在小说阅读器中沉浸阅读前两天，谷歌DeepMind掌门人德米斯·哈萨比斯在2026达沃斯论坛上的访谈中，向外界坦露了AI竞赛最前沿的真实日常——那不是转瞬即逝的冲刺对决，而是一场考验耐力、认知与格局的极限智力马拉松。

当主持人直白地询问“谷歌是否重回巅峰”时，哈萨比斯没有给出简单的肯定或否定。他更愿意描述一个过程：“要把我们的技术和模型带回最顶尖的水平，团队付出了难以想象的艰苦努力。”

这句看似平淡的表述背后，是大模型时代技术栈博弈、研究与商业平衡、全球格局重构的多重复杂现实。

红色警报与模型竞争下的真实差距

访谈中被提及，Gemini 3发布后，业内传言OpenAI拉响了“红色警报”。

对此，哈萨比斯展现出一种战略定力。他将这场竞赛明确定义为一场马拉松，而非短跑。

他强调，红色警报是针对特殊情况的，而AI发展的真正较量在于长期、系统的技术积累与整合能力。

哈萨比斯指出，谷歌的核心优势在于其无与伦比的完整技术栈——从自研的TPU芯片、全球数据中心网络，到深厚的基础研究积累，再到触达数十亿用户的产品矩阵（如搜索、Gmail、Workspace）。

这种垂直整合的能力，使得从研究突破到产品部署的路径被极度缩短，训练完成的模型能够以竞争对手难以企及的效率迅速落地。

然而，他并未回避挑战。哈萨比斯坦承，最大的困难并非拥有这些要素，而在于“整合与执行” ，即如何将这些庞大的技术、资源和团队，以正确的优先级和组织方式凝聚起来，形成持续的创新合力。

领导者的两难：科学家思维与CEO决策

哈萨比斯访谈中表示，自己一天中有个特殊时段：下午一点到四点是他的“思考时间”，而且是“AI辅助的”。

这种安排在硅谷高管中并不多见，却恰如其分地反映了他独特的双重身份——既是前沿科学家，又是企业决策者。

他在访谈中多次流露出科学家本色。当被问及AGI的定义时，他的标准高得几乎苛刻：“系统必须展现出人类所有的认知能力。”他特别强调了科学创造力中“提出正确问题”的能力，直言目前的系统“显然还不具备这种能力”。

科学家追求极致，CEO却要面对现实。哈萨比斯试图平衡这两种思维模式。他尝试“集众家之长”——保留初创公司的速度和冒险精神，同时利用大公司的资源进行长期探索性研究。

哈萨比斯表示，大公司的资源固然惊人且实用，但也必须为长期探索性研究留出空间——不能只盯着三个月后就要落地的产品功能。那种短视将是错误的。

Transformer之后，AGI 还需要几个突破？

当被问及单靠Transformer和大语言模型能否实现AGI时，哈萨比斯回答：“我不同意‘死胡同’的说法，这显然是错的，它们已经极其有用。”但他也承认，这些技术是否足够仍是一个经验性科学问题。

哈萨比斯认为，实现AGI可能还需要“一两个突破——不到五个”。

他特别提到“世界模型”、持续学习能力以及建立没有“缺陷”的一致系统。这些缺失的能力正是当前AI研究的核心挑战。

对于模型规模扩大是否能持续带来改进的争论，哈萨比斯与Ilya Sutskever观点不同：“不，我不同意。他说‘我们回到了研究时代’，但我认为我们从未离开过研究时代。”

哈萨比斯指出，谷歌和DeepMind拥有“最深入、最广泛的研究团队”，过去十年现代AI产业约90%的突破都来自这两家公司。

为什么机械手比大语言模型更难突破？

“过去一年我花了很多时间仔细研究机器人技术。”哈萨比斯这一透露，或许暗示了谷歌DeepMind的下一个重点方向。

他判断，“我们正站在物理智能突破的临界点上”，但可能需要18-24个月才能看到实质进展。这一领域的探索，本质是让AI从纯软件世界走向物理现实，填补数字智能与物理世界交互的能力空白。

机器人领域面临的挑战与纯软件AI截然不同。哈萨比斯指出了核心难题：数据稀缺。

相比大语言模型能接触的海量文本数据，机器人能获得的真实物理数据要少得多。合成数据在物理领域也远比在文本领域复杂。

谈到机械手时，他指出：“当你深入研究机器人技术时，你会重新惊叹——至少我重新认识到了——人手是进化的杰作。”

哈萨比斯坦承，人手的可靠性、力量和灵巧度“很难被复制”。这种对自然造物的敬畏，反映出物理智能研究的核心挑战——不仅是技术的突破，更是对人类自身感知与行动能力的深度解构。

值得注意的是，物理智能的突破并非孤立的技术探索，而是与AGI发展深度绑定。只有具备精准的物理世界感知与交互能力，AI才能真正理解世界的运行逻辑，进而形成完整的认知体系，这也是“世界模型”构建的核心基础。

DeepMind在这一领域的布局，本质是为AGI搭建从数字到物理的桥梁。

DeepSeek引发西方过度反应？

访谈中问到中国AI发展时，哈萨比斯直言：“我一开始就不认为那是灾难，那是西方的过度反应。”

他表示，中国公司“可能只落后前沿技术六个月，而不是一两年”。

对于DeepSeek，哈萨比斯认为：关于它们使用的计算量极小等说法或许被夸大了，因为它们依赖并微调了一些西方领先模型的输出，它并非完全是“从零开始”。

在他看来，中国AI公司“非常擅长追赶前沿”，但“尚未证明自己具备超越前沿、进行源头创新的能力”。哈萨比斯指出，真正的竞争不仅是技术参数的比拼，更是创新源头与生态系统完整性的较量。

然而，中国能够赶超美国，这个答案或许只能留给时间。

从“锯齿状智能”到“后稀缺世界”的漫长过渡

哈萨比斯提出了一个概念——“锯齿状智能”，形容当前AI系统在某些方面极佳、在其他方面却很差的不一致状态。这种不一致性正是AI替代人类工作的主要障碍。

“如果它只在95%的任务上表现出色是没用的；你需要它全程可靠。”这个标准实际上相当高，意味着当前AI距离大规模替代人类工作还有相当距离。

但哈萨比斯对长远未来的设想更为激进。他认为，如果AGI实现并解决了核聚变、新材料等根本问题，“在AGI出现后的五到十年内，我们将迎来一个彻底富足的世界”。

这个前景带来一个比技术更困难的挑战：当工作和探索不再是必需时，人类的意义感从何而来？哈萨比斯坦言：“这比经济问题更让我担忧。”他预测：“我们需要新时代的伟大哲学家来帮助我们思考和厘清这些问题。”

结语

访谈最后，哈萨比斯给出自己的建议：对年轻人，要培养“终身学习的能力”，以适应AI时代的快速变革；对商业领袖，要选择负责任的技术合作伙伴，共同筑牢安全底线。

在他看来，AI的未来从来不止是技术问题，更是“我们如何共同创造想要的未来”的价值选择。

“这确实是前所未有的，因为速度太快了”，哈萨比斯这句话，不仅是对AI时代的感慨，也是一种警示。

在技术迭代日新月异的当下，我们既需要深耕技术细节、把握创新方向的领跑者，更需要具备全局视野、敬畏人类价值的思考者。

AI的马拉松赛道上，技术突破是必备的燃料，但对人类命运的关怀与责任，才是指引发展方向的灯塔。