走进 Google DeepMind：AGI、机器人与世界模型解析——Demis Hassabis
摘要
Google DeepMind 如今已成为 Alphabet 集中的 AI“动力核心”，汇聚约5,000人；按Hassabis估计，其中80%或以上是工程师和博士研究员，并能直接触达数十亿用户。 Gemini 已经驱动 AI Overviews、AI Mode 和 Gemini 独立应用，Workspace 和 Gmail 也在接入；其战略优势在于，研究成果可以在几乎所有 Google 产品上快速部署，形成紧密的研究到落地闭环。
Genie 3 能把文字提示转化为可控世界，像素、物体和交互行为都按需实时生成。 主持人将其与传统渲染引擎作了对比；Hassabis 表示，Genie 3 的训练数据包括视频和合成游戏引擎数据，并已逆向还原出直觉物理。它可以让互动“稳定持续1至2分钟”，并保留此前做出的改动。在他看来，这类世界模型是 AGI、机器人、智能眼镜以及理解物理环境的助手的基础。
Google 正在同时推进机器人领域的“Android 路线”——覆盖不同机器的模型层——以及模型与硬件垂直整合的系统。 Hassabis 预计，未来几年内会出现“真正令人惊叹的时刻”，最终机器人数量将达到数百万台；但他也表示，算法可靠性仍需提升，硬件厂商则可能在更好一代产品出现前，就把设计锁定进工厂。
Hassabis 驳斥当今系统普遍具备“博士级智能”的说法，因为它们在拥有孤立的博士级能力的同时，仍会在高中数学和简单计数上出错。 他对 AGI 的测试标准是真正的发明：如果把模型知识截断在1901年，它能否像 Einstein 在1905年那样推导出狭义相对论；或者能否创造出像 Go 一样优雅的游戏，而不只是发现第37手这样的妙着？他估计 AGI 还要5至10年，可能需要“1至2个缺失的突破”。
生成式工具可能让生产技能商品化，却不会让品味、视野或叙事能力商品化。 Nano Banana 的关键差异化在于一致性：只改变用户指定的元素，同时保留其他一切；而与 Veo 的合作表明，顶尖专业人士可能因此实现“10倍、100倍的生产力提升”。Hassabis 预计，由专业人士共同创作的共享世界仍会存在，只是观众也将参与其中、共同创作。
Isomorphic 的目标是在未来10年内，把药物发现从数年、甚至有时长达10年，压缩到“几周甚至几天”。 其平台正在构建用于化合物设计的“相邻 AlphaFolds”，Hassabis 预计公司将在明年某个时候进入临床前研究，并与 Eli Lilly、Novartis 合作，同时推进覆盖癌症、免疫学和肿瘤学的内部项目，工作也涉及 MD Anderson 等机构。
在过去2年里，在实现同等性能的前提下，AI 效率提升了约10倍，部分情况下达到100倍，但前沿模型持续扩展意味着这些提升并未降低需求。 Hassabis 认为，AI 最终将通过电网优化、材料科学和新型能源等领域创造超过自身消耗的价值。如果完整 AGI 在未来10年内出现，他认为这将开启“科学的新黄金时代”。
精读
上游暂未提供，后续同步将继续补齐。