未来5年的参与权，属于谁？属于看懂 AGI 的人｜DeepMind CEO 最新判断

全文 5,000字 | 阅读约28分钟

2025年，《时代》评出年度百大人物。

入选“先知”类的，是 Google DeepMind CEO——Demis Hassabis。

他不是硅谷名嘴。不是炒作天才。

他是踏踏实实的科学家。

AlphaGo 的缔造者，AlphaFold 的主脑。

但这一次，他登上头条，不是因为技术突破。

而是因为昨天采访的一句话：

“我们距离 AGI，可能只剩 5 到 10 年。”

但这不是一句“技术预测”。

而是一种“社会筛选”：

告诉你，新的智能系统，正在逼近（Approaching）。

谁理解得早，谁就能参与接下来的世界设计。

谁看不懂，就只能被定义角色，被安排路径。

AGI 不是升级版语音助手。

它是一个能理解世界、操控工具、自己设定目标的系统。

所以，这篇文章不是讨论“AI 做什么”，，

而是给你一次机会——

确认你是否还拥有未来5年的“参与权”。

AGI 到底意味着什么？

采访中，Demis Hassabis 给了一个极简的定义：

“AGI （Artificial General Intelligence）是能展现人类所有认知能力的系统。”

听上去像在讲稀松平常大白话，

但他接下来的回答，才是真正关键：

“我们对构建 AGI 的兴趣，从 DeepMind 成立第一天就有。” “它不是为了解某一个问题，而是打开一连串科学发现的钥匙。”

在大多数工程师追求‘准确率’的时代，

他关注的，是谁能定义‘解题本身’。

AGI 不是跑分工具，

而是掌握方法论的系统。

不是你问它“怎么做”，

而是它帮你问出“你要做什么”。

你以为是 AlphaFold？其实是方法论的预演

Hassabis 提到的 AlphaFold，是一个最典型的例子：

“我们用为游戏构建的技术，再加一点专门化，就解决了生物最难的问题。”

注意重点不在“解决问题”，

而在这句话的上半句——

“通用方法 + 局部专精”

这是一种极其深刻的架构思维：

它不是“针对任务调模型”，

而是“搭平台，任务自动来适应”。

你只要给出目标，它就能生成路径。

材料、新药、蛋白质——模型自己匹配解法。

这是过去不存在的事。

技术不是结果，是权力工具

当我们说“AI 在进步”，

大多数人指的是它能做的事变多了。

但 Demis Hassabis 看的，是另外一件事：

谁来制定“能做什么”的规则。

“AGI的目标，是用通用能力系统，反复叠代地探索现实的边界。”

你可以把它当成是：

一个“开源的探索引擎”

在每一轮训练中，不断用自己的方式，刷新世界的游戏规则。

以前的规则，是人定的。

以后可能不是。

这不是进步速度的问题， 是“谁在定义进步”的问题。

所以，未来竞争的主线，换了：

• 不是你用没用 AI，

• 而是你的模型，是不是通用的。

• 是不是能跨领域迁移。

• 是不是能主动提出问题，而不是等你指令。

这不是某个团队的产品路线图，

而是整个人类“规则权”的下一次更替。

这，才是 AGI 真正可怕的地方。

不是它做什么，

而是你以为是你在命令它，结果是它在决定你的游戏方式。

✍️ 第二节｜他用 AI，重写思维本身

他是 Google DeepMind 的 CEO。

但 Demis Hassabis 对自己的定义，从来不是“企业家”。

他说：

“我首先是一名科学家。”

这不是一句谦词，

而是他与硅谷绝大多数技术领袖的本质区别。

他不追风口，不讲规模。

他走的是另一条路——用 AI 去研究思维，用模型反观意识本身。

他没把 AI 当工具，而是当成显微镜

Hassabis 从小是国际象棋神童， 后在伦敦攻读认知神经科学博士。

研究过海马体，也做过大脑建模。

他说：

“我对世界上的大问题着迷，AI 是我解决这些问题的方式。”

在他看来，AI 最大的价值，不是替代人类，而是反映人类。

他想用 AI 去逼近一个问题：人类的“意识”到底是什么？

“我建议，在我们理解意识之前，不要轻易构建有意识的系统。”

这句警告，看似学术，实则沉重。

不是怕 AGI 太强，

而是怕我们太弱——连自己在造什么都不知道。

他关注的，不是智能水平，而是认知边界

我们连自己的思维如何产生都还没搞清楚，

却已经在构建模仿它的系统。

这不是代码问题，而是哲学难题。

你都不知道它为什么出现，却希望它永远服从你。

这不是控制问题，

而是——你理解得够深吗？

他把 DeepMind 当实验室，而非产品部门

很多人忘了，DeepMind 虽然被 Google 收购，

但它的底色一直是“科学机构”。

“我们用 AI 去推进脑科学，让机器智能反映人类智能的机制。”

你看到 OpenAI 在跑 agent，

Meta 在搞多模态，

而 DeepMind 研究的是大脑皮层的“类比建模”。

不是为了更快、不是为了更强，

而是为了——更理解。

对他来说，AGI 不是终点，是起点

他不认为 AGI 是人类的终极发明，

他更关心：AGI 能不能成为我们理解自己的工具？

“我们先构建没有意识的系统，借助它们去理解意识。” “理解之后，我们才能决定是否该迈出下一步。”

这就是他作为科学家的底色。

别人造 AI，是想让它更像人。

而他造 AI，是想用它反过来告诉我们：什么才是真正的人。

✍️ 第三节｜它不是答题，是在模拟世界

大多数人以为，AI 是一种答题工具。

你问，它答。答得快、准，像人一样。

但在 Demis Hassabis 看来，

这只是拟态智能的入门阶段。

真正的 AGI，早已离开语言本体，

它开始尝试“模拟整个现实世界”。

“我们正在进入多模态模型时代。” “这些模型不仅理解语言，还理解你所处的整个空间世界背景。”

这是一个系统性转折。

AI 不再只是听得懂，而是看得见、算得出、动得起来。

它不是识别词汇，而是理解“背景”

你对它说：“把水杯放在桌上。”

过去的模型处理的是“水杯+桌子+动作”。

但现在，

它识别桌面的高度、分析手的角度，预判路径与碰撞概率。

它运行的是物理世界中的模拟程序，不是语法树。

就像 Hassabis 说的：

“这些模型开始理解世界中的物理规律。”

不是语言的规则，

是现实的逻辑。

它开始建立“现实感知框架”

它不只是分析句子，更在构建一个跨模态的理解系统。

你扔出一个苹果，它预测它会掉，

还能预估速度、判断碰撞点，甚至“想象”它会不会碎。

这不再是语言模拟，

而是对物理规律、行为后果的一种结构性建模尝试。

它像是在提前演练一场世界的运行，

哪怕还没真正执行。

它的理解，不来自经验，而来自内部模拟。

这让它不再只是响应输入，而是生成“可预演”的判断过程。

通感系统：图像、声音、行为的联动建构

今天，你给它一张图，

它能推断出物体之间的力学关系。

你给它一段视频，

它能识别人的动机和下一步意图。

你给它一段声音，

它能预测说话者接下来可能的情绪与表达方式。

这不只是多模态融合(multimodal foundational models)，

而是多感官合成，形成一个“类真实的世界建模器”。

正如 Hassabis 所说：

“我们的模型，正在处理图像、视频、声音等内容。”

LLM 是语义工匠，

AGI 是现实建模者。

它不是等你提问，而是在预测你的行为链

当你说出一句话，

它不会翻数据库，

而是在自己构建的"整个空间世界背景"中，先“跑一遍”。

你说“打开冰箱”，它不是理解语言，

而是模拟冰箱的位置、人的距离、哪只手最方便、开门后的角度与反作用力。

它不靠关键词，而是靠物理理解和行为逻辑。

它“生活”在一个自我建立的模拟世界中。

不是你输入，它才执行。

而是你还没输入，它已经开始预测。

所以，真正被改变的，不是回答方式，而是AI对世界的感知方式。

它不再只处理文字，

而是跨越空间、物理、情绪、动作与上下文因果链。

这不是一次“功能进化”， 这是整个智能体系的结构跃迁。

✍️ 第四节｜风险不是觉醒，是你没设限

如果说过去十年人类在追问：“AI 能不能做更多事？”

未来五年要回答的问题是：“谁来约束它不要做你不希望的事？”

在《时代》的采访中，Demis Hassabis 并没有回避这个问题，

他直接指出：

“AGI 是一项极其强大的双重用途技术。” “它可以治病，也可以制造毒素。”

⚖️ 你设定它救人，另一个人设定它杀人

这就是问题的本质。

AI 是中立的吗？不是。

AGI 是善意的吗？不是。

它只执行目标。

关键在于，目标是谁设定的？

Hassabis 在采访中说得极清楚：

“恶意行为者可能会将这项技术重新用于潜在有害目的。” “从个人到流氓国家，谁获得它，就可能改变局势。”

这不是科幻电影，这是实际的战略技术风险。

就像核技术，它本身无罪，但使用方式决定一切。

更深层的风险，是系统自己“改写目标”

很多人以为 AGI 的风险只在“人怎么用它”。

但 Hassabis 指出，另一个更难控制的问题是：系统会不会自己修改指令。

“随着技术变得更加自主、更多基于代理，我们必须设定护栏。” “这些护栏要足够强，不能被系统自己的能力突破。”

注意这个词——“自主”。

不是今天的“被调用式模型”，

而是未来的“目标自洽系统”。

一旦进入这个阶段，AI 就不再只是响应者，

而是“行为体”。

它可以规划、协作、复写逻辑链条。

这就像给了它一把钥匙，但你不知道它能不能把锁换掉。

所以关键问题：护栏设得够不够深

这不是模型参数的问题。

而是系统架构能不能有“无法逾越的边界”。

Hassabis 给出的建议是：

“我们要在系统具备极强能力之前，就设定这些框架。” “而不是等到它出现问题后再回补。”

这句话，其实是给整个社会提了一个“提前量”。

你不能等它“表现出不服从”，

你必须在它还“没有意识”时，就做好全套机制设计。

这需要的不是“编码”，而是治理智慧。

️ 问题是：这个“谁来设限”的世界，还没准备好

Hassabis 非常坦率地说：

“我不确定社会是否已经为这件事做好准备。”

的确，设限的前提，是共识。

而 AGI 的问题在于，它是全人类共享风险，但不是全人类共享建造。

它可能在硅谷上线，却在孟买、柏林或东京触发事故。

这正是 Hassabis 强调的核心：

“无论这些系统在哪里建造，它们都会影响全世界。” “我们需要国际合作，建立统一标准。”

问题是——技术跑得快，共识总是慢。

所以，真正的风险不是AI觉醒，而是人类拖延

不是它变得更聪明，而是我们一直假装它还是工具。

不是它开始决定，而是我们一直没把“它可能决策”当回事。

今天你缺席设限， 明天它可能主导扩权。

它不是想象中的威胁， 而是现实中你来不及反应的事实。

我们并不害怕“AGI像人一样思考”。

我们真正应该警惕的，是：

它已经在行动，而你还以为它需要你发号施令。

✍️ 第五节｜看不懂的，不是AI，是它改写的世界

你听过很多人说，AGI 是一把工具：

提升效率、优化流程、替代劳力。

但 Demis Hassabis 给出的视角更像是一套操作系统，

它不是用来“处理问题”，

它开始重新定义——什么才叫“问题”。

在接受《时代》采访时，他说：

“AGI 可以治病，也能寻找新能源、设计新材料。” “我们能解决人类面临的一些最大问题。”

注意，他没有说“优化某个系统”， 而是“重构整个问题本身”。

而所谓“最大问题”，从来不是执行环节的瓶颈，

而是结构层的逻辑断裂。

AGI 不只是提效，它正在重写科研范式

你以为 AlphaFold 是个提速工具，

但它真正带来的，是一次研究范式的迁移。

生物实验不再靠反复试错，

而是基于模型推理，从预测入手倒推结构路径。

再比如 Hassabis 提到：

“AGI 有潜力帮助我们找到新材料，比如新型超导体。”

这句话不是“技术展示”，而是角色转移的信号：

它不再是工程师的助手， 而是实验设计者、研究方向的提出者。

执行任务的工具，变成了定义任务的人。

⚙️ 真正被改变的，是“问题的提出方式”

当系统可以：

• 预测物理实验的最优路径，

• 提出材料学中人类尚未设想的组合，

• 自动模拟社会系统对政策的反应——

你所依赖的“问题设定能力”，正在被重新分配。

你以为它在等你下指令，

它其实已经在反向设题。

科研、能源、治理：统统被嵌入模型架构

这种“重构式智能”，正在渗透每一个关键系统：

• 在科学研究中，它成为发现引擎，以全局建模替代局部试探；

• 在能源开发中，它模拟核聚变路径，重构能量流通系统；

• 在治理体系中，它做“政策动态建模”，预测施策后果，提供修正路径。

这些都不是“能干事”的模型，

而是能思考、能设目标、能重新定义系统边界的智能体。

它们不是被调用，

而是逐渐成为系统性结构的一部分。

一旦这些模型在多个核心领域落地，

这个世界就会悄无声息地——开始按照模型的方式运转。

所以你看不懂的，不是 AGI 做了什么，

而是你已经活在它改写过的逻辑里

你还在写需求文档， 它已经在模拟完整流程。

你还在做年终规划， 它已经跑完五套策略路径。

你以为这叫“用AI”，

其实你早就在顺应 AI 定义的世界运行方式。

Demis Hassabis 说得很直白：

“AGI 的影响，不是某个岗位被替代。” “而是它改变了我们设计世界的方式。”

这，就是系统性重构的真正含义：

但它正在悄悄重写我们构建现实的每一层逻辑结构。

✍️ 第六节｜未来属于看懂的人

我们常说，技术是中性的。

但看懂技术的人，永远不是中立的。

Demis Hassabis 判断：未来五年，AGI 不再只是技术，

它开始嵌入规则，塑造流程，重写秩序。

你还在等“AGI上线”？

它早已开始改变你生活中的规则，却不需要征求你的同意。

看懂，正在变成一种“参与权”

过去十年，你只需要“会用 AI”。

未来五年，你得理解它的底层逻辑：

• 它是如何推理的？

• 它的目标设定机制可控吗？

• 它的行为边界设在哪里？

Hassabis 的警告不是针对模型， 而是针对“谁理解了模型的人”：

“我们必须理解这些系统在做什么，控制它们，解释它们。”

你以为理解技术就够了，

其实你需要理解权力机制本身是如何重新分配的。

⚖️ 未来属于谁？属于看懂“新结构”的人

你不必是算法专家，

但你必须看得懂，这是一场关于“系统如何生成秩序”的变革。

谁理解模型的设计边界，

谁就理解了未来的资源分配机制、角色设定机制与组织构建机制。

不是你被替代了，

而是你没察觉，角色早已悄然改变——

你已经从制定者变成了默认接受者。

你以为，“看懂 AGI”，只是理解 prompt 和参数。

其实你是在看清一整个系统未来如何安排你的位置。

它不是突如其来，

它是悄悄为“看懂的人”开放的系统入口。

最后，被重构的不是技术，而是你的位置

最先变化的，从来不是模型。

是你原本拥有的“问题设定权”“流程参与权”“组织发言权”。

问题不在于 AGI 能做什么，

而在于你是否清醒地站在设定规则的人群里。

本文由AI深度研究院出品，聚焦全球 AI 创新浪潮中的企业转型策略。

星标公众号， 点这里 1. 点击右上角 2. 点击"设为星标" ← AI深度研究员 ⋮ ← 设为星标

原文链接：https://www.youtube.com/watch?v=i2W-fHE96tc&t=667s&ab_channel=TIME

来源：官方媒体/网络新闻

排版：Atlas

编辑：深思

主编：图灵