DeepMind CEO哈萨比斯：AGI需突破上下文扩容，构建持续学习与记忆机制

事件概述

4月29日，谷歌DeepMind首席执行官Demis Hassabis（哈萨比斯）接受YC创始人Garry Tan访谈，深入探讨了通往通用人工智能（AGI）的技术瓶颈与演进路径。Hassabis指出，当前行业过度依赖“暴力式”扩大上下文窗口的做法存在成本高昂且效率低下的问题，真正的AGI需要突破单纯的参数堆叠，转向具备持续学习、长期记忆及内省推理能力的架构。

核心观点与技术路径

1. AGI的核心挑战：从“暴力扩容”到“优雅记忆”

• 上下文窗口的局限性：尽管当前模型已支持千万级Token的上下文，但将所有信息（包括无用或错误数据）塞入工作记忆是一种计算资源的浪费。在实时视频处理等场景下，百万级Token仅能支撑约20分钟的内容，无法满足长期记忆需求。
• 记忆整合机制：Hassabis提出“优雅的知识融合”概念，主张借鉴生物大脑的睡眠巩固机制（如AlphaGo的经验回放），让系统在非活跃期将新知识融入现有知识库，而非每次从头读取冗长历史。
• 持续学习缺失：现有模型缺乏状态保持能力，难以适应具体语境，这是阻碍智能体执行完整任务的关键短板。

2. 强化学习与推理能力的重塑

• 重新引入经典算法：蒙特卡洛树搜索（MCTS）等AlphaGo时代的经典算法正被重新应用于大模型，以解决当前模型推理时缺乏内省、易陷入“错误答案循环”的问题。
• 强化学习的低估：Hassabis认为强化学习（RL）是实现主动决策和智能体架构的关键，目前被严重低估。前沿模型的思维链推理本质上是AlphaGo理念的复现，未来需将RL与大模型深度融合以突破推理天花板。

3. 端侧小模型与云边协同架构

• 模型蒸馏技术：通过蒸馏技术，极小参数量模型（如Gemma系列）可达到前沿大模型95%的性能，而成本仅为十分之一。
• 边缘计算的必然性：Gemini Nano已部署至安卓设备，两周内下载量超4000万次。未来将形成“云-端协同”架构：云端大模型负责复杂统筹，本地小模型处理隐私数据及实时交互。
• 开源战略：鉴于端侧模型一旦部署极易被提取，直接开源边缘模型（如Nano级别）是战略上的必然选择，旨在加速生态建设。

4. AI科学发现的突破标准

• “爱因斯坦测试”：衡量AI科学发现能力的标准不仅是模式匹配，而是能否仅凭基础输入（如1901年前的物理知识）自主推导出新理论（如狭义相对论）。
• 虚拟细胞目标：AlphaFold 3已扩展至全生物分子领域。DeepMind计划从“细胞核”切入，目标在十年内构建完整的“虚拟细胞”，实现对细胞的扰动模拟与合成数据生成。
• 跨学科深科技创业：Hassabis强调，结合材料学、医学等深科技领域的跨学科创业最具抗冲击性，需做好10年持续投入的准备。

5. 创业者的生存策略与AGI时间表

• 时间预测：Hassabis预测AGI将在2030年左右实现。
• 专业化垂直系统：面对AGI的到来，创业者不应试图将垂直领域的复杂参数强行塞进通用大模型，而应构建独立的、高度专业化的工具系统（如AlphaFold作为独立工具被Gemini调用）。未来AGI将作为“大脑”自主调用这些垂直系统。
• 创新周期：科技企业的成长周期通常为十年，这意味着AGI将在当前创业周期的中途实现，企业需提前布局专业化基础设施。