Demis Hassabis 谈 AlphaFold 之后

眼下这期视频，主角是 DeepMind 的创始人 Demis Hassabis。他没有再重复 AlphaFold 那些已经被讲烂的故事，而是往前迈了一大步——直接给了个硬核的时间表：大概在 2027 年前后，我们就能见到能稳定完成博士级科研任务的 AI 系统。这个判断不是引战，不是定义“通用人工智能”的文字游戏，纯粹是实用主义的观察：一旦 AI 能持续、可靠地干完那些需要博士苦读好几年才能干的活，世界的运转方式就会被改写。他强调，这个“强大 AI”的门槛不是泛化的 AGI，而是能比肩、甚至超越“诺贝尔奖级别科学家”的科研直觉和动手能力——而这一点，离我们可能只剩短短几年。

Hassabis 真正的赌注，押在了“对齐”和“扩展”必须绑在一条绳上。很多人觉得，安全研究可以等 AI 再成熟一点补课，但他直接否定这个想法：安全不是事后的补丁，它本身就是技术进化的过程。在他看来，芯片算力的物理天花板固然存在，但 2027 年之前它不会成为真正的硬约束；眼下真正的瓶颈是数据质量、算法效率和组织的工程化能力。如果一个实验室只顾堆参数，不把安全需求织进模型骨子里，那么越强的系统只会带来越不可控的风险。所以他呼吁的出口管制，不是要锁死技术的扩散，而是用政策给对齐研究留出缓冲时间——这种姿态既务实又带点紧迫感。

具体到做法上，他拿整个行业的实践举例——不管是基于人类反馈的强化学习，还是像 Constitutional AI 那样让模型遵守一套事先声明的原则，本质都是把价值观监管从“事后审查”移到“训练现场”。这种思路也投射到了商业选择上：现在很多团队急着往消费端应用层冲，Hassabis 代表的路径却是 API-first，甘愿把 to-consumer 的那层创新交给生态伙伴，自己死死守住底层智能体能力的输出端口。听上去克制，甚至有点赌错赛道，但背后逻辑很清晰：一旦底层模型的可靠性和安全曲线没跑通，上面堆任何花哨应用都像盖在流沙上。

当然，这种玩法并非没有争议。有人觉得 API-first 会错过消费者市场的首发红利，也有人担心安全流程的层层加码会拖慢 scaling 的速度——毕竟赛道上并不缺急着拿“第一”的选手。但 Hassabis 的底气，正是他那套“不追求 AGI 比赛第一，只追求安全曲线第一”的信念。访谈里他反复提醒：当 AI 开始真正触碰科学发现的硬核环节，容错率会比任何消费产品都低得多。

这期内容覆盖了从引子、智能体概念源起，到模型选择、商业化路径，再到未来五年预判和现场问答的全过程，信息密度极高。如果你之前觉得 AlphaFold 的故事就是终点，那这次对谈会告诉你：对 Hassabis 而言，那可能只是起点。他现在的全部注意力，都放在一个更重要的命题上——如何让最聪明的机器，以最负责任的方式，走进人类下一个科学发现的时代。