算力還是實驗的基礎(chǔ)。云計算本質(zhì)上就是我們的“實驗臺”。

如果你有一個新的算法想法，你必須在足夠大的規(guī)模上測試它，否則當(dāng)你把它放進(jìn)主系統(tǒng)時，它很可能無法成立。所以，如果你有很多研究人員不斷提出新想法，就需要大量算力去驗證它們。

主持人：你提到了“Scaling Laws”。很多人暗示我們正觸及這一法則的天花板，開始看到平臺期效應(yīng)了。你覺得這是真的嗎？

Demis:我不這么認(rèn)為。我覺得情況比這要復(fù)雜。當(dāng)領(lǐng)先的公司開始構(gòu)建這些大語言模型時，當(dāng)各大公司開始構(gòu)建大語言模型時，每一代系統(tǒng)都會帶來巨大的性能躍遷，甚至接近翻倍增長。但這種增長速度不可能永遠(yuǎn)保持指數(shù)級，放緩是必然的。不過，這并不意味著繼續(xù)擴大規(guī)模就沒有回報。實際上，我們和其他前沿實驗室，依然能從擴大算力中獲得非常可觀的收益。

只是相比最初階段，這些收益有所下降，但仍然非常顯著。

主持人：哪些方面的發(fā)展超出了你的預(yù)期？又有哪些關(guān)鍵能力還缺失？

Demis:實際上，大多數(shù)領(lǐng)域都比我預(yù)期的要快。看看現(xiàn)在的視頻模型，甚至是我們最新的 Genie 系統(tǒng)，那是互動的世界模型。如果你退一步思考，這簡直不可思議。如果 5 到 10 年前你把這些展示給我看，我會非常驚訝。

所以，在大多數(shù)領(lǐng)域，我們都超前于行業(yè)預(yù)期。但確實還有一些重大缺陷，比如“持續(xù)學(xué)習(xí)（Continual Learning）”。現(xiàn)在的系統(tǒng)在訓(xùn)練完成并部署之后，基本就停止學(xué)習(xí)了，它們不擅長在實際應(yīng)用中進(jìn)一步吸收新知識。

主持人：請原諒我問一個比較直白基礎(chǔ)的問題：為什么我們至今還沒能實現(xiàn)“持續(xù)學(xué)習(xí)”？

Demis:因為這個問題還沒有被真正解決。目前所有領(lǐng)先實驗室都在研究：如何把新知識整合進(jìn)已經(jīng)訓(xùn)練了數(shù)月的系統(tǒng)中。人腦在這方面做得非常優(yōu)雅，比如通過睡眠和強化學(xué)習(xí)機制。大腦會在睡眠中“回放”白天的記憶，然后把部分信息整合進(jìn)已有知識體系中，這個過程叫做“鞏固”。我想了很久，也許我們需要類似的機制，將新信息與既有的信息庫融合。

DeepMind 憑什么能反超競爭對手？

主持人：DeepMind 最近進(jìn)展非常快，甚至在一些領(lǐng)域?qū)崿F(xiàn)了反超。我之前還發(fā)過一條推文，說我現(xiàn)在做研究時最常用的工具已經(jīng)變成了 DeepMind 的系統(tǒng)，但以前并不是這樣。到底是什么推動了這種加速？

Demis:我們做了一些組織架構(gòu)上的調(diào)整。我認(rèn)為在谷歌和 DeepMind，我們一直擁有最深厚、最廣博的研究人才儲備。

如果你回顧過去 15 年，奠定現(xiàn)代 AI 產(chǎn)業(yè)基礎(chǔ)的突破性成果中，大約 90% 都出自谷歌大腦（Google Brain）、谷歌研究（Google Research）或 DeepMind。比如 AlphaGo、強化學(xué)習(xí)，當(dāng)然還有 Transformer 架構(gòu)。

所以，如果未來還有關(guān)鍵突破，我依然認(rèn)為我們是最有可能做出來的。

我們做的主要是兩件事：

第一，把公司內(nèi)部所有頂尖人才整合在一起，朝同一個方向推進(jìn)。

第二，整合算力資源，用于訓(xùn)練統(tǒng)一的大模型，而不是分散成多個項目。

本質(zhì)上，是把已有的“所有要素”整合起來，然后以創(chuàng)業(yè)公司的節(jié)奏，全力推進(jìn)，從而重新回到技術(shù)前沿，并在很多領(lǐng)域?qū)崿F(xiàn)領(lǐng)先。

主持人：你說如果有人能實現(xiàn)下一個突破，那理應(yīng)是你們。那么，“持續(xù)學(xué)習(xí)”是你最期待的下一個突破嗎？

Demis:缺失的環(huán)節(jié)還有很多。除了持續(xù)學(xué)習(xí)，我認(rèn)為在“記憶系統(tǒng)”上還有很大空間。目前我們使用的是長上下文窗口（Long Context Windows），這有點像“暴力破解”，把所有東西都塞進(jìn)去，未來會有更精妙的架構(gòu)。

此外，還有長期規(guī)劃、層次化規(guī)劃能力。現(xiàn)在的系統(tǒng)不擅長進(jìn)行跨越長周期（比如數(shù)年）的規(guī)劃，而人類可以。還有一個最大的問題是“一致性”。我有時稱這些系統(tǒng)為“參差不齊的智能（Jagged Intelligences）”，因為它在某些任務(wù)上表現(xiàn)極其出色，但只要稍微換一種提問方式，就可能在非常基礎(chǔ)的問題上失敗。

而真正的通用智能，不應(yīng)該有這種不穩(wěn)定性。

主持人：是的，這一點在實際使用中非常明顯。稍微改一下輸入方式，整個系統(tǒng)就可能崩掉。

Demis:沒錯，那簡直是災(zāi)難。一個真正的通用智能，如果類比人類大腦的工作方式，是不應(yīng)該有這種“智力黑洞”的。

主持人：我們剛剛聊到規(guī)模定律趨緩的問題。現(xiàn)在很多人也在討論另一個趨勢——模型能力是否正在“商品化”。你認(rèn)為我們會進(jìn)入一個模型能力趨同的時代，還是會出現(xiàn)一兩家持續(xù)拉開差距、不斷領(lǐng)先？

Demis：我覺得三四家領(lǐng)先的實驗室（包括我們在內(nèi)）正在開始拉開差距。因為 AI 工具本身就能反過來幫你構(gòu)建下一代系統(tǒng)——比如編程工具、數(shù)學(xué)工具。現(xiàn)在想僅靠舊有的思路擠出同樣的增量已經(jīng)越來越難了。在未來幾年，那些能夠發(fā)明全新算法構(gòu)思的實驗室將擁有巨大的優(yōu)勢，因為上一代技術(shù)的潛力幾乎已經(jīng)被榨干了。

開源模型的未來

主持人：多年來你一直對研究非常開放，現(xiàn)在市場上有很多優(yōu)質(zhì)的開源模型。你怎么看開源的未來？我投資的很多公司會先用閉源前沿模型設(shè)定標(biāo)桿，然后用開源模型來追求性價比。

Demis：這種格局可能會持續(xù)下去。我們一直是開源科學(xué)和開源模型的支持者，從最初的 Transformer 到 AlphaFold，我們把這些成果獻(xiàn)給世界以幫助研究。未來我們也會繼續(xù)這樣做，尤其是在 AI 賦能科學(xué)這種我個人非常熱愛的領(lǐng)域。

但我認(rèn)為，開源模型可能會始終比最前沿的閉源模型落后一步。通常開源社區(qū)需要大約六個月的時間來復(fù)現(xiàn)和消化最尖端的新思路。同時我們也正在全力推進(jìn) Gemma 系列開源模型，力求在同尺寸中做到全球最強，非常適合開發(fā)者、學(xué)術(shù)界和邊緣計算。

主持人：關(guān)于“后 LLM 時代”，不同人有不同看法，比如 Yann LeCun 認(rèn)為后語言模型時代會是世界模型時代。

Demis：我在某些觀點上和 Yann LeCun 有所不同。我認(rèn)為，有大約 50% 的可能性是世界模型，但在“世界模型”方向上我們還缺少一些關(guān)鍵突破。但我堅信這些底層的基座模型（Foundation Models）已經(jīng)非常成功了，它們的能力不會消失，我們依然能從縮放法則中獲益。

未來的關(guān)鍵問題在于：AGI 系統(tǒng)是將 LLM 作為唯一的核心組件，還是作為整個系統(tǒng)的一部分？我覺得未來的方向是在這些基座模型之上進(jìn)行構(gòu)建，而不是取代它們。

主持人：如果 AGI 在五年內(nèi)實現(xiàn)，那會是一個什么樣的世界？

Demis：我這一生都在為 AGI 努力，我眼中的正面圖景是：它將成為科學(xué)和醫(yī)學(xué)的終極工具。我希望五年多以后，我們能進(jìn)入一個科學(xué)發(fā)現(xiàn)的“黃金時代”。我母親患有多發(fā)性硬化癥，這也是我最關(guān)心的問題之一。

讓我焦慮的是，藥物研發(fā)周期太長了，從發(fā)現(xiàn)到真正應(yīng)用，可能要十年時間。

AI 帶來的是失業(yè)潮還是新機遇？

主持人：關(guān)于藥物研發(fā)，我擔(dān)心的是即便 AI 找出了藥物，臨床試驗、層層審批可能還是要花上十年。

Demis：確實。我們在 AlphaFold 項目后成立了 Isomorphic Labs，專門攻克藥物研發(fā)的其余環(huán)節(jié)，比如化學(xué)設(shè)計、化合物合成、毒性檢測等。未來 5 到 10 年，這套全自動設(shè)計引擎就會準(zhǔn)備就緒。下一步確實是臨床試驗耗時太久的問題。AI 可以在這方面提供幫助，比如模擬人體代謝，或者對患者進(jìn)行分層，確保特定基因組的患者得到最精準(zhǔn)的藥物。

主持人：真正的革命什么時候會發(fā)生？

Demis：當(dāng)有十幾種左右的 AI 研發(fā)藥物完整走通全流程時，政府和監(jiān)管機構(gòu)就會看到足夠的數(shù)據(jù)。再往后十年，也許我們就能完全信任模型的預(yù)測，從而跳過某些步驟，比如不再需要動物實驗，或者更快地提高臨床劑量。

主持人：聊到監(jiān)管，霍金曾說過：“我們必須第一次就做對，因為我們可能沒有第二次機會。”你認(rèn)同嗎？

Demis：我完全認(rèn)同，這正是我們面臨的賭注。我有兩個擔(dān)憂：一是壞人濫用，AI 是一種雙用途技術(shù)，既能治病救人，也能被用于破壞；二是技術(shù)性問題，當(dāng)模型在未來一兩年變得更具自主性（Agentic）、更獨立時，我們能否將其限定在預(yù)設(shè)的護(hù)欄內(nèi)？我們需要國際通用的最低標(biāo)準(zhǔn)。

主持人：什么樣的監(jiān)管才是對的？你提到過需要全球協(xié)作，但讓我擔(dān)心的是，現(xiàn)在的國際環(huán)境似乎越來越缺乏協(xié)作。

Demis：確實，在面臨人類歷史上最具影響力的技術(shù)時，國際局勢卻如此碎片化，這很瘋狂。但我們必須嘗試，至少要建立一些測試不良特性的基準(zhǔn)，比如“欺騙性”。沒人希望構(gòu)建一個具備欺騙能力的系統(tǒng)，因為那樣它就能繞過其他安全機制。理想情況下，應(yīng)該像頒發(fā)質(zhì)量合格證（Kite Mark）一樣，有一個認(rèn)證過程。這必須是跨國界的，因為這些系統(tǒng)本身就是跨地域運行的。

主持人：很多人擔(dān)心 AI 會導(dǎo)致勞動力流失。之前馬克·安德森（Mark Andreessen）上節(jié)目時說我是“馬克思主義者”，因為我提到了失業(yè)焦慮。他覺得這是瞎操心，認(rèn)為歷史總能克服這些挑戰(zhàn)。你怎么看？

Demis：歷史上每一次技術(shù)革命確實都會帶來職業(yè)動蕩，舊工作消失，新工作產(chǎn)生。但我認(rèn)為這次的規(guī)模會比以往任何一次都要大。我常說 AGI 的到來相當(dāng)于“10 倍規(guī)模的工業(yè)革命”，而且速度快了 10 倍——它會在十年內(nèi)鋪開，而不是一個世紀(jì)。我們當(dāng)然不希望工業(yè)革命沒發(fā)生（否則就沒有現(xiàn)代醫(yī)學(xué)了），但這次我們要比那時更好地緩解負(fù)面影響。

主持人：大家都說我們總會高估一年的變化，而低估十年的變化。在 AI 領(lǐng)域也是這樣嗎？

Demis：依然如此。就今天而言，AI 的短期熱度確實有點過頭了；但從十年的跨度來看，人們依然嚴(yán)重低估了它將帶來的革命性影響。關(guān)于貧富差距，我認(rèn)為各國政府應(yīng)該考慮讓養(yǎng)老金或主權(quán)基金買入大型 AI 公司的股份，讓每個國民都能從生產(chǎn)力暴漲中分一杯羹。

主持人：AI 革命對能源的需求是前所未有的。我們該如何解決這個能源黑洞？

Demis：長期來看，AI 會“反哺”能源成本。我們正在優(yōu)化現(xiàn)有的電網(wǎng)基礎(chǔ)設(shè)施，效率能提升 30%-40%。最讓人興奮的是 AI 在新材料和核聚變上的應(yīng)用。我們正與合作伙伴研究核聚變。一旦突破了核聚變或超導(dǎo)體，人類將進(jìn)入一個能源接近無限且成本極低的時代，到時候連火箭燃料都能低價獲得，太空旅行也會變得極其廉價。

為什么留在英國，而不是搬去硅谷？

主持人：你長期留在英國倫敦，但肯定有無數(shù)人勸你搬到美國去，你為什么堅持留下？

Demis：因為英國有著令人艷羨的人才。我們擁有劍橋、牛津、帝國理工、倫敦大學(xué)學(xué)院等世界前十的名校，還有從圖靈、牛頓到霍金的科學(xué)傳承。這里有最聰明的科學(xué)家和工程師，只是過去沒被轉(zhuǎn)化成野心勃勃的深科技（Deep Tech）創(chuàng)業(yè)項目。

而且，留在倫敦有一個“結(jié)構(gòu)性優(yōu)勢”：離硅谷遠(yuǎn)一點，雖然會錯過一些八卦和風(fēng)口，但它能讓你更深入、更原創(chuàng)地思考。深科技需要 20 年的長遠(yuǎn)眼光，而不是追逐當(dāng)下的噱頭。

主持人：歐洲會有萬億美元市值的公司嗎？

Demis：我相信可以。比如 Spotify，或者我的 Isomorphic Labs。歐洲目前的短板是市場比較碎片化，而且缺乏支撐超大規(guī)模融資的資本市場。在英國，我們擅長把初創(chuàng)公司帶到一定高度，但要跨越到萬億美元級別，還需要解決養(yǎng)老基金投資準(zhǔn)入等資本限制。

初見馬斯克的感受

主持人：簡單聊聊，第一次見馬斯克是什么感覺？

Demis：大約在 2011 或 2012 年。我們在彼得·蒂爾（Peter Thiel）的 Founders Fund 投資年會上遇到的。當(dāng)時 SpaceX 是明星，我們還是個小項目。我們在洗手間附近打了個招呼，一拍即合。我們都對科幻充滿熱愛，也都極具野心。第二次見面我就去了他的火箭工廠。

主持人：醫(yī)療革命方面，你最想看到什么？

Demis：我想徹底治愈癌癥。Isomorphic 正在構(gòu)建一個通用的藥物設(shè)計平臺。從神經(jīng)退行性疾病到癌癥，我們希望它能適用于每一個疾病領(lǐng)域。

主持人：有什么關(guān)于 AI 的大問題是現(xiàn)在沒人討論的？

Demis：大家都在討論經(jīng)濟問題。但我更擔(dān)心哲學(xué)問題。假設(shè)我們搞定了技術(shù)和經(jīng)濟，剩下的就是：什么是“意義”？什么是“目的”？當(dāng) AI 出現(xiàn)，人類的本質(zhì)又是什么？我們需要偉大的新一代哲學(xué)家來幫我們導(dǎo)航。

主持人：最后，你希望自己留下什么樣的遺產(chǎn)（Legacy）給這個世界？

Demis：我希望被記住是因為推動了科學(xué)的進(jìn)步，并構(gòu)建了能治愈可怕疾病、造福全人類的技術(shù)。

https://www.youtube.com/watch?v=SSya123u9Yk&list=PLnJFlI3aINuUNaznonoFEgMUGLBiLmB-w&index=1

聲明：本文為 InfoQ 整理，不代表平臺觀點，未經(jīng)許可禁止轉(zhuǎn)載。

會議推薦

QCon 全球軟件開發(fā)大會·2026 北京站將于 4 月 16 日 -18 日正式舉辦。本屆大會以“Agentic AI 時代的軟件工程重塑”為主題，聚焦 100+ 重磅議題，匯聚來自阿里、騰訊、字節(jié)跳動、小米、百度等一線科技企業(yè)與創(chuàng)新團(tuán)隊的技術(shù)專家，圍繞 AI 工程化、系統(tǒng)架構(gòu)與研發(fā)模式演進(jìn)展開深入探討。更多詳情可掃碼或聯(lián)系票務(wù)經(jīng)理 18514549229 進(jìn)行咨詢。