Google DeepMind的Demis Hassabis在最新访谈中抛出了一个颠覆性观点：单纯依赖算力扩张无法实现真正的AGI。这位兼具游戏设计天才与神经科学背景的AI先驱，正在推动一场从语言模型到世界模型的范式革命。本文将深度解析DeepMind如何用Genie+Sima组合拳突破LLM局限，以及他们对核聚变、量子计算等硬科技的终极布局。

当硅谷还在为参数量的每一次跃升而狂欢时，Google DeepMind 似乎已经嗅到了“大力出奇迹”的尽头。

Demis Hassabis——这位 AlphaGo 背后的男人，在近期与数学家 Hannah Fry 的深度对话中，罕见地给行业泼了一盆冷水：单纯堆砌算力的 Scale up（规模化），可能无法通往真正的 AGI。

那个曾在游戏中“扮演上帝”的少年

在理解 DeepMind 的技术焦虑之前，你需要先读懂 Demis Hassabis 这个人。

在硅谷众多的 AI 掌舵者中，Hassabis 是一个极其另类的存在。他既不是 Sam Altman 那样的创投操盘手，也不是传统的硬核软件工程师。他的底色，是策略与模拟。

4 岁学棋，13 岁便成为全球排名第二的少年国际象棋大师；17 岁加入传奇游戏公司 Bullfrog（牛蛙工作室），主导设计了风靡全球的《Theme Park》（主题公园）；随后他又转身攻读认知神经科学博士，研究人类大脑的海马体与记忆机制。

从某种意义上说，Hassabis 的前半生一直在做同一件事：解构智能，并模拟世界。

当年他在游戏中构建虚拟城市、模拟经济系统的经历，让他比任何人都清楚：真正的智能不能只活在文本里，它必须在与物理环境的交互中诞生。 这种“游戏极客 + 神经科学家”的双重基因，注定了 DeepMind 不会满足于做一个只会聊天的 Chatbot。他们想要的，是一个能像人脑一样感知世界、理解因果的“数字大脑”。

带着这种独特的视角，Hassabis 在这次访谈中发出的信号显得格外犀利：为了摘取 AGI 这颗皇冠上的明珠，我们必须走出语言模型的舒适区，去啃这块名为“物理世界”的硬骨头。

告别盲目扩张：50% 的资源要给“非共识”

过去两年，Scaling Law（缩放定律）被视为 AI 界的《圣经》。只要数据够多、算力够大，智能似乎就会无限涌现。但 Hassabis 此次揭示的 DeepMind 内部战略，却显露出一丝冷静的“反叛”。

他提出了一条严苛的 “50/50 黄金法则”：50% 的资源用于现行架构的规模化，而另外 50% 必须砸向基础创新。

为什么要分兵两路？因为现在的 LLM（大语言模型）存在致命的“偏科”。

尽管 Gemini 3 已经在国际数学奥林匹克中拿下了金牌，但在 Hassabis 眼中，这种辉煌难掩尴尬——模型在处理高难度竞赛题时游刃有余，却可能在基础的高中逻辑题上跌跟头。这是一种典型的“高智商、低常识”症状。

DeepMind 的判断十分犀利：仅靠阅读文本，永远无法解决“幻觉”和“逻辑一致性”问题。 为了修补这个漏洞，他们正在转向更底层的技术重构：引入思维链（Chain-of-Thought）推理、建立类似 AlphaFold 的置信度评估机制，以及通过合成数据（Synthetic Data）来突破人类数据的天花板。

走出“缸中之脑”：世界模型才是护城河

如果说 ChatGPT 是一个博学的“缸中之脑”，那么 Hassabis 想要打造的，是一个拥有物理直觉的“实体”。

在此次访谈中，“世界模型”（World Models） 的战略地位被提到了前所未有的高度。当前的语言模型能写出完美的流体力学公式，但它并不真正理解水是如何流动的。它懂语法，但不懂重力。

DeepMind 拿出的解法是 “Genie + Sima” 的组合拳：

• Genie（交互式世界模型）： 它不是在生成视频，而是在生成一个符合因果律的“宇宙”。它要通过三体问题、单摆运动等严苛的物理基准测试，而不是仅仅为了“看起来像”。
• Sima（模拟智能体）： 它是这个宇宙中的探险者。

这种“生成-交互-学习”的闭环，直击了 LLM 的软肋。Hassabis 的潜台词很明显：只有理解了物理世界的因果律，AI 才能从“聊天伴侣”进化为真正的“通用助手”和“机器人大脑”。

科学家的终极野望：从“后稀缺”到技术奇点

与友商们忙着卖会员、做搜索不同，DeepMind 依然保持着一种令人生畏的“科学原教旨主义”。

AlphaFold 2 解决蛋白质结构只是前菜，Hassabis 的目光已经锁定了更硬核的领域：核聚变与量子计算。 通过与 Commonwealth Fusion 的合作，利用 AI 优化托卡马克装置，DeepMind 正在试图用算法撬动能源革命。

这是一个极具诱惑力但也极度危险的愿景：AGI + 核聚变 = 后稀缺经济。 当能源变得无限廉价，海水淡化、合成燃料等难题将迎刃而解。

然而，Hassabis 也给出了一个令人警醒的时间表：5 到 10 年。

这不仅仅是技术突破的倒计时，也是社会变革的倒计时。当 Sima 这样的智能体开始在虚拟世界中学会自主决策，现实世界中的劳动力市场重构、网络安全威胁（Agent 攻击）以及地缘政治博弈，都将不再是科幻小说里的情节。

结语

在这场 AI 军备竞赛中，OpenAI 擅长制造惊艳的产品，而 DeepMind 则更像是在构建一个严密的科学体系。

Hassabis 的这次发声，实际上是在重申一个观点：通往 AGI 的路，不是一条单纯靠显卡铺出来的直线。 谁能率先让 AI 理解物理世界的运行逻辑，谁能用 AI 解决真正的科学难题，谁才拥有定义 AGI 终局的资格。