事件概述：DeepMind的逆袭之路

谷歌与OpenAI围绕通用人工智能（AGI）的角逐被视为全球AI行业的核心战役。在2024年下半年之前，OpenAI凭借GPT系列模型长期占据主导地位；然而，随着2025年11月谷歌发布Gemini 3，DeepMind首次在关键指标上完成对OpenAI的逆袭，甚至部分领域实现反超。

这一逆转的核心在于DeepMind掌门人德米斯·哈萨比斯（Demis Hassabis）的战略定力与技术积累。哈萨比斯拥有剑桥大学背景，曾以国际象棋大师身份闻名，并于2010年创立DeepMind，使命是“解决智能问题，再用它解决其他一切”。2014年，DeepMind被谷歌以4亿美元收购，随后推出了AlphaGo和AlphaFold等里程碑式成果，哈萨比斯也因此获得诺贝尔化学奖。

核心信息：战略失误与调整

1. 早期战略偏差：低估大语言模型

在大模型时代初期，哈萨比斯和DeepMind曾一度失速，主要原因包括：

• 技术路线分歧：哈萨比斯坚信AGI应通过强化学习（Reinforcement Learning）结合生物神经计算实现，而非单纯依赖深度学习。他将大语言模型视为数据归纳推理的一个分支，优先级较低。
• 反应滞后：当OpenAI推出GPT-3（1750亿参数）时，DeepMind仍在基于Chinchilla基础模型研发Sparrow（700亿参数）。直到GPT-3.5（ChatGPT）和GPT-4（约2万亿参数）相继问世，DeepMind才意识到差距并全力追赶，此时已处于被动。
• 内部动荡：谷歌内部曾出现关于是否分拆DeepMind的博弈（如“马里奥计划”），导致资源分散。同时，Bard模型的灾难性发布也暴露了大公司病，团队经历了半年的架构调整期，直至将谷歌大脑与DeepMind合并，统一构建Gemini项目。

2. 超前探索：盖亚（Gaia）项目

为实现真正的AGI，哈萨比斯启动了耗资巨大的“盖亚”项目，旨在计算机内模拟真实自然环境作为强化学习的试验场。

• 初衷：围棋等游戏环境规则清晰、边界明确，无法完全验证AGI在复杂、连续、高维自然界中的能力。
• 结果：该项目虽未产出直接商业成果且难以为继，但其探索具有极高的学术价值，为后续理解世界模型奠定了基础。

3. 反超的关键因素

2025年底Gemini 3的成功并非偶然，主要得益于以下核心要素：

• 基础设施保障：谷歌强大的TPU（张量处理单元）架构提供了软硬件协同的算力支持。不同于OpenAI依赖GPU，DeepMind利用自研TPU实现了模型训练效率的最大化。
• 专注与稳定：相比OpenAI频繁融资和商业模式的不确定性，DeepMind依托谷歌稳定的资金流和人才体系，能够无后顾之忧地专注于原生多模态、长上下文、持续学习和世界模型等核心研究方向。
• 科学家领导力：哈萨比斯作为诺贝尔奖得主，其科学家的信誉增强了公众对谷歌AI的信任。他重新定义了科研创新范式，以创业心态推动AGI突破，而非仅仅追求短期商业利益。

值得关注：未来展望与挑战

• AGI时间表：哈萨比斯认为实现AGI仍需5至10年，目前尚缺一两个Transformer级别的创新。
• 量子计算分歧：哈萨比斯对量子计算持怀疑态度，认为经典图灵机足以解决AGI所需的基本计算，这与谷歌CEO皮查伊对量子计算的重视形成潜在张力。
• 竞争格局：尽管DeepMind在技术指标上已反超，但OpenAI凭借ChatGPT建立的庞大用户心智（月活近10亿）仍具优势。Anthropic等新兴势力也在快速崛起，行业竞争依然激烈。

哈萨比斯的目标始终是实现AGI，而非担任企业高管。在可预见的未来，他将继续领导DeepMind在谷歌平台上探索这一终极目标。