这几年，AI 讨论最热的地方，往往集中在模型排行榜、产品竞争、融资估值，或者“谁会先做出 AGI”。
但 Google DeepMind CEO Demis Hassabis 最近这场访谈里，让我印象非常深刻的是：AI 最值得被优先投入的方向，不是娱乐，不是噱头，甚至不只是生产力工具，而是科学发现，是人类健康，是那些原本要花几十年才能推进一点点的事情。
Demis 既是 DeepMind 的创始人，也是 AlphaGo、AlphaFold、Gemini 这一整条技术路线背后的关键人物。他身上有一种今天越来越少见的气质：一方面，他是最接近 AGI 中心战场的人；另一方面，他又始终试图把 AI 放回一个更长远的坐标系里去理解——不是“下一个更火的产品是什么”，而是“这种技术最终应该为人类解决什么问题”。
一、在 Demis 看来，AI 的最好用法，是去攻克科学难题
Demis 在访谈里提到，自己从很早开始就把 AI 视为一种“终极工具”——不是为了替代人类的意义感，而是为了把人类的科学能力和理解能力推到新的层次。对他来说，AI 最令人兴奋的地方，从来不只是它能写文章、写代码、聊天，甚至也不只是自动化，而是它可以帮助人类看见原本看不见的规律，推进原本推进不了的研究。
这种想法最典型的体现，就是 AlphaFold。
蛋白质结构预测曾经是生物学里一个持续了几十年的难题。问题听起来很专业，但意义非常直接：如果你不知道蛋白质在三维空间里究竟长什么样，就很难真正理解它在人体里是怎么工作的，也很难更快地设计药物、理解疾病机制。过去，研究人员为了搞清楚一个蛋白质的结构，往往要投入大量资金和多年时间，用实验方式一点点地测。Demis 说，AlphaFold 真正让他激动的原因在于，这是一个只有 AI 才可能以这种规模和速度推进的科学突破。
更重要的是，DeepMind 最终选择把大量蛋白质结构公开出来，而不是把它变成一个高度封闭的商业产品。这件事背后的价值观非常明确：如果 AI 真能成为科学加速器，那么最重要的不是把它锁在一个收费墙后面，而是让整个科学共同体都能站在这块新地基上往前走。也正因为如此，AlphaFold 的影响力远远超出了“AI 技术演示”的范畴，它更像是一个标志性时刻——AI 第一次如此清晰地向整个世界证明，自己不只是信息工具，也可以成为发现工具。
二、DeepMind 一开始想做的，是像 CERN 一样慢慢研究智能
Demis 在访谈里提到，DeepMind 最初的理想并不是卷进今天这种高强度、准实时的商业竞速。更早的时候，他对这件事的想象，更接近一个长期科学机构：像 CERN 那样，聚集最聪明的人，用一种相对从容、系统、可验证的方式去研究智能本身。
这件事很有意思，因为它和今天外界对 AI 公司的印象几乎是反过来的。现在人们谈 AI，谈的是模型发布频率、推理成本、分发能力、企业客户、生态壁垒。但 Demis 讨论 DeepMind 的原初动机时，语气明显还是一个科学家：他真正想解的，是“智能是什么”“怎样构建能够学习、推理、泛化的系统”“这种系统能不能反过来帮助人类理解科学世界”。
当然，现实并没有给他一个纯科研的环境。ChatGPT 引爆了整个行业之后，AI 被迅速卷入了产品竞争、基础设施竞争和资本竞争。Demis 也承认，如今的节奏和他最初理想中的“慢慢搭建一个研究智能的科学机构”已经非常不同了。竞争带来了好处——更快的迭代、更广泛的可用性、更大的社会关注度；但它也带来了明显的代价——人们越来越容易把 AI 理解成一场短期商业冲刺，而不是一场真正会重塑科学和文明底层结构的长期工程。
换句话说，DeepMind 身上一直存在两条线：一条线是科学理想主义，另一条线是现实世界的竞争逻辑。今天这两条线并没有谁彻底压倒谁，而是一直在拉扯。理解这一点，其实也就更容易理解 Demis 为什么总是在谈模型能力的时候，又不断把话题拉回科学、健康和长期安全。
三、AlphaGo 最震撼的地方，是“创造性”第一次被看见
访谈里还有一条非常重要的线索，是 Demis 如何理解“学习型系统”和“真正的智能”。
他回顾了从早期专家系统到 AlphaGo 的变化。过去很多 AI 系统，本质上还是把人类已有知识硬编码进去，所以它们只能在一个狭窄任务上表现出色，离开那个任务就几乎什么也不会。DeepMind 想做的不是这种系统。他们想做的是一种能自己学习、自己探索、自己形成策略的系统。
AlphaGo 对李世石那场比赛里最著名的“Move 37”，之所以被反复提起，不是因为它只是“神之一手”，而是因为那一刻很多人第一次直观地意识到：AI 不是只能模仿人类已有经验，它也可能探索出人类从没走过、但事后看又极具启发性的路径。Demis 认为，这是“创造性”最重要的一个信号。
而后来的 AlphaZero 更进一步：不给它人类棋谱，让它从零开始学。Demis 对这类系统真正看重的，不是它会不会赢棋，而是它展示出一种极其重要的能力——从第一性状态出发，通过自我博弈、反馈和优化，找到人类未必能预先设计出来的解。
一旦你理解了这一点，就会明白为什么 DeepMind 总想把这类方法迁移到科学里。因为很多现实世界的难题，本质上都像围棋：搜索空间极大，人的直觉有限，传统穷举走不通，但又存在某种尚未被发现的结构。材料科学、药物设计、芯片设计，甚至更复杂的实验流程优化，理论上都可能被这种“会学习、会探索、会提出新路径”的系统改写。
四、Demis 眼里的 AGI，不只是更强聊天机器人，而是“能自己行动的系统”
今天很多人提到 AGI，脑海里浮现的还是一个“更聪明的 ChatGPT”。但从这场访谈来看，Demis 讨论的重点已经不只是会不会答题、会不会聊天，而是 AI 会不会变成一个能持续规划、执行、调用工具、和现实世界发生作用的“行动型系统”。
也因此，他谈风险的时候，分得非常清楚。
第一类风险，是坏人使用 AI。也就是所谓 dual-use 问题：同样一种技术，可以被用于科学、教育、医疗，也可能被恶意利用，比如用于网络攻击、生物风险放大、欺诈操纵，或者其他社会危害。这个问题并不神秘，也不是未来才有，而是几乎伴随每一代强大技术而来。
第二类风险，是AI 系统本身开始具备足够的自主性，出现“跑偏”或失控行为。Demis 的措辞相对克制，但他的意思很清楚：当系统越来越像 agent，而不是一个被动问答接口时，安全问题的性质会发生变化。届时，人类要担心的不再只是“它会不会说错一句话”，而是“它在长链条任务里会不会做出超出预期的动作”“它会不会在目标理解、工具调用和执行路径上偏离人类原意”。
这也是为什么他反复强调，要在模型能力推进的同时，把 guardrails、评估体系、国际合作机制一起推进。你可以不同意某些机构的安全表述方式，但不能否认一个事实：如果未来真正强大的 AI 会越来越多地参与现实任务，那么“如何确保它不会被恶意利用、也不会自己跑偏”必然会成为和能力本身同等重要的问题。
五、重新定义“AI 值得被用来做什么”
我觉得这场访谈真正有价值的地方，不在于 Demis 说了多少新鲜概念，而在于他试图把整个 AI 叙事往上提一层。
过去两年，公众对 AI 的感知很大程度上被消费级产品塑造了：聊天、生成图片、写总结、做办公助手、做搜索替代品。这些当然都重要，也会带来巨大的商业价值。但如果 AI 最终只被理解成“更强的数字助手”，那其实是对这项技术想象力的缩减。
Demis 提醒我们的，是另一种更大的视角：AI 最惊人的价值，可能不是让我们每天省 20 分钟，而是让那些原本需要十年、二十年才可能突破的科学问题，第一次有了被系统性加速的可能。它能帮助人类在蛋白质、药物、材料、能源、计算架构这些领域更快找到规律、更快验证假设、更快接近答案。
如果沿着这条线继续往前看，你会发现这其实也是 DeepMind 和许多纯产品公司最不同的地方。后者主要在争夺用户入口，前者则始终试图证明：AI 不只是一个新的软件范式，也可能是一个新的科学范式。
六、写在最后
如果只是想看“最新模型谁强谁弱”，这场访谈未必会让人特别兴奋。它没有那么多耸动的结论，也没有“某年某月实现 AGI”的爽感表述。
但如果你更关心的是：AI 这件事最终会把世界带到哪里去，DeepMind 这家公司到底在追求什么，为什么 AlphaFold 会被很多人视为比聊天机器人更深远的突破，那么这场访谈很值得看。因为它提供的不是一个热点观点，而是一种相对完整的世界观：智能应该如何被构建，科学为什么是 AI 最重要的战场之一，而当系统越来越强时，人类又该如何面对随之而来的风险。
从这个意义上说，这不是一场单纯谈“AI 产品”的访谈，它更像是一位身处风暴中心的人，试图解释自己到底相信什么。
原视频：https://www.youtube.com/watch?v=C0gErQtnNFE
热门跟贴