AI竞赛：钱该花在哪？DeepMind的四大投资方向

当前AI界最炙手可热的词汇，已非单纯的技术突破，而是如何从中获利。

2026年1月16日，CNBC推出了新播客《The Tech Download》，其定位清晰：不谈理论，只谈收益。首期嘉宾为Google DeepMind的CEO Demis Hassabis。

Hassabis没有探讨技术理论，而是盘算了四笔投资账：

AGI缺失的能力，该投什么

模型商业化，成本花在哪

能源瓶颈，资源配在哪

AI竞争，优势建在哪

这四项投资，核心指向同一问题：在这场AI竞赛中，资金应投向何方？

第一笔账｜AGI还缺什么能力？

访谈伊始，主持人提出了一个所有人都关心的问题：我们的大模型已经如此强大，还能更上一层楼吗？AGI是否即将实现？

Hassabis的回答是：大模型的能力存在明显短板。

他解释道，这些AI工具在某些问题上能给出惊艳的表现，但换个问法或面对更复杂的问题，就力不从心了。

他把这称为“参差不齐的智能（jagged intelligences）”。

简单来说，这种智能还不够可靠。能答题，但不能举一反三；能写论文，但不能提出真正的新点子。

1、通用智能，得能自己提问题

Hassabis认为，真正的通用AI必须具备一项能力：能自己提出问题，能假设世界如何运转，并设法验证。

也就是说，它不仅要回答你的问题，还要能自己思考问题的本质。

他指出，目前的大模型连持续学习都做不到。你教会它一件事，它很快就会忘记；它不会像人一样积累经验。

这也是为什么DeepMind近两年将重点从LLM转向另一个方向：打造一个理解世界如何运转的AI。

2、世界模型，不是懂语言，是能想象

“就像人类科学家能在脑海中推演‘如果这样，那会发生什么’，AI也得具备这种能力。”

不是理解你说什么，而是根据它自己对世界的认识，预测接下来会发生什么、什么东西会影响什么结果。

这听起来很抽象，但已应用于DeepMind的几个核心项目中：

Genie：能与虚拟环境交互的模型，相当于在玩游戏的同时理解规则

AlphaFold：用AI预测蛋白质折叠结构，让模型理解形状变化的原因

Veo：文本生成视频，不是凑镜头，而是让AI根据因果关系决定下一秒的画面变化

这些看似不同的项目，其实在做同一件事：让AI像人一样理解世界，而不仅仅是背诵答案。

3、AGI不靠涌现，靠组合

Hassabis相信：单纯扩大模型规模不会自动产生通用智能。

真正可能做出AGI的是让多个模型各司其职、协同工作：

LLM负责语言和基础理解

视频模型负责时间序列、物理直觉

世界模型提供模拟、推理、预测的能力

只有当这些能力拼图逐步接合，通用智能才会可靠，而不是看似聪明但漏洞百出。

第二笔账｜模型怎么赚钱？不是更强，是更划算

技术路线是一回事，但商业落地是另一回事。

AI要走向通用，不仅要越来越聪明，还要用得起。

Demis Hassabis讲述了DeepMind的产品策略：不是只推Pro版，而是同时做Flash版。这不是大小模型的高低之分，而是为了让更多场景能用得起。

第三笔账｜能源问题，AI能自己解决吗？

... (此部分内容省略了关于能源问题的详细讨论) ...

第四笔账｜竞争的关键：整合、部署、活下来

... (此部分内容省略了关于竞争策略的讨论) ...

结语｜这轮AI竞赛，钱该花在哪四个地方

... (此部分总结了Demis Hassabis给出的四个投资方向) ...