AGI可能比你想象的来得更快

北京时间4月14日，DeepMind CEO德米斯·哈萨比斯在一场深度访谈中抛出一个让整个科技圈为之一震的观点：通用人工智能（AGI）可能在五年内成为现实。这不是科幻小说里的台词，而是来自全球最顶尖AI实验室掌舵人的冷静判断。

哈萨比斯没有用“可能”“或许”这类模糊词，他直接说：“我们正在接近一个临界点。”他的判断不是凭空而来——过去两年，AI在科学发现、代码生成、多模态推理上的突破，速度远超预期。比如AlphaFold3能精准预测蛋白质结构，甚至能模拟分子动态；Gemini 2.0在复杂逻辑题上的表现已接近人类专家。这些都不是“优化”，而是质变。

这不是升级，是重写世界运行规则

哈萨比斯说，这次AI变革不是“更快的搜索引擎”或“更聪明的客服机器人”，而是“十倍工业革命，以十倍速度发生”。

工业革命花了100年重塑了工厂、交通和城市；而AI可能在10年内，就让医生、律师、程序员、设计师、教师这些职业的底层工作逻辑被重构。美国劳工部2023年报告指出，未来五年内，约40%的工作岗位将受到AI显著影响，其中一半以上是中高技能岗位——不只是重复劳动，连创意类、分析类工作也难逃冲击。

这不是“人被取代”，而是“人怎么和AI协作”的全新问题。一位硅谷工程师告诉我：“我现在写代码，80%的时间在调试AI生成的片段，而不是自己从零写。”这种工作方式的转变，正在悄然发生。

领先者越跑越远，赢家通吃正在上演

很多人以为，AI领域“巨头齐头并进”，但哈萨比斯指出，现实恰恰相反：谷歌DeepMind、OpenAI、Anthropic和Meta这四家，技术差距正在拉大。

为什么？因为现在的竞争不再是“谁买得起更多GPU”，而是“谁能率先找到下一个突破点”。比如，DeepMind最近在“神经符号系统”上的探索，试图让AI具备逻辑推理能力，而OpenAI在多模态推理与长程记忆上持续突破。这些不是小修小补，而是架构层面的重构。

结果是：领先者能用更少的算力做出更优的结果，而追赶者即使砸钱，也很难复制其路径。这就像2000年代的互联网——早期的谷歌、亚马逊，不是靠硬件堆出来，而是靠独特的算法和产品思维，把对手甩在身后。

现在的AI，像一个聪明但靠不住的实习生

你可能遇到过这种情况：让AI写一份商业计划书，它条理清晰、语言优美；但当你追问一句“这个模型的假设依据是什么？”，它立刻开始编造文献、胡乱引用。

哈萨比斯称之为“patchy intelligence”——参差不齐的智能。它不是“不懂”，而是“选着懂”。它能记住海量信息，但无法像人一样，把知识编织成一张有逻辑、有上下文、有因果的网。

举个真实例子：2024年初，某大厂用AI辅助招聘，结果系统在筛选简历时，无意识地排除了所有使用“非主流大学”命名的学校毕业生——不是因为歧视，而是训练数据里，这类学校关联的“成功案例”太少。AI没有恶意，但它没有“常识”。

这种“聪明但脆弱”的特性，让AI在医疗诊断、金融风控、自动驾驶等高风险场景中，仍难以被完全信任。

算力不是终点，创新才是新战场

过去三年，大家比的是谁的服务器多、谁的参数大。但哈萨比斯说，Scaling Law（规模定律）的红利正在减弱。更大的模型，边际收益越来越低。

真正的竞争，已经转向：谁能设计出更聪明的训练方式？谁能用更少的数据学会更复杂的任务？谁能构建出真正可解释、可验证的AI系统？

比如，Meta最近推出的“LLaMA 3”系列，在参数只有700亿的情况下，性能逼近1800亿级别的竞品，靠的是更优的数据筛选和训练策略。这不是靠烧钱，而是靠脑子。

未来五年，AI领域的赢家，可能不是最有钱的公司，而是最会“思考AI怎么思考”的团队。

我们准备好了吗？

哈萨比斯的警告，不是给工程师听的，是给政府、学校、企业主、每个普通人的。

如果AGI真在2029年前出现，我们的教育体系还在教孩子背公式？我们的社保制度还依赖“全职工作”来定义保障？我们的法律体系还在用“人类意图”来界定责任？

欧盟已经开始起草《AI责任法案》，美国国会听证会频繁讨论AI对就业的影响，中国也在加速制定AI治理框架。但这些，都还太慢。

真正的挑战，不是技术本身，而是我们能不能在技术爆炸之前，先重建社会的韧性。

这不是未来的故事。这是正在发生的现实。