夜雨聆风
在 AI 领域，真正能定义行业未来走向的，永远是那些亲手改写了技术历史的人。
戴密斯・哈萨比斯，谷歌 DeepMind 创始人兼 CEO，就是这样一个站在 AI 金字塔尖的男人。
他一手打造的 AlphaGo，击败围棋世界冠军李世石，让全世界第一次见识到 AI 的恐怖潜力；他研发的 AlphaFold，攻克了困扰人类 50 年的蛋白质折叠难题，直接拿下 2024 年诺贝尔化学奖；谷歌能在 AI 大战中从落后到王者归来，背后的核心操盘手，依然是他。
这位亲手缔造了 AI 时代多个里程碑的教父级人物，在最新的深度访谈中，针对 AGI 的落地时间、AI 行业的核心瓶颈、企业竞争格局、AI 医疗的终极价值，给出了最直白、最深刻的判断。他的每一个观点，都在重塑我们对 AI 行业的底层认知。
5 年内实现 AGI，它的冲击将是工业革命的 10 倍
如今的 AI 圈，关于 AGI（通用人工智能）的讨论早已两极分化：有人觉得 AGI 近在眼前，有人却认为它只是永远无法落地的伪命题。而哈萨比斯和谷歌，始终在朝着 AGI 的终极目标坚定前行，甚至给出了明确的落地时间表。
在他的定义里，AGI 的标准无比清晰：只要人脑能做的事，AI 都能完成，就意味着真正的 AGI 已经实现。之所以用人脑作为标尺，是因为它是目前已知的、唯一能实现全领域学习、举一反三的通用智能体。而对于这个目标的实现时间，哈萨比斯给出了无比笃定的答案：未来 5 年，我们就能实现真正的 AGI。
在他看来，如今的大模型看似无所不能，实则和真正的 AGI 之间，还有着四道无法跨越的核心鸿沟：第一，当前的 AI 无法实现自主学习。模型能力的每一次提升，都必须依赖工程师投喂数据、调整参数、完成版本升级，无法像人脑一样，在与世界的交互中自主学习、自主成长；第二，AI 的智力表现极度不均衡。斯坦福最新发布的测试报告也印证了这一点，AI 能拿下数学奥林匹克竞赛的金牌，却会在阅读理解这种对人类而言极其简单的任务中，十次错五次；第三，长期记忆与分级规划能力存在致命缺陷。面对需要长期规划、多步骤执行的复杂任务，AI 的出错率居高不下，无法像人脑一样制定长期目标、拆解执行路径、动态调整策略；第四，无法实现真正的举一反三。AI 能在训练过的场景中表现出色，可一旦遇到完全陌生的新场景、新问题，就很容易出现逻辑混乱、答案失真的情况，无法实现人脑级别的通用迁移能力。
而当 AGI 真正落地，世界会变成什么样？面对这个所有人都关心的问题，哈萨比斯没有给出虚无缥缈的美好承诺，反而发出了最严肃的警告。
他坦言，每一次科技革命都会淘汰旧的工作岗位，同时创造新的就业机会，但这一次，我们绝对不能简单地把 AGI 的冲击，类比成互联网、移动互联网的变革。AGI 对人类社会的冲击，将是工业革命的 10 倍，席卷世界的速度，也会是工业革命的 10 倍，这一次，一切都会不一样。
面对主持人提出的 “能掌握 AGI 技术的人寥寥无几，全球贫富差距会越拉越大，该如何解决？” 的问题，哈萨比斯给出了一个极具实操性的解决方案：应该推动养老金等全民公共基金，投资顶级的 AI 公司，让普通大众能通过这种方式，分享 AI 行业发展的红利，搭上 AI 时代的高速列车。
万亿投入仍不够，AI 的终极瓶颈永远是算力
如今全球 AI 领域的算力投入，已经接近 1 万亿美元，华尔街无数机构都在高呼 “算力泡沫已经出现”，可哈萨比斯却在访谈中直言不讳：AI 发展的最大瓶颈，依然是算力，哪怕投入到今天这个规模，依然远远不够。
这个判断，看似反常识，实则戳中了 AI 行业最底层的发展逻辑。在哈萨比斯看来，算力从来不是简单的 “训练大模型的工具”，而是整个 AI 行业创新的核心底座，它卡住的从来不是单次模型训练，而是整个行业的创新速度。
他给出了两个核心原因，解释了为什么算力永远是 AI 的核心瓶颈：一方面，AI 的规模定律至今依然没有失效。更大的模型架构、更多的参数量、更海量的训练数据，往往能直接带来模型智能水平的阶跃式提升，而这一切，都必须以海量的算力作为支撑。没有足够的算力，再先进的算法理念、再宏大的模型设计，都只能是纸上谈兵。另一方面，算力是 AI 创新的核心工作台。一个新的算法点子、新的架构设计，从来不是在纸上推演成立就够了，它必须在足够大的规模中完成验证。无数创新思路，在小规模测试中表现完美，可一旦放到大规模的主系统中，就会彻底失效。没有足够的算力支撑，研发团队根本无法完成大规模验证，无数创新思路只能被束之高阁，整个行业的创新速度会被直接锁死。
即便当下算力供给存在巨大缺口，哈萨比斯依然坚定地表示，AI 的规模定律并没有失效。未来 AI 模型的进步速度，或许会比前两年略有放缓，但投入更多算力换取模型性能提升的路径，依然成立，这种投入的性价比，依然足够高。
马太效应不可逆，AI 公司的差距只会越拉越大
在很多人看来，AI 行业依然是百花齐放的格局，中小厂商、开源团队依然有弯道超车的机会，可哈萨比斯却在访谈中给出了完全相反的判断：未来 AI 公司之间的差距，只会越拉越大，马太效应已经不可逆。
他的这个判断，恰恰建立在 “算力是 AI 核心瓶颈” 的底层逻辑之上，形成了一个强者恒强的闭环：领先的 AI 公司，要么有充足的融资，要么有稳定的高额营收，能不计成本地采购更多的算力，支撑更前沿的模型研发、更大规模的算法验证，最终做出性能更强的新一代模型；而性能更强的模型，不仅能带来更高的营收和更多的融资，更会深度参与到下一代模型的研发迭代中。这一代的模型越强，研发下一代模型的效率就越高、效果就越好，形成正向的自我强化循环。
一边是头部厂商的滚雪球式增长，一边是中小厂商的算力缺口越来越大，最终的结果，必然是头部厂商和中小玩家之间的差距，被越拉越大。AI 行业的终局，注定会是少数几家巨头主导的格局，想要实现弯道超车，只会越来越难。
用 AI 攻克所有疾病，5-10 年改写新药研发的历史
在整个访谈中，聊到自己创立的新药研发公司 Isomorphic Labs 时，哈萨比斯的语气里，满是藏不住的兴奋与坚定。
他曾在无数场合说过，自己深耕 AI 领域的终极目标，从来不是打造能下棋、能聊天的 AI，而是用 AI 加速科学研究，尤其是医药研发，攻克困扰人类的所有疾病。Isomorphic Labs 的官网首页，最显眼的位置写着三个单词：solve all disease（攻克所有疾病）—— 它的使命，不是治疗某一种疾病，而是用 AI，把人类所有的病都治好。
这家成立仅五年的公司，已经拥有了堪称梦幻的团队阵容：哈萨比斯本人是创始人兼 CEO，2024 年诺贝尔化学奖得主，整个团队加上他，一共有五位诺贝尔奖得主，再加上谷歌 DeepMind 的全栈 AI 技术积累，从诞生之初，就注定要改写新药研发的历史。
哈萨比斯坦言，AlphaFold 已经彻底解决了蛋白质结构预测的百年难题，而 Isomorphic Labs 要做的，就是攻克新药研发全流程的剩余难题。他给出了清晰的时间表：未来 5 到 10 年，就能打造出成熟的 AI 药物设计引擎。
同时他也无比清醒地表示，药物设计完成，不代表药物就能成功上市，真正拖慢新药研发进度的，是后续漫长的临床试验。对此，他给出了清晰的两步走路径：第一步，先用 AI 大幅加速新药研发的前端环节，缩短药物分子设计、筛选、优化的周期，把原本需要数年的研发工作，压缩到几个月完成；第二步，再用 AI 解决临床试验的核心瓶颈，打造能精准模拟人体对药物反应的 AI 模型，一旦有数据证明模型的可靠性，临床试验的很多步骤就能被简化、加速，彻底打破新药研发的时间壁垒。
而 Isomorphic Labs 的首个攻坚方向，就锁定了心血管疾病、自身免疫性疾病、癌症这三大困扰全人类的医学难题，或许在不久的将来，这些曾经的不治之症，都会在 AI 的助力下，被一一攻克。
写在最后
哈萨比斯的整场访谈，没有虚无缥缈的概念炒作，没有夸大其词的技术炫技，只有一个深耕 AI 领域数十年的科学家，对行业最本质、最清醒的判断。
他告诉我们，AI 的狂飙，从来不是空中楼阁，算力是它最底层的地基，地基有多扎实，决定了 AI 的大厦能建多高；他也让我们看清，AI 技术的终极价值，从来不是商业市场上的估值高低、资本博弈中的输赢胜负，而是用技术突破人类的认知边界，解决那些困扰人类百年的科学难题，最终造福每一个普通人。
从用 AI 征服围棋，到用 AI 破解生命的密码，再到用 AI 朝着 AGI 的终极目标前行，哈萨比斯和他的团队，始终在证明一件事：AI 最珍贵的，从来不是它有多强大的能力，而是它能为人类文明，带来多少无限的可能。
