摘要
Google DeepMind的Demis Hassabis指出，通往通用人工智能（AGI）的关键在于实现两大核心能力：一是构建能让AI理解物理与空间规律的“世界模型”，二是建立能让AI在物理世界中进行自主验证的“自动实验”系统。他强调，这两者必须结合，形成一个能自我提问、动手验证、迭代优化的科研闭环。DeepMind正通过Veo、Genie、Sima等项目推进世界模型，并计划于2026年在英国建立首个全自动化科学实验室，专注于新材料研发，旨在让AI从回答者转变为真正的科研参与者。
线索
投资机会：
1. 上游硬件与自动化： 自动化实验室的建立将催生对高精度机器人、自动化传感器、微流控设备以及实验室信息管理系统（LIMS）的需求。相关设备制造商和软件供应商将直接受益。
2. 底层模拟与仿真技术： “世界模型”是AGI的基石，能够精确模拟物理世界的引擎（如游戏引擎、物理仿真软件）具有极高的战略价值。投资于开发下一代物理模拟技术的公司，可能抓住AI基础设施升级的红利。
3. 应用端突破性领域： AI自主实验将首先在材料科学、能源（核聚变）、生命科学等领域产生颠覆性影响。关注那些积极整合AI技术进行研发的电池、超导、半导体及生物科技公司，有望获得超额回报。
潜在风险：
1. 技术实现难度极高： 构建真正符合物理规律的世界模型和可靠的自动化实验系统，技术挑战巨大。当前模型仅是“看起来真实”，距离实际应用仍有鸿沟，研发失败的风险不容忽视。
2. 资本投入巨大且周期长： 建立全自动化实验室和训练复杂模型需要巨额的持续资本投入，且短期内难以看到商业回报，对投资者的耐心和资金实力是巨大考验。
3. 伦理与安全风险： 能够自主设计并执行实验的AI，可能被用于制造危险物质或进行不可控的研究，引发严重的伦理和安全问题，未来可能面临严格的监管限制。
正文
Google DeepMind的Demis Hassabis在一次播客对话中阐述了其对于通往通用人工智能（AGI）路径的看法。他认为，实现AGI需要先完成两件根本性任务：构建“世界模型”和实现“自动实验”，并将二者连接成一个完整的科研闭环。
一、世界模型：让AI理解物理现实
Hassabis指出，当前的语言模型虽然在文本生成、问答和总结方面表现出色，但缺乏对物理世界的基本理解。例如，模型能在数学竞赛中获奖，却可能在基础几何题上出错；能生成图像，却不理解物体为何会受重力影响。这种缺陷源于模型没有建立“世界模型”，即对物理规律、空间结构和时间推移的直觉理解。许多信息，如触感、气味或传感器数据，无法完全通过语言描述。
为解决此问题，DeepMind开发了多个项目：
* Veo： 用于理解视频中的运动、液体流动和光线变化。
* Genie： 能够生成可互动的虚拟游戏世界，包含空间结构和物理反馈。
* Sima： 训练AI智能体在虚拟环境中执行任务，形成感知、行动与反应的能力链。
Genie和Sima可以形成一个训练闭环：Genie生成世界，Sima在其中探索。这种组合让AI可以自动设置和解决难度递增的任务，实现自我进化。然而，Hassabis承认，这些模型目前只是近似真实，若用牛顿定律等物理基准进行严格测试，其精度尚不足以支持机器人等应用。DeepMind正通过游戏引擎创建物理基准来测试AI。世界模型被视为AI走出纯数字空间、在物理世界中行动的必要前提。
二、自动实验：让AI在物理世界中进行验证
Hassabis认为，AI不应仅停留在预测，更要能动手验证。DeepMind的目标是让AI成为真正的科研参与者。
2025年12月10日，DeepMind宣布与英国政府合作，计划于2026年建立首个全自动化科学实验室。该实验室将完全集成Gemini模型，由AI和机器人执行实验、分析数据并调整研究方向，每天可合成并测试数百种材料。研究重点包括高效电池材料、室温超导体和新一代低损耗半导体。
与AlphaFold主要在数字世界进行预测不同，自动实验室的目标是在物理世界进行验证。它需要真实地合成物质、测量性能并迭代改进。材料科学因其需要大量试错且有明确的验证标准，成为AI自主实验的理想领域。Hassabis表示，将材料筛选速度提升百倍，可能使能源革命等重大突破在十年内实现。此外，DeepMind也在与美国核聚变公司Commonwealth Fusion Systems合作，用AI控制托卡马克反应堆中的等离子体。
三、闭环是关键：构建自主研究系统
Hassabis强调，AGI的关键在于将世界模型和自动实验连接起来，形成一个完整的认知闭环，让AI从“回答者”转变为“研究者”。
在数字世界，DeepMind通过连接Genie和Sima实现这一闭环。Genie根据需求生成特定场景（如改变重力），Sima在其中执行任务（如搬箱子、避障）。无论成功或失败，结果都会成为AI自我学习的材料。这个过程形成了一个自主的研究流程：提出问题、生成场景、执行任务、整理反馈、提出新问题。
这个闭环不仅用于训练模型，其技术也可应用于创造更智能的游戏NPC或训练机器人。Genie和Sima在数字世界形成的闭环，与自动化实验室在物理世界的验证系统，共同构成了平行的自主研究体系。
因此，Hassabis认为，AGI并非一个更大的模型，而是一个能自己生成任务、动手验证、推理更新的智能体，它必须能像人类研究者一样工作。
发布时间
2025-12-17 09:00:50
评论 ( 0 )