Demis Hassabis：通往 AGI，先把兩件事做成 |【經緯低調分享】

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

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

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。現在，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

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。現在，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