夜雨聆风【编者按】：本文前半部分基于DeepMind创始人德米斯·哈萨比斯的最新专访，梳理了他对当前AI核心瓶颈——“不稳定性”的犀利诊断。后半部分则是在此基础上，我们进行的一次深度推演与路径探讨，提出了一个不同于哈萨比斯宏伟蓝图的、更务实的解决方案。请读者在阅读时注意区分。
______
近期，DeepMind创始人最新专访：AGI或5年内实现，规模是工业革命10倍，上一波思想已被“榨干”德米斯·哈萨比斯的深度专访在AI圈刷屏。作为AlphaGo、AlphaFold的缔造者，他没有迎合“AGI将至”的狂热，反而抛出了最清醒的判断，直指当前人工智能繁荣表象下的致命短板。
一、哈萨比斯的诊断：AI患有“锯齿状智能”
哈萨比斯用“锯齿状智能”这个词，精准形容了当下AI的窘境。
（通俗解释：就像锯齿一样高低不平，AI的能力表现极不稳定，时好时坏。）
同一个模型，前一刻能解答复杂学术难题，下一刻可能在一个基础逻辑题上出错；能完成固定指令，却无法应对灵活多变的需求。
这种 “时而天才、时而笨拙” 的表现，让所有AI都只能做辅助，无法被真正信任，成为通往通用人工智能（AGI）的核心阻碍。
二、病根在于：AI没有“世界模型”
为什么不稳定？哈萨比斯指出，这不是数据不够多、参数不够大的问题，而是架构层的先天缺陷。
当下所有大模型，本质是“超级背诵机”和“概率预测器”，它们从海量数据中学到的只是文字间的统计关联，从未真正理解现实世界的因果、物理规则和常识。
人类能稳定应对世界，是因为我们大脑里内置了一个极简的“世界模型”，能进行推演和判断。而AI没有这个模型，一旦问题超出其背诵范围，就会立刻“露怯”。
三、两难困境：要稳定，就会“能耗爆炸”
最直接的思路是：给AI也内置一个“世界模型”。
但哈萨比斯清醒地指出，这条路在物理上几乎走不通。现实世界极其复杂，对万物进行全细节模拟，所需的算力和能耗将呈指数级爆炸，完全不具备落地可能性。
于是，一个终极悖论摆在面前：
想要AI稳定，就需要世界模型；想要能耗可控，就无法构建完整的世界模型。
四、哈萨比斯的“折中”路线：轻量化与模块化
面对悖论，哈萨比斯给出的方案是技术上的“折中”：
轻量化、抽象化：只模拟核心规则，不做全细节仿真。
模块化、按需激活：降低能耗，在“完美智能”与“物理现实”之间寻求平衡。
五、深度推演：一个更优解或许是“人类锚定”
然而，如果我们跳出 “必须让AI内生智能” 的思维定式，沿着 “解决现实问题” 的路径再往下推演一层，会发现一个更彻底、也更可行的方案：
放弃让AI自己承载完整的世界模型，转而由人类作为“外部动态锚点”，为AI提供真值校准和最终否决权。
具体做法：让AI模型保持轻量高效。仅在AI自身置信度低、输出出现逻辑矛盾或常识错误时，由人类介入进行极低成本的纠正。
核心优势：这既从根本上解决了“锯齿状智能”的稳定性问题，又完全规避了“能耗爆炸”的物理悖论。它不是技术妥协，而是工程最优解。
六、路径分野：他在“造神”，我们在“用工具”
一个尖锐的问题随之而来：如此清晰的思路，哈萨比斯这样的天才为何不采纳？
真相或许是：他并非没想到，而是主动放弃了这条路径。
哈萨比斯毕生追求的，是创造具有内生认知、能独立理解世界、甚至超越人类的通用智能。在他“解决智能，再用智能解决一切”的蓝图里，人类只能是启蒙老师，不能是终身“校对员”。
因此，他必须死磕“内置世界模型”这条路，哪怕面对悖论。而现实中，我们需要的往往不是一个完美的“神”，而是一个可靠、高效、成本可控的“强大工具”。
这背后是两条截然不同的路径：
🔮 哈萨比斯的路径（造神）：追求AI的独立自主智能，人类终将放手。
⚙️ 现实主义路径（造工具）：追求人机协同的最优效率，人类始终是稳定性的基石和价值的最终裁判。
______
写在最后
哈萨比斯的警示极为宝贵，他让我们清醒地看到当前AI的固有缺陷与天花板。
然而，比认识困境更重要的，是选择正确的破局之路。在可见的未来，最扎实、最物理、也最有效的路径，或许不是让AI独自扛起整个世界，而是构建“人类锚定、AI执行”的高效协同体系。
______
对此，你怎么看？
你更认同追求“独立智能”的终极梦想，还是青睐“人机协同”的务实路径？
欢迎在评论区分享你的观点。
