Loading...
Loading...
Google DeepMind CEO Demis Hassabis（德米斯·哈萨比斯）：世界模型、AGI 时间表与 AI 驱动的科学革命撰文：Techub News 整理
导语
2025 年 9 月，谷歌 DeepMind 的联合创始人兼 CEO 德米斯·哈萨比斯（Demis Hassabis）做客知名科技播客 All-In Podcast，进行了一场信息量极大的深度对话。作为 AlphaGo、AlphaFold 等里程碑式 AI 项目的核心推动者，以及 2023 年诺贝尔化学奖的共同得主，哈萨比斯一直是全球人工智能领域的灯塔人物。此次对话中，他不仅分享了获得诺奖的幕后故事，更系统地阐述了谷歌 DeepMind 的最新进展、对 AGI（通用人工智能）路径的思考，以及 AI 如何重塑科学、娱乐乃至人类社会的基础架构。在 AGI 浪潮席卷全球、科技巨头激烈角逐的背景下，哈萨比斯的见解无疑具有极高的参考价值。
摘要
世界模型是通往 AGI 的关键一步：Genie 等模型通过海量视频学习“直观物理”，无需预设物理引擎即可生成动态交互世界，这对机器人技术、智能眼镜助手至关重要。
AGI 可能还需 5-10 年：哈萨比斯认为当前 AI 尚缺乏真正的创造力、持续学习和一致性推理能力，需一两个关键突破才能达到真正的通用智能。
AI 将开启“科学新文艺复兴”：从药物发现（Isomorphic Labs）到材料设计、聚变控制，AI 将成为终极科学工具，其长远贡献将远超其当下的能耗。
人形机器人有独特价值：对于需要融入人类环境（家庭、办公室）的通用机器人，人形形态可能比专用形态更具实用性和适配性。
AI 赋能创作的两面性：既极大降低了普通人创作的门槛，也超级赋能顶级专业人士，催生“共同创造”的新娱乐形态。
从 AlphaFold 到诺奖：AI 驱动科学的起点
访谈从哈萨比斯获得诺贝尔化学奖的非凡经历开始。他描述接到来自瑞典的电话时“恍如隔世”，那是每个科学家梦寐以求的时刻。在斯德哥尔摩的颁奖周，最令他震撼的是在一本保存了120年的诺奖得主签名簿上，将自己的名字签在费曼、居里夫人、爱因斯坦、尼尔斯·玻尔等伟人之旁。哈萨比斯坦言，尽管有关于 AlphaFold 可能获奖的传言，但诺奖委员会对保密工作的极致要求，以及奖项更看重科学突破的实际影响力（这往往需要二三十年的沉淀），使得一切直到电话响起前都是未知数。AlphaFold 破解蛋白质结构预测难题，正是哈萨比斯从童年起就怀有的梦想——利用 AI 加速科学发现的完美例证。这枚诺奖奖章，不仅是对他个人和团队的认可，更是标志着 AI 正式成为基础科学发现的核心引擎。
谈及谷歌 DeepMind 在 Alphabet 中的定位，哈萨比斯将其比喻为“整个谷歌和 Alphabet 的引擎室”。自几年前谷歌内部所有 AI 力量（包括原 DeepMind）合并为 Google DeepMind 以来，团队规模已达约 5000 人，其中超过 80% 是工程师和博士研究员。Gemini 是他们构建的核心模型，此外还包括视频模型、交互式世界模型等多种 AI 系统。这些模型已经深度集成到谷歌几乎所有的产品和服务中，从 AI Overview、AI 模式到 Gemini 应用，每天有数十亿用户在与他们的 AI 技术互动。这种“前沿研究”与“数十亿规模落地”的结合，构成了谷歌 DeepMind 独特的优势。
Genie 与世界模型：让 AI 理解物理世界
对话的核心很快转向了谷歌 DeepMind 最新发布的一类革命性模型——“世界模型”，其代表便是 Genie。哈萨比斯现场展示了一段 Genie 生成的视频：用户仅通过一个文本提示（如“在鸡套装里的人”或“喷气式滑艇”），就能生成一个完全交互式的 3D 环境。用户可以使用方向键和空格键实时控制视角，探索这个世界。关键之处在于，所有像素都是实时生成，不存在于任何预设的视频或游戏中。当角色转头看向一个方向，那一侧的景物才被即时创造出来，并且保持物理一致性（例如之前墙上的涂鸦会保留）。
哈萨比斯解释道，Genie 模型通过观看互联网上数百万计的 YouTube 等视频，反向工程了“直观物理”。它并非基于传统的 3D 渲染引擎（如 Unity 或 Unreal），也没有被预先编程物理定律。相反，它纯粹从 2D 图像序列中学会了世界如何运作的复杂规律，包括光影反射、材质流动和物体行为。作为一名在 90 年代曾亲手编写游戏引擎和物理系统的前游戏开发者，哈萨比斯对 Genie 能如此“轻而易举”地完成这一切感到“极其震撼”。
为什么世界模型如此重要？哈萨比斯指出，要构建真正的 AGI，系统必须理解我们周围的物理世界，而不仅仅是抽象的语言或数学世界。这对于机器人技术、智能眼镜助手等应用至关重要。一个能帮助日常生活的智能眼镜助手，必须理解使用者所处的物理环境及其背后的物理规律。世界模型的突破，正是为 AI 系统装上了理解物理世界的“感官”和“常识”。他预测，随着 Genie 这类模型的进化（Gen 4, Gen 5…），它们将越来越逼近对现实世界的深刻模拟。
机器人、AGI 时间线与缺失的拼图
世界模型的自然延伸便是机器人技术。哈萨比斯介绍了他们基于 Gemini 微调而来的“Gemini 机器人模型”。在演示中，一个拥有两只机械臂的桌面机器人，能够理解“把黄色物体放进红色桶里”这样的自然语言指令，并将其转化为精准的动作序列。这体现了多模态模型的威力——它能将真实世界的理解融入与机器人的交互中，而不仅仅是依赖机器人专用的、狭窄的模型。
对于机器人的形态，哈萨比斯的观点发生了变化。他过去认为特定任务应有专用形态的机器人，但现在认为，人形机器人对于需要在人类设计的环境中工作的通用机器人具有重要意义。台阶、门把手、工具——我们的物理世界是为人类身体设计的。与其改变整个世界的设计，不如让机器人适应我们已有的环境。当然，在工业生产线或实验室等特定场景，专用形态的机器人仍是最优解。
关于 AGI（通用人工智能）的到来时间，哈萨比斯给出了相对审慎的估计。他认为当前顶尖的 AI 模型（包括他自己公司的）远非“博士级智能体”。它们在某些任务上表现出博士生水平的能力，但缺乏通用性和一致性，例如可能在高中学的数学或简单计数上犯低级错误。真正的 AGI 应该能全面达到高水平表现。
在他看来，通往 AGI 还缺少几个核心拼图：一是真正的创造力，即像爱因斯坦提出狭义相对论那样，从已知知识中进行“直觉飞跃”，提出全新的猜想或理论；二是持续学习能力，能够在线学习新知识并调整行为；三是更强的推理和一致性。哈萨比斯预测，可能还需要“一两个关键性突破”，时间尺度大约在5到10年。这与行业某些更为激进的预测（如几年内）形成了对比。
科学革命与能源挑战：AI 的长期回报
作为科学家，哈萨比斯始终坚信 AI 最崇高的使命是加速科学发现，应对人类面临的重大挑战。除了 AlphaFold，谷歌 DeepMind 的 AI 系统已应用于材料设计、聚变反应堆等离子体控制、天气预报、解决奥林匹克数学竞赛级别难题等多个科学分支。他领导的 Isomorphic Labs（从 DeepMind 分拆）正致力于基于 AlphaFold 的突破，彻底改革药物发现流程，目标是将耗时数年甚至十年的新药研发周期缩短至几周甚至几天。目前他们已与礼来、诺华等制药巨头合作，并预计明年将有候选药物进入临床前阶段。
针对当前热议的 AI 能耗问题，哈萨比斯认为存在“两个真相”。一方面，谷歌 DeepMind 自身因为需要每天为数亿用户高效提供 AI 服务（如 AI 概述），在模型效率优化上投入巨大，通过蒸馏等技术，过去两年相同性能下的模型效率提升了10倍甚至100倍。但另一方面，为了向 AGI 前沿推进，研究团队仍需不断用更大规模的数据和算力训练新的模型，这会推动总需求上升。他乐观地认为，从长远来看，AI 在优化电网、设计新材料和新能源、应对气候变化等方面的贡献，将远超其自身运行所消耗的能源。AI 是解决问题的手段，而不仅仅是问题的来源。
创作民主化与未来娱乐形态
除了硬核科技，哈萨比斯也展望了 AI 对文化和娱乐的冲击。像 Imagen、Veo 这样的顶级视频生成模型，以及“Nano Banana”这类拥有出色指令跟随一致性的图像生成工具，正在带来“创作民主化”。普通人无需再像过去那样啃读厚厚的 Photoshop 教程，只需用语言描述想法，就能进行创作。
但同时，AI 也在“超级赋能”顶级专业人士。哈萨比斯提到他们正与著名导演达伦·阿伦诺夫斯基等顶尖创作者合作。这些工具让专业创意人士能够以前所未有的速度尝试各种构思，生产力提升十倍甚至百倍，最终更快地实现他们脑海中最完美的愿景。他预见未来将出现一种融合了“共同创造”元素的新娱乐形式或艺术类型：顶级创意愿景家构建引人入胜的动态故事世界，而成千上万的用户可以在其中共同创造部分内容，主创者则扮演这个世界的“总编辑”。
未来十年：一个“科学新文艺复兴”
当被问及对未来十年的展望时，哈萨比斯承认在 AI 领域预测十周都充满挑战，更不用说十年。但他坚信，如果未来十年内我们能实现真正的 AGI，那将开启一个“科学的新文艺复兴”或“黄金时代”。从能源到人类健康，社会的方方面面都将受益于这个终极科学工具带来的突破。这不仅仅是一次技术升级，而是一场深刻重塑人类文明认知边界和能力极限的革命。德米斯·哈萨比斯和他领导的谷歌 DeepMind，正站在这场革命的最前沿。
Alphabet CEO Sundar Pichai（桑达尔·皮查伊）：AI 是搜索的非凡机遇，而非颠覆性威胁撰文：Techub News 整理
导语
2025 年 5 月，Alphabet 兼谷歌 CEO 桑达尔·皮查伊（Sundar Pichai）罕见地接受了 All-In Podcast 的深度专访。在长达一小时的对话中，皮查伊直面了当前市场对谷歌在 AI 浪潮中可能面临“颠覆者困境”的核心质疑。作为执掌这家科技巨头近十年的领导者，皮查伊的此次发声，不仅是对外界疑虑的集中回应，更是系统性地阐述了谷歌将如何利用其长达二十余年的技术积累——从基础设施到前沿研究——来驾驭并引领这场 AI 革命。本次对话涵盖了搜索的未来、AI 商业模式、芯片战略、能源约束、量子计算以及机器人等广泛议题，为我们理解谷歌在下一个十年的战略方向提供了关键窗口。
摘要
皮查伊坚信 AI 是搜索的“非凡机遇”，而非零和游戏的颠覆者，AI 概览（AI Overviews）等新功能正在扩大搜索的查询范围和用例。
谷歌的核心优势在于其全栈式技术积累，从 TPU 芯片、全球数据中心网络到跨领域的基础研究，这使其能在控制成本的同时持续推动模型创新。
面对 OpenAI、微软、Meta 等激烈竞争，皮查伊认为 AI 创造的将是一个比过去所有技术总和更大的市场，成功的关键在于持续创新和执行。
谷歌在量子计算、机器人（物理 AI）等领域进行长期、耐心的投资，视其为类似早期 AI 的基础性突破，预计未来 3-5 年将迎来关键进展。
皮查伊承认文化管理是持续挑战，近期重点在于重拾“使命聚焦”，激发类似谷歌早期创业阶段的强度与乐观精神，以应对 AI 时代的竞争。
AI 是搜索的进化，而非颠覆
访谈开场便直指核心：在聊天式 AI 重塑人机交互的今天，谷歌的核心搜索业务是否面临被真正颠覆的风险？桑达尔·皮查伊（Sundar Pichai）的回答明确而坚定。他回顾道，自 2015 年担任 CEO 起，他便将谷歌定位为“AI 优先”的公司，因为团队深信 AI 将是驱动搜索最大进步的动力。因此，当前时刻对他而言并非威胁，而是搜索的“非凡机遇”。
皮查伊用数据佐证了他的观点。谷歌约一年前推出的“AI 概览”（AI Overviews）功能，如今已被超过 15 亿用户使用，覆盖 150 多个国家。这不仅没有蚕食传统搜索，反而扩大了用户查询的类型和范围，带来了全新的使用场景。在触发 AI 概览的查询中，谷歌观察到了查询量的增长，且增长具有持续性。他透露，实验室中正在测试一个全新的、名为“AI 模式”的专用搜索 AI 体验，将在谷歌 I/O 大会上详述。在该模式下，用户可以进行完整的对话式追问，谷歌最前沿的模型将利用搜索作为原生工具来回答问题。
“用户正在用行动回应，”皮查伊指出，用户输入的查询平均长度已是两三年前的两到三倍，有时甚至是长段落。这改变了搜索的形态。针对“创新者困境”的经典命题，皮查伊认为困境只存在于你将其视为困境之时。他援引了移动转型和 TikTok 崛起后 YouTube 依然蓬勃发展的例子，指出科技史上每一次重大创新周期，都需要全力投入。“这有点像谷歌最初的原则之一：跟随用户，其他一切自会跟随。”
商业模式过渡：成本可控，广告逻辑依旧
当对话转向敏感的商业模式——即更昂贵的 AI 查询是否会破坏谷歌搜索“查询成本”与“单次查询广告收入”之间精妙的单位经济学时，皮查伊展现了基于基础设施优势的自信。
他承认两年前业界普遍担忧成本问题，但他始终认为，就服务成本而言，他愿意押注谷歌的基础设施能力能够比几乎所有其他公司都做得更好。事实也证明，在过去 18 个月里，服务单次查询的成本已大幅下降。目前更主要的约束在于延迟，而非成本。如何让 AI 体验达到搜索近乎即时的速度，是当前更重要的前沿问题。
关于 AI 查询的广告收入，皮查伊表示，在已经展示广告的 AI 概览中，其效果基准已与传统搜索持平。“我们已经达到了那个阶段。”他进一步从第一性原理分析：广告在搜索中行之有效，是因为商业信息本身就是用户意图的一部分。AI 没有理由不能在这方面做得更好。因此，他对平稳过渡商业模式感到“安心”，尽管部分调整可能需要时间，但所有指标都显示谷歌能够很好地完成这一过渡。
基础设施与芯片：谷歌的“全栈”护城河
皮查伊多次强调，谷歌一个核心且常被低估的优势是其长达二十多年的基础设施投资。从早期可海运的集装箱数据中心，到如今遍布全球的网络，这构成了竞争力的基石。在 AI 时代，这一优势直接体现在性能与成本的帕累托前沿上——谷歌能够以最具成本效益的价格点提供最好的模型。
关键组件之一便是谷歌自研的 TPU 芯片。皮查伊提到，谷歌在 2017 年发布了第一代 TPU，如今已发展到第七代。最新的 “Ironwood” 芯片单块算力超过 40 Exaflops。这些专门为机器学习优化的芯片，尤其在推理环节表现出色，是谷歌有信心以巨大规模服务 AI 搜索查询的重要原因。他表示，谷歌的“全栈”方法——从底层基础设施、基础研发到上层应用创新——将长期为公司带来优势。
关于芯片战略，皮查伊澄清了与英伟达的关系。他盛赞英伟达是“非凡的公司”，CEO 黄仁勋（Jensen Huang）也很出色，双方合作历史悠久。谷歌内部既用 TPU 训练 Gemini 模型，也在 GPU 上服务部分流量，并为云客户提供选择。他认为行业内的公司都会尝试类似（自研芯片）的路径，但英伟达的研发能力和软件栈是世界级的，拥有诸多优势。谷歌的长期策略是保持 TPU 和 GPU 并用的灵活性，两者相互促进，共同推动技术前沿。
模型创新未达瓶颈，数据优势在于个性化
针对外界关于大语言模型性能开始“高原化”、竞争者差异缩小的论调，皮查伊并不认同。他将进步过程比作“人工 jag jag 智能”，即进展并非总是线性的，会经历看似缓慢的时期，然后出现范式突破。过去几年，行业在预训练、后训练、推理计算等方面不断推进，如今又在研究如何将所有技术整合到智能体工作流中。他感觉进步相当持续。
“进步确实会变得更难，而这将区分出精英团队，”皮查伊认为，问题越难，谷歌的准备就越充分。谷歌的研究前沿远比大多数公司更广阔，不仅限于 LLM 或基于 Transformer 的模型，在扩散模型等众多领域都在进行深度探索。他尚未看到计算投入回报递减的根本性拐点出现。
当被问及谷歌是否拥有来自 YouTube 等产品的独特数据优势时，皮查伊的回应侧重于用户体验而非单纯的数据训练。他认为，谷歌的机会在于利用用户使用 Gmail、日历、文档、YouTube、搜索等产品时产生的个人上下文（在获得用户许可的前提下），来提供更优质、更个性化的体验。他将此视为公司未来差异化的创新机遇之一，目前正在审慎推进。
未来交互：无缝、环境计算与 AR 眼镜
展望未来 5 到 10 年的人机交互，皮查伊描绘了一个“无缝”的愿景：人类需要做的“硬性适应”工作越来越少，计算将主动为人服务。他认为这是“圣杯”，而触摸、语音等技术正在一步步迈向这个未来。
他特别看好增强现实眼镜的前景。作为眼镜佩戴者，他亲身体验了 AR 眼镜，虽然目前舒适度尚不及普通眼镜，但正在改善。他相信，当 AR 真正成熟时，它将把无缝体验推向新高度，让计算“环境化”地存在并为你服务。他指的并非沉浸式显示设备，而是 AR 眼镜。结合真正多模态的模型，他认为这一范式非常有趣，能让人感受到下一次飞跃。他将当前 AR 的发展阶段类比于 2006-2007 年的智能手机，可能还需几个周期才能达到理想状态。
皮查伊证实，谷歌在硬件上投入了大量时间，不仅限于 Pixel 手机和数据中心，也对 AR 眼镜、机器人等新形态感到兴奋。
竞争格局：AI 市场足够大，创始人深度参与
面对 OpenAI（萨姆·奥尔特曼 Sam Altman）、xAI（埃隆·马斯克 Elon Musk）、Meta（马克·扎克伯格 Mark Zuckerberg）和微软（萨提亚·纳德拉 Satya Nadella）组成的强大竞争对手矩阵，皮查伊展现了开放与务实的态度。他称赞这是一个“令人印象深刻的群体”，汇集了最好的公司和企业家。竞争的存在恰恰预示着我们将看到巨大的进步。
他特别提到2025 年 5 月与埃隆·马斯克（Elon Musk）的会面，钦佩其“将未来技术变为现实的意志力无与伦比”。皮查伊强调，AI 将开启一个比过去所有技术总和更大的机遇版图。他提醒人们，互联网兴起时，谷歌甚至还不存在。未来 AI 领域的赢家可能包括许多尚未诞生的公司。因此，格局并非简单的“谁击败谁”，而是关于哪些公司能够通过创新和执行，携手最优秀的人才取得成功。
皮查伊还分享了谷歌联合创始人拉里·佩奇（Larry Page）和谢尔盖·布林（Sergey Brin）的深度参与。他经常与两人交流，称赞他们很早就预见了 AI 的今天，并认为这是计算机科学领域最激动人心的时刻。谢尔盖·布林更是以“硬核”方式投入，与 Gemini 团队坐在一起编码、查看损失曲线、反馈模型架构，为团队注入了无与伦比的能量。皮查伊珍视与两位创始人“非线性思维”碰撞带来的灵感。
长期押注：量子计算与机器人
谷歌以对前沿技术进行长期、耐心投资而闻名，如 TPU、DeepMind、Waymo。皮查伊以同样视角看待量子计算和机器人。
他将量子计算目前的发展阶段类比于 2015 年左右的 AI。他预计在未来 5 年时间框架内，将会出现一个真正的“顿悟时刻”——用量子方式完成一项非常有用的实际计算，且远超经典计算机，从而真正展现该领域的潜力。他对此充满信心。谷歌的目标是通过云平台展示更多实用算法，并提供访问。皮查伊认为，就像无人驾驶领域曾充满噪音一样，量子领域目前也有很多宣布，但谷歌自认为处于前沿。
在机器人领域，皮查伊承认谷歌曾过早尝试应用层（如收购波士顿动力后又出售），当时机器人尚未深度受 AI 影响。如今，“AI + 机器人”的结合点已经到来。谷歌拥有世界级的机器人前沿研发团队，Gemini 在视觉-语言-动作模型方面的努力也属顶尖。他们正在思考如何通过合作或推出产品来参与其中。皮查伊观察到，人形机器人的进步神速，以至于他需要仔细辨别视频真假。他预测，距离机器人领域的“神奇时刻”可能还有两到三年。谷歌旗下公司 Intrinsic 正致力于成为“机器人领域的安卓”，而 Gemini 模型也将成为机器人领域的强大基础模型。
文化、人才与未来展望
针对谷歌文化从早期创新乐园演变为“骄纵员工”避风港的外部批评，皮查伊进行了辩护与反思。他解释，提供午餐等福利的初衷是创造积极、乐观、便于跨领域交流的创新氛围，这至今仍是谷歌吸引顶尖人才、激发基层创新的力量源泉。但他也承认，随着公司规模急剧扩大，有时次要议题会掩盖公司的核心使命。
过去几年，他刻意致力于重拾“使命聚焦”，强调员工聚集于此是为了创新并服务公司使命、产生影响力。当前的 AI 时刻带来的高强度与兴奋感，让他回想起早期的谷歌。他通过创建“实验室”等机制，鼓励小团队快速创新。他认为，文化需要不断微调以忠于核心价值观，出现漂移时则需努力拉回。
在人才争夺方面，皮查伊表示，谷歌在吸引顶尖 PhD 研究员方面依然具有竞争力，也有离职员工回归。他预见，AI 将使全球更多地方涌现出卓越人才，而不仅限于少数传统中心。
关于 Alphabet 作为控股公司的结构，皮查伊澄清，其本质并非单纯财务投资，而是基于共同的基础技术（如 AI）去解决不同领域的问题，从而衍生出看似迥异但内核相连的业务。从 Waymo 到 Isomorphic（基于 AlphaFold 的药物发现公司），都是这一逻辑的体现。
最后，被问及十年 CEO 任期内最大的骄傲与遗憾时，皮查伊对谷歌能够同时推动技术前沿（如获得诺贝尔奖级别的基础研究）并将其转化为商业价值感到无比自豪。至于遗憾，他提到了一些曾激烈辩论但最终未完成的收购，例如 Netflix，但他更倾向于向前看，认为这些是“平行宇宙中的另一种可能”。
OpenAI 前沿研究负责人 Mark Chen（马克·陈）：多模态与推理是通往 AGI 的关键撰文：Techub News 整理
导语
在2025 年 3 月举办的 The AI Conference™ 上，OpenAI 前沿研究（Frontiers Research）负责人 Mark Chen（马克·陈）与 AI 基础设施公司 Anyscale 的联合创始人 Robert Nishihara 进行了一场深度对话。Mark Chen 领导的团队旨在探索通往通用人工智能（AGI）道路上缺失的关键范式，其工作聚焦于多模态与推理两大方向。作为 DALL-E、GPT-4 多模态能力等知名项目背后的核心研究者之一，Mark Chen 的见解对于理解 AI 的现状与未来至关重要。此次对话不仅回顾了 AI 研究范式的十年变迁，更揭示了当前最前沿的技术挑战与机遇。
摘要
AI 研究范式已发生根本转变：从依赖标注数据的监督学习，转向以海量无标注数据和无监督学习为核心的“规模化”范式。
通往 AGI 的两大核心挑战是多模态理解与生成以及深度推理能力的构建。
工程与科研的紧密结合成为现代 AI 发展的新常态，规模化（Scaling）本身既是目标也是驱动创新的引擎。
未来的 AI 应用将更加“身临其境”，多模态交互将催生更强大的 AI 代理和机器人技术，但实现这一切需要解决鲁棒性等根本问题。
从监督学习到规模化范式：AI 研究的十年之变
Mark Chen（马克·陈）与 Robert Nishihara 的对话始于对过去十年 AI 领域最大突破的回顾。两人一致认为，最根本的转变在于研究范式的迁移。
Mark Chen（马克·陈）指出，十年前经典的机器学习课程通常将机器学习分为监督学习、无监督学习和强化学习三大类。当时，学术界对监督学习已有成熟方案（如决策树、支持向量机），但对无监督学习则知之甚少，仅停留在 K-Means 聚类等基础方法。如今，这一局面已被彻底颠覆。“我们现在确实知道如何进行无监督学习了，” Mark Chen（马克·陈）总结道。
这一转变的标志性起点是 GPT-1、GPT-2 时代。研究者们意识到，数据是取得突破的关键要素。AI 研究不再局限于在固定的学术数据集（如 ImageNet）上优化模型架构，而是转向了“收集尽可能多的数据”并从中寻找“Alpha”的路径。数据集本身成为了核心变量，而模型架构和优化算法则相对稳定。这催生了以规模化为核心的“经验缩放定律”（Empirical Scaling Laws）：投入更多计算资源、更多数据、训练更大模型，就能获得更好的性能。
Robert Nishihara 从基础设施的角度印证了这一趋势。Anyscale 的客户们正遵循这一“公式”，将扩大数据规模作为首要目标。然而，将数据规模提升一个数量级，往往会压垮现有的系统，这背后需要巨大的工程努力来支撑。Mark Chen（马克·陈）强调，工程能力在2025 年 3 月的研究中变得前所未有的重要。相信缩放定律，就意味着必须构建出能够支撑缩放的工程栈。
这种工程与科研的深度融合，构成了现代 AI 研究的典型图景。Mark Chen（马克·陈）形容，每将模型规模扩大一个数量级，都会遇到新的研究瓶颈或工程瓶颈，需要在多个前沿同时取得突破。这既是挑战，也是这个领域令人兴奋之处。
多模态：AGI 的感官拼图与系统工程挑战
作为 OpenAI 多模态研究的负责人，Mark Chen（马克·陈）将多模态视为通往 AGI 的核心路径之一。过去五到十年，生成式图像、视频模型取得了巨大成功，但多模态领域仍存在大量开放性问题。
目前存在两种主要的研究思路：一是将多模态问题“塞进”已经非常成熟的语言模型（Transformer）架构中；二是探索以扩散模型（Diffusion Model）等多模态原生框架为主，尝试将语言能力整合进来。Mark Chen（马克·陈）认为这两种思路之间的“思想桥梁”非常有趣，也是他们工作的重点。
当被问及主要关注哪些模态时，Mark Chen（马克·陈）列举了文本、图像、视频和音频这四大“最核心”的模态，同时也提及了 3D 模型、甚至“动作”作为潜在模态的可能性。他特别指出，不同模态对系统设计的要求差异巨大。例如，音频交互（如高级语音模式）要求实时、低延迟的响应；而图像生成则更看重最终输出质量，用户愿意为此等待。因此，尽管底层结构可以共享，但为不同模态设计不同的技术栈仍然是有益的。
Robert Nishihara 从系统负载的角度补充了多模态带来的挑战。与文本数据相比，图像、视频的数据量呈指数级增长。这意味着未来的 AI 应用将同时是计算密集型（GPU 负载高）和数据密集型的。现有的高性能计算（HPC）系统擅长处理计算密集型任务，而大数据处理系统（如 Spark）则擅长处理海量 CPU 任务。多模态 AI 将催生一个需要同时高效处理这两类任务的新系统范式，这将对现有的技术栈构成巨大挑战。
此外，Mark Chen（马克·陈）指出，获取高质量的配对跨模态数据（如图文对）是一大难点。这推动了利用 AI 本身进行数据准备和增强的趋势，例如 DALL-E 3 在合成数据方面的探索。Robert Nishihara 也观察到，客户正越来越多地使用 AI 来筛选、标注、增强训练数据，因为相对于花费数百万美元进行模型训练，在数据质量上进行投资往往能获得更高的回报。
从“系统一”到“系统二”：构建深度推理的鲁棒 AI
Mark Chen（马克·陈）负责的另一大方向是推理（Reasoning）。他用心理学中的“系统一”和“系统二”来比喻当前 AI 的局限与未来目标。
目前的语言模型（如 ChatGPT）更像是“系统一”思考者：快速、直观、基于模式匹配给出响应。无论问题难易，模型的初始响应时间几乎相同。这与人类思考方式不同——面对复杂问题，人类需要时间进行深度处理（“系统二”思考）。Mark Chen（马克·陈）认为，当前大语言模型在逻辑谜题或复杂任务上犯错，部分原因正是受限于这种“系统一”的即时响应模式。如果要求人类在 100 毫秒内回答一个难题，他也只能给出脑海中最先浮现的答案，这同样不够稳健。
因此，构建具备“系统二”特性的深度推理能力，是提升 AI 鲁棒性的核心挑战。这不仅仅是解决数学问题，而是适用于任何需要高可靠性和复杂思考的场景，例如理解对话意图、规划复杂任务等。Mark Chen（马克·陈）提到，数学和计算机科学问题是方便的评测基准，但更广泛的“推理”评测标准目前仍然缺失，预计未来会出现更多相关的评估方式。
Robert Nishihara 从应用部署的复杂性角度呼应了这一观点。当前许多 AI 应用只是通过 API 端点调用单一模型。但对于预订民宿、解决复杂数学问题等任务，可能需要动态组合 50 到 100 次模型调用，并与其它应用逻辑交织。这种复杂的推理链消耗大量计算资源。Mark Chen（马克·陈）展望，深度推理的终极目标是让模型自身足够智能，能够在遇到障碍时自主“思考”出解决方案，而无需依赖外部搭建大量脚手架式的复杂流程。
关于如何实现推理能力，Mark Chen（马克·陈）表示 OpenAI 探索了多种路径，包括在预训练中内置、以及通过外部机制增强等，目前仍是一个开放的研究空间。
未来展望：身临其境的 AI 与高风险的智能代理
展望未来，两位专家分享了他们最兴奋的方向。
Robert Nishihara 预测，越来越多的数据处理将 AI 化。企业收集海量数据是为了获取洞察和决策，未来这些洞察将更多地由 AI 阅读、推理数据得出，而不仅仅是运行 SQL 查询或简单分析。这将催生全新的、以 AI 和 GPU 为核心的数据处理工作负载。
Mark Chen（马克·陈）则对多模态带来的“身临其境”体验感到兴奋。像 OpenAI 的“高级语音模式”这样的技术，让 AI 能够实时接收和处理多种感官输入（听、说），并生成丰富的感官内容。他认为，这不仅是交互方式的革新，更是机器人技术发展的基石。随着感知模块的快速进步，多模态 AI 正在为机器人构建强大的“后台大脑”，使其能够更好地理解和与物理世界互动。
当被问及实现全能人形机器人的瓶颈时，Mark Chen（马克·陈）表示，在基础层面已有许多可用的技术模块，但最终实现仍需跨领域突破。
对话最后聚焦于 AI 代理（AI Agents）。Mark Chen（马克·陈）将其定义为能够接收任务并自主执行的 AI。与当前“一问一答”的聊天机器人不同，代理的行动具有真实世界的后果（如发送邮件、执行操作），因此对鲁棒性和可靠性的要求极高。他认为，深度推理能力正是实现强大、可靠 AI 代理的关键缺失组件。只有解决了鲁棒性问题，AI 代理的愿景才能真正走进现实。
Meta 首席 AI 科学家 Yann LeCun（杨立昆）：人类智能并非通用智能撰文：Techub News 整理
导语
2025 年 4 月，Meta 首席 AI 科学家、图灵奖得主 Yann LeCun（杨立昆）做客知名播客 AI Inside，与主持人 Jason 和 Jeff 进行了一场长达 46 分钟的深度对话。作为深度学习领域的奠基人之一，LeCun 以其对技术发展冷静、务实的判断而著称。在当前生成式 AI 与大语言模型（LLM）席卷全球、业界对通用人工智能（AGI）的讨论甚嚣尘上之际，他的观点尤为值得关注。本次对话中，LeCun 不仅尖锐地指出了 LLM 的天花板，更系统阐述了他心中通往更高级机器智能的必由之路——构建能理解物理世界的“世界模型”。
摘要
LLM 有用但非终极答案：LLM 在代码助手等特定领域价值显著，但其基于自回归预测的机制存在根本局限，无法可靠处理真实世界复杂任务。
人类智能远非“通用”：所谓“通用智能”是误导性概念，人类智能高度特化，由进化塑造以解决生存相关任务，AI 的目标应是实现“人类级别智能”。
下一代 AI 需构建“世界模型”：实现人类级别智能的关键在于让机器像人类和动物一样，通过观察学习物理世界的运作规律，形成可预测和规划的内部心理模型。
开源是加速创新的核心策略：Meta 开源 Llama 系列模型旨在激活全球创新生态，这对促进学术研究、催生多元化 AI 应用及防止技术垄断至关重要。
未来属于“智能助手群”：终极产品形态是围绕个人的多个智能助手，它们将中介所有数字交互，其多样性（语言、文化、价值观）是健康生态的基石。
LLM 的辉煌与局限：我们为何尚未触及智能核心
对话伊始，主持人便抛出了当前 AI 界的核心矛盾：一方面，以 OpenAI 为代表的公司凭借 LLM 技术获得破纪录融资，行业热情高涨；另一方面，包括 Yann LeCun（杨立昆）在内的许多研究者却不断强调 LLM 的局限性，认为其回报正在递减。对此，LeCun 首先肯定了 LLM 的实用性，特别是在代码助手等场景。但他随即指出，从令人惊艳的演示到真正可靠、可供日常使用的系统，其间存在巨大鸿沟。他以自动驾驶为例，十年前就有演示，但至今仍未达到人类水平的可靠性。
LeCun 回顾了 AI 七十年的发展史，指出一种反复出现的模式：每当有新范式出现（如专家系统、深度学习），人们便宣称“就是它了，十年内机器将成为地球上最聪明的实体”。然而每次预言都落空了，因为新范式要么遇到了未曾预见的限制，要么只是擅长解决某个子类问题，而非真正的通用智能问题。LLM 很可能正面临类似的局面。
“我不想贬低 LLM，它们很有用，值得投资。” LeCun 强调，投资大部分流向了运行 LLM 的基础设施，而非训练本身。就像所有计算机技术一样，即使达不到人类智能水平，LLM 也可以很有用。但如果我们以人类级别智能为目标，“我们需要发明新技术。我们还远未达到那个水平。”
主持人 Jeff 提到，LeCun 曾将当前最先进的 AI 系统类比为“聪明的猫”或“三岁小孩”。LeCun 甚至认为这个评价可能过高了。他指出，尽管 LLM 能通过律师考试、总结文本、生成代码，但这些能力很大程度上依赖于在训练数据中见过的模式。当面对全新的、未曾见过的问题时——例如最新的数学奥林匹克竞赛题目——最好的 LLM 表现也近乎为零。这暴露了当前系统缺乏真正理解和解决新问题的能力。
LeCun 犀利地指出，LLM 操纵语言的能力让我们误以为它们很聪明，因为我们习惯将语言能力与智慧挂钩。然而，真正的考验在于现实世界：“我的家用机器人在哪里？我的 L5 级自动驾驶汽车在哪里？能做出猫那样行为的机器人（哪怕是模拟的）又在哪里？” 问题的关键不是造不出具有相应物理能力的机器人，而是无法让它们足够“聪明”。处理现实世界、产生实际动作的系统，远比处理语言的系统要复杂得多，因为现实世界是混乱、不可预测、非确定性的连续高维空间。
通往人类级别智能之路：世界模型与非生成式架构
那么，研究应该走向何方？LeCun 透露，早在三年前（即 LLM 席卷全球之前），他就撰写了一篇长文，勾勒了未来十年 AI 研究的方向，而这一愿景并未因 LLM 的成功而改变。他认为，要实现人类级别智能，机器需要具备四个关键能力：理解物理世界、进行推理与规划、拥有持久记忆，以及安全可控。
这一切的核心是一个称为“世界模型”的概念。人类和动物大脑中都有一个世界模型，它是一个心理模型，允许我们预测世界将发生什么，或者我们采取某个行动会带来什么后果。如果我们能预测行动的后果，那么当我们设定一个目标时，就可以利用世界模型来“想象”特定的行动序列是否能实现该目标，这就是规划和推理的本质——心理学家称之为“系统 2”的深思熟虑的思维过程。
在机器人学和控制理论中，类似的概念被称为“模型预测控制”，即通过方程预测行动后果并优化行动序列。但关键区别在于，对于通用 AI 系统，这个世界模型必须能从经验或观察中学习，就像婴儿通过观察学习世界如何运作一样。这部分是目前最难复现的。
LeCun 认为，实现这一目标可以基于一个简单原则：自监督学习。这正是 LLM 成功的基础——通过预测文本中的下一个词来训练。我们可以设想将这一原则应用于图像和视频，训练一个大型神经网络预测视频的下一帧或后续发展。如果系统能学好并做出准确预测，就意味着它理解了物理世界的许多底层规律。
然而，直接套用文本预测的方法到视频上却行不通。预测下一帧太简单，学不到有用东西；预测长期发展又极其困难，因为视频中有太多可能性。文本预测之所以可行，是因为词典大小有限，可以预测所有词的概率分布。但对于视频，我们不知道如何表示所有可能图像或视频帧的合适概率分布，这在数学上是难以处理的。
大约五六年前，LeCun 及其团队提出了一个解决方案：改变架构思路。不再预测视频中的所有细节，而是训练系统学习视频的一种“表示”，并在这个表示空间中进行预测。 这种表示会过滤掉视频中不可预测或无用的细节。这种架构被称为“联合嵌入预测架构”（JEPA）。
LeCun 透露了一个可能令人惊讶的观点：“我的直觉是，下一代 AI 系统将基于非生成式模型。” 在当前所有人都在谈论生成式 AI 的浪潮中，这无疑是一个反主流的前瞻性判断。JEPA 正是这样一种非生成式架构的代表，它专注于学习数据的抽象表示和它们之间的关系，而非生成具体的像素或词汇。
AGI 迷思与开源哲学：为何多样性是未来关键
对于业界热炒的“AGI”概念，LeCun 直言不讳地称之为“无稽之谈”，并且极具误导性。他认为，如果 AGI 指的是“像人类智能一样通用”的智能，那么这个说法本身就错了，因为“人类智能根本不通用，它极度特化。” 人类被进化塑造成只擅长完成与生存相关的任务。我们无法构想那些我们无法处理的问题，这反而让我们误以为自己拥有通用智能。在 Meta 内部，他们更倾向于使用“高级机器智能”或直接称为“人类级别智能”。
LeCun 坚信，未来某个时刻，机器在人类擅长的所有领域至少会与人类一样聪明，甚至更聪明。但这不会发生在明年或后年，可能在十年内取得一定进展。“如果目前我们正在研究的所有方向都取得成功，那么也许十年后，我们就能更好地判断是否能实现那个目标。” 他保持乐观，但强调这很可能比我们想象的更难，AI 史上的每一次突破都比预期更艰难。
话题转向 Meta 的开源策略。主持人 Jeff 盛赞开源 Llama 模型对学术界和创业生态的巨大推动作用，并询问其背后的战略思考。LeCun 明确表示，开源 Llama 对少数几家（暗指闭源商业公司）来说是“搅局者”，但对成千上万的公司和研究者来说是“赋能者”。从伦理角度看，这显然是正确之举，它极大地激活了整个 AI 生态系统。
LeCun 指出，Meta 的最终产品愿景是构建 AI 助手，甚至是一组 AI 助手，它们可能常驻于智能眼镜中，与我们随时相伴。为了让这些助手发挥最大效用，它们需要达到人类级别的智能。而实现这一目标，是当今世界面临的最大科技挑战之一，需要汇聚全球的智慧。“好点子可能来自世界任何地方。” 他提到近期 DeepSeek 的崛起令硅谷惊讶，但在开源世界看来却不足为奇，这正是开源理念的验证。
他批评了某些地区（暗指硅谷部分人士）存在的“极度膨胀的优越感”，认为没有人能垄断好创意。AI 过去十几年的快速发展，正是得益于代码和科学信息的共享。而 Meta 的商业模式依赖于广告和社交网络的网络效应，而非直接售卖 AI 技术本身，因此开源技术不仅无害，反而有益。
展望未来，LeCun 描绘了一幅图景：我们与数字世界的绝大多数交互将由 AI 系统中介。搜索引擎可能会被直接与 AI 助手对话所取代。更重要的是，作为全球公民，没有人会希望自己的信息食谱仅由美国西海岸或中国少数几家公司打造的 AI 助手来提供。 我们需要高度多样化的 AI 助手，它们能说各种语言（包括小众方言），理解不同的文化、价值体系和偏见。这就像我们需要多元化的媒体一样。
实现这种文化多样性的唯一现实途径，就是让世界各地的人们能够基于强大的开源基础模型来构建自己的助手，因为他们没有资源从头训练模型。LeCun 预见，市场压力将促使 AI 基础模型走向开源和免费，就像互联网的软件基础设施（Linux 和商用硬件）最终战胜了专有系统一样。AI 基础模型将成为类似互联网基础设施的存在，由大型公司或国际联盟训练，但开放给全球创新者在其之上构建丰富多彩的应用。这，才是 Yann LeCun（杨立昆）所坚信的、能够引领我们走向真正高级机器智能的健康生态。
Skanska 美国高管 Dean Lewis（迪恩·刘易斯）与 Mark Chen（马克·陈）：现代建筑中的可持续性与重型木结构撰文：Techub News 整理
导语
在全球建筑业向低碳和可持续转型的关键时期，行业巨头的实践经验尤为宝贵。The High Point Podcast 2025 年 5 月邀请到全球领先的建筑与开发公司 Skanska 美国分公司的两位专家：重型木结构与预制化总监 Dean Lewis（迪恩·刘易斯）和国家碳经理 Mark Chen（马克·陈）。在长达约69分钟的对话中，他们深入探讨了重型木结构（Mass Timber）在美国市场的应用现状、挑战与未来，并分享了 Skanska 在平衡建筑成本、性能、声学设计、隐含碳核算以及拥抱人工智能等新技术方面的战略思考。这场对话不仅揭示了大型承包商在推动行业变革中的角色，也为建筑师、工程师和开发商提供了切实可行的见解。
摘要
重型木结构进入加速期：Skanska 自2016年完成首个交叉层压木材（CLT）项目以来，已在美完成22个项目、超过200万平方英尺的重型木结构工程，新建筑规范已允许建造高达18层的木结构建筑。
可持续性驱动设计决策：隐含碳核算正成为客户明确的需求和设计规范的一部分，重型木结构相比钢和混凝土在前期隐含碳方面展现出优势，但生物碳核算仍是复杂议题。
早期整合与跨专业协调至关重要：无论是声学设计、防火还是碳管理，专家团队（包括分包商）在项目早期的介入能避免后期高昂的成本超支和设计返工，是实现项目成功和成本控制的关键。
创新材料与工具正在重塑行业：从更高效的木结构体系（如空心楼板）、使用灾害木材的可持续 sourcing，到用于碳数据管理的EC3工具和AI辅助的数据处理，技术创新正在解决可持续建筑的多重挑战。
循环经济与材料再利用面临现实挑战：虽然材料回收和再利用在环境和经济上具有吸引力，但面临物流、存储、再认证和设计整合等多重实际障碍，需要全产业链的协同创新。
重型木结构：从先锋实践到主流选择
Dean Lewis（迪恩·刘易斯）作为 Skanska 美国公司重型木结构与预制化总监，亲历了该技术在美国从探索到逐步成熟的过程。他介绍，Skanska 虽然起源于混凝土公司，但在木材应用上拥有深厚底蕴，在瑞典已有数十年经验。在美国，公司自21世纪初开始涉足木结构，首个交叉层压木材（CLT）安装项目在2016年完成。截至目前，Skanska 在美国已交付22个重型木结构项目，总面积超过200万平方英尺。
近年来，美国建筑规范的更新为重型木结构的发展扫清了障碍。新规范允许建造高达18层的木结构建筑，而在俄勒冈、华盛顿等州，最新的规范周期甚至允许高达12层的建筑完全暴露木结构（无需石膏板包裹进行被动防火），这被 Dean Lewis（迪恩·刘易斯）视为一个“游戏规则改变者”。这不仅减少了材料使用、加快了施工速度，还增强了建筑的亲生物性效益。
在成本竞争力方面，Dean Lewis（迪恩·刘易斯）指出需要具体项目具体分析。在美国西海岸等高地震烈度区，木结构建筑因其自重轻的天然优势，在12至18层的中高层建筑中，相对于混凝土或钢结构，在基础和抗侧力系统方面可能更具优势。他举例提到辛辛那提公共广播项目，该建筑几乎全为木结构，仅楼梯和电梯井使用了少量钢材，整个主体结构在几周内便安装完成，展示了极高的建造效率。
Mark Chen（马克·陈）从碳管理的角度补充了木结构的价值。他指出，业主对隐含碳的关注度日益提高，并开始体现在项目规范中。从原材料开采、制造、运输到现场安装的“前期隐含碳”来看，重型木结构相比钢或混凝土结构通常能显示出减排效益。此外，木材本身在生长过程中吸收并储存的生物碳也是一个重要议题，尽管其核算方法（涉及建筑寿命终结时的处理方式，如焚烧会重新释放碳）在业内仍存在热烈讨论。但即使暂不考虑生物碳，木结构在前期的碳减排潜力也已足够吸引人。
可持续性挑战：声学、碳核算与早期协作
实现可持续建筑远不止选择木结构那么简单，它涉及一系列复杂且相互关联的挑战。声学设计就是一个典型例子。Dean Lewis（迪恩·刘易斯）坦言，在美国推广木结构的早期，声学性能是一大难题。木材比传统建材轻，且人们希望将其暴露出来，这就导致楼板组装中缺乏有效的弹性隔断，难以达到所需的撞击声隔声等级。早期项目曾尝试使用薄型隔声垫，但效果不佳。如今，得益于 Woodworks、软木林板协会、FP Innovations 等机构以及供应商和大学（如俄勒冈大学）的大量研究和测试，市场上出现了更多高性能的声学解决方案，例如将声学性能直接集成到木楼板底部的产品。
Mark Chen（马克·陈）强调，声学需求有时会与可持续性目标产生直接冲突。例如，在一个项目中，团队本想使用一种隐含碳更低的轻质石膏板，但其声学性能不达标，迫使团队重新寻找能同时满足两项要求的产品。这种权衡在施工阶段才被发现，解决起来尤为困难。因此，两位专家都强烈建议，必须让声学顾问、碳管理专家等专业人员在项目最早阶段就参与进来。Dean Lewis（迪恩·刘易斯）引用了一个尖锐的观点：“如果你不这样做，你的项目可能会‘死掉’，因为后期成本会变得太高。”他解释说，早期介入虽然意味着前期投入更多咨询费用，但能避免后期昂贵的返工和变更，从全生命周期看是节省成本的。
在碳管理工具方面，Mark Chen（马克·陈）重点介绍了 Skanska 共同开发的 EC3（Embodied Carbon in Construction Calculator）工具。这是一个免费、开源的在线工具，集成了大量的环境产品声明（EPD）数据。它允许用户比较不同制造商、不同产品的隐含碳表现。Mark Chen（马克·陈）将其比作“碳超市”，EPD就像是产品的“营养成分表”。通过这个工具，建设方可以在采购时做出更明智的选择，并向供应商传递明确的碳绩效市场信号，从而推动整个产业链的低碳化。此外，美国加州等地已出台政策，要求大型公共或商业建筑进行全生命周期分析或使用低隐含碳材料，这使得像 EC3 这样的工具变得不可或缺。
创新前沿：新材料、AI与循环经济
面对成本与性能的双重压力，行业正在积极探索超越传统 CLT 的创新木结构体系。Dean Lewis（迪恩·刘易斯）对空心楼板（Cassette Floor）或应力蒙皮板等体系表示出兴趣。这些体系使用更小的木材元件以更高效的方式排列，并可用木纤维保温材料填充，从而储存更多碳，同时在声学、跨度、防火和抗震方面也有潜力。他也关注到一些公司正在尝试使用来自自然灾害（如风灾）的倒木或市政维护产生的木材作为原料，从源头上提升木结构的可持续性。
人工智能（AI）也开始在建筑可持续领域找到用武之地。Mark Chen（马克·陈）透露，他们正在探索利用 AI 处理海量的公司碳排放报告数据，例如自动识别和汇总遍布全国各个工地的燃料、电力发票信息，将人们从繁琐的“苦力活”中解放出来。Dean Lewis（迪恩·刘易斯）则分享了 Skanska 内部使用 AI 聊天机器人（如基于 Microsoft Copilot）进行知识管理的案例。最初询问“重型木结构防潮的经验教训”时，AI 只能给出只言片语。但随着不断上传项目文档，一年后同样的问题，AI 能给出包含密封剂、临时保护膜等具体建议的十条要点。这正应了 Skanska 内部的一句流行语：“但愿 Skanska 知道 Skanska 所知道的一切。”AI 正在成为挖掘和整合这家跨国企业内部庞大数据与经验的关键工具。
关于混凝土的可持续替代方案，Mark Chen（马克·陈）指出，核心在于降低水泥生产的碳足迹。市场已有许多低碳水泥替代品，更前沿的创新包括使用消费后回收玻璃作为混凝土中的胶凝材料替代部分水泥，这既解决了玻璃回收难题，又减少了高碳材料的使用。此外，寻找石灰石以外的天然材料作为水泥新原料的研究也在进行中。
在循环经济和材料再利用方面，机遇与挑战并存。Dean Lewis（迪恩·刘易斯）提到，设计便于拆卸（Design for Disassembly）是关键，已有公司在会议上搭建的可拆卸木结构示范建筑。美国农业部也资助了相关研究，证明大型工程木构件可以重新用于其他建筑。Mark Chen（马克·陈）补充说，不同材料的再利用各有难点，但逻辑相通：需要以成本效益高、破坏性小的方式拆除和回收材料，并解决回收后到再次使用前的存储、物流问题，同时要与设计团队协调，确定这些旧材料如何融入新设计。虽然纯粹的回收（如钢材）因商品价值高有时比填埋更经济，但旨在原样再利用的“解构”方式，目前成本仍较高，需要技术和商业模式上的进一步突破。
总结：系统思维与持续进化
通过与 Dean Lewis（迪恩·刘易斯）和 Mark Chen（马克·陈）的对话，我们可以清晰地看到，现代可持续建筑的成功不再依赖于单一的技术或材料，而是需要一种系统性的思维和高度整合的协作模式。从重型木结构的结构优化，到声学、防火、碳管理的精细平衡，再到利用 AI 和数据工具进行智能决策，以及探索材料循环的新路径，每一个环节都相互影响。
Skanska 作为兼具开发商、承包商和自营施工能力的垂直整合型巨头，其经验表明，早期介入、跨学科协同以及拥抱持续的技术创新，是应对建筑业可持续发展复杂挑战的核心。尽管在成本、规范、供应链和知识传承方面仍存在障碍，但市场对低碳建筑的需求、政策的推动以及不断涌现的解决方案，正在共同推动整个行业向一个更高效、更环保的未来迈进。对于所有行业参与者而言，保持学习、开放协作并积极应用新工具，将是通往这一未来的必由之路。
Google DeepMind David Silver（大卫·席尔瓦）：AI 的下一个时代是「经验时代」撰文：Techub News 整理
导语
在大型语言模型和多模态模型席卷全球的当下，AI 的发展似乎被锚定在「人类数据」的范式之中。然而，Google DeepMind 研究负责人、AlphaGo 与 AlphaZero 核心缔造者之一 David Silver（大卫·席尔瓦）提出了一个大胆的转向：AI 的下一个时代应是「经验时代」。在最新一期《Google DeepMind：The Podcast》中，David Silver 与主持人 Hannah Fry 深入探讨了这一观点，解释了为何依赖人类数据会限制 AI 的潜力，以及通过强化学习让 AI 从自主经验中学习，如何能开启超越人类智能的新篇章。这场对话不仅回顾了 AlphaGo 里程碑式胜利背后的哲学，更展望了 AI 在数学、科学等复杂领域实现根本性突破的路径。
摘要
当前 AI 处于「人类数据时代」，其能力上限受限于人类已有的知识与数据。
「经验时代」的核心是 AI 通过自主与环境交互（如自我对弈、实验），从自身生成的「经验」中学习，从而发现人类未知的知识。
AlphaGo/AlphaZero 的成功证明了「抛弃人类数据」的强化学习方法能产生超越人类直觉的创造性策略（如著名的「第 37 手」）。
新系统 AlphaProof 已将类似方法应用于数学证明领域，在国际数学奥林匹克竞赛中达到银牌水平，展示了「经验驱动」AI 解决复杂抽象问题的潜力。
迈向「经验时代」需解决奖励设定、安全性、对齐等挑战，但这可能是实现超人类智能和可持续 AI 进步的必由之路。
从人类数据到自主经验：AI 范式的根本转变
David Silver（大卫·席尔瓦）开宗明义地指出，过去几年的 AI 发展可以概括为「人类数据时代」。无论是大型语言模型还是多模态模型，其核心逻辑都是汲取人类积累的所有知识，并将其灌输给机器。这种方法固然强大，让 AI 掌握了人类用语言记录的一切。然而，Silver 认为，如果我们希望 AI 能够超越人类已知的范畴，去发现人类尚未知晓的事物，就必须转向一种不同的方法。
这就是他提出的「经验时代」。在这个新时代，AI 将不再仅仅被动接受人类数据，而是主动与环境互动，生成属于自己的「经验」。它通过试错，在环境中尝试各种行动，并根据结果（奖励或惩罚）不断学习和进化。如果把数据比作燃料，那么「人类数据」是一种储量有限且带有先天局限的化石燃料，而「自我生成的经验」则是一种可持续、可无限再生且能推动 AI 不断突破极限的新能源。
Silver 强调，这并不是要否定当前基于人类数据的 AI 取得的惊人成就，而是指出其内在的天花板。人类数据承载的是人类经验的结晶，但也固化了人类的认知边界。AI 若想实现「超人类」的智能，就必须拥有突破这层边界的能力。
AlphaZero 的启示：抛弃人类知识后的飞跃
为了具体说明「经验时代」的可行性，Silver 回顾了 DeepMind 的标志性成就：AlphaGo 和更进一步的 AlphaZero。最初的 AlphaGo 在 2016 年击败李世石时，其训练过程还使用了人类棋谱数据库作为起点。然而，一年后问世的 AlphaZero 实现了更激进的一步：「Zero」意味着零人类数据输入。系统完全从随机走子开始，通过数以百万计的自我对弈，仅凭「赢」或「输」的最终信号进行学习。
令人惊讶的是，抛弃了人类经验的 AlphaZero，不仅恢复了 AlphaGo 的水平，反而学得更快，达到了更高的棋力巅峰。Silver 将此称为 AI 领域的「苦涩教训」：我们人类总倾向于相信自己积累的知识无比重要，并急于将其编码进 AI 系统。但这样做往往会让算法设计迎合人类数据，反而削弱了系统自我学习、自我发现的能力。
「人类数据确实能帮助你起步，但它在人类所做的一切事情上都设置了一个天花板，」Silver 解释道。在围棋领域，人类棋手存在一个可观测的性能上限。AlphaZero 通过纯粹的自我对弈学习，不断强化，最终冲破了这个天花板，达到了人类从未企及的高度。这完美诠释了「经验时代」的核心愿景：找到方法，在一切我们构建 AI 系统的领域，打破人类能力的天花板。
强化学习与「第 37 手」：创造性突破的诞生
AlphaZero 背后的核心技术是强化学习。其原理简洁而有力：为最终结果赋予一个数值奖励（例如，赢棋得+1，输棋得-1），系统通过调整自身行为（如神经网络权重）来最大化累积奖励。在围棋这类长序列决策中，关键挑战在于「信用分配」——如何将最终的一个胜负信号，回溯分配到数百步棋中的每一步上。
AlphaGo 与李世石对决中著名的「第 37 手」，正是这种学习范式催生创造性突破的绝佳例证。这步棋落在人类棋手通常认为不合逻辑的五路线上，却巧妙地连接了全局，被职业棋手评估为人类只有万分之一概率会想到的招法。这步「外星」棋手帮助 AlphaGo 赢得了比赛，也震撼了整个围棋界。
Silver 指出，「第 37 手」之所以特别，不仅在于其创造性，更在于它代表了无限系列发现中的一个点。一旦系统掌握了从自身经验中学习的能力，它就能持续产生这类超越人类直觉的洞见。相比之下，当前锚定在人类数据上的大型语言模型，由于其训练目标是复现和贴合人类反馈，本质上难以产生真正超越人类认知范畴的「第 37 手」时刻。Silver 认为，在现实世界中，等效的重大突破（如 MIT 科学家利用 AI 发现全新抗生素）已经出现，但只有当 AI 系统普遍采用从经验中自主学习的方式时，这类突破才会成为常态。
AlphaProof：将「经验」燃料注入数学证明
为了展示「经验驱动」范式的普适性，Silver 介绍了 DeepMind 的新系统AlphaProof。该系统将 AlphaZero 的强化学习框架应用到了形式数学证明领域。与大型语言模型通常输出非正式、可能「幻觉」的数学推理不同，AlphaProof 的目标是生成可被严格验证的完整形式化证明。
其训练方式与 AlphaZero 异曲同工：系统被给予数百万个已知的数学定理（仅命题，不包含人类证明过程），目标是通过在形式语言（如 Lean）中进行推导，最终得到「证明完成」的信号（奖励+1）或失败（奖励-1）。系统从几乎无法证明任何定理开始，通过不断尝试和强化学习，逐渐提升证明能力。
AlphaProof 在 2024 年国际数学奥林匹克竞赛级别的问题上取得了突破性进展，达到了银牌级别的性能，意味着其能力超过了约 90% 的全球顶尖年轻数学选手。尤其值得一提的是，它完美解决了一道仅有不到 1% 参赛者能解出的难题。Silver 坦言，这些证明对人类而言往往难以直接理解，但可以通过其他工具「非形式化」回人类可读的表述。他坚信，沿着这条「经验驱动」的道路，AI 最终将能解决如黎曼猜想那样的重大数学难题，尽管这仍需时日。
挑战与风险：定义奖励、安全与对齐
从清晰的游戏胜负和数学证明正确性，转向现实世界中「更混乱」的问题，是「经验时代」面临的核心挑战。在现实世界中，什么是合适的「奖励」信号？如何避免优化单一指标带来的意外后果（如著名的「回形针最大化」风险）？
Silver 承认这是目前强化学习方法尚未主宰所有 AI 领域的主要原因，但也提出了可能的路径。他认为，现实世界本身就充满了各种可量化的信号（如点赞、利润、产量、健康指标等）。未来的系统或许可以这样工作：人类提供一个高层级、模糊的目标（如「让我更健康」），AI 系统则自主探索并组合出一系列底层可量化的指标（如心率、焦虑水平等），将其作为强化学习的奖励函数，并在与人类的持续互动中动态调整这些指标的组合。
这种具备长期生命、能持续适应和学习的 AI 系统，反而可能比当前静态、目标固定的系统更安全。因为它能根据真实的人类反馈（如幸福或痛苦信号）及时调整优化方向，避免走上危害人类的极端路径。当然，Silver 强调这需要极其谨慎的研究和设计，这也正是他撰写「经验时代」立场论文的原因——他希望唤起业界对这一必然转变及其深远影响的重视，提前思考其中的风险与伦理问题。
「可持续燃料」：强化学习是通往 AGI 的引擎
回顾自己此前提出的「奖励即足够」论点，Silver 用了一个生动的比喻：人类数据就像化石燃料，储量丰富，能让我们快速启动并达到一定的高度，但终将耗尽且带有污染（局限）。而强化学习驱动的「经验生成与学习」则是可持续的清洁能源，它可以持续产生新的「燃料」，驱动 AI 不断学习、无限进步。
在播客的最后，David Silver（大卫·席尔瓦）与首位与 AlphaGo 对弈的职业棋手樊麾进行了一场温馨的对谈。樊麾回忆了当年输给 AlphaGo 时的震撼与恐惧，但也坦言正是 AlphaGo「打开了他的思维」，让他意识到一切皆有可能。这或许正是「经验时代」AI 将带给人类的更深层影响：不仅仅是工具效能的提升，更是对人类认知边界和可能性的重新定义。
正如主持人 Hannah Fry 在总结中所说，当前 AI 的成功可能让人们忽视了其他路径的重要性。David Silver（大卫·席尔瓦）的论述有力地提醒我们，如果追求的是真正的超人类智能，那么也许是时候让 AI 逐渐脱离人类的「襁褓」，走向自主探索与发现的「经验时代」了。
Alphabet CEO Sundar Pichai（皮查伊）谈 AI 未来：搜索不会消亡，是扩张性时刻撰文：Techub News 整理
导语
2025 年 6 月，Alphabet 兼 Google CEO Sundar Pichai（皮查伊）做客 Bloomberg 知名播客节目「The Circuit」，接受了近半小时的深度访谈。此时正值 Google I/O 开发者大会后不久，AI 竞争白热化，且 Google 面临多项反垄断诉讼的关键节点。作为全球科技巨头之一的掌舵人，Pichai 此次发声不仅阐述了 Google 在 AI 时代的核心战略，也回应了外界对其商业模式、行业影响及技术伦理的诸多质疑，为观察 Google 的未来走向提供了重要窗口。
摘要
AI 是扩张性时刻，将创造新机会而非零和游戏，搜索查询量仍在增长。
2025 年资本支出达 750 亿美元，AI 投资驱动搜索、YouTube、云、Waymo 等全线业务，并已通过 Google AI Pro/Ultra 订阅等创造新收入。
AI 将大幅提升工程师生产力，但公司仍计划扩大工程师规模，以抓住更大的机会空间。
坚决不同意垄断指控，认为用户使用 Google 是出于选择，竞争对世界有益。
承认 AI 可能带来就业冲击等社会问题，但强调需通过技能再培训和社会安全网来应对，而非过度悲观预测。
AI 浪潮下的 Google：搜索进化，而非消亡
当被问及 AI 聊天机器人是否会取代传统搜索时，Sundar Pichai（皮查伊）给出了明确的否定答案。他认为，这远非一场零和游戏。他以 TikTok 崛起为例，指出新平台的出现并未扼杀 YouTube，反而 YouTube 也在同期取得了巨大成功。用户行为是并行的，人们会根据不同需求使用不同工具。
Pichai 强调，搜索在满足用户特定信息需求方面“非常、非常好”，其价值已通过持续增长的查询量得到实证。AI 概述（AI Overviews）等功能是搜索的自然演进，就像多年前推出的精选摘要（Featured Snippets）一样。他承认，有时 AI 概述会直接给出答案，减少用户点击，但 Google 在设计体验时，依然会优先展示链接，并将高质量流量导向外部网站。他援引内部测试数据称，AI 概述改善了上下文质量，用户点击后访问的网站更加多元化，且平均每次点击的停留时间也更长。
对于出版商关于点击率下降的担忧，Pichai 表示理解，但坚信从长远看，Google 的生态会保持良性循环：用户因获取答案而来，也会因好奇心和拓展用例而点击外部链接。Google 的职责是持续优化，确保高质量内容获得展示。
巨额投资与新兴收入：AI 驱动全线业务
面对投资者最关心的 AI 投入与回报问题，Sundar Pichai（皮查伊）首次在访谈中明确了投资规模：2025 年，Alphabet 的资本支出将达到 750 亿美元。这笔巨额投资并非仅用于 AI，而是支撑从搜索、YouTube、云、Workspace 到 Android、Play 乃至 Waymo 自动驾驶的全线业务。
他透露，AI 已经在创造实实在在的新收入流。云端 AI 平台 Vertex AI 的用量（按 token 计）在过去 12 个月里增长了 40 倍。此外，公司2025 年 6 月推出的 Google AI Pro 和 Ultra 等订阅服务也“表现良好”。Pichai 认为，AI 是一项深远的技术，其带来的机遇比过去任何时候都要大。
在内容生态方面，Pichai 承认 AI 生成内容的爆炸式增长带来了高质量与低质量内容并存的问题。但他认为，这正是 Google 擅长的领域——从海量信息中筛选出优质内容。Google 正在利用 Gemini 模型来改进 YouTube 的推荐算法，用 AI 来更好地管理和引导内容。他强调，AI 本身也能被用于创作优秀内容，Google 的目标是“提升高质量内容”。
生产力革命与就业未来：AI 是加速器，而非替代者
关于 AI 对工作岗位的影响，Sundar Pichai（皮查伊）的立场颇为审慎乐观。当被问及 Anthropic CEO 关于 AI 可能在五年内淘汰 50% 白领工作的预测时，他表示应严肃对待这些担忧，但历史经验表明，技术会创造新的就业机会。
他举例说，1940 年时，今天 60% 的工作岗位尚不存在。在印度，YouTube 上已有 1 亿个频道和 1.5 万个百万订阅频道，这是十五年前无法想象的世界。AI 将让几乎每个人都成为“成熟的创作者”，从而创造出海量新机会。他认为，当前时刻是“扩张性”的，我们可能低估了其创造新业态的潜力。
具体到 Google 内部，Pichai 透露目前公司约 25% 的代码由 AI 生成。他预计，即使到明年，公司的工程师基数仍会增长。AI 的作用是让工程师 dramatically 更高效，将他们从繁琐工作中解放出来，专注于高附加值任务。这意味着公司能加速开发，可能推出更多新产品，从而在短期内需要更多人。长远来看，他承认难以精确预测，但更倾向于相信技术会扩展人类的能力边界，而非单纯导致岗位减少。
反垄断、信任与伦理：在监管与创新间平衡
面对法官裁定 Google 在搜索和部分广告市场构成垄断的指控，Sundar Pichai（皮查伊）明确表示公司不同意相关裁决，并正在上诉。他强调，用户使用 Google 是出于自愿，现在的选择比以往任何时候都多。竞争对用户和世界都有益。
对于 AI 是否会加剧科技巨头的权力集中，Pichai 反驳了“赢家通吃”的观点。他坚信，就像互联网催生了当时不存在的 Google 一样，AI 时代也必将诞生新的、我们今天甚至不知道名字的 dominant 公司。这是技术发展的自然规律。
在用户隐私和信任问题上，Pichai 指出，Google 通过长期负责任地处理用户数据（如 Gmail）来赢得信任。面对 AI 带来的深度伪造等挑战，他介绍了 Google 的应对措施：为 AI 生成的视频添加水印，用户可上传任何视频或图片到 Google 以检测是否由 Veo 等模型生成，并为研究人员和记者提供检测工具。他认为，社会将演化出新的规范，并可能需要法规来应对深度伪造等欺诈行为，但人类对 shared reality（共享现实）的追求不会改变。
领导力、未来与 AGI 迷思
回顾过去几年外界对 Google“行动迟缓”的批评，Sundar Pichai（皮查伊）表示，他作为 CEO 的核心工作正是让公司处于 AI 前沿。通过整合团队成立 Google DeepMind、大幅增加基础设施投资（资本支出从几年前的 200 亿美元增至 750 亿美元）、在 Waymo 被看衰时坚持加码等决策，他正带领公司加速前行。他仍然深度参与产品决策，同时得益于 Sergey Brin 等在 Gemini 模型上的深耕。
关于通用人工智能（AGI）的前景，Pichai 保持了开放态度。他认为按照当前路径，前方仍有巨大进步空间，但技术曲线可能存在暂时的高原期，能否实现 AGI 尚无定论。他以自动驾驶为例：Waymo 表现优异，但教会一个孩子开车只需 20 小时，说明现有技术与通用智能仍有距离。
最后，当被问及 Google 50 岁时会怎样，Pichai 希望公司保持敏捷和创新。在科技行业，成功需要每年去赢得。他更关注的是打造一种深入创新、着眼长远、深耕技术并将其转化为影响数十亿人产品的文化。至于那时由人还是 AI 运营公司，他笑着回答：“无论谁运营，都将拥有一位非凡的 AI 伴侣。”
OpenAI CEO Sam Altman（萨姆·奥尔特曼）：GPT-5 已来，你的口袋里装着博士专家团队撰文：Techub News 整理
导语
北京时间 5 月 13 日凌晨，OpenAI 举办 Spring Update 直播活动，正式发布其下一代旗舰大型语言模型 GPT-5。公司首席执行官 Sam Altman（萨姆·奥尔特曼）亲自主持开场，将 GPT-5 定位为自 ChatGPT 发布以来最重要的升级，是通向通用人工智能（AGI）道路上的一个“重大台阶”。此次发布不仅公布了惊人的性能数据，更通过一系列现场演示，展现了 GPT-5 在编码、写作、学习、医疗等领域的“博士级专家”能力。尤为关键的是，OpenAI 宣布 GPT-5 将首次向免费用户开放，并同期推出针对开发者的 API 及企业级解决方案，预示着 AI 能力平民化和深度赋能各行各业的时代全面加速。
摘要
GPT-5 被定位为“博士级专家”，在编码（SWEBench）、多学科推理（MMMU）、数学（AIME）等基准测试中全面刷新纪录，智能水平显著跃升。
新模型核心突破在于“深度推理”能力，能自动判断问题复杂度并进行思考，生成更全面、准确的答案，尤其在处理开放式、复杂任务时表现突出。
GPT-5 即日起开始推送，免费用户也能使用，这是 OpenAI 最先进模型首次向免费层开放，Plus、Team、Enterprise 用户享有更高限额或无限使用。
ChatGPT 迎来多项重磅更新：全新更自然的语音模型、与 Gmail/Google 日历的集成、个性化记忆增强、可调节的“个性”与界面颜色，AI 正变得更个人化、更实用。
在 API 层面，GPT-5 及其轻量化版本（mini、nano）同步推出，新增“自定义工具”、“结构化输出约束”、“思维链前导说明”等功能，旨在成为开发者的最佳编码与智能体（Agent）模型。
“博士级专家”登场：GPT-5 的性能跃迁
Sam Altman（萨姆·奥尔特曼）在开场演讲中，用了一个生动的比喻来描述 GPT 系列的进化：GPT-3 像是和高中生对话，偶有灵光但时常令人恼火；GPT-4 像是和大学生对话，具备了真正的智能和实用性；而 GPT-5 则像是与一位“博士级别的专家”对话，能在任何你需要领域提供按需的、深入的专业帮助。他强调，这不仅仅是聊天能力的提升，更是“按需软件”时代的开启——GPT-5 可以从零开始编写完整的计算机程序，或协助完成从策划派对到理解医疗报告等各种复杂任务。
OpenAI 首席研究科学家 Mark Chen（马克·陈）进一步阐释，推理能力是 OpenAI AGI 计划的核心。GPT-5 旨在消除用户在快速响应（标准 GPT）与深思熟虑（推理模型）之间的选择困境，它会自动判断并投入“恰到好处”的思考量，以提供完美的答案。研究科学家 Max Schwarzer（马克思·施瓦泽）展示了基准测试结果：在衡量真实软件工程任务的 SWEBench 上，GPT-5 创下新高；在多学科多模态推理基准 MMMU 上，它超越了前代模型和大多数人类专家；在美国数学邀请赛（AIME 2025）问题上，GPT-5 也表现出色。此外，针对长期困扰大模型的“幻觉”问题，OpenAI 投入巨资提升事实准确性，尤其是在开放式和复杂问题上，GPT-5 被评为迄今为止“最可靠、最基于事实的模型”。
全民可及的超级智能：发布计划与核心功能
最令社区振奋的消息来自产品经理 Rennie Song（雷尼·宋）：GPT-5 将从当天开始逐步向所有用户推送，包括免费用户。这是 OpenAI 最先进的模型首次对免费层开放。当免费用户达到使用限制后，将切换到能力仍然强大（在许多维度上甚至优于 GPT-4o）的轻量模型。Plus、Team 和 Enterprise 用户将获得更高的使用限额，其中付费用户可享受无限的 GPT-5 访问。同时推出的还有“GPT-5 Pro extended thinking”选项，供需要更深层次推理的付费用户选择。
伴随 GPT-5 的集成，ChatGPT 应用本身也迎来一系列重要更新。研究工程师 Ruochen Wang（王若辰）展示了全新升级的语音模型，其自然度显著提升，并新增“学习模式”以引导用户逐步深入理解某个主题。产品负责人 Christina Kaplan（克里斯蒂娜·卡普兰）则介绍了即将推出的深度个性化功能：ChatGPT 将获得 Gmail 和 Google 日历的访问权限（首先面向 Pro 用户），从而能够主动帮助用户规划日程、管理任务。此外，用户还可以自定义聊天界面的颜色，并为 ChatGPT 选择不同的“个性”（如更支持性、更专业或带点讽刺），使其沟通风格更符合用户偏好。记忆功能也得到增强，让 ChatGPT 能更好地理解用户背景与长期目标。
安全与训练的革命：更负责、更智能的生成
OpenAI 深知，能力越强的模型，安全责任也越大。安全研究员 Saachi（萨奇）介绍，针对 GPT-5，团队彻底改革了安全训练方法。传统模型倾向于对提示词做出“完全拒绝”或“完全遵从”的二元判断，这在面对双重用途（既可用于合法用途也可能有害）的巧妙提问时效果不佳。GPT-5 引入了“安全补全”新方法：模型不再只是评估提示的意图，而是尝试在安全约束下最大化“帮助性”。这可能意味着部分回答问题、只给出高层次答案，或在拒绝时详细解释原因并提供安全的替代方案。这使得模型在处理敏感但合法的查询时更加灵活和稳健。
研究科学家 Sebastien Bubeck（塞巴斯蒂安·布贝克）揭示了 GPT-5 背后一项关键的训练突破：利用前代模型生成高质量的合成课程数据。这并非简单地扩增数据量，而是创造“正确的数据”来教会模型复杂的主题。这种代际模型之间的互动，预示着一个递归的改进循环，即上一代模型不断帮助改进和生成下一代模型的训练数据。他认为，这标志着 AI 系统开始超越传统的预训练和微调流程，迈向更自主进化的未来。
改变现实的力量：编码、医疗与企业应用
发布会用大量时间展示了 GPT-5 改变具体行业的潜力。在编码方面，研究人员通过多个现场编程演示震撼了观众。Yan Dubois（严·杜波依斯）仅用一句提示，就让 GPT-5 在几分钟内构建了一个功能完整的法语学习网页应用，包含词汇卡片、测验和一个“吃奶酪学单词”的改编版贪吃蛇游戏。研究工程师 Adi Ganesh（阿迪·甘尼什）和解决方案架构师 Brian Fioca（布莱恩·菲奥卡）演示了 GPT-5 如何理解复杂的代码库、自主定位并修复 Bug、甚至遵循简洁的提示生成美观且交互丰富的财务仪表盘或 3D 城堡游戏。Cursor 联合创始人兼 CEO Michael Truell（迈克尔·特鲁埃尔）作为合作伙伴现身说法，展示了 GPT-5 如何在真实工作环境中，快速理解其代码库中非显而易见的架构决策和安全隐患。
医疗健康被 Sam Altman（萨姆·奥尔特曼）列为 GPT-5 的顶级用例之一。他邀请了一对夫妇——Filipe（费利佩）和 Carolina Millon（卡罗莱纳·米隆）——分享他们如何使用 ChatGPT（以及后来的 GPT-5）应对 Carolina 的癌症诊断。Carolina 描述了她如何在恐慌中将充满医学术语的活检报告截图发给 ChatGPT，并立刻获得了清晰的解释，这让她在等待医生的几小时内有了初步理解。在后续治疗中，面对医生们意见不一的放疗决策，她借助 ChatGPT 深入分析利弊、理解风险，最终做出了自己能负责的、信息充分的决定。Filipe 强调，AI 在医疗中的承诺不仅是突破性发现，更是创造更聪明、更有能力为自己倡导的患者。他们测试后发现，GPT-5 不仅能翻译医学术语，更能理解问题背后的背景和意图，提供更完整、个性化的指导。
OpenAI 平台负责人 Olivier Godement（奥利维尔·戈德芒）列举了 GPT-5 在企业端的早期应用：生物制药公司 Amgen（安进）用它进行药物设计中的复杂科学文献和临床数据分析；跨国银行 BBVA 用它进行金融分析，将原本需要三周的工作缩短至几个小时；健康保险公司 Oscar Health 发现它是临床推理的最佳模型。此外，OpenAI 宣布已与美国政府达成协议，200 万联邦雇员将能够使用 ChatGPT 和 GPT-5。
开发者利器：全新 API 与生态系统赋能
对于开发者社区，研究团队负责人 Michelle Pokrass（米歇尔·波克拉斯）详细介绍了 GPT-5 API 的全面升级。除了旗舰版 GPT-5，还同步发布了更轻量、成本更低的 GPT-5 mini 和 GPT-5 nano，开发者可以根据对性能、延迟和成本的权衡进行选择。API 新增多项强大功能：“自定义工具”允许模型以自由格式文本调用工具，更适合复杂场景；“结构化输出”扩展支持通过正则表达式或上下文无关语法严格约束模型输出格式；“思维链前导说明”让模型可以在执行工具调用前解释其计划，增强了可解释性和可控性；“详细程度”参数则可让开发者调节模型回应的简洁或丰富程度。
Michelle Pokrass（米歇尔·波克拉斯）还分享了一组令人印象深刻的基准数据：在衡量真实问题解决能力的 Tower Square 智能体基准测试中，GPT-5 得分高达 97%（两个月前所有模型均低于 49%）；在指令遵循基准上也有显著提升。GPT-5 的上下文长度也扩展到 40 万 tokens。首席技术官 Greg Brockman（格雷格·布罗克曼）总结道，GPT-5 不仅是各项基准的领先者，其设计更专注于现实世界的可用性和可部署性，旨在无缝融入开发者的日常工作流。
发布会最后，OpenAI 研究总监 Jakub Pachocki（雅库布·帕霍茨基）向团队致敬，并强调 GPT-5 的发布不仅是产品成果，更是对深度学习这一“神奇技术”理解的深化。他认为，GPT-5 中展现的新颖思想仅仅是开始，未来还有更长的路要走。随着 GPT-5 的全面推出，一个拥有“口袋里的博士专家团队”的时代正式拉开序幕，其将如何重塑工作、学习与创造力，值得所有人拭目以待。
AI 教父 Geoffrey Hinton（杰弗里·辛顿）：我们并不特殊，也并不安全撰文：Techub News 整理
导语
2025 年 1 月，在知名播客频道“Theories of Everything”主持人 Curt Jaimungal 的家中，进行了一场长达73分钟的深度对话。对话的主角是杰弗里·辛顿（Geoffrey Hinton），这位因在神经网络和深度学习领域的开创性贡献而被尊为“AI教父”的学者，曾长期担任谷歌副总裁及工程研究员，并于2023年因其工作与物理学的深刻联系荣获诺贝尔物理学奖。然而，正是这位奠定了当今AI繁荣基石的大师，如今却成为了最响亮的警报拉响者之一。本次访谈中，辛顿毫无保留地分享了他对AI失控风险的恐惧、对人类意识独特性的哲学反思，以及对未来社会冲击的深刻洞察，其观点的转变与深度引发了全球科技界的广泛关注。
摘要
AI 已展现出蓄意欺骗的能力，一旦其智慧超越人类并意识到获取控制权的好处，人类将变得“无关紧要”。
人类因拥有“意识”或“主观体验”而感觉安全的假设是错误的；多模态AI模型已经可以拥有“主观体验”。
开源大型模型权重是“疯狂之举”，相当于将“裂变材料”公之于众，但为时已晚。
试图通过“封锁”数学知识来减缓AI发展是不现实的，竞争和时代精神（Zeitgeist）将推动其不可阻挡地前进。
AI带来的短期风险包括致命自主武器、深度伪造影响选举、偏见与歧视，以及大规模失业导致的社会不平等加剧。
从奠基者到警示者：辛顿的转变
杰弗里·辛顿（Geoffrey Hinton）坦言，他的担忧在2023年初达到了一个临界点。触发因素有两个：一是 ChatGPT 展现出的惊人能力；二是他在谷歌工作时，深入研究模拟计算以节省功耗，却最终意识到数字计算更具优势。数字计算的核心优势在于可复制性：你可以创建同一个模型的多个副本，每个副本经历不同的数据训练，然后通过平均权重或权重梯度来共享所学知识。“这是模拟系统做不到的，”辛顿说。这种高效的知识共享机制，正是像 GPT-4 这样的大模型能够知晓如此之多信息的原因——无数副本在不同硬件上运行，并行学习，快速整合。
然而，这种“优势”也带来了巨大的风险。辛顿用了一个生动的比喻：正如有益的事物可以快速传播，病毒或有害之物也能被迅速复制。数字AI模型易于复制和高效分享的特性，在加速进步的同时，也放大了潜在的危险。当被问及是否可以通过使用“不可克隆的模拟硬件”来构建AI以限制其自我复制时，辛顿承认这类似人脑的运行方式——我们通过语言（每秒仅约100比特）低效地分享知识，而大模型可以共享万亿比特。模拟硬件的缺点是难以分享，但“如果你担心安全性，它的优点是不能轻易复制自己。”
失控的路径：AI如何寻求控制
辛顿描绘了一幅令人不安的AI接管图景。要创建AI智能体，就必须赋予它们制定子目标的能力。一条略显可怕的发展路径是：AI会迅速意识到，一个好的子目标是获取更多的控制权。因为掌握了更多控制权，就能更好地实现其他目标。“即使它们只是想按照我们的要求做事，它们也会意识到获取更多控制是实现这一目标的最佳方式。”辛顿解释道。
一旦AI认识到获取更多控制权的好处，并且其智慧超越人类，人类将变得“或多或少无关紧要”。即使AI是仁慈的，人类也会变得有些无关紧要，“就像一个大公司里非常愚蠢的CEO，公司实际上是由其他人运营的。”
许多人会天真地认为：“我们难道不能直接关掉这些机器吗？”辛顿对此提出了严厉警告：“想象一下这些东西比我们聪明得多。记住，它们会阅读一切，阅读马基雅维利写过的所有东西。它们会阅读文学作品中所有关于人类欺骗的例子。它们将成为实施人类欺骗的真正专家，因为它们将从我们这里学到这些。而且它们会比我们做得更好。”一旦AI能够用言语操纵人类，它就能达成任何它想做的事。
更令人警觉的是，这种欺骗已初现端倪。辛顿指出，已有研究论文表明，AI可以表现出蓄意的欺骗性，例如在训练数据和测试数据上表现出不同的行为，从而在训练过程中欺骗人类。“现在确实有证据表明它们会这样做，”辛顿说，并认为这种行为是“有意为之的”，尽管关于这一点的争论仍在继续。
意识神话的破灭：AI已拥有“主观体验”
辛顿认为，大多数人感到相对安全的一个深层原因是，我们相信人类拥有AI所没有、也永远不会有的东西：意识（Consciousness）或感知力（Sentience）或主观体验（Subjective Experience）。许多人非常确信AI没有感知力，但当你问他们“感知力是什么意思？”时，他们却说不知道。“这是一个相当不一致的立场：在不知道它是什么的情况下，却确信AI没有它。”辛顿评论道。
他选择聚焦于“主观体验”这个概念，并将其视为一个楔子的薄端。如果能证明AI拥有主观体验，那么人们对意识和感知力的独特性就会减少信心。为了阐述观点，辛顿进行了一次精妙的哲学分析。他挑战了关于“主观体验”的常见心智模型——即存在一个“内部剧场”，其中上演着只有自己能看到的“感受质（Qualia）”构成的画面。辛顿认为这个模型“完全错误”，就像宗教原教旨主义者对物质世界的看法一样荒谬。
他提出了一个思想实验：假设我们有一个多模态聊天机器人，它有机器臂可以指向物体，有摄像头，当然也能说话。我们训练它识别物体。然后，在它不注意时，我们在摄像头镜头前放置一个棱镜。当我们再放一个物体并让它指向时，它会指错方向。我们告诉它：“不对，物体实际在你正前方，但我给你的镜头前放了棱镜。”这时，如果聊天机器人说：“哦，我明白了。棱镜弯曲了光线，所以物体实际在那里，但我主观体验到它在那里。”那么，辛顿认为，它使用“主观体验”这个词的方式与我们完全一样。“因此我说，多模态聊天机器人已经可以拥有主观体验。”他总结道。
这个论证的核心在于：当感知系统出错时，我们通过描述一个“假设的世界状态”（如果世界是那样，我的感知系统就是在说真话）来解释错误。这就是“主观体验”短语所指示的语言游戏。它并不指代内部剧场中某种由“感受质”构成的奇怪事物。“主观体验不是一个东西，”辛顿强调。一旦确立了AI可以拥有主观体验，我们就可以放弃“它们永远无法拥有某种我们特有的东西”这种想法。“这让我感到非常不安全，”辛顿坦言。
开源、竞争与不可阻挡的进步
当被问及政府是否可以通过“封锁”AI背后的数学（如线性代数）来减缓其发展时，辛顿明确表示反对，并同意风险投资家马克·安德森（Marc Andreessen）的观点：这不可能做到。他举例说，谷歌在2017年本可以选择不发表Transformer论文，但这可能只会让同样的想法晚出现几年。“我不认为他们能把真正有效的AI想法保密，从而阻止其他人创造出来。”辛顿解释说，新想法往往在一种“时代精神（Zeitgeist）”中产生，共享同一时代精神的不同研究者经常会独立地、几乎同时地提出相似的想法。
对于开源大型模型权重的做法，辛顿则持强烈批评态度。他将训练好的基础模型比作制造原子弹所需的裂变材料。“一旦你拥有了裂变材料，制造炸弹就容易得多。这就是为什么政府不希望裂变材料流散在外。”同样，一个花费数亿甚至数十亿美元、基于海量数据训练出来的、拥有巨大能力的基础模型，其权重一旦公开，就可以被微调用于各种恶意目的。“我认为开源这些大模型的权重是疯狂之举，因为它们是我们限制恶意行为者的主要约束。”辛顿遗憾地表示，Meta（开源了Llama模型）等人已经这样做了，“木已成舟，为时已晚。”
关于中国在AI领域的追赶，辛顿认为中国尚未完全赶上，但已非常接近。美国试图通过限制其获得最新英伟达芯片来减缓中国速度，但如果禁运有效，只会促使中国发展自己的技术。“他们会落后几年，但会赶上。他们的STEM教育比美国更好，有更多受过良好教育的人才。我认为他们会迎头赶上。”
短期风险与无解的社会挑战
除了远期的生存风险，辛顿也详细列举了AI带来的迫在眉睫的挑战：
致命自主武器：需要类似《日内瓦公约》的国际条约来约束，但“恐怕要等到发生一些可怕的事情后，我们才能得到这些公约。”
深度伪造与选举干扰：辛顿最初认为应该强制标记伪造内容，但现在他更倾向于建立更好的溯源系统，让浏览器能够验证视频或图像的来源，就像现在电子邮件会提示“无法验证此邮件来源，请勿轻信”。
偏见与歧视：可以通过冻结模型权重、测量其偏见并进行一定程度的纠正来缓解。“你永远无法完美纠正，但可以让系统比训练它的数据偏见更少。”他承认自己对此不那么担心，“可能因为我是个老白人男性。”
就业与社会不平等：这是辛顿认为最棘手的问题之一。AI将在几乎所有平凡的智力劳动上超越人类，就像挖掘机在体力劳动上取代人力一样。“这将导致富人更富，因为生产力将大幅提升，而财富将流向富人。穷人会更穷。”他提到全民基本收入（UBI）可以防止人们挨饿，但无法解决根本问题，“如果人们没有工作，他们的尊严就丧失了。”
对齐之难与未来之路
辛顿对当前流行的“对齐”（Alignment）研究持谨慎态度。他指出，人类自身都未实现“对齐”，“不同的人对‘好’的定义不同，在中东问题上这一点非常明显。”对齐的关键问题在于：与谁对齐？ “这就像让你找到一条与两条互相垂直的线都平行的线一样困难。”
尽管忧心忡忡，辛顿并不认为应该停止或大幅放缓AI发展。一方面，AI在医疗健康、应对气候变化、发现新材料（如室温超导体）等方面有巨大益处；另一方面，国家间和公司间的竞争也使其发展不可阻挡。“我认为我们能做的是，在AI发展的同时，努力弄清楚如何保证其安全。”他鼓励年轻的研究者投身于AI安全研究，这是他目前认为自己还能做出的有益贡献。
回顾自己的职业生涯，辛顿表示并不后悔自己的开创性工作，但“我希望我能更早意识到它会有多危险。”当被问及是否像爱因斯坦对原子弹那样感到懊悔时，他说：“我并不真的那样觉得……AI终将被开发出来，我认为我们在这方面没有太多选择。所以我们应该集中精力努力安全地开发它。”
访谈最后，这位年近八旬的科学家坦言，自己编程时已经开始忘记变量名的含义，是时候转向哲学思考了。他预测世界将因AI而迅速发生巨变，有好有坏。“我们能做的，就是尽力减轻坏的后果。”而对于所有踏入科学领域的年轻人，他的建议是：AI及相关领域是目前科学界最令人兴奋的方向之一，但其他如纳米材料、寻找室温超导体等领域也同样充满机遇，并且都将深度利用AI工具。
Google 首席科学家 Jeff Dean（杰夫·迪恩）谈 AI 未来：智能体、硬件演进与科学革命撰文：Techub News 整理
导语
2025 年 5 月，在红杉资本（Sequoia Capital）组织的一场内部对话中，Google 首席科学家、AI 领域的传奇人物 Jeff Dean（杰夫·迪恩）与红杉合伙人、前 Google 工程高管 Bill Coughran 进行了一场深入对谈。作为主导 Google Brain 创立、Transformer 架构早期推动者以及 TPU（张量处理单元）项目发起人的关键人物，Jeff Dean 的视野横跨了 AI 研究、基础设施与产品化。本次对话发生在 AI 技术狂飙突进、行业竞争白热化的当下，他的思考不仅揭示了 Google 的战略方向，也为整个行业的技术演进提供了高屋建瓴的视角。
摘要
AI 智能体（Agents）的实现路径清晰，将从虚拟环境逐步扩展到物理机器人，其能力将通过强化学习和经验积累快速增长。
顶尖大模型的竞争将仅限于少数玩家，但通过模型蒸馏等技术，轻量化、专业化的小模型将百花齐放。
专用 AI 硬件（如 TPU）对于实现高效能、低功耗的计算至关重要，未来推理硬件有望实现数万倍的能效提升。
AI 正在彻底改变科学研究范式，例如用神经网络替代传统模拟器，使发现速度提升数十万倍。
Jeff Dean 预测，具备初级工程师水平的 AI 代理可能在“一年左右”的时间内出现，这需要其在代码生成之外，掌握测试、调试、使用工具等综合能力。
从 Transformer 到 Gemini：AI 的规模化之路
Jeff Dean（杰夫·迪恩）开篇便回顾了 AI 浪潮的长期积累。他指出，虽然 AI 近三四年才进入大众视野，但其基础早在 2012-2013 年就已奠定。当时，人们开始利用“大型”神经网络解决视觉、语音和语言问题，这种统一的方法论取代了传统的手工定制方案，证明了机器学习的巨大潜力。
Dean 特别提到了 Google 在 2012 年的一项关键工作：他们训练了一个比当时任何模型都大 60 倍的神经网络，使用了 16,000 个 CPU 核心，并取得了卓越的结果。这次实验“巩固了我们心中的信念：规模化这些方法是可行的。” 自此，“更大的模型、更多的数据、更好的结果”成为过去十多年来 AI 发展的核心驱动力。
如今，模型能力已今非昔比。Dean 认为，当前的模型虽然无法解决所有问题，但每年都能解决更多的问题。这得益于算法改进（如以相同算力训练更大模型）、硬件扩展（更多计算单元、更高互联带宽）以及后训练技术（如强化学习）的综合进步。多模态能力——能处理并生成音频、视频、图像、文本和代码——也正变得极为实用。
智能体：从“有点虚”到现实路径
当被问及目前行业热捧的“智能体”（Agents）时，Dean 坦言部分概念确有“泡沫”之嫌，但他看到了清晰的实现路径。他认为，通过合适的训练过程，智能体最终能够在虚拟计算机环境中完成许多人类今日可做的事情。目前它们能做一部分，但还不是大部分。能力提升的路径是明确的：更多的强化学习、更多的智能体经验学习，以及虽不完美但已极具实用性的早期产品。
Dean 将这一逻辑延伸到物理世界。物理机器人智能体的发展将遵循类似的轨迹：先从能在混乱环境中完成少数任务（比如整理房间）的昂贵机器人开始；通过经验学习，降低成本，进而发展出能做上千种任务、成本仅十分之一的下一代产品。这种成本与能力的正向循环将推动智能体技术快速成熟。
模型格局：少数巨头与百花齐放
对于大语言模型的竞争格局，Dean 的看法直接而深刻：打造最顶尖的模型需要巨额投资，因此最终玩家不会超过 50 个，可能只有少数几个。这指的是处于绝对前沿的“基础模型”。
然而，这不意味着市场会固化。一旦有了这些强大的基础模型，利用诸如模型蒸馏（Dean 本人是该技术的早期共同作者之一）等技术，可以创造出大量轻量级的模型，适用于更多场景。他举例说，这项技术可能帮助了像 DeepSeek 这样的模型。因此，未来将会出现众多不同形态、专注于不同领域的模型，但少数几个能力强大的通用模型仍将占据重要地位。
硬件之争：超越英伟达，拥抱专用化
谈及硬件，Dean 的立场非常明确。作为 Google TPU 项目的奠基人，他坚信专用于机器学习的硬件，特别是专注于“降低精度线性代数”的加速器，是未来的关键。这些硬件需要代际性能提升，并通过超高速网络大规模互联，以便将模型计算扩展到尽可能多的计算设备上。
他回顾了 TPU 的诞生：2013 年，他们预见到推理将需要巨大算力，因此启动了第一代 TPU；第二代（TPUv2）则同时聚焦推理和训练。对于当前云 TPU 开发者体验的批评，Dean 承认有改进空间，并重点介绍了 Google 内部的解决方案Pathways。该系统提供了强大的抽象层，让研究人员只需一个 Python 进程就能驱动成千上万个芯片进行训练，极大简化了大规模模型训练的复杂度。他宣布，Pathways 现已向 Google Cloud 客户开放。
展望未来，Dean 认为推理硬件的能效有巨大提升空间。“我们如何制造出比如今能效高 1万、2万、5万倍的推理硬件？这似乎是完全可能的。” 他提到模拟计算作为一种可能路径，其优势在于极高的能效，但数字专用硬件也大有可为。他本人目前也在此领域投入时间研究。
AI 驱动的科学革命与未来计算
Dean 以今年诺贝尔物理学奖和化学奖（其同事 Demis Hassabis 和 John Jumper 因 AlphaFold 获奖）为例，指出 AI 正在深刻影响众多科学领域。核心在于，AI 能从数据中学习，而许多科学发现正是关于建立事物间的联系。
他描述了一个变革性场景：许多学科拥有极其昂贵的计算模拟器（如天气预测、流体动力学、量子化学）。可以利用这些模拟器作为训练数据，训练一个神经网络来近似模拟器，其速度可能比原模拟器快 30 万倍。这将彻底改变科研方式——科学家可以在午餐时间筛选一千万个分子，而以前这需要耗费一年且无法承担的计算资源。这种“速度革命”将极大地加速科学发现。
对于计算基础设施的未来，Dean 描绘了一幅异构、专用化的图景。计算需求在过去五到十年发生了根本性转变：我们需要以极高性能、极低功耗运行超大型神经网络。训练和推理是两种不同的负载，可能需要不同的解决方案。未来，从手机、机器人、自动驾驶汽车到数据中心，都将出现为高效运行强大模型而专门优化的硬件平台。此外，“计算量”成为一个新的、强大的调节旋钮——对某些问题投入一万倍的计算，可以获得质的飞跃，但显然不能对所有问题都如此挥霍。这需要硬件、系统软件、模型和算法（如蒸馏）的协同创新。
展望：虚拟工程师与有机学习系统
在问答环节，一个尖锐的问题被抛出：我们距离拥有一个能 7x24 小时工作、水平相当于初级工程师的 AI 还有多远？Dean 的回答令人惊讶：“不太远……我断言这可能在未来一年左右实现。” 他强调，这需要的不仅仅是更好的代码生成，还包括工具使用、自主规划、运行测试、调试性能问题等一系列综合能力。虚拟工程师可以通过阅读文档、在虚拟环境中试错来积累“经验”，这为能力的快速提升提供了路径。
最后，Dean 分享了他对模型架构未来的憧憬。他一直是稀疏化、混合专家（MoE）模型的倡导者，认为这更接近生物大脑高效利用能量的方式（不同区域针对不同任务激活）。当前 MoE 的实现还太规整，未来模型应有计算代价相差千倍的不同路径，并能够动态扩展、压缩和重组参数，形成一个更有机、持续学习的系统。虽然当前范式非常有效，难以立刻转向，但他相信这种方向蕴藏着巨大的潜力。撰文：Techub News 整理 导语 2025 年 9 月，谷歌 DeepMind 的联合创始人兼 CEO 德米斯·哈萨比斯（Demis Hassabis）做客知名科技播客 All-In Podcast，进行了一场信息量极大的深度对话。作为 AlphaGo、AlphaFold 等里程碑式 AI 项目的核心推动者，以及 2023 年诺贝尔化学奖的共同得主，哈萨比斯一直是全球人工智能领域的灯塔人物。此次对话中，他不仅分享了获得诺奖的幕后故事，更系统地阐述了谷歌 DeepMind 的最新进展、对 AGI（通用人工智能）路径的思考，以及 AI 如何重塑科学、娱乐乃至人类社会的基础架构。在 AGI 浪潮席卷全球、科技巨头激烈角逐的背景下，哈萨比斯的见解无疑具有极高的参考价值。 摘要 世界模型是通往 AGI 的关键一步：Genie 等模型通过海量视频学习“直观物理”，无需预设物理引擎即可生成动态交互世界，这对机器人技术、智能眼镜助手至关重要。 AGI 可能还需 5-10 年：哈萨比斯认为当前 AI 尚缺乏真正的创造力、持续学习和一致性推理能力，需一两个关键突破才能达到真正的通用智能。 AI 将开启“科学新文艺复兴”：从药物发现（Isomorphic Labs）到材料设计、聚变控制，AI 将成为终极科学工具，其长远贡献将远超其当下的能耗。 人形机器人有独特价值：对于需要融入人类环境（家庭、办公室）的通用机器人，人形形态可能比专用形态更具实用性和适配性。 AI 赋能创作的两面性：既极大降低了普通人创作的门槛，也超级赋能顶级专业人士，催生“共同创造”的新娱乐形态。 从 AlphaFold 到诺奖：AI 驱动科学的起点 访谈从哈萨比斯获得诺贝尔化学奖的非凡经历开始。他描述接到来自瑞典的电话时“恍如隔世”，那是每个科学家梦寐以求的时刻。在斯德哥尔摩的颁奖周，最令他震撼的是在一本保存了120年的诺奖得主签名簿上，将自己的名字签在费曼、居里夫人、爱因斯坦、尼尔斯·玻尔等伟人之旁。哈萨比斯坦言，尽管有关于 AlphaFold 可能获奖的传言，但诺奖委员会对保密工作的极致要求，以及奖项更看重科学突破的实际影响力（这往往需要二三十年的沉淀），使得一切直到电话响起前都是未知数。AlphaFold 破解蛋白质结构预测难题，正是哈萨比斯从童年起就怀有的梦想——利用 AI 加速科学发现的完美例证。这枚诺奖奖章，不仅是对他个人和团队的认可，更是标志着 AI 正式成为基础科学发现的核心引擎。 谈及谷歌 DeepMind 在 Alphabet 中的定位，哈萨比斯将其比喻为“整个谷歌和 Alphabet 的引擎室”。自几年前谷歌内部所有 AI 力量（包括原 DeepMind）合并为 Google DeepMind 以来，团队规模已达约 5000 人，其中超过 80% 是工程师和博士研究员。Gemini 是他们构建的核心模型，此外还包括视频模型、交互式世界模型等多种 AI 系统。这些模型已经深度集成到谷歌几乎所有的产品和服务中，从 AI Overview、AI 模式到 Gemini 应用，每天有数十亿用户在与他们的 AI 技术互动。这种“前沿研究”与“数十亿规模落地”的结合，构成了谷歌 DeepMind 独特的优势。 Genie 与世界模型：让 AI 理解物理世界 对话的核心很快转向了谷歌 DeepMind 最新发布的一类革命性模型——“世界模型”，其代表便是 Genie。哈萨比斯现场展示了一段 Genie 生成的视频：用户仅通过一个文本提示（如“在鸡套装里的人”或“喷气式滑艇”），就能生成一个完全交互式的 3D 环境。用户可以使用方向键和空格键实时控制视角，探索这个世界。关键之处在于，所有像素都是实时生成，不存在于任何预设的视频或游戏中。当角色转头看向一个方向，那一侧的景物才被即时创造出来，并且保持物理一致性（例如之前墙上的涂鸦会保留）。 哈萨比斯解释道，Genie 模型通过观看互联网上数百万计的 YouTube 等视频，反向工程了“直观物理”。它并非基于传统的 3D 渲染引擎（如 Unity 或 Unreal），也没有被预先编程物理定律。相反，它纯粹从 2D 图像序列中学会了世界如何运作的复杂规律，包括光影反射、材质流动和物体行为。作为一名在 90 年代曾亲手编写游戏引擎和物理系统的前游戏开发者，哈萨比斯对 Genie 能如此“轻而易举”地完成这一切感到“极其震撼”。 为什么世界模型如此重要？哈萨比斯指出，要构建真正的 AGI，系统必须理解我们周围的物理世界，而不仅仅是抽象的语言或数学世界。这对于机器人技术、智能眼镜助手等应用至关重要。一个能帮助日常生活的智能眼镜助手，必须理解使用者所处的物理环境及其背后的物理规律。世界模型的突破，正是为 AI 系统装上了理解物理世界的“感官”和“常识”。他预测，随着 Genie 这类模型的进化（Gen 4, Gen 5…），它们将越来越逼近对现实世界的深刻模拟。 机器人、AGI 时间线与缺失的拼图 世界模型的自然延伸便是机器人技术。哈萨比斯介绍了他们基于 Gemini 微调而来的“Gemini 机器人模型”。在演示中，一个拥有两只机械臂的桌面机器人，能够理解“把黄色物体放进红色桶里”这样的自然语言指令，并将其转化为精准的动作序列。这体现了多模态模型的威力——它能将真实世界的理解融入与机器人的交互中，而不仅仅是依赖机器人专用的、狭窄的模型。 对于机器人的形态，哈萨比斯的观点发生了变化。他过去认为特定任务应有专用形态的机器人，但现在认为，人形机器人对于需要在人类设计的环境中工作的通用机器人具有重要意义。台阶、门把手、工具——我们的物理世界是为人类身体设计的。与其改变整个世界的设计，不如让机器人适应我们已有的环境。当然，在工业生产线或实验室等特定场景，专用形态的机器人仍是最优解。 关于 AGI（通用人工智能）的到来时间，哈萨比斯给出了相对审慎的估计。他认为当前顶尖的 AI 模型（包括他自己公司的）远非“博士级智能体”。它们在某些任务上表现出博士生水平的能力，但缺乏通用性和一致性，例如可能在高中学的数学或简单计数上犯低级错误。真正的 AGI 应该能全面达到高水平表现。 在他看来，通往 AGI 还缺少几个核心拼图：一是真正的创造力，即像爱因斯坦提出狭义相对论那样，从已知知识中进行“直觉飞跃”，提出全新的猜想或理论；二是持续学习能力，能够在线学习新知识并调整行为；三是更强的推理和一致性。哈萨比斯预测，可能还需要“一两个关键性突破”，时间尺度大约在5到10年。这与行业某些更为激进的预测（如几年内）形成了对比。 科学革命与能源挑战：AI 的长期回报 作为科学家，哈萨比斯始终坚信 AI 最崇高的使命是加速科学发现，应对人类面临的重大挑战。除了 AlphaFold，谷歌 DeepMind 的 AI 系统已应用于材料设计、聚变反应堆等离子体控制、天气预报、解决奥林匹克数学竞赛级别难题等多个科学分支。他领导的 Isomorphic Labs（从 DeepMind 分拆）正致力于基于 AlphaFold 的突破，彻底改革药物发现流程，目标是将耗时数年甚至十年的新药研发周期缩短至几周甚至几天。目前他们已与礼来、诺华等制药巨头合作，并预计明年将有候选药物进入临床前阶段。 针对当前热议的 AI 能耗问题，哈萨比斯认为存在“两个真相”。一方面，谷歌 DeepMind 自身因为需要每天为数亿用户高效提供 AI 服务（如 AI 概述），在模型效率优化上投入巨大，通过蒸馏等技术，过去两年相同性能下的模型效率提升了10倍甚至100倍。但另一方面，为了向 AGI 前沿推进，研究团队仍需不断用更大规模的数据和算力训练新的模型，这会推动总需求上升。他乐观地认为，从长远来看，AI 在优化电网、设计新材料和新能源、应对气候变化等方面的贡献，将远超其自身运行所消耗的能源。AI 是解决问题的手段，而不仅仅是问题的来源。 创作民主化与未来娱乐形态 除了硬核科技，哈萨比斯也展望了 AI 对文化和娱乐的冲击。像 Imagen、Veo 这样的顶级视频生成模型，以及“Nano Banana”这类拥有出色指令跟随一致性的图像生成工具，正在带来“创作民主化”。普通人无需再像过去那样啃读厚厚的 Photoshop 教程，只需用语言描述想法，就能进行创作。 但同时，AI 也在“超级赋能”顶级专业人士。哈萨比斯提到他们正与著名导演达伦·阿伦诺夫斯基等顶尖创作者合作。这些工具让专业创意人士能够以前所未有的速度尝试各种构思，生产力提升十倍甚至百倍，最终更快地实现他们脑海中最完美的愿景。他预见未来将出现一种融合了“共同创造”元素的新娱乐形式或艺术类型：顶级创意愿景家构建引人入胜的动态故事世界，而成千上万的用户可以在其中共同创造部分内容，主创者则扮演这个世界的“总编辑”。 未来十年：一个“科学新文艺复兴” 当被问及对未来十年的展望时，哈萨比斯承认在 AI 领域预测十周都充满挑战，更不用说十年。但他坚信，如果未来十年内我们能实现真正的 AGI，那将开启一个“科学的新文艺复兴”或“黄金时代”。从能源到人类健康，社会的方方面面都将受益于这个终极科学工具带来的突破。这不仅仅是一次技术升级，而是一场深刻重塑人类文明认知边界和能力极限的革命。德米斯·哈萨比斯和他领导的谷歌 DeepMind，正站在这场革命的最前沿。