Hassabis再爆猛料：AGI五年内概率过半！DeepMind的底气究竟从何而来？

开篇点题：

当行业还在为Sora的“物理世界模拟”感到惊艳时，Google DeepMind的CEO Demis Hassabis直接把赌桌掀了。在与Lex Fridman的最新对谈中，他抛出了一个让所有人神经紧绷的预测：AGI（通用人工智能）在2030年前实现的可能性，高达50%。

这并非空穴来风的豪言壮语。这个惊人时间表的背后，是一套贯穿物理、生物与计算的、逻辑自洽的“第一性原理”。读懂了这套思想，你才能明白Hassabis的底气，以及DeepMind正在下一盘多么大的棋。

---

第一层底气：世界观重塑——宇宙是可被“黑入”的高效系统

Hassabis的信心，源于一个对现实世界的基本假设，这个假设比任何算法都重要。

核心观点：信息才是宇宙的终极基石。

在他看来，我们所处的宇宙并非杂乱无章。从物理定律到生命演化，都遵循着一个他称为**“最稳定者生存”**的原则。这意味着，我们看到的一切复杂现象，其背后都隐藏着一个高效、简洁、且有规律可循的底层结构。

他将这个结构称为一个**“可学习的流形 (learnable manifold)”**。

这个观点听起来很哲学，但它对AI开发者意味着一个极其重要的信号：现实世界是“可压缩”的，它的运行规律是可以被AI通过学习数据来反向破解的。

这就好比，宇宙的源代码可能极其复杂，但它一定存在一个可以被高效调用的API。AI要做的，就是找到这个API。这也让他对经典的**“P vs NP”**问题有了全新的物理学解读：那些看似指数级复杂的NP问题（比如蛋白质折叠），之所以能在现实中发生，就是因为物理世界走了“捷径”，而AI的使命就是找到这条捷径。

第二层底气：模型即证据——AlphaFold和Veo的“神迹”不是偶然

如果说“信息宇宙观”是理论，那么AlphaFold和Veo就是Hassabis手中最有力的实证。

• AlphaFold 3：它不仅仅是预测蛋白质结构，最新版本已经能处理几乎所有生物分子间的相互作用。它成功的核心，正是因为它跳出了蛮力计算，通过学习海量数据，洞悉了生物分子间相互作用的物理“规则”，也就是那个“可学习的流形”。

• 视频模型Veo：当Veo能生成符合物理直觉的流体、光影和碰撞时，Hassabis看到的不是一个更强的“生成器”，而是一个**“现实世界模拟器”的雏形**。他认为，Veo正在从像素中反向工程出我们世界的物理定律。它之所以有效，恰恰证明了现实世界的物理规律是可以被模型高效学习和模拟的。

这两个“神迹”般的模型，让Hassabis确信，他们走在了一条正确的道路上——通过大规模AI模型来解码现实世界的运行法则。

第三层底气：目标升维——AGI的终极考核是“创造”，而非“模仿”

Hassabis对AGI的定义，也远超大众想象。他提出的**“爱因斯坦测试”**，彻底将AGI与普通AI划清了界限。

**“爱因斯坦测试”：**给AI系统1900年之前的所有物理知识，看它能否独立发现相对论。

这个标准意味着，真正的AGI必须具备深刻的洞察力和创造力，能够做出推动科学边界的根本性突破。它不是一个更好的模仿者，而是一个终极的科学发现工具。

当你的目标是造出这样的“科学望远镜”时，你对技术路径的判断和信心自然会与众不同。

终极蓝图：游戏思维贯穿始终，从模拟细胞到星辰大海

Hassabis的整个职业生涯，从游戏制作人（《主题公园》）到AI掌门人，贯穿着一条清晰的主线：创造和模拟世界。

• 游戏是最好的沙盒：他认为游戏是对现实的简化模拟，是训练解决问题能力的最佳环境。他本人解决复杂问题的思维方式，深受游戏设计和棋类对弈的塑造。

• AGI的使命是模拟一切：他的终极梦想，是用AGI来完成最宏大的模拟任务。

  • 微观上：完整模拟一个细胞的动态，解开生命起源之谜。

  • 宏观上：设计可控核聚变、发现室温超导，解决能源危机。

  • 最终：当地球能源问题解决后，推动人类进入“太空巴士”时代，走向星际。

这个从游戏制作人开始的梦想，如今正在以AGI的形式，走向现实。

写在最后

Demis Hassabis的“五年之约”，并非一时兴起的预测，而是基于一套“信息宇宙观”的逻辑推演。他相信，既然宇宙的底层代码是可学的，而DeepMind已经通过AlphaFold和Veo找到了“读懂”代码的钥匙，那么剩下的就是工程问题和规模问题。

他正在打造的，不是一个聊天机器人或生产力工具，而是一个能够与科学家并肩，甚至超越科学家的“数字爱因斯坦”，去解答关于现实、生命和宇宙的终极问题。

从这个角度看，五年，或许真的不算长。