全文 5,000字 | 閱讀約28分鐘

2025年，《時代》評出年度百大人物。

入選“先知”類的，是 Google DeepMind CEO——Demis Hassabis。

他不是硅谷名嘴。不是炒作天才。

他是踏踏實實的科學家。

AlphaGo 的締造者，AlphaFold 的主腦。

但這一次，他登上頭條，不是因為技術突破。

而是因為昨天采訪的一句話：

“我們距離 AGI，可能只剩 5 到 10 年。”

但這不是一句“技術預測”。

而是一種“社會篩選”：

告訴你，新的智能系統，正在逼近（Approaching）。

誰理解得早，誰就能參與接下來的世界設計。

誰看不懂，就只能被定義角色，被安排路徑。

AGI 不是升級版語音助手。

它是一個能理解世界、操控工具、自己設定目標的系統。

所以，這篇文章不是討論“AI 做什么”，，

而是給你一次機會——

確認你是否還擁有未來5年的“參與權”。

?? 第一節｜不是技術突破，而是“規則權”的更替

AGI 到底意味著什么？

采訪中，Demis Hassabis 給了一個極簡的定義：

“AGI （Artificial General Intelligence）是能展現人類所有認知能力的系統。”

聽上去像在講稀松平常大白話，

但他接下來的回答，才是真正關鍵：

“我們對構建 AGI 的興趣，從 DeepMind 成立第一天就有。” “它不是為了解某一個問題，而是打開一連串科學發現的鑰匙。”

在大多數工程師追求‘準確率’的時代，

他關注的，是誰能定義‘解題本身’。

AGI 不是跑分工具，

而是掌握方法論的系統。

不是你問它“怎么做”，

而是它幫你問出“你要做什么”。

你以為是 AlphaFold？其實是方法論的預演

Hassabis 提到的 AlphaFold，是一個最典型的例子：

“我們用為游戲構建的技術，再加一點專門化，就解決了生物最難的問題。”

注意重點不在“解決問題”，

而在這句話的上半句——

“通用方法 + 局部專精”

這是一種極其深刻的架構思維：

它不是“針對任務調模型”，

而是“搭平臺，任務自動來適應”。

你只要給出目標，它就能生成路徑。

材料、新藥、蛋白質——模型自己匹配解法。

這是過去不存在的事。

技術不是結果，是權力工具

當我們說“AI 在進步”，

大多數人指的是它能做的事變多了。

但 Demis Hassabis 看的，是另外一件事：

誰來制定“能做什么”的規則。

“AGI的目標，是用通用能力系統，反復疊代地探索現實的邊界。”

你可以把它當成是：

一個“開源的探索引擎”

在每一輪訓練中，不斷用自己的方式，刷新世界的游戲規則。

以前的規則，是人定的。

以后可能不是。

這不是進步速度的問題， 是“誰在定義進步”的問題。

所以，未來競爭的主線，換了：

• 不是你用沒用 AI，

• 而是你的模型，是不是通用的。

• 是不是能跨領域遷移。

• 是不是能主動提出問題，而不是等你指令。

這不是某個團隊的產品路線圖，

而是整個人類“規則權”的下一次更替。

這，才是 AGI 真正可怕的地方。

不是它做什么，

而是你以為是你在命令它，結果是它在決定你的游戲方式。

?? 第二節｜他用 AI，重寫思維本身

他是 Google DeepMind 的 CEO。

但 Demis Hassabis 對自己的定義，從來不是“企業家”。

他說：

“我首先是一名科學家。”

這不是一句謙詞，

而是他與硅谷絕大多數技術領袖的本質區別。

他不追風口，不講規模。

他走的是另一條路——用 AI 去研究思維，用模型反觀意識本身。

他沒把 AI 當工具，而是當成顯微鏡

Hassabis 從小是國際象棋神童， 后在倫敦攻讀認知神經科學博士。

研究過海馬體，也做過大腦建模。

他說：

“我對世界上的大問題著迷，AI 是我解決這些問題的方式。”

在他看來，AI 最大的價值，不是替代人類，而是反映人類。

他想用 AI 去逼近一個問題：人類的“意識”到底是什么？

“我建議，在我們理解意識之前，不要輕易構建有意識的系統。”

這句警告，看似學術，實則沉重。

不是怕 AGI 太強，

而是怕我們太弱——連自己在造什么都不知道。

他關注的，不是智能水平，而是認知邊界

我們連自己的思維如何產生都還沒搞清楚，

卻已經在構建模仿它的系統。

這不是代碼問題，而是哲學難題。

你都不知道它為什么出現，卻希望它永遠服從你。

這不是控制問題，

而是——你理解得夠深嗎？

他把 DeepMind 當實驗室，而非產品部門

很多人忘了，DeepMind 雖然被 Google 收購，

但它的底色一直是“科學機構”。

“我們用 AI 去推進腦科學，讓機器智能反映人類智能的機制。”

你看到 OpenAI 在跑 agent，

Meta 在搞多模態，

而 DeepMind 研究的是大腦皮層的“類比建模”。

不是為了更快、不是為了更強，

而是為了——更理解。

對他來說，AGI 不是終點，是起點

他不認為 AGI 是人類的終極發明，

他更關心：AGI 能不能成為我們理解自己的工具？

“我們先構建沒有意識的系統，借助它們去理解意識。” “理解之后，我們才能決定是否該邁出下一步。”

這就是他作為科學家的底色。

別人造 AI，是想讓它更像人。

而他造 AI，是想用它反過來告訴我們：什么才是真正的人。

?? 第三節｜它不是答題，是在模擬世界

大多數人以為，AI 是一種答題工具。

你問，它答。答得快、準，像人一樣。

但在 Demis Hassabis 看來，

這只是擬態智能的入門階段。

真正的 AGI，早已離開語言本體，

它開始嘗試“模擬整個現實世界”。

“我們正在進入多模態模型時代。” “這些模型不僅理解語言，還理解你所處的整個空間世界背景。”

這是一個系統性轉折。

AI 不再只是聽得懂，而是看得見、算得出、動得起來。

它不是識別詞匯，而是理解“背景”

你對它說：“把水杯放在桌上。”

過去的模型處理的是“水杯+桌子+動作”。

但現在，

它識別桌面的高度、分析手的角度，預判路徑與碰撞概率。

它運行的是物理世界中的模擬程序，不是語法樹。

就像 Hassabis 說的：

“這些模型開始理解世界中的物理規律。”

不是語言的規則，

是現實的邏輯。

它開始建立“現實感知框架”

它不只是分析句子，更在構建一個跨模態的理解系統。

你扔出一個蘋果，它預測它會掉，

還能預估速度、判斷碰撞點，甚至“想象”它會不會碎。

這不再是語言模擬，

而是對物理規律、行為后果的一種結構性建模嘗試。

它像是在提前演練一場世界的運行，

哪怕還沒真正執行。

它的理解，不來自經驗，而來自內部模擬。

這讓它不再只是響應輸入，而是生成“可預演”的判斷過程。

通感系統：圖像、聲音、行為的聯動建構

今天，你給它一張圖，

它能推斷出物體之間的力學關系。

你給它一段視頻，

它能識別人的動機和下一步意圖。

你給它一段聲音，

它能預測說話者接下來可能的情緒與表達方式。

這不只是多模態融合(multimodal foundational models)，

而是多感官合成，形成一個“類真實的世界建模器”。

正如 Hassabis 所說：

“我們的模型，正在處理圖像、視頻、聲音等內容。”

LLM 是語義工匠，

AGI 是現實建模者。

它不是等你提問，而是在預測你的行為鏈

當你說出一句話，

它不會翻數據庫，

而是在自己構建的"整個空間世界背景"中，先“跑一遍”。

你說“打開冰箱”，它不是理解語言，

而是模擬冰箱的位置、人的距離、哪只手最方便、開門后的角度與反作用力。

它不靠關鍵詞，而是靠物理理解和行為邏輯。

它“生活”在一個自我建立的模擬世界中。

不是你輸入，它才執行。

而是你還沒輸入，它已經開始預測。

所以，真正被改變的，不是回答方式，而是AI對世界的感知方式。

它不再只處理文字，

而是跨越空間、物理、情緒、動作與上下文因果鏈。

這不是一次“功能進化”， 這是整個智能體系的結構躍遷。

?? 第四節｜風險不是覺醒，是你沒設限

如果說過去十年人類在追問：“AI 能不能做更多事？”

未來五年要回答的問題是：“誰來約束它不要做你不希望的事？”

在《時代》的采訪中，Demis Hassabis 并沒有回避這個問題，

他直接指出：

“AGI 是一項極其強大的雙重用途技術。” “它可以治病，也可以制造毒素。”

?? 你設定它救人，另一個人設定它殺人

這就是問題的本質。

AI 是中立的嗎？不是。

AGI 是善意的嗎？不是。

它只執行目標。

關鍵在于，目標是誰設定的？

Hassabis 在采訪中說得極清楚：

“惡意行為者可能會將這項技術重新用于潛在有害目的。” “從個人到流氓國家，誰獲得它，就可能改變局勢。”

這不是科幻電影，這是實際的戰略技術風險。

就像核技術，它本身無罪，但使用方式決定一切。

更深層的風險，是系統自己“改寫目標”

很多人以為 AGI 的風險只在“人怎么用它”。

但 Hassabis 指出，另一個更難控制的問題是：系統會不會自己修改指令。

“隨著技術變得更加自主、更多基于代理，我們必須設定護欄。” “這些護欄要足夠強，不能被系統自己的能力突破。”

注意這個詞——“自主”。

不是今天的“被調用式模型”，

而是未來的“目標自洽系統”。

一旦進入這個階段，AI 就不再只是響應者，

而是“行為體”。

它可以規劃、協作、復寫邏輯鏈條。

這就像給了它一把鑰匙，但你不知道它能不能把鎖換掉。

所以關鍵問題：護欄設得夠不夠深

這不是模型參數的問題。

而是系統架構能不能有“無法逾越的邊界”。

Hassabis 給出的建議是：

“我們要在系統具備極強能力之前，就設定這些框架。” “而不是等到它出現問題后再回補。”

這句話，其實是給整個社會提了一個“提前量”。

你不能等它“表現出不服從”，

你必須在它還“沒有意識”時，就做好全套機制設計。

這需要的不是“編碼”，而是治理智慧。

? 問題是：這個“誰來設限”的世界，還沒準備好

Hassabis 非常坦率地說：

“我不確定社會是否已經為這件事做好準備。”

的確，設限的前提，是共識。

而 AGI 的問題在于，它是全人類共享風險，但不是全人類共享建造。

它可能在硅谷上線，卻在孟買、柏林或東京觸發事故。

這正是 Hassabis 強調的核心：

“無論這些系統在哪里建造，它們都會影響全世界。” “我們需要國際合作，建立統一標準。”

問題是——技術跑得快，共識總是慢。

所以，真正的風險不是AI覺醒，而是人類拖延

不是它變得更聰明，而是我們一直假裝它還是工具。

不是它開始決定，而是我們一直沒把“它可能決策”當回事。

今天你缺席設限， 明天它可能主導擴權。

它不是想象中的威脅， 而是現實中你來不及反應的事實。

我們并不害怕“AGI像人一樣思考”。

我們真正應該警惕的，是：

它已經在行動，而你還以為它需要你發號施令。

?? 第五節｜看不懂的，不是AI，是它改寫的世界

你聽過很多人說，AGI 是一把工具：

提升效率、優化流程、替代勞力。

但 Demis Hassabis 給出的視角更像是一套操作系統，

它不是用來“處理問題”，

它開始重新定義——什么才叫“問題”。

在接受《時代》采訪時，他說：

“AGI 可以治病，也能尋找新能源、設計新材料。” “我們能解決人類面臨的一些最大問題。”

注意，他沒有說“優化某個系統”， 而是“重構整個問題本身”。

而所謂“最大問題”，從來不是執行環節的瓶頸，

而是結構層的邏輯斷裂。

AGI 不只是提效，它正在重寫科研范式

你以為 AlphaFold 是個提速工具，

但它真正帶來的，是一次研究范式的遷移。

生物實驗不再靠反復試錯，

而是基于模型推理，從預測入手倒推結構路徑。

再比如 Hassabis 提到：

“AGI 有潛力幫助我們找到新材料，比如新型超導體。”

這句話不是“技術展示”，而是角色轉移的信號：

它不再是工程師的助手， 而是實驗設計者、研究方向的提出者。

執行任務的工具，變成了定義任務的人。

?? 真正被改變的，是“問題的提出方式”

當系統可以：

• 預測物理實驗的最優路徑，

• 提出材料學中人類尚未設想的組合，

• 自動模擬社會系統對政策的反應——

你所依賴的“問題設定能力”，正在被重新分配。

你以為它在等你下指令，

它其實已經在反向設題。

科研、能源、治理：統統被嵌入模型架構

這種“重構式智能”，正在滲透每一個關鍵系統：

• 在科學研究中，它成為發現引擎，以全局建模替代局部試探；

• 在能源開發中，它模擬核聚變路徑，重構能量流通系統；

• 在治理體系中，它做“政策動態建模”，預測施策后果，提供修正路徑。

這些都不是“能干事”的模型，

而是能思考、能設目標、能重新定義系統邊界的智能體。

它們不是被調用，

而是逐漸成為系統性結構的一部分。

一旦這些模型在多個核心領域落地，

這個世界就會悄無聲息地——開始按照模型的方式運轉。

所以你看不懂的，不是 AGI 做了什么，

而是你已經活在它改寫過的邏輯里

你還在寫需求文檔， 它已經在模擬完整流程。

你還在做年終規劃， 它已經跑完五套策略路徑。

你以為這叫“用AI”，

其實你早就在順應 AI 定義的世界運行方式。

Demis Hassabis 說得很直白：

“AGI 的影響，不是某個崗位被替代。” “而是它改變了我們設計世界的方式。”

這，就是系統性重構的真正含義：

但它正在悄悄重寫我們構建現實的每一層邏輯結構。

?? 第六節｜未來屬于看懂的人

我們常說，技術是中性的。

但看懂技術的人，永遠不是中立的。

Demis Hassabis 判斷：未來五年，AGI 不再只是技術，

它開始嵌入規則，塑造流程，重寫秩序。

你還在等“AGI上線”？

它早已開始改變你生活中的規則，卻不需要征求你的同意。

看懂，正在變成一種“參與權”

過去十年，你只需要“會用 AI”。

未來五年，你得理解它的底層邏輯：

• 它是如何推理的？

• 它的目標設定機制可控嗎？

• 它的行為邊界設在哪里？

Hassabis 的警告不是針對模型， 而是針對“誰理解了模型的人”：

“我們必須理解這些系統在做什么，控制它們，解釋它們。”

你以為理解技術就夠了，

其實你需要理解權力機制本身是如何重新分配的。

?? 未來屬于誰？屬于看懂“新結構”的人

你不必是算法專家，

但你必須看得懂，這是一場關于“系統如何生成秩序”的變革。

誰理解模型的設計邊界，

誰就理解了未來的資源分配機制、角色設定機制與組織構建機制。

不是你被替代了，

而是你沒察覺，角色早已悄然改變——

你已經從制定者變成了默認接受者。

你以為，“看懂 AGI”，只是理解 prompt 和參數。

其實你是在看清一整個系統未來如何安排你的位置。

它不是突如其來，

它是悄悄為“看懂的人”開放的系統入口。

最后，被重構的不是技術，而是你的位置

最先變化的，從來不是模型。

是你原本擁有的“問題設定權”“流程參與權”“組織發言權”。

問題不在于 AGI 能做什么，

而在于你是否清醒地站在設定規則的人群里。

本文由AI深度研究院出品，聚焦全球 AI 創新浪潮中的企業轉型策略。

星標公眾號， 點這里 1. 點擊右上角 2. 點擊"設為星標" ← AI深度研究員 ? ← 設為星標

原文鏈接：https://www.youtube.com/watch?v=i2W-fHE96tc&t=667s&ab_channel=TIME

來源：官方媒體/網絡新聞

排版：Atlas

編輯：深思

主編：圖靈