看不见的AI,才是更大的AI——从 Cleo Abram 对 Demis Hassabis 的最新访谈,看 的真正主战场、产业走向与企业启示

导言

最近，Cleo Abram 对 Google DeepMind 首席执行官 Demis Hassabis 的这场最新访谈，很值得所有数智化厂商、行业 CIO、研发负责人和创新团队认真看一遍。因为这场访谈真正讨论的，并不是哪一个模型更强，也不是 Gemini 和 ChatGPT 谁更好，而是一个更根本的问题：AI 到底会先在哪些地方真正改变世界。在 Demis 看来，答案并不主要是聊天机器人，也不只是内容生成，而是那些多数人平时看不见、却能撬动基础科学、药物发现、基因理解、能源突破、灾害预测和公共治理的“隐形 AI 工具”。这场访谈发布于 2026 年 4 月，核心线索非常清晰：AI 的下一阶段，不只是更会说话，而是更会发现、更会推演、更会完成任务，甚至会成为推动科学文明前进的基础性工具。

Demis 本人之所以值得被重点关注，也不仅因为他是 Google DeepMind 的 CEO，更因为他与 John Jumper 因 AlphaFold 相关工作共同获得了 2024 年诺贝尔化学奖；而 AlphaFold 数据库目前已开放超过 2 亿个蛋白质结构预测，覆盖全球科研使用，EMBL-EBI 在 2025 年 10 月披露，该数据库已被 190 多个国家、超过 300 万人使用。换句话说，这不是一场泛泛而谈的未来主义访谈，而是一个已经把 AI 从“会下棋”推进到“能解决 50 年科学难题”的关键人物，对未来 AI 路径的公开说明。

如果把这场访谈浓缩成一句话，那就是：AI 大转型的真正方向，正在从“可见的助手”走向“不可见的基础能力”，从“对话式 AI”走向“科学型 AI + 行动型 AI”。这不只是技术路线的变化，更会重塑数智化厂商的产品逻辑、行业用户的投资重点，以及整个 AI 市场下一轮价值分配方式。

一、这不是一场产品访谈，而是一场关于 AI 方向的访谈

很多人看这场访谈，第一反应会是：这是 Google DeepMind CEO 在谈 AlphaFold、Gemini、AlphaGo、AlphaGenome 这些项目。但如果再仔细看一层，会发现 Cleo 一开始就把主题定得非常准：AI 对人类生活影响最大的部分，往往不是最显眼的那部分。她直接指出，真正深刻塑造现实世界的，很可能不是聊天机器人和图像生成器，而是药物设计、自然灾害探测、核聚变、量子计算这类“看不见的工具”。Demis 不仅没有反驳，反而顺着这个逻辑，把整场访谈导向了自己最关心的方向：用 AI 推进科学与医学。

这点非常重要。因为过去两年，全球 AI 市场被大模型、对话产品、办公助手、搜索助手和内容生成占据了太多注意力，以至于很多厂商和企业都默认：AI 的价值主要体现在前台交互体验上。但 Demis 这场访谈的核心判断恰恰相反：前台很热闹，后台更重要；看得见的应用会先红，看不见的能力会更深地改变世界。这其实是在提醒整个产业，不要把 AI 的未来，狭隘地理解成“更强的聊天框”。

从这个意义上说，这场访谈的价值，不在于它给出了多少“新消息”，而在于它把 DeepMind 多年来的演进逻辑讲得很清楚：从早期通过视频游戏和围棋研究“智能如何涌现”，到用 AlphaGo、AlphaZero 验证自学习与泛化能力，再到把这套能力投向蛋白质折叠、药物研发、基因组理解和更广泛的科学问题，Demis 实际上是在回答一个更深的问题：为什么真正长期有价值的 AI，一定要进入科学与产业深水区。

二、Demis 最核心的五个判断

1. AI 最重要的价值，很多会先发生在“看不见”的地方

Demis 在访谈中最鲜明的态度，是把 AI 定义为推动科学和医学进步的“终极工具”。他明确表示，自己 30 多年前投身 AI，核心动机之一就是推进科学发现和人类健康，而 AlphaFold 只是这一愿景迄今最成功、最清晰的表达。也就是说，在他的思维里，AI 从来不是单纯的消费级产品革命，而是帮助人类理解现实世界、处理复杂数据、发现隐藏规律的新型科学引擎。

这和很多市场叙事不太一样。今天不少人谈 AI，谈的是搜索替代、客服替代、办公提效、内容生成，关注的是使用频率和可见交互；而 Demis 关注的是“根节点问题”。他在访谈中专门提到，AlphaFold 之所以重要，不只是因为它解了一道难题，而是因为它解决的是“知识树的根节点问题”——这种问题一旦突破，会解锁整条研究分支和大量后续应用。

对中国数智化市场而言，这个判断很值得重视。因为过去几年，很多 AI 项目集中在“表层接触点”上，例如写文案、做客服、做会议纪要、做知识问答，这些当然重要，但它们更多是效率改善；真正可能改变企业竞争壁垒、行业效率边界和国家创新能力的，往往是那些嵌入研发、设计、制造、药物、材料、基因、能源和公共治理的“隐形 AI”。这类系统不一定最吸睛，但更可能最值钱、最耐久、也最难替代。

2. AlphaFold 不是一个孤立成果，而是 AI 进入科学核心区的标志

在访谈中，Demis 重新讲述了 AlphaFold 为什么值得做：蛋白质折叠问题是生物学领域持续 50 年的重大挑战，核心在于能否根据一维氨基酸序列预测蛋白质的三维结构。他早在学生时期就意识到，这类问题未来非常适合 AI。今天看，这个判断已经被事实证明。诺奖官方指出，Hassabis 和 Jumper 因用计算方法预测蛋白质结构而获奖；AlphaFold 数据库则已覆盖超过 2 亿蛋白质结构预测。

更重要的是，Demis 在访谈里强调了 AlphaFold 的“普惠化”做法：既然可以高精度、快速预测，为什么不干脆把自然界中几乎所有已知蛋白都跑一遍，然后免费开放给全球科学家使用？这背后不是单一产品思维，而是一种“把 AI 成果做成科学基础设施”的思维。EMBL-EBI 也确认，这个数据库已经成为全球科研共同体的重要开放资源。

这一点对产业特别关键。因为它说明，未来最有战略价值的 AI，不一定是卖给最多人的助手，而可能是成为某个行业、某个科研体系、某条产业链都离不开的基础设施。厂商如果只盯着助手、入口、流量，可能会错过更长线的价值制高点。

3. 在 AGI 到来之前，专用型 AI 就足以创造巨大社会价值

访谈中有一段非常有代表性。Demis 说，如果按他的理想路径，AI 原本应该在实验室里被更谨慎地推进更久，用更严谨、更科学的方法一步步走向 AGI；与此同时，不需要等到 AGI 真正到来，人类完全可以先利用更专用的 AI 系统，去创造大量实际价值，例如更多像 AlphaFold 这样的工具、更多面向癌症、新材料、新能源的突破。

这其实是在纠正当下市场里的一个误区：很多人一谈 AI，就把注意力全部集中在 AGI 什么时候来、会不会取代人类、什么时候全面通用化。但 Demis 讲得很清楚，不用等 AGI，AI 今天就可以在很多垂直问题上产生极其重大的价值。他提到目前他们已在推进 18 到 19 个不同药物项目，覆盖心血管、癌症、免疫学等多个治疗方向。

这对企业极有启发。因为企业 AI 转型最容易犯的错误之一，就是总在追逐“全能 AI”，却忽略了“高价值专用 AI”更容易形成业务闭环。对大多数行业用户而言，真正值得优先投入的，不是一个无所不能的大模型神话，而是那些能够显著提升研发成功率、加速设计迭代、压缩试验周期、减少无效流程的专用型 AI 系统。

4. AI 正在进入 Agent 时代，但这会让安全问题更尖锐

在这场访谈中，Demis 对 Agent 的定义非常直接：能够自主完成完整任务的系统。他明确表示，未来 2 到 4 年，随着系统能力增强、Agent 时代真正展开，AI 会变得更自主、更有能力，这当然会带来巨大效用，但也会带来新的技术和治理挑战。因为问题不再只是“模型会不会说错”，而是“系统会不会偏离目标、绕过护栏、在复杂场景中做出不该做的事”。

这点对数智化厂商和行业用户都很关键。过去两年，不少企业仍把 AI 主要当成问答工具、搜索工具或内容生成工具来部署，但未来的竞争重点会越来越多转向执行层：谁能调用系统、谁能读取数据、谁能触发流程、谁能完成跨系统任务。只要 AI 从“建议者”走向“执行者”，权限、审计、责任、回滚、护栏、边界控制就会成为前置问题，而不再是后置补丁。

因此，Demis 谈 Agent，不是为了渲染概念热度，而是在提醒市场：Agent 越有用，治理就越不能滞后。

5. AGI 不是不能追，而是不能只按商业竞速逻辑追

Demis 在访谈中最值得玩味的一层，是他的矛盾感。他一方面承认现实：AI 已经被全球数百万人、上亿人使用，大规模开放和真实世界压力测试也确实有积极意义；另一方面，他又明确说，如果按自己理想中的方式，像 AGI 这样可能是人类历史上最具变革性的技术，最好应当像 CERN 那样，以更严谨的科学协作方式推进。

他还特别提到，今天这种由竞争、部署、开放测试驱动的路径，并不是自己最初想象的那种“哲学上充分思考、科学上逐步验证”的路径。但现实不是理想世界，前沿实验室只能在现有环境里尽量负责任地推进。这个表述非常重要，因为它真实反映了今天整个 AI 产业的处境：技术必须向前，治理却还没有完全准备好。

三、这场访谈揭示的 AI 发展趋势

把 Demis 的观点进一步展开，可以看到未来 AI 至少会沿着四条主线演进。

第一条主线，是从聊天工具走向科学引擎。未来最深刻的 AI 影响，不会只体现在用户每天点开的那个聊天窗口里，而会更多发生在药物发现、基因组理解、气象预测、材料设计、能源优化和复杂系统模拟中。访谈里，Cleo 和 Demis 都把这类 AI 称作“看不见的 AI”；而 DeepMind 近两年的公开成果也确实围绕 AlphaFold、AlphaGenome、天气预测等方向展开。

第二条主线，是从模型展示走向根问题突破。AlphaFold 的意义，不是“又一个 AI 产品成功了”，而是它说明 AI 可以直接进入长期未解、科学门槛极高的问题区。Demis 所说的“root node problems in science”，实际上为未来 AI 价值排序提供了新标准：不是谁更会营销，谁更会包装，而是谁能真正触到知识和产业的深层瓶颈。

第三条主线，是从辅助认知走向自主执行。Agent 时代意味着 AI 会逐步从“给答案”转向“做事情”，从“建议下一步”转向“直接完成一项工作”。这会推动 AI 更深地进入企业流程、科研流程和公共治理流程。谁先把这类能力和真实业务流程结合起来，谁就更可能在下一阶段形成领先。

第四条主线，是从技术竞争走向技术与治理双重竞争。Demis 最担心的两类风险，一类是坏人或国家级力量把 AI 重新定向用于有害目的，另一类是 AI 自身随着能力上升而失控、偏航或突破护栏。也就是说，AI 的未来不只取决于能力曲线，还取决于治理能力曲线能不能跟上。

四、对数智化厂商的启示：不要只卷前台助手，要争夺“隐形 AI”高地

对数智化厂商而言，这场访谈至少有五点启示。

第一，不要把 AI 产品化理解成“套个大模型做助手”。这条路可以做，但不够深。真正更有战略价值的，是把 AI 做进行业研发、工业设计、药物发现、金融风控、制造优化、能源调度、公共健康这类高壁垒环节里。前台助手更容易被替代，后台引擎更可能形成长期门槛。

第二，未来最值钱的厂商，不一定是模型厂商，而是“行业 AI 系统厂商”。AlphaFold 的案例说明，真正的价值不只来自模型本身，而来自模型、数据、领域知识、工作流、开放接口和使用生态的整合。中国厂商如果只在通用能力层面追逐，很容易陷入同质化；如果能在某些高价值场景里沉淀“行业型 AlphaFold”，反而更可能建立位置。

第三，厂商需要重新理解“平台”的含义。下一阶段的平台，不只是 Agent 开发平台，不只是模型调用平台，而是能够把模型、数据、仿真、知识、实验、审计和业务系统连接起来的智能基础设施。未来平台能力的核心，不只是调用次数，而是对真实复杂任务的承接能力。

第四，厂商必须把安全、治理和责任机制做成产品能力。既然 Agent 会越来越强，那厂商就不能只卖“效率”，还要卖“可控”。权限管理、行为可追踪、输出可回溯、风险可隔离、错误可回滚，将成为企业客户越来越关心的购买条件。Demis 对护栏和目标对齐的担忧，其实也在给企业级产品经理提要求。

第五，中国数智化厂商要敢于布局“长期价值场景”。今天市场容易追热点，什么火就做什么；但真正能拉开差距的，往往不是最热的场景，而是最难、最深、最慢、但一旦做成就极具复利效应的场景。中国厂商过去在流程数字化、交易系统、运营系统上已经积累很深，下一步更值得投入的是研发型、发现型、仿真型和决策型 AI。

五、对行业用户 AI 大转型的启示：重点不是“买模型”，而是重构价值创造方式

对行业用户来说，这场访谈最重要的提醒，是不要把 AI 大转型理解成一次简单的 IT 采购升级。真正的变化，是企业价值创造方式本身正在被改写。

第一，企业要把 AI 的目标从“提一点效率”升级为“改造关键能力”。如果企业只是把 AI 用来写邮件、做摘要、整理纪要，价值当然有，但天花板也明显。更大的机会在于，把 AI 用到研发设计、知识发现、风险预测、实验优化、供应链调度、运营决策这些高杠杆环节里。AlphaFold 之所以震撼，不是因为它更快，而是因为它改变了一个领域解决问题的方式。

第二，企业要优先寻找“根问题场景”。每家企业都有一些核心瓶颈：可能是新品研发周期长，可能是复杂故障难定位，可能是实验试错成本高，可能是海量规则难解释，可能是跨系统流程效率低。真正适合 AI 大投入的，不是所有场景，而是这些一旦突破就能撬动整条价值链的“根问题场景”。

第三，行业用户要提前为 Agent 做组织准备。当 AI 从问答走向执行，组织就必须同步调整：什么能让 AI 做，什么不能；AI 的建议谁负责，AI 的动作谁授权；出错时谁兜底，边界如何定义。这些问题如果不提前想清楚，未来 Agent 能力越强，组织摩擦越大。

第四，企业需要建立新的 AI 评估指标。过去很多企业评估 AI 项目，主要看节省了多少人时、写了多少内容、问答准确率有多高。未来更重要的指标会变成：研发成功率是否提升，试验周期是否缩短，知识发现速度是否加快，复杂决策是否更稳，重大风险是否更早识别。这些指标更接近经营结果，而不只是工具活跃度。

第五，AI 大转型最终是“一把手工程”。因为它牵涉到研发、业务、流程、数据、组织、风控和治理，不可能仅靠 CIO 或创新部门单独推动。Demis 访谈里一再强调，AI 对科学、医学、公共治理的意义，不是局部优化，而是体系级变化。企业若仍把 AI 当成单一技术项目推进，往往很难真正做深。

六、真正值得记住的，不是 AlphaFold，而是 AlphaFold 背后的逻辑

很多人看完这场访谈，会记住 AlphaFold、AlphaGo、AlphaGenome、Agent、AGI、安全这些关键词。但更重要的，其实是 Demis 背后的方法论。

这个方法论可以概括成四句话：

第一，用 AI 解决真正重要的问题。第二，优先攻克能带来连锁效应的根节点问题。第三，在 AGI 到来之前，就先把专用型 AI 的价值做出来。第四，能力越强，越要把治理和边界前置。

如果用这四句话回头看今天的中国 AI 市场，会发现很多现象都可以重新理解：为什么越来越多厂商开始强调行业 Know-how，为什么越来越多企业开始从聊天助手转向智能体和流程自动化，为什么科研、医药、工业、能源、金融这些高复杂行业会成为下一轮 AI 投资重点，为什么治理、安全、数据主权、审计和可控性会越来越重要。

结语

Cleo Abram 这场对 Demis Hassabis 的最新访谈，最值得行业记住的，不是哪一句对 AGI 的判断，也不是哪个模型名字，而是它揭示了一个更大的方向：AI 的真正价值中心，正在从前台交互转向后台发现，从内容生成转向知识突破，从辅助问答转向自主执行，从可见应用转向隐形基础设施。

对于数智化厂商，这意味着下一阶段不能只卷模型、卷入口、卷助手，而要争夺高价值行业场景和“隐形 AI”制高点。对于行业用户，这意味着 AI 大转型的关键，不是部署多少个模型，而是能否借助 AI 重构研发、决策、流程和创新方式。对于整个产业，这场访谈给出的最强提醒则是：未来的 AI 竞争，不只是比谁更聪明，还要比谁更有价值、谁更可控、谁更能真正推动人类解决那些长期未解的重要问题。

（点击阅读原文看完整的视频访谈）

关于IDC CXO卓越圈