穿越迷雾：DeepMind掌舵人Demis Hassabis眼中的AGI终局与“世界模型”新纪元

在人工智能的浪潮中，如果说ChatGPT引爆了大众对生成式AI的狂热，那么Google DeepMind则始终扮演着那个仰望星空的“长期主义者”。从AlphaGo击败人类围棋冠军，到AlphaFold破解蛋白质折叠难题，DeepMind一直试图通过AI解决科学界的终极问题。

随着Google走出“红色代码（Code Red）”时刻，凭借Gemini系列模型重回舞台中央，DeepMind联合创始人兼CEO Demis Hassabis近期深入剖析了行业当下面临的临界点。不仅是关于模型参数的竞赛，更是一场关于“智能本质”的认知升级。本文将剖析DeepMind的技术路线图，探讨AGI（通用人工智能）的最后拼图，以及在地缘政治与资本泡沫夹击下的行业终局。

一、 缩放定律的延续与“锯齿状智能”的困局

尽管行业内关于“缩放定律（Scaling Laws）”是否失效的争论不绝于耳，但在Hassabis看来，通过增加算力和数据来提升模型能力的路径并未终结。他认为虽然这种增长可能不再维持两年前的爆发性速度，但我们正处于“指数级增长与边际效应递减”的中间地带，投入依然能带来可观的回报。

然而，单纯依靠堆砌算力和数据并不能直接通向AGI。目前的LLM（大语言模型）表现出一种“锯齿状智能（Jagged Intelligence）”特征。

• 能力断层：模型在某些维度表现惊人，却在简单的逻辑或常识问题上频频出错。
• 创新匮乏：现有的聊天机器人难以进行真正的在线学习或创造全新的知识，它们更多是在整合已有信息，而非提出新的科学假设。

Hassabis坦言，距离真正的AGI——即在认知、规划、推理和创新能力上全面匹敌甚至超越人类的系统——大约还有5到10年的距离。要跨越这最后几公里的鸿沟，仅靠现有的Transformer架构可