DeepMind首席执行官哈萨比斯在达沃斯预言AGI突破与机器人实现仍需两年

访谈要点概览

AGI 时间表：哈萨比斯估算，2025‑2030年间出现具备全部核心人类认知能力的通用人工智能（AGI）的概率约为 50%。他将AGI定义为不仅能处理语言或模式匹配，还能进行科学创造和实时学习的系统。
机器人落地：在通用机器人方面，他认为距离实现可靠的通用机器人系统还有 18‑24 个月，主要瓶颈是数据稀缺、鲁棒性不足以及硬件（尤其是灵巧的机械手）限制。
合作项目：DeepMind 正与 Boston Dynamics 与 Hyundai 合作，聚焦一年或两年内的制造业机器人落地。
中美竞争：他指出，中国领先的AI企业整体落后约 六个月，并质疑其能否持续突破前沿。
就业影响：对“白领岗位在五年内消失 50%”的预测持保留态度，认为短期冲击被夸大，长期结构性转型仍在进行。
AI 规模对比：哈萨比斯将本轮AI浪潮的速度与规模比作 工业革命的 100 倍，呼吁年轻人尽早成为AI工具的原生使用者。
技术路线：他强调 Transformer 与 大规模语言模型（LLM） 并非AGI的死胡同，预计需要 不超过五项关键突破（如世界模型、持续学习）才能跨越。
安全治理：支持国际协作，提出构建类似 CERN 的全球AGI安全研究机构的设想。

深度解读

1. AGI 前景的实事求是

哈萨比斯的 50% 预测比业界普遍的“十年内实现AGI”更为保守，却也显示出 DeepMind 对技术瓶颈的清晰认知。核心缺口在于科学创造力和连续学习——当前模型仍依赖离线大规模预训练，缺少真实世界的反馈回路。

2. 机器人仍在“硬件瓶颈”阶段

机器人系统的进展受限于两大因素：一是感知‑控制闭环的数据缺口，二是机械手的灵活度。DeepMind 与 Boston Dynamics 的合作表明，软件层面的强化学习已经取得突破，硬件层面的可靠性仍是制约因素。

3. 中美竞争的微妙平衡

哈萨比斯没有否认中国在大模型训练规模上的追赶速度，但他指出 创新深度 与 生态成熟度 仍有差距。六个月的时间差在AI赛道上并非决定性，关键在于是否能持续推出 世界模型 与 跨模态持续学习 等核心技术。

4. 对就业的冷静评估

他认为，AI 对低技能、可自动化岗位的冲击已在显现，但对高技能白领的影响仍需更长时间的产业链重塑。政策层面应关注 技能再培训 与 新职业创造，而非单纯的失业恐慌。

5. 全球安全治理的呼声

哈萨比斯提出的 CERN式全球机构 旨在集中资源进行 AGI 安全基础研究、共享风险评估模型，并通过多边治理框架防止技术垄断。这一设想与近期欧盟、美国的 AI 法规讨论形成呼应。

展望

从本次访谈可以看出，DeepMind 对 技术路线 与 产业落地 均持务实态度。未来 1‑2 年，机器人原型有望在特定制造场景实现商业化；而 AGI 的突破仍依赖 世界模型、持续学习 与 跨模态理解 三大核心创新。行业观察者应密切关注 DeepMind 与硬件合作伙伴的实验进展，同时留意全球治理框架的实质性落地。

“AI 的变革速度和规模是工业革命的百倍，只有在安全与合作的前提下，才能真正释放其价值。” — 哈萨比斯（2026 年达沃斯）