AGI 即将到来：只差一到两个技术突破

2025年12月4日，Axios AI+峰会。在最后的对话中，Axios联合创始人Mike Allen与去年诺贝尔化学奖的获得者、Google DeepMind CEO Demis Hassabis展开了深入的探讨。

当被问及距离AGI（通用人工智能）还有多远时，Hassabis坦诚相告：

我们距离AGI，只差一到两个AlphaGo级别的技术突破。

此言一出，整个AI圈为之震动，因为这一预测具体而明确。然而，这并非凭空臆断，而是基于当前技术进展的理性推理。

关键的是，Hassabis还道出了AI竞赛的核心逻辑：并非比拼谁烧的钱多、谁的GPU多，而是看谁能将研究、工程、产品三者融会贯通。

第一节｜AGI快来了？他为何如此断言

Hassabis给出的时间窗口是5到10年内实现AGI。这一判断并非仅仅基于模型参数规模，而是基于以下几个具体进展：

1. 从文本专家到多模态理解系统

Gemini最让Hassabis惊讶的，不是其编写代码或生成文字的能力，而是它竟然能看懂视频，并解读出动作背后的意图。

在测试Gemini时，他播放了电影《搏击俱乐部》的片段。主角在打斗前摘下戒指。Hassabis随口问道：

这个动作有何意义？

Gemini不仅描述了表面的动作，还给出了深度解读：这是抛弃身份、摆脱规则的象征，标志着角色从现实走向极端。Hassabis的评价是：震惊。

因为这已经超越了模式识别，开始具备洞察能力。

2. 拥有自己的判断，不再一味迎合

Hassabis特别提到，Gemini做了一件小事，但意义重大。当你指出它错了时，它不会一味迎合，而是会温和地反驳你。

这不仅是简单的对错判断，更是模型在理解上下文、纠正偏差的同时，还能控制语气、平衡表达。Hassabis称赞Gemini的性格：简洁、冷静、自信且不会讨好。

这意味着模型开始摆脱聊天工具的定位，向稳定人格型系统迈进。

3. 从生成内容到打造产品

Gemini现在不仅能一键生成可玩的小游戏（以往需数周开发，现在数小时就能生成完整原型），还能生成前端网页。它不仅能写代码，还知道如何让网页既美观又实用。

这背后是模型对代码结构、设计逻辑、交互体验的整体理解。不仅是生成文字，而是能做出可以直接使用的东西。

当前模型已具备理解能力、判断能力和创造能力。因此，Hassabis说：我们非常接近了，只差一两个AlphaGo级别的技术突破。

第二节｜但还不是AGI：差距何在？

尽管这些能力在不断提升，但Hassabis也承认：我们还未达到AGI的标准，当前模型仍存在明显短板。

如果说上一节讲的是它已能做什么，这一节就是它还不能做什么。

1. 不具备持续学习能力

当前大模型不能持续学习，它们只能用训练时的数据一次性学完。这意味着：它不会在使用过程中成长，不会因与用户互动变得更聪明，不像人类那样用经验改正错误。

在线学习和长期记忆系统，是通向AGI的关键突破之一。

2. 无法执行长期规划

尽管模型在单轮推理、代码生成方面越来越强，但它无法执行长链式推理，无法制定和执行一个长期目标。这不是能力不够，而是底层结构未设计为多步决策系统。

AGI需要能完成为期数天的科研任务，适时调整策略，分阶段达成目标。现阶段的模型更像是即时响应系统，而不是目标驱动系统。

3. 智能体系统仍不稳定

谈到Gemini的通用助手目标时，Hassabis强调：我们还不能把整个任务交给它们，并确信它们会完成。现在的智能体还不能在复杂环境中可靠执行多步骤任务。

智能体能否稳健运行，决定了AGI能否落地到实际场景中。

4. 缺乏跨对话的稳定记忆

尽管Gemini有“性格”，但它只在单次对话中保持一致，而非真正拥有个性记忆的智能体。真正的AGI要能：

• 保持立场一致（前后不自我矛盾）
• 记住用户长期偏好（记忆与决策协同）
• 根据上下文调节行为，而非重新开始

这需要更底层的架构设计，比如长期记忆网络、目标保留机制，而不只是优化提示词。