谷歌DeepMind创始人哈萨比斯对AI的未来提出了一个反共识视角。他认为AI的发展并非线性升级，而是呈现出强弱点并存的“锯齿状”形态。他强调，当前追逐算力的竞赛可能忽略了核心，真正的突破在于构建能够模拟真实世界的“世界模型”，这将为科学发现带来革命性影响。
智能速览
AI发展是“锯齿状”的，在部分领域超人类，但在常识、规划等方面仍很薄弱。
AI的核心突破点不是更强的推理能力，而是构建能模拟物理世界的“世界模型”。
应优先解决基础科学的“根节点问题”，而非仅关注应用层效率。
AI并非互联网2.0，而是像电力一样的“认知层电力”，将成为未来基础设施。
AGI的关键在于泛化能力，即在多种认知任务上达到人类水平，而非单纯的高智商。
当下的AI“军备竞赛”存在风险，竞争压力可能损害科学严谨性与安全性。
精华内容
在普遍认为算力决定一切的今天，哈萨比斯的思考促使我们重新审视AI发展的真正路径。他的观点不仅关乎技术，更关乎我们如何定义和理解智能的未来，其洞察直指AI发展的根本方向。
锯齿状智能
AI的发展并非一条平滑的上升曲线，而是呈现出“锯齿状”的形态。这意味着AI在某些特定领域，如围棋和蛋白质结构预测，已经远超人类；但在另一些方面，例如常识推理、抽象思考与长期规划，其能力却如同孩童般稚嫩。
这种强弱点并存的非线性升级模式表明，智能的演进是一个复杂的、多维度的过程。单纯依靠算力的持续堆叠，无法系统性地弥合这些能力上的巨大鸿沟。AI并非在所有认知维度上同步进步，其能力图谱更像一张凹凸不平的地图。
世界模型的核心
哈萨比斯指出，AI发展的核心目标不应是打造更会聊天的机器人，而是构建一个能够精准模拟真实世界的内部系统，即“世界模型”。这个模型如同一个宇宙级的模拟引擎，可以在虚拟环境中复现物理、化学乃至生物演化的基本规律。
其真正价值在于，AI能够在这个高度仿真的世界里进行海量、低成本且在现实中无法完成的实验。例如，在模拟环境中测试核聚变反应条件、加速新药的研发进程、或设计出性能全新的电池材料。这将为基础科学带来前所未有的研究范式。
根节点与认知电力
他将解决基础科学的根本性难题比作“根节点问题”。攻克一个这样的关键节点，其影响力会像树根一样，滋养和带动整个技术生态的繁荣，其价值远超在应用层进行效率优化。这与当前资本热衷于开发AI效率工具的潮流形成鲜明对比。
更进一步，他视AI为“认知层的电力”。这并非简单的工具升级，而是为整个社会提供一种基础性的认知能力。正如电力重塑了工业结构，AGI未来也将像电力一样，成为无处不在、支撑社会运转的基础设施。
泛化能力的挑战
关于AGI的定义，哈萨比斯给出了一个务实的答案：它不是无所不能的科幻产物，而是在绝大多数认知任务上都能达到人类水平的系统。他认为，实现AGI的最大障碍并非是极致的智商，而是“泛化能力”。
泛化能力指模型将从特定任务中学到的知识和技能，成功迁移到全新、未曾见过的任务上的能力。这要求模型具备对事物本质的深层理解，而非停留在表面的模式匹配，这是当前技术面临的核心挑战。
科学与商业的平衡
访谈中，哈萨比斯也明确表达了对当前AI发展模式的担忧。在激烈的商业竞争压力下，企业可能为了抢占市场先机，而牺牲必要的科学严谨性和全面的安全验证。他强调，前进的速度固然重要，但确保方向的正确性更为关键。
对于身处行业前沿的领导者而言，其责任远不止是推出商业产品，而是要审慎地思考并参与塑造人类未来的认知结构，这份责任无比重大。
哈萨比斯的观点为喧嚣的AI领域注入了冷静的思考。他提醒我们，AI的伟大之处不在于取代人类的工作，而在于成为探索宇宙、解决科学难题的强大引擎。当我们拥有这样一个“认知操作系统”时，真正的问题或许是：人类是否愿意借此机会，去思考更宏大、更根本的问题？
