全文 4,000字 | 閱讀約 13 分鐘

（DeepMind CEO哈薩比斯：談AI的下一個十年）

諾獎、蛋白質(zhì)、Gemini、Genie、抗癌新藥。

這些詞，并非來自不同領(lǐng)域的新聞，而是來自一個人，同一次對話。

2025 年 9 月 12 日，All-In Summit 2025 舞臺，DeepMind CEO 戴米斯?哈薩比斯 (Demis Hassabis) 公開現(xiàn)身，全面闡述其戰(zhàn)略布局：

從語言模型 Gemini，到世界模型 Genie， 從 AGI 路線，到科學(xué)引擎 AlphaFold，再到醫(yī)療公司 Isomorphic 的商業(yè)化路徑。

短短 30 分鐘，涉及 AI 的三個核心領(lǐng)域：認(rèn)知 → 行動 → 治愈。

更關(guān)鍵的是，他傳遞的不是模型性能的單點(diǎn)突破，而是一個明確判斷：我們正進(jìn)入一個系統(tǒng)全面爆發(fā)的時代。

不是一個模型的迭代， 而是模型、平臺、場景、應(yīng)用的協(xié)同爆發(fā)。

不是從 demo 到產(chǎn)品的線性推進(jìn)，而是多個領(lǐng)域的并行突破。

這標(biāo)志著 AI 發(fā)展的新階段：不再是 ChatGPT 式的對話革命，而是 DeepMind 試圖用世界建模、物理推理、藥物設(shè)計(jì)，重新定義 AI 的邊界與可能。

這場“AI 的全面爆發(fā)”，會改變什么，又留給我們什么機(jī)會？

第一節(jié)｜Gemini 不是助手，是多模態(tài)引擎

在這場對談中，哈薩比斯談得最多的，不是 Gemini 模型的參數(shù)和能力，而是它要進(jìn)入的場景。

為什么場景如此重要？因?yàn)?Gemini 是多模態(tài)的，它能接受圖像、音頻、視頻等任何類型的輸入，并生成相應(yīng)的輸出。

這意味著什么？

意味著它不再只是一個聊天框里的模型，而是一個能觀察世界、理解場景、給出回應(yīng)的智能系統(tǒng)。

哈薩比斯給出的畫面，是這樣描述的：你可以拿著手機(jī)，對準(zhǔn)你周圍的環(huán)境，它就能理解你在看什么……它能在你走在街上時給出建議，或內(nèi)置在 Google 地圖里，為你提供幫助。

這不只是計(jì)劃中的功能，Gemini Live 已經(jīng)在實(shí)際應(yīng)用了。

它不僅能讀懂屏幕內(nèi)容，還能識別攝像頭里的物體、文字，甚至理解動作順序。這和傳統(tǒng)“對話助手”的最大不同是：

它開始看得見，聽得懂，能聯(lián)想。

這種多模態(tài)理解，是 Gemini 的重要底層能力：

• 當(dāng)你指著桌上的兩樣?xùn)|西說“把這個放進(jìn)那個”，它能理解“這個”“那個”分別指什么；

• 當(dāng)你問“這份簡歷哪里要優(yōu)化”，它能看完頁面內(nèi)容，指出邏輯問題，而不只是關(guān)鍵詞打分；

• 當(dāng)你走進(jìn)一家餐館，它知道你在干什么，能主動給出推薦和提醒，而不是等你開口。

他們是在構(gòu)建一個可以嵌入到現(xiàn)實(shí)生活中的智能工具。

Gemini 的價(jià)值不在于回答問題，而在于實(shí)時響應(yīng)現(xiàn)實(shí)世界中的各種需求和任務(wù)。

這對整個 AI 應(yīng)用的意義是：

不是用戶遷就模型，而是模型貼近生活。

而這正是 DeepMind 把 Gemini 定位為下一代用戶界面的原因：它不是下一代搜索，也不是下一個 Copilot。它正在被整合進(jìn) Gmail、Workspace、地圖、搜索等每個產(chǎn)品內(nèi)部。

它不只是一個模型，它是谷歌重新連接用戶與信息的新橋梁。

而這，只是開始。

第二節(jié)｜Genie不止看圖，還能生成世界

很多人第一次看到 DeepMind 的 Genie 模型演示視頻時，都以為那是一個游戲預(yù)告。

但哈薩比斯馬上解釋：

“你看到的不是傳統(tǒng)的游戲或視頻，而是一個完全可操作的互動世界，全部由 Genie 生成�！�

畫面中，有房間、有角色、有光影，人用鍵盤控制角色在房間里移動、走到窗邊、轉(zhuǎn)身、回來。

但這一切并不是提前建好的游戲環(huán)境。它是 Genie 根據(jù)一句自然語言指令，臨時生成的“世界”。更神奇的是，玩家看向的部分，才被生成；背后的區(qū)域，暫時還不存在。

哈薩比斯說：

“所有這些像素，都是實(shí)時生成的……這個世界的那一部分，在你看之前，是不存在的�！�

這種實(shí)時生成能力背后，反映出 Genie 已經(jīng)不只是會畫圖、做視頻，而是真正開始理解空間、時間和物理規(guī)律。

傳統(tǒng)的 3D 游戲世界，要靠程序員在引擎里逐一搭建場景、寫入邏輯，比如 Unity、Unreal 引擎。 但 Genie 做的是另一種事：

它通過看數(shù)百萬段視頻和游戲片段，自己學(xué)會了物體怎么動、水怎么流、人怎么轉(zhuǎn)身……它在逆向理解這個世界。

它不是在畫畫，它是在模擬世界。

哈薩比斯強(qiáng)調(diào)：

“這不是 Photoshop 里的圖層，也不是預(yù)先做好的動畫片段……這些都是實(shí)時、完整、連續(xù)的模擬�！�

這背后，其實(shí)是 DeepMind 想回答一個問題：

如果 AI 要理解人類世界，是否也應(yīng)該能“自己構(gòu)建一個世界”？如果我們給它語言、圖像、聲音，它是否能學(xué)會：物體怎么運(yùn)動、空間怎么變換、人和物之間有什么互動？

而 Genie，就是 DeepMind 給出的第一個答案。

它的本質(zhì)是世界理解系統(tǒng)，而不是內(nèi)容展示工具。

這讓哈薩比斯深有感觸。他在 90 年代做過游戲引擎，手動寫過圖形渲染和物理模型。如今AI能自動完成這些工作，還做得更好。

他說，這將是未來機(jī)器人、虛擬助手、交互娛樂、甚至科學(xué)模擬的底層基礎(chǔ)。

想想看：

• 如果 AI 能“理解”你身處的房間，而不只是識別桌子；

• 如果它知道“你拿起水杯后，會把它放下”是一個自然動作；

• 如果它能“想象”接下來你可能往哪兒走、做什么事……

它就不再只是語言工具，而是能與你進(jìn)行深度理解和協(xié)作的智能伙伴。

哈薩比斯的重點(diǎn)，不是 Genie 現(xiàn)在能做到什么，而是它開啟了從靜態(tài)內(nèi)容到動態(tài)世界的可能性。

在他看來，這不只是 DeepMind 的研究成果，而是整個 AI 的發(fā)展方向。

對我們來說，這意味著：

AI 正在從回答工具，進(jìn)化為能夠建構(gòu)、理解和操作環(huán)境的智能體。

第三節(jié)｜機(jī)器人不是硬件疊加，而是多模態(tài)能力的落點(diǎn)

“你可以直接對機(jī)器人說話，然后它動手去做�！�

這不是電影情節(jié)，而是哈薩比斯在對談里描述的真實(shí)實(shí)驗(yàn)場景：

“我們發(fā)布了一些 Gemini 機(jī)器人模型演示，實(shí)驗(yàn)室里有兩只機(jī)械手，放在桌面上，可以和物體互動。你可以說：‘把黃色的放進(jìn)紅色的桶里’，它就能聽懂、理解并執(zhí)行�！�

能做到這一點(diǎn)，是因?yàn)?Gemini 模型將語言、視覺、推理三種能力整合在一起。

這是什么意思？

意味著機(jī)器人未來不需要各自獨(dú)立的 AI 系統(tǒng)，而是可以接入像 Gemini 這樣的通用智能平臺。更關(guān)鍵的是，這種通用平臺帶來的不再是簡單的標(biāo)簽識別，而是具備真正的推理能力。

哈薩比斯舉例：

“你可以說‘把它放回原處’，它就知道你指的是剛剛它拿起的那個東西，而且知道‘原處’是哪里�！�

這說明， AI 真正開始理解前后關(guān)系、空間位置和指代詞含義。

說到這里，主持人問了個關(guān)鍵問題：

這是否意味著，你們想做一個像 Android 那樣的機(jī)器人操作系統(tǒng)？

哈薩比斯回應(yīng)很直接：

確實(shí)，這就是我們正在探索的方向。

他的想法是，未來大多數(shù)機(jī)器人不再需要自己單獨(dú)建模，而是能共享一套智能中樞系統(tǒng)：

• 就像手機(jī)裝 Android；

• 機(jī)器人也裝上 Gemini for Robot；

• 然后不同設(shè)備按自己用途調(diào)用指令、操作物體。

當(dāng)然，這不是唯一路徑。

哈薩比斯也提到另一種思路：模型和機(jī)器人深度整合成端到端設(shè)備，像蘋果那樣硬軟件一體。

他說：

“兩條路徑我們都在做，一條是平臺式，另一條是特定機(jī)器人和模型的深度綁定�！�

至于未來主流是哪條，他沒有定論。但他說了一句很關(guān)鍵的話：我們今天看到的，還只是前奏。機(jī)器人真正的爆發(fā)，可能還要幾年，但它一定會來。

為什么還需要時間？

我們對如何構(gòu)建機(jī)器人的理解能力，至今還沒有完全掌握。通用模型需要更可靠、更穩(wěn)定，也要更清楚自己能做什么、不能做什么。

同時，硬件也還有門檻。

機(jī)器人要真正大規(guī)模走進(jìn)家庭、醫(yī)院、商店、工廠，不光要聰明，還必須耐用、穩(wěn)定、成本可控。

他說：

“你如果太早量產(chǎn)一種機(jī)器人，半年后就可能被新的方案淘汰。這種節(jié)奏太快，不適合一開始就全面鋪開。”

主持人總結(jié)說：我們是不是還在機(jī)器人時代的 DOS 階段（早期的簡陋系統(tǒng)）？

哈薩比斯笑著說：也許是。但接下來的10年，會是科技的集中爆發(fā)期。

在這個爆發(fā)期到來之前，哈薩比斯的思路很清晰：與其糾結(jié)機(jī)器人長什么樣，不如先讓它們真正有用起來。

未來的重點(diǎn)不是造一個完美的人，而是讓機(jī)器人適應(yīng)我們已經(jīng)為人類設(shè)計(jì)好的現(xiàn)實(shí)世界。

第四節(jié)｜AlphaFold 是起點(diǎn)，目標(biāo)是新藥

在整場對談中，哈薩比斯最自豪的一件事，不是 AlphaGo 贏了棋王，也不是 Gemini 用上了手機(jī)。 而是他拿到了諾貝爾獎。

重要的不是個人榮譽(yù)，而是AI第一次在科學(xué)研究中獲得了權(quán)威認(rèn)可。

這項(xiàng)成果叫 AlphaFold，一種能預(yù)測蛋白質(zhì)結(jié)構(gòu)的 AI 模型。 它的能力是：只要給出蛋白質(zhì)的氨基酸序列，它就能“想象”出這個分子會折疊成什么立體結(jié)構(gòu)。

過去這件事通常要靠實(shí)驗(yàn)室花上幾年時間，AlphaFold 把它壓縮到幾分鐘內(nèi)完成，準(zhǔn)確率也達(dá)到科學(xué)研究級別。

哈薩比斯回憶說：

他們把諾貝爾獎的登記冊從保險(xiǎn)柜里拿出來，我簽上名字的時候，看到居里夫人、愛因斯坦、尼爾斯·玻爾。讓 AI 在這本科學(xué)史冊上留下印記，是我職業(yè)生涯的最高榮譽(yù)。

但他并沒有止步于此。

因?yàn)楣_比斯很清楚：蛋白質(zhì)結(jié)構(gòu)只是藥物發(fā)現(xiàn)的第一步，真正要治病、救人，還要走一段很長的路。

于是他創(chuàng)辦了 Isomorphic 實(shí)驗(yàn)室。

Isomorphic 正在構(gòu)建一個 AI 藥物設(shè)計(jì)引擎，希望將過去動輒 10 年、上億美元投入的新藥開發(fā)周期，縮短到幾個月，甚至幾周。

這不只是愿景，而是已經(jīng)落地的項(xiàng)目。

Isomorphic 確認(rèn)，他們已經(jīng)與諾華、禮來等制藥巨頭建立合作，研發(fā)項(xiàng)目從三個藥物目標(biāo)擴(kuò)展到六個靶點(diǎn)，自主研發(fā)的藥物項(xiàng)目也將進(jìn)入臨床前階段。

這里的“靶點(diǎn)”，指的是藥物要攻擊或結(jié)合的人體蛋白。

過去發(fā)現(xiàn)一個有效靶點(diǎn)可能要花 5 年，Isomorphic 想用 AI 把它壓縮到幾周內(nèi)完成。

他的目標(biāo)，是把藥物開發(fā)流程變成一套可重復(fù)、可升級、可移植的智能方法。

這套鏈路包括五個核心步驟：

1. 預(yù)測結(jié)構(gòu)：繼續(xù)由 AlphaFold 提供分子結(jié)構(gòu)圖；

2. 篩選結(jié)合位點(diǎn)：判斷哪些地方能和化合物結(jié)合；

3. 設(shè)計(jì)分子：AI 生成全新的、沒被發(fā)現(xiàn)過的分子結(jié)構(gòu)；

4. 預(yù)測毒性與穩(wěn)定性：避免有害副作用；

5. 優(yōu)先級排序和自動實(shí)驗(yàn)推薦：提高投入產(chǎn)出比。

他形容這就像要建一臺科學(xué)版的搜索引擎——輸入疾病，輸出一套可能有效的藥物方案。

這個系統(tǒng)的厲害之處在于能自我進(jìn)化：

每發(fā)現(xiàn)一個有效分子，系統(tǒng)就能學(xué)習(xí)一次；每失敗一次，也能告訴模型'什么不要再試'。這樣，整個 AI 系統(tǒng)會越跑越準(zhǔn)，越用越強(qiáng)。

Isomorphic 不是藥廠，但它能讓所有藥廠研發(fā)得更快。

他們的商業(yè)模式很靈活：既可以把平臺授權(quán)給傳統(tǒng)制藥公司，也可以自己孵化候選藥物，成為一家 AI 驅(qū)動的藥物公司。

主持人問他：“你們現(xiàn)在在什么階段？”

哈薩比斯答：

“我們已經(jīng)完成初步試驗(yàn)，預(yù)計(jì)將在未來一年內(nèi)進(jìn)入臨床前階段……真正用于患者治療，可能還要5-7年，但我們希望大大縮短這個周期�！�

他還特別提到：

“我們選擇癌癥和免疫疾病作為首批領(lǐng)域，不只是因?yàn)樗鼈冎匾�，更因�(yàn)榭梢暂^快看到效果。”

這反映了他一貫的理念：

從技術(shù)突破轉(zhuǎn)向?qū)嶋H應(yīng)用，真正產(chǎn)生社會價(jià)值。

第五節(jié)｜模型還不通，AGI 差在哪？

很多人以為 AGI（通用人工智能）馬上就要到了。大模型能寫文章、做視頻、生成圖片，在某些領(lǐng)域表現(xiàn)甚至超過人類。

但哈薩比斯明確反駁了這種觀點(diǎn)：

現(xiàn)在很多人說模型有“博士水平”，但這不是真的...

他說：

你換個問法，它可能連簡單的高中數(shù)學(xué)都會錯。

問題到底出在哪里？他點(diǎn)出了四個關(guān)鍵短板：

1. 缺少真正的“推理能力”

哈薩比斯指出，現(xiàn)在的模型擅長記憶事實(shí)和解答問題，但難以獨(dú)立開辟新的思路。

今天的 AI 沒有真正的創(chuàng)造力，它還不能提出一個全新的假設(shè)，也不能像科學(xué)家那樣，從不完整的信息中發(fā)現(xiàn)新規(guī)律。

他舉了一個非常形象的例子：

“讓現(xiàn)在的模型只掌握 1901 年的知識，然后看它能不能像愛因斯坦一樣在 1905 年提出相對論。這才是檢驗(yàn) AGI 的標(biāo)準(zhǔn)�！�

也就是說，模型要具備真正的推理能力，能夠類比、聯(lián)想、創(chuàng)新，而不只是對現(xiàn)有知識的排列組合。

2. 缺乏穩(wěn)定的“一致性”

這一點(diǎn)，很多普通用戶也感受過：

同一個問題，不同問法，模型的回答可能前后不一致，有時候甚至自相矛盾。

哈薩比斯說：

“一個真正聰明的系統(tǒng)，應(yīng)該在所有輸入方式下保持穩(wěn)定表現(xiàn)。不能因?yàn)槟阌谜Z音說了一遍，它就突然犯錯。”

他說，這種跨模態(tài)一致性，今天的大模型還做不到。

3. 不會持續(xù)學(xué)習(xí)

現(xiàn)在的大多數(shù)模型，只能靠一次次離線訓(xùn)練提升能力，不會在日�；又性接迷铰斆�。

哈薩比斯點(diǎn)出這個問題：

“它們不會在線學(xué)習(xí)。我們還沒解決模型怎么從新任務(wù)、新用戶、新環(huán)境中不斷更新自己的方式。”

這也是他為什么認(rèn)為機(jī)器人還不夠用的原因之一：今天的 AI，還不具備即時反應(yīng)和即時修正的能力。

4. 缺少真正的“科學(xué)直覺”

他說，這一項(xiàng)最容易被忽視，但最重要。

偉大的科學(xué)家和普通科學(xué)家的區(qū)別，往往不是知識量，而是他們能夠做出直覺判斷。

他說，真正的聰明不是知識淵博，而是能夠在不同領(lǐng)域之間發(fā)現(xiàn)共同點(diǎn)，并運(yùn)用到新問題中。

也許是物理學(xué)里的一種圖像，突然啟發(fā)了你在生物學(xué)上的想法。這種能力，現(xiàn)在的 AI 還沒有。

換句話說，AGI不等于大模型，而是能產(chǎn)生跨領(lǐng)域聯(lián)想的思維方式。

哈薩比斯沒有給出一個確切時間表，但他估計(jì)：我們可能還需要 5 到 10 年，才有可能做到這些。

他不是在唱反調(diào)，而是提醒行業(yè)：

目前我們見證的 AI 突破，主要是處理能力的提升，而真正的智能核心還沒有到來。

他認(rèn)為，真正的通用智能還需要幾年關(guān)鍵突破。

AGI 不在概念里，在突破里。

結(jié)語｜不是模型更強(qiáng)，是能力跑通

從 Gemini 到 Genie，從機(jī)器人到 Isomorphic，哈薩比斯講的不是某個新功能上線，而是一套清晰的路徑：

語言是起點(diǎn)，理解是過程，行動是目標(biāo)。

這條路徑上，DeepMind 沒有展示一個模型能做多少事，而是展示了：當(dāng)模型進(jìn)入場景、聯(lián)通設(shè)備、靠近真實(shí)任務(wù)時，它會變成什么樣的智能形態(tài)。

不是陪你聊天的助手，而是能觀察世界、動手操作、輔助科研的智能系統(tǒng)。

他說的是一件更本質(zhì)的事：

通用智能，不靠參數(shù)疊加，而靠能力組合。

AI 的全面爆發(fā)，不是從跑分榜單開始，而是從能不能真正“上手一件事”開始。

對國內(nèi)企業(yè)來說，這意味著：

• 少講技術(shù)領(lǐng)先，多問能不能落地；

• 別盯著參數(shù)，看看能力跑通了沒有。

模型只是手段，路徑才是門檻。

技術(shù)爆發(fā)已經(jīng)開始，落地才剛開始。

行動的時間到了。

本文由AI深度研究院出品，內(nèi)容整理自Demis Hassabis在All-In Summit 2025及Bloomberg Tech Europe的最新訪談。未經(jīng)授權(quán)，不得轉(zhuǎn)載。

星標(biāo)公眾號， 點(diǎn)這里 1. 點(diǎn)擊右上角 2. 點(diǎn)擊"設(shè)為星標(biāo)" ← AI深度研究員 ? ← 設(shè)為星標(biāo)

參考資料：

https://www.youtube.com/watch?v=Kr3Sh2PKA8Y&t=887s&ab_channel=All-InPodcast

https://www.bloomberg.com/news/articles/2025-09-12/deepmind-ceo-demis-hassabis-says-ai-will-cut-drug-discovery-from-years-to-months

https://deepmind.google/discover/blog/genie-3-a-new-frontier-for-world-models

https://podcasts.apple.com/us/podcast/all-in-with-chamath-jason-sacks-friedberg/id1502871393

https://www.nobelprize.org/prizes/chemistry/2024/press-release

來源：官方媒體/網(wǎng)絡(luò)新聞

排版：Atlas

編輯：深思

主編: 圖靈