DeepMind CEO 談 AI 的兩條路：做科學工具，還是卷入 AGI 競賽

這幾年，AI 討論最熱的地方，往往集中在模型排行榜、產品競爭、融資估值，或者“誰會先做出 AGI”。

但 Google DeepMind CEO Demis Hassabis 最近這場訪談里，讓我印象非常深刻的是：AI 最值得被優先投入的方向，不是娛樂，不是噱頭，甚至不只是生產力工具，而是科學發現，是人類健康，是那些原本要花幾十年才能推進一點點的事情。

Demis 既是 DeepMind 的創始人，也是 AlphaGo、AlphaFold、Gemini 這一整條技術路線背后的關鍵人物。他身上有一種今天越來越少見的氣質：一方面，他是最接近 AGI 中心戰場的人；另一方面，他又始終試圖把 AI 放回一個更長遠的坐標系里去理解——不是“下一個更火的產品是什么”，而是“這種技術最終應該為人類解決什么問題”。

一、在 Demis 看來，AI 的最好用法，是去攻克科學難題

Demis 在訪談里提到，自己從很早開始就把 AI 視為一種“終極工具”——不是為了替代人類的意義感，而是為了把人類的科學能力和理解能力推到新的層次。對他來說，AI 最令人興奮的地方，從來不只是它能寫文章、寫代碼、聊天，甚至也不只是自動化，而是它可以幫助人類看見原本看不見的規律，推進原本推進不了的研究。

這種想法最典型的體現，就是 AlphaFold。

蛋白質結構預測曾經是生物學里一個持續了幾十年的難題。問題聽起來很專業，但意義非常直接：如果你不知道蛋白質在三維空間里究竟長什么樣，就很難真正理解它在人體里是怎么工作的，也很難更快地設計藥物、理解疾病機制。過去，研究人員為了搞清楚一個蛋白質的結構，往往要投入大量資金和多年時間，用實驗方式一點點地測。Demis 說，AlphaFold 真正讓他激動的原因在于，這是一個只有 AI 才可能以這種規模和速度推進的科學突破。

更重要的是，DeepMind 最終選擇把大量蛋白質結構公開出來，而不是把它變成一個高度封閉的商業產品。這件事背后的價值觀非常明確：如果 AI 真能成為科學加速器，那么最重要的不是把它鎖在一個收費墻后面，而是讓整個科學共同體都能站在這塊新地基上往前走。也正因為如此，AlphaFold 的影響力遠遠超出了“AI 技術演示”的范疇，它更像是一個標志性時刻——AI 第一次如此清晰地向整個世界證明，自己不只是信息工具，也可以成為發現工具。

二、DeepMind 一開始想做的，是像 CERN 一樣慢慢研究智能

Demis 在訪談里提到，DeepMind 最初的理想并不是卷進今天這種高強度、準實時的商業競速。更早的時候，他對這件事的想象，更接近一個長期科學機構：像 CERN 那樣，聚集最聰明的人，用一種相對從容、系統、可驗證的方式去研究智能本身。

這件事很有意思，因為它和今天外界對 AI 公司的印象幾乎是反過來的。現在人們談 AI，談的是模型發布頻率、推理成本、分發能力、企業客戶、生態壁壘。但 Demis 討論 DeepMind 的原初動機時，語氣明顯還是一個科學家：他真正想解的，是“智能是什么”“怎樣構建能夠學習、推理、泛化的系統”“這種系統能不能反過來幫助人類理解科學世界”。

當然，現實并沒有給他一個純科研的環境。ChatGPT 引爆了整個行業之后，AI 被迅速卷入了產品競爭、基礎設施競爭和資本競爭。Demis 也承認，如今的節奏和他最初理想中的“慢慢搭建一個研究智能的科學機構”已經非常不同了。競爭帶來了好處——更快的迭代、更廣泛的可用性、更大的社會關注度；但它也帶來了明顯的代價——人們越來越容易把 AI 理解成一場短期商業沖刺，而不是一場真正會重塑科學和文明底層結構的長期工程。

換句話說，DeepMind 身上一直存在兩條線：一條線是科學理想主義，另一條線是現實世界的競爭邏輯。今天這兩條線并沒有誰徹底壓倒誰，而是一直在拉扯。理解這一點，其實也就更容易理解 Demis 為什么總是在談模型能力的時候，又不斷把話題拉回科學、健康和長期安全。

三、AlphaGo 最震撼的地方，是“創造性”第一次被看見

訪談里還有一條非常重要的線索，是 Demis 如何理解“學習型系統”和“真正的智能”。

他回顧了從早期專家系統到 AlphaGo 的變化。過去很多 AI 系統，本質上還是把人類已有知識硬編碼進去，所以它們只能在一個狹窄任務上表現出色，離開那個任務就幾乎什么也不會。DeepMind 想做的不是這種系統。他們想做的是一種能自己學習、自己探索、自己形成策略的系統。

AlphaGo 對李世石那場比賽里最著名的“Move 37”，之所以被反復提起，不是因為它只是“神之一手”，而是因為那一刻很多人第一次直觀地意識到：AI 不是只能模仿人類已有經驗，它也可能探索出人類從沒走過、但事后看又極具啟發性的路徑。Demis 認為，這是“創造性”最重要的一個信號。

而后來的 AlphaZero 更進一步：不給它人類棋譜，讓它從零開始學。Demis 對這類系統真正看重的，不是它會不會贏棋，而是它展示出一種極其重要的能力——從第一性狀態出發，通過自我博弈、反饋和優化，找到人類未必能預先設計出來的解。

一旦你理解了這一點，就會明白為什么 DeepMind 總想把這類方法遷移到科學里。因為很多現實世界的難題，本質上都像圍棋：搜索空間極大，人的直覺有限，傳統窮舉走不通，但又存在某種尚未被發現的結構。材料科學、藥物設計、芯片設計，甚至更復雜的實驗流程優化，理論上都可能被這種“會學習、會探索、會提出新路徑”的系統改寫。

四、Demis 眼里的 AGI，不只是更強聊天機器人，而是“能自己行動的系統”

今天很多人提到 AGI，腦海里浮現的還是一個“更聰明的 ChatGPT”。但從這場訪談來看，Demis 討論的重點已經不只是會不會答題、會不會聊天，而是 AI 會不會變成一個能持續規劃、執行、調用工具、和現實世界發生作用的“行動型系統”。

也因此，他談風險的時候，分得非常清楚。

第一類風險，是壞人使用 AI。也就是所謂 dual-use 問題：同樣一種技術，可以被用于科學、教育、醫療，也可能被惡意利用，比如用于網絡攻擊、生物風險放大、欺詐操縱，或者其他社會危害。這個問題并不神秘，也不是未來才有，而是幾乎伴隨每一代強大技術而來。

第二類風險，是AI 系統本身開始具備足夠的自主性，出現“跑偏”或失控行為。Demis 的措辭相對克制，但他的意思很清楚：當系統越來越像 agent，而不是一個被動問答接口時，安全問題的性質會發生變化。屆時，人類要擔心的不再只是“它會不會說錯一句話”，而是“它在長鏈條任務里會不會做出超出預期的動作”“它會不會在目標理解、工具調用和執行路徑上偏離人類原意”。

這也是為什么他反復強調，要在模型能力推進的同時，把 guardrails、評估體系、國際合作機制一起推進。你可以不同意某些機構的安全表述方式，但不能否認一個事實：如果未來真正強大的 AI 會越來越多地參與現實任務，那么“如何確保它不會被惡意利用、也不會自己跑偏”必然會成為和能力本身同等重要的問題。

五、重新定義“AI 值得被用來做什么”

我覺得這場訪談真正有價值的地方，不在于 Demis 說了多少新鮮概念，而在于他試圖把整個 AI 敘事往上提一層。

過去兩年，公眾對 AI 的感知很大程度上被消費級產品塑造了：聊天、生成圖片、寫總結、做辦公助手、做搜索替代品。這些當然都重要，也會帶來巨大的商業價值。但如果 AI 最終只被理解成“更強的數字助手”，那其實是對這項技術想象力的縮減。

Demis 提醒我們的，是另一種更大的視角：AI 最驚人的價值，可能不是讓我們每天省 20 分鐘，而是讓那些原本需要十年、二十年才可能突破的科學問題，第一次有了被系統性加速的可能。它能幫助人類在蛋白質、藥物、材料、能源、計算架構這些領域更快找到規律、更快驗證假設、更快接近答案。

如果沿著這條線繼續往前看，你會發現這其實也是 DeepMind 和許多純產品公司最不同的地方。后者主要在爭奪用戶入口，前者則始終試圖證明：AI 不只是一個新的軟件范式，也可能是一個新的科學范式。

六、寫在最后

如果只是想看“最新模型誰強誰弱”，這場訪談未必會讓人特別興奮。它沒有那么多聳動的結論，也沒有“某年某月實現 AGI”的爽感表述。

但如果你更關心的是：AI 這件事最終會把世界帶到哪里去，DeepMind 這家公司到底在追求什么，為什么 AlphaFold 會被很多人視為比聊天機器人更深遠的突破，那么這場訪談很值得看。因為它提供的不是一個熱點觀點，而是一種相對完整的世界觀：智能應該如何被構建，科學為什么是 AI 最重要的戰場之一，而當系統越來越強時，人類又該如何面對隨之而來的風險。

從這個意義上說，這不是一場單純談“AI 產品”的訪談，它更像是一位身處風暴中心的人，試圖解釋自己到底相信什么。

原視頻：https://www.youtube.com/watch?v=C0gErQtnNFE