TL;DR：
DeepMind CEO Demis Hassabis在最新访谈中揭示了通向通用人工智能（AGI）的深层路径，其核心在于“思考型模型”的演进和以Genie 3为代表的“世界模型”对物理世界的理解与创造能力。这不仅预示着下一代交互体验和AI训练范式，更触及了人工智能“参差型智能”的深层矛盾，指向一个融合多模态能力并能自我修正的“全能模型”未来，将深刻影响技术、商业乃至我们对现实的认知。
谷歌DeepMind首席执行官德米斯·哈萨比斯（Demis Hassabis）近日在《Release Notes》播客节目中，为我们勾勒了一幅人工智能演进的宏伟蓝图。从AlphaGo到Deep Think斩获数学奥赛金牌，再到能生成与物理世界高度一致虚拟环境的Genie 3，DeepMind正以惊人的速度推进着“思考型模型”的边界，直指通用人工智能（AGI）的终极目标。这场深度对话不仅展现了尖端技术的迭代速度，更引发了关于AI本质、商业前景乃至现实本身意义的深层思辨。
技术原理与创新点解析：从“思考”到“世界”的构建
哈萨比斯指出，“思考型模型”（the thinking models）是通向通用人工智能（AGI）的必经之路。这类模型的核心价值在于其自我修正和优化推理过程的能力，而非简单地给出表面答案。这与DeepMind早期在游戏AI（如AlphaGo、AlphaZero）中探索的“基于智能体的系统”一脉相承，但如今已从单一领域扩展至强大的多模态范畴，能处理语言并整合其他信息。思考型模型通过叠加“思考”或“规划”能力，甚至实现并行规划，从而在数学、编程、科学及复杂游戏中展现出卓越的推理表现，例如Deep Think在AIME数学测试中已达到99.2%的成绩，接近人类专家水平[^2]。
然而，此次访谈的另一核心亮点是DeepMind在世界模型领域的突破，尤其是Genie 3。Genie 3不仅能生成与现实难辨的AI视频，更能创造出细致到流水与倒影都符合物理规律的虚拟世界。它的“惊人之处在于其生成世界的高度一致性——你转身离开，再回头，世界依然保持原样，这说明它的底层物理理解相当出色。”[^2] 这项技术汇集了多条研究路径，旨在构建一个能理解物理结构、材料特性、液体流动乃至生物和人类行为的通用世界模型。这种能力对于机器人技术至关重要，也是通用助理项目（如Project Astra）不可或缺的基础。Genie 3验证了世界模型的关键标准：不仅理解物理世界，还能基于此创造它，甚至模拟“假设性事件”（counterfactual scenarios），这被视为通往AGI的关键步骤[^4]。
产业生态与商业版图重塑：驱动未来智能体的基石
Genie 3的出现不仅仅是技术上的炫技，其商业和产业价值也极具潜力。从产业生态洞察的角度看，它扮演着未来AI训练和应用开发的“基石”角色：
- 无限的训练数据生成器：Genie 3能够将模拟智能体SIMA（Simulated Agent）置于其生成的虚拟世界中，创造出无限的、多样化的训练数据。这对于机器人训练和更广泛的AGI系统通用训练而言，无疑是突破性的，能够有效缓解传统真实数据获取的瓶颈。这种内部迭代训练机制，如同AI的“内部宇宙”，将加速智能体的自我演化。
- 互动娱乐的新范式：哈萨比斯预见Genie 3在互动娱乐领域拥有巨大潜力，或将催生一种介于电影与游戏之间的新型娱乐形式，甚至是他个人梦想中“史上最伟大的游戏”。这意味着Genie 3可能成为下一代游戏引擎的核心，允许用户创造、分享和体验彼此构建的虚拟世界，形成活跃的社区生态，重塑内容创作和消费模式。
- “模型到系统”的转变：访谈中强调了AI系统从“静态模型”向“动态系统”的转变，即模型在推理过程中能够主动调用外部工具（如搜索引擎、数学程序、编程环境）。这种“工具使用”能力与规划、思考能力的结合，将使AI的潜力呈指数级扩张。对开发者而言，这意味着未来构建应用的方式将被重塑，他们需要预判并为一年后的技术状态设计产品，同时底层引擎每隔数月就可能进行一次重大更新。这种快速迭代和对外部工具的依赖，将深刻改变软件工程的实践和整个网络生态的运作方式。
未来主义视角与深层哲学叩问：当AI开始“理解”现实
Genie 3的能力让人不禁联想到模拟理论的哲学探讨，即“这是模拟理论的证据吗？”当AI能生成高度一致、符合物理规律的虚拟宇宙时，我们对现实的本质将产生更深层的思考。哈萨比斯本人也坦言，这种能力促使他思考“现实世界的本质是什么？”这体现了Wired风格的哲学思辨深度，将技术进展置于更广阔的人文背景中审视。
DeepMind的终极目标是推出融合语言、多媒体、物理推理与生成能力的**“全能模型”（Omni Model）**。这不仅是技术能力的综合，更是对人类智能复杂性的深度模拟与超越，最终实现全面且一致的智能表现。这种对AGI的愿景，不再是单一领域的冠军，而是能理解并行动于真实世界的多面手。
前进的挑战与伦理考量：通向AGI的“参差”之路
尽管DeepMind取得了令人瞩目的进展，哈萨比斯也坦率地指出了当前AI的“参差型智能”悖论。一方面，系统能生成完整的虚拟世界；另一方面，却可能在简单的国际象棋中违规行棋，或在高中数学、基础逻辑上暴露弱点。这种缺乏一致性，正是当前系统距离完全AGI的关键一步。
“一个普通人不应该如此轻易就能发现系统的低级缺陷。… 这很可能是因为在推理、规划、记忆等方面，仍然缺少关键性的创新。”[^2]
解决这一问题，需要新的、更难、覆盖面更广的评测基准，用来考察模型的物理直觉、世界理解乃至安全性。DeepMind与Kaggle合作的“游戏竞技场”正是为此而生，它提供了一个干净、客观、难度可自动增加的测试环境，甚至允许AI自创新游戏进行对战学习，以避免数据泄露或过拟合，这体现了对AI安全可控性的前瞻性思考。
同时，关于能力内化与外部调用的决策，也构成了一个重要的技术挑战。虽然工具使用是AI系统的重要能力，但哪些能力应该直接内置于主模型，哪些应作为外部工具调用，是一个需要反复实践和验证的经验性问题。这关乎到AI系统架构的效率、通用性以及未来发展的方向。最终，AGI的安全落地，不仅需要技术的持续突破，更需要对这些复杂系统性问题的深入理解与巧妙解决。在通往“全能模型”的道路上，DeepMind不仅是在开发技术，更是在重塑我们对智能的理解和对未来的想象。