谷歌AI掌門人：智能革命，是工業革命的100倍！

內容來源：網絡信息整理匯編。

責編| 賈寧排版| 拾零

第 9432篇深度好文：5463字 | 18 分鐘閱讀

商業趨勢

筆記君說：

在今年達沃斯論壇上，德米斯·哈薩比斯，這位身兼國際象棋大師、神經科學博士、AI先驅與諾貝爾化學獎得主的谷歌DeepMind首席執行官，用一句“沒有，從來都沒有安心的時候”，揭開了全球AI競賽最真實的內幕。

他帶領的團隊持續處于“紅色警報”狀態。他本人長期保持著每周100小時、一年50周的工作強度，把一家萬億美元體量的科技巨頭，硬生生拉回到創業公司的戰時節奏。

他第一次系統回應了所有核心話題：谷歌是否慢半拍？中國AI到底追得多緊？機器人何時顛覆現實世界？AGI（通用人工智能）何時到來？AI時代之后，人類又要到哪里去？

以下，是德米斯·哈薩比斯接受彭博社專訪中的自述部分，略有刪減。

希望今天的內容，能給你帶來啟發和幫助。

一、谷歌，從來沒有“慢半拍”

沒有，從來都沒有安心的時候。

過去四年谷歌一直處于“紅色警報”的籠罩下，團隊保持著戰時節奏。我本人每周工作100小時、一年50周幾乎都在工作，因為對即將到來的變化興奮不已。

此外，我感覺我們已經真正適應了這個快速迭代的新世界，為谷歌注入了初創企業般的活力。

有人說谷歌慢下來了，這是一個徹底的誤解，我們一直都擁有站在這個領域前沿的所有必備條件。

過去10年，現代人工智能行業所依賴的約90%的突破性技術，都是我們研發的Transformer架構（筆記俠注：一種深度學習模型，被OPENAI采用開發出了ChatGPT）、深度強化學習、AlphaGo背后的技術體系——這些塑造了當前AI格局的基礎性突破，幾乎都出自谷歌與DeepMind之手。

我們擁有令人驚嘆的產品和服務，像搜索、Gmail和Chrome，坐擁數十億用戶，而這些產品與人工智能有著天然的契合度。關鍵在于如何將這些要素整合，并以正確的方式組織起來。

在技術發展如此迅猛的最前沿，你必須全力以赴。競爭異常激烈，這或許是科技史上最為激烈的競爭。

過去幾年我們做到了這一點。雖然仍有工作要做，但已經取得了一些成果。

二、18-24個月之內，

物理AI會出現突破

過去一年我花了大量時間深入研究機器人技術。我們正處在物理AI取得突破性進展的臨界點。距離實現這一突破，我們還有18個月到兩年的時間。

大模型將是最終AGI（通用人工智能）系統的核心組件。我不同意像Yann LeCun（楊立昆）的觀點，他認為大模型是死胡同。

我認為哪怕有新突破，大模型也會是那個最重要的基石。DeepMind（谷歌旗下人工智能公司）的優勢在于，我們有足夠深厚的研究底蘊，可以雙管齊下：一邊將現有的Transformer架構推向極致，一邊探索那些全新的架構創新。

Gemini從一開始就不是“聊天模型”，而是一個理解現實世界的多模態系統，是通往物理AI的入口。未來Gemini只會走向兩個方向：隨身的通用AI助手（眼鏡、手機）和真正能干活的機器人。

我們的愿景是讓AI能夠“看”你所看，“聽”你所聽。想象一下，你在一個陌生的城市，你不需要掏出手機，只需要問一句：“前面那棟建筑是什么？”或者你在做飯，眼鏡直接告訴你這一步該放多少鹽。

要實現這種無縫的體驗，必須是眼鏡。我們正在與Warby Parker、Gentle Monster以及三星等伙伴合作，打造下一代設備。這會是一個全新的、定義品類的技術產品。

在機器人方面，我們正與波士頓動力展開深度合作，今年會先推出原型機進行測試，或許一兩年后，我們就能展示一些令人印象深刻的成果。

讓機器人能在現實世界中穩定地完成各類有實際價值的任務，這就是突破的時刻。

三、2030年，有50%的概率

實現AGI（通用人工智能）

任何一名科學家都清楚，找到正確的問題，往往比找到答案難得多。

我既不認同楊立昆的“Transformer（谷歌提出的一種深度學習模型）盡頭論”，也不認同伊利亞（前OpenAI首席科學家）的“規模擴展終結論”，更不認同馬斯克的“技術奇點已至”。

我認為有50%的可能，只需在現有方法的基礎上進行優化并擴大規模，就能實現通用人工智能。但距離AGI（通用人工智能）還需要“一兩項，最多不超過五項突破性技術”。

比如世界模型，目前我們的GENI系統就是最先進的世界模型（筆記俠注：GENI是Google內部正在研發的一類世界模型），我也直接參與了這項研發，我認為它至關重要。

我認為，是否屬于AGI（通用人工智能）的核心在于“學習”。學習是智能的同義詞。如果我們說一個系統是通用的，那意味著它必須具備通用學習能力。它必須能學習新知識，并且能跨領域學習。如果一個系統只能靠工程師手動寫入規則，那它肯定不是AGI（通用人工智能）。

AGI（通用人工智能）應該有一個科學的定義。我的定義一直是：一個能夠執行人類所能做的所有認知任務的系統。

請注意，我說的是“所有”。這意味著它不僅要能像現在的AI這樣寫代碼、畫圖，它還要能達到人類創造力的巔峰。

它不僅要能解一道已知的數學題，還要能像拉馬努金（印度著名數學家）那樣，憑借直覺提出全新的數學猜想。

它不僅要能解決已知的科學問題，還要能像愛因斯坦提出廣義相對論那樣，提出全新的物理理論。

它不僅要能模仿藝術風格，還要能像畢加索或莫扎特那樣，開創前所未有的藝術流派。

目前我們的系統，無論解決了多少像AlphaFold（生物分子結構預測人工智能模型）這樣的難題，距離這種真正的“創造性突破”還有很長的路要走。人類的大腦做到了這一點，最聰明的人類做到了，所以這在物理上是可行的。但AGI（通用人工智能）必須具備在任何領域都能做到這一點的潛力。

此外，我還要加上物理智能（Physical Intelligence）。看看達沃斯街頭的運動員，或者普通的藍領工人，他們對身體的控制能力、在物理世界中的靈巧性，是目前的機器人望塵莫及的。

AGI（通用人工智能）必須包含這種與物理世界交互的能力，這是實現AGI（通用人工智能）的關鍵。

想象一下機器人技術。如果你想要一個能為你做家務的機器人，它必須能在腦海中“模擬”未來：如果我這么做，會發生什么？它需要預測未來的軌跡。目前的語言模型雖然能寫詩，但缺乏這種對物理世界的扎實理解。

所以我認為，真正的AGI（通用人工智能）離我們還有5到10年的距離。

四、AI是終極科學工具，

但獎項依然屬于人類

目前來看，人工智能依然只是工具，它是終極的科學研究工具，就像更先進的望遠鏡和顯微鏡。

人類一直都在制造工具，讓自己能更好地探索自然世界，人類本質上就是會制造工具的物種，這也是人類與其他動物的區別，而工具也讓人類擁有了超越自身的能力，計算機當然也屬于這類工具，人工智能則是這種能力的終極體現。

所以在我看來，人工智能一直都是推動科學研究的終極工具，而且在可預見的未來，科學研究都將是頂尖科學家與人工智能的合作成果：科學家提出富有創意的想法和研究假設，而人工智能作為強大的工具，助力提升數據處理、模式識別的效率，推動科學探索的進程。

五、未來變革的速度，

是工業革命的10倍

今年，我們會看到初級崗位和實習崗位可能會受到AI的影響，但要實現大規模取代，我們還需要解決人工智能系統的穩定性問題。

我把目前人工智能的這種不均衡表現稱為“鋸齒型智能”，在某些領域表現出色，在另一些領域卻不盡如人意。如果想將一整項工作完全交由人工智能代理完成，而非像現在這樣，僅讓其作為輔助工具，就需要讓系統在各方面都保持穩定的表現。

如果一個系統完成一項工作的成功率只有95%，那是遠遠不夠的，必須能圓滿完成整個任務，才能讓人放心地將工作交托給它。

所以在出現這種大規模的崗位變革前，我們還有大量工作要做，但這種變革最終一定會到來。當然，一旦實現通用人工智能，整個經濟體系都會發生改變，這早已超出了崗位變革的范疇。

如果我們能打造出真正的通用人工智能，而且方向正確，我們或許會進入一個后稀缺時代，解決世界上一些根本性的難題，比如能源問題。

（筆記俠注：“后稀缺時代”指物質、能源和信息極大豐富的未來社會，傳統意義上的資源短缺將消失。在這一時代，AI和自動化技術使生產成本趨近零，人們無需勞動即可獲得基本生活需求，貨幣可能失去意義。例如，馬斯克預測AI將消除貧困，工作成為可選項；經濟學家認為稀缺性本身會變得稀缺，時間、精力等人類核心價值將更珍貴。）

借助人工智能，研發出全新的清潔、可再生的近乎免費的能源，比如實現核聚變。還有新材料的研發。

我認為，信息才是宇宙最基本的單元，而不是能量或物質。

如果你看物理學，能量和物質通常被認為是守恒的、基礎的。但其實信息才是理解宇宙演化的鑰匙。

再看生物學。生命系統本質上是一個信息處理系統。我們在做什么？我們在抵抗熱力學第二定律（熵增）。我們在混亂的宇宙中，努力維持自身的結構，維持信息的有序性。

這就是進化的本質：通過選擇壓力，篩選出那些能夠穩定保存和復制信息的結構。再把視角放大到宇宙。

行星、恒星、星系的形成，其實也是在引力等物理法則的作用下，從混沌中涌現出的“信息結構”。

如果我們把宇宙看作是一個信息處理過程，那么AI就是這一過程的加速器。AI本質上是在幫助我們以更高效的方式，去解構、理解和重組宇宙中的信息。

以AlphaFold（生物分子結構預測人工智能模型）為例。蛋白質折疊問題困擾了人類50年。蛋白質的結構數量幾乎是無限的，如同大海撈針。

但AlphaFold（生物分子結構預測人工智能模型）通過學習已知數據的“信息拓撲結構”，找到了其中的規律，從而預測了所有已知蛋白質的結構。這不僅是生物學的勝利，更是“信息論”視角的勝利。

我們正在用AI這個工具，去破解物質、能量、生命背后的信息密碼。這將幫助我們發現新材料（比如室溫超導體）、設計新藥、解決氣候變化。

在科學領域，AI是工具，就像望遠鏡。哈勃望遠鏡沒有奪走天文學家的工作，它讓他們看得更遠了。AlphaFold（生物分子結構預測人工智能模型）預測了蛋白質結構，并沒有讓生物學家失業，而是讓他們跳過了枯燥、耗時數年的晶體衍射測定工作，直接去研究疾病機理和藥物設計。

這就是我看到的未來：AI負責那些繁重、枯燥的信息處理工作，讓人類騰出手來。我們將有更多的時間去思考更高級的科學問題，去創造更有意義的藝術，去尋找真正的目的和意義。

在實現通用人工智能后的五到十年，我們會進入一個徹底改變的世界。我們即將進入一個變革的時代，變革的規模和速度都會是工業革命的十倍，影響力會是百倍。

變革的背后，蘊藏著巨大的機遇。而且我始終堅信人類的創造力，我們的適應能力極強，因為人類的思維具有極強的通用性。

人類的大腦無比強大，我們的祖先以狩獵采集為生，而我們憑借這樣的大腦構建了現代文明，所以我相信我們能再次適應新的時代。當然，這次的變革是前所未有的，因為它的速度太快了。

以往，這樣的重大變革往往需要一兩代人的時間才能完成，而這次人工智能技術的變革，規模和影響力都極為巨大。

我會鼓勵今天的孩子們熟練掌握這些新工具，像使用母語一樣運用它們，這些工具幾乎能賦予他們超能力。比如在創意藝術領域，借助人工智能，一個人或許能完成過去十個人的工作。

這意味著，如果你富有創業精神，在游戲設計、電影制作等創意領域有想法，就能完成更多工作，也能比以往更容易地躋身這些行業，成為新銳人才。

六、當所有技術目標實現后，

我們還需要什么？

到那時，我想利用人工智能探索物理學的極限。

上學時，我最感興趣的就是那些終極問題：現實的本質是什么？意識的本質是什么？費米悖論的答案是什么？（筆記俠注：費米悖論是宇宙學和天體生物學中最經典的未解之謎，由美籍意大利物理學家恩里科?費米在1950年提出，核心是“理論上的地外文明存在性”與“人類實際觀測證據為零”的尖銳矛盾）時間是什么？引力是什么？

我很驚訝，很多人每天忙于生活，卻從未思考過這些重大問題，而這些問題一直縈繞在我心頭，迫切想要找到答案。

我想借助人工智能，去探索所有這些問題，或許還能在人工智能的助力下，利用新的能源和材料技術，實現星際旅行。

在AI時代，經濟層面的問題更多是一個政治問題：當人工智能為我們帶來巨大的效益和生產力提升時，我們能否確保這些成果為全人類共享？

但更核心的問題是，很多人從工作和科研中獲得生活的意義和目標，在新的時代，我們該如何找到這些？

我們需要新一代偉大的哲學家，來幫助我們思考這個問題。

或許未來，我們的藝術創作會更加精妙，我們的探索之旅會更加深遠，就像如今我們所做的極限運動等非經濟目的的事情一樣，未來或許會有更多更小眾、更有深度的這類活動。

結語：給身處變革中每個人的建議

大家可能會問：面對AI時代，我該怎么做？怎么應對？

我有兩點建議。

第一，對于年輕一代，唯一確定的就是未來的劇變。因此，最核心的技能是“學習的能力”，你適應新環境、吸收新信息以及利用新工具的速度有多快？這非常重要。

第二，對于企業家和創業者，面對層出不窮的模型和服務商，關鍵在于選擇正確的合作伙伴。請選擇那些以你認可的方式、負責任地擁抱技術的變革者。唯有如此，我們才能通過AI的進步，共同創造我們向往的未來。

我們深嵌于一個政治、經濟、科技、哲學都在經歷持續變革和深刻重塑的復雜社會與商業系統之中。

在前所未有的復雜系統性變革中，我們需要的是理解世界底層的“元能力”。

筆記俠 PPE（哲學、政治學與經濟學）課程，正是為理解這樣的復雜系統而生：理解國際貿易與經濟政策、理解國際政治與治理模式、理解全球技術與科技范式、理解文明進程與哲學意義。

這是第五代企業家應有的一套“操作系統”。

筆記俠PPE課程26級招生現已啟動。駕馭技術、洞察世界、扎根中國、修煉心力，在應對時代重重挑戰中尋找決策底牌。

穿越變革的舊世界，找到時代的新大陸，從升級你的PPE決策底層開始。

歡迎你掃描下方海報二維碼，添加課程主理人咨詢詳情。

參考資料：

1.《每周工作100小時！谷歌DeepMind CEO揭秘：中國對手是字節跳動，斷言谷歌是AI領域唯一全棧巨頭》，InfoQ

2.《達沃斯｜哈薩比斯：每周工作一百小時讓谷歌重回頂尖！我們將進入“后稀缺世界”》，瓜哥AI新知

3.《谷歌“大腦”德米斯·哈薩比斯最新訪談：去年西方夸大了對DeepSeek的恐懼，最應該擔心的競爭者是字節跳動》，九千光年

4.《谷歌AI掌門人、諾獎得主Demis：AGI需要打破“金魚記憶”，而谷歌無論泡沫破裂與否都將是贏家》，AI科技大本營

*文章為作者獨立觀點，不代表筆記俠立場。

好文閱讀推薦：

“子彈筆記”是筆記俠的矩陣公眾號，聚焦職場效率追求、人際關系與高潛成長者，幫你3分鐘吃透核心觀點和方法論。歡迎關注～