摘要：从与现实难辨的AI视频，到细致到流水与倒影都符合物理的虚拟世界，再到会在推理中主动调用工具自我修正的模型——这并非科幻小说，而是DeepMind最新 的 AI工具 ， 已经展现的惊人能力。

从与现实难辨的AI视频，到细致到流水与倒影都符合物理的虚拟世界，再到会在推理中主动调用工具自我修正的模型——这并非科幻小说，而是DeepMind最新 的 AI工具 ， 已经展现的惊人能力。

8月13日消息，谷歌DeepMind首席执行官德米斯・哈萨比斯（Demis Hassabis）近日做客播客节目《Release Notes》，全面阐述了DeepMind最新一系列技术突破背后的思路与战略布局，其中世界模型Genie 3的突破性进展成为核心亮点。

在这场深度对话中， 他 勾勒出一个令人振奋又充满挑战的AI新纪元：从AlphaGo征服围棋，到Deep Think斩获数学奥赛金牌；从生成逼真世界的Genie 3，到即将诞生的“全能模型” ， 我们正站在通向AGI的关键转折点。然而，即便AI已能创造一个完整的虚拟宇宙，它依然可能在国际象棋中违规行棋，这种“参差型智能”的悖论，正揭示了人工智能最深层的秘密。

哈萨比斯 指出 ， “思考型模型” （ the thinking models ） 是通向通用人工智能（AGI）的必经之路 ； DeepMind的终极目标是推出 融合语言、多媒体、物理推理与生成能力的全能模型（Omni Model） ，其核心支撑正是世界模型的持续进化，最终将实现全面且一致的智能表现，推动 通用人工智能（ AGI ） 安全落地。

此次访谈 由谷歌AI Studio产品负责人洛根・基尔帕特里克（Logan Kilpatrick）主持 ， 以下为对话内容实录：

思考型模型：从游戏AI到AGI的演进之路

基尔帕特里克： 今天我们的嘉宾是谷歌DeepMind首席执行官德米斯·哈萨比斯。 你好 德米斯，感谢你的到来，很高兴能 一起 聊聊我们在过去几个月里取得的大量发布成果和进展。

哈萨比斯： 你好， 很高兴来到这里。

基尔帕特里克： 我想先谈谈这种前所未有的进展势头。 我看到 DeepMind 近期 在不断推出各种成果 ，包括 Deep Think 、IMO金牌、Genie 3，还有其他大约五十个项目，在过去两个月内接连面世，快到让人忘记它们的存在，因为一切都在飞速推进。我想听听你对这种进展与势头的总体看法。

哈萨比斯： 是的，这种情形令人振奋。过去几年，我们一直在积蓄力量，加快发布和研发的节奏，如今正看到这些努力的结果。我认为这是行业一个非常令人兴奋的时刻。几乎每天都有新成果面世，我们团队几乎每天都在发布新东西，即便是在内部，也很难跟上进度，更不用说整个领域了。看到这一切我非常自豪，也对我们近期的一些成果感到非常满意。

基尔帕特里克： 那你是如何看待 Deep Think 的呢？我个人最兴奋的一点，是该模型的一个版本如今已向 Gemini 应用的订阅用户开放，让大家能够真正亲手体验。我觉得，这种一边推进技术研发、一边让用户直接上手的结合非常美妙。那么，从 Deep Think 的角度来看，你会如何思考？

哈萨比斯： 我认为，“思考型”模型的出现，可以看作是对我们早期游戏 AI 工作的一种回溯，比如 AlphaGo 和 AlphaZero。自 DeepMind 成立以来，我们一直在研发“基于智能体的系统”。在早期，这意味着系统能够完成一个完整的任务，通常是将游戏玩到极致，因为游戏有明确的目标。当时我们的模型是单一领域的游戏模型，而如今我们拥有功能强大的多模态模型，既能处理语言，也能理解和整合其他信息。

在游戏AI中，我们需要在模型之上叠加“思考”或“规划”的能力。这是通往 AGI 的必经之路。当模型具备思考能力，就可以进一步延展到“深度思考”，甚至实现并行规划——也就是同时推演多条思路，然后择优决策，进入下一步行动。

这一方向仍有广阔的创新空间，但即便在“思考”这一部分，进展速度也非常快。无论是数学、编程、科学问题，还是游戏，这类系统都必须具备思考与规划能力，而不是简单地给出脑海中闪现的第一个答案。思考型系统的核心价值，就是不断修正和优化自身的推理过程。

基尔帕特里克： 我之前看了《The Thinking Game》那部视频，一边观看一边做笔记，发现 DeepMind 团队其实很早就踏上了这条道路，而且和你们当年用强化学习（RL）解决问题的过程有许多相似之处。比如，AlphaFold 曾面临的数据瓶颈，就和我们现在在编程等领域缺乏专家数据的困境十分相似。这种情况，会让你产生似曾相识的感觉吗？

哈萨比斯： 确实如此。我们很早就坚定选择了强化学习，这是 2010 年我们做出的首批关键决策之一，与深度学习并列。当时的 Atari 项目，是第一个能真正完成有趣任务的深度强化学习系统——它能够直接从屏幕像素中学习玩上世纪 70 年代的Atari游戏，而且表现超过任何人类玩家。更重要的是，它能“开箱即用”地玩任何 Atari 游戏，这种通用性证明了新技术具备规模化并发挥实际价值的潜力。

我个人从小下国际象棋时，就会思考如何优化自己的思维过程，这也促使我去研究神经科学，探索大脑的工作机制，并借助人工智能这一强大的工具，将智慧凝结为数字形态。当然，现有系统在某些方面的表现已经非常出色，但在一些相对简单的任务上仍有不足，比如高中数学、基础逻辑，或者某些经过特殊设计的小游戏。它们体现出一种“参差型智能”——在某些维度上表现惊人，但在另一些方面则很容易暴露弱点。

从机器人到通用助理

Genie 3 的多维度潜力

基尔帕特里克： 那你是如何看待 Deep Think 的呢？我个人最兴奋的一点，是该模型的一个版本如今已向 Gemini 应用的订阅用户开放，让大家能够真正亲手体验。我觉得，这种一边推进技术研发、一边让用户直接上手的结合非常美妙。那么，从 Deep Think 的角度来看，你会如何思考？

哈萨比斯： 我认为，“思考型”模型的出现，可以看作是对我们早期游戏 AI 工作的一种回溯，比如 AlphaGo 和 AlphaZero。自 DeepMind 成立以来，我们一直在研发“基于智能体的系统”。在早期，这意味着系统能够完成一个完整的任务，通常是将游戏玩到极致，因为游戏有明确的目标。当时我们的模型是单一领域的游戏模型，而如今我们拥有功能强大的多模态模型，既能处理语言，也能理解和整合其他信息。

在游戏 AI 中，我们需要在模型之上叠加“思考”或“规划”的能力。这是通往 AGI 的必经之路。当模型具备思考能力，就可以进一步延展到“深度思考”，甚至实现并行规划——也就是同时推演多条思路，然后择优决策，进入下一步行动。

这一方向仍有广阔的创新空间，但即便在“思考”这一部分，进展速度也非常快。无论是数学、编程、科学问题，还是游戏，这类系统都必须具备思考与规划能力，而不是简单地给出脑海中闪现的第一个答案。思考型系统的核心价值，就是不断修正和优化自身的推理过程。

基尔帕特里克： 许多人看了Genie 3的演示后感到震撼，有人甚至夸张地说“这是模拟理论的证据”。它确实和用游戏推动强化学习发展有关。回顾Genie 3，你觉得结果和当初的预期一致吗？我觉得，提升模型玩游戏的能力，未必必然带来如今的世界模型。

哈萨比斯： Genie 3汇集了多条研究路径与想法。我们一直把棋类或电子游戏作为挑战环境，不仅用来推动算法进步，也用来合成数据。我们会构建极为逼真的虚拟环境，用来训练系统理解物理世界。

我们想要构建的世界模型，不仅要理解物理结构、材料特性、液体流动，还要理解生物和人类的行为，因为AGI必须理解物理世界，才能在其中运作。这对机器人至关重要，也对通用助理项目如Project Astra（Gemini Live）不可或缺。

验证世界模型的一种方法，就是让它生成与现实一致的虚拟世界，比如打开水龙头会有水流出，镜子里会映出自己等等 。Genie 3之所以惊人，就在于它生成的世界具有一致性。你转身离开，再回头，世界保持原样。这说明它的底层物理理解相当出色。

基尔帕特里克： 你认为用户将如何使用 Genie？我们的目标是仅将它作为改进Gemini和其他机器人项目的工具，还是你觉得它本身还有更多用途？

哈萨比斯： 它在多个维度上都令人兴奋。首先，我们已经在用它进行训练。例如，我们有一个名为SIMA（Simulated Agent，模拟智能体）的游戏智能体，可以开箱即用地操作并玩一款现有的电脑游戏。它有时表现不错，有时不够理想。

令人有趣的是，我们可以把SIMA放进Genie 3里，相当于一个AI在另一个AI的“脑海”中行动。SIMA会根据目标（比如找到房间里的钥匙）发出操作指令，而Genie 3则实时生成游戏世界。这样可以创造无限的训练数据，对机器人训练或AGI系统的通用训练都有价值。

同时，它在互动娱乐领域也有巨大潜力。我有很多想法去打造下一代游戏，甚至可能催生一种介于电影与游戏之间的新型娱乐形式。

最后，从科学家的角度看，最有趣的是这能告诉我们关于现实世界、物理规律，甚至模拟理论的什么信息。当你在深夜生成整片虚拟世界时，你会不自觉地思考：现实世界的本质是什么？这也是我整个职业生涯推动自己用AI服务科学的动力所在。我认为，像Veo 3和Genie 3这样的模型，若换个角度观察，能给我们关于现实本质的启示。

AI的能力鸿沟

强大生成力与低级错误并存

基尔帕特里克： 这正好能回 到 我们之前谈到的“参差型智能”问题。一方面，我们已经有了能生成完整虚拟世界的惊人系统；另一方面，让 Gemini下国际象棋，我可能都能赢它，而且有时它甚至会违反规则。我们最近宣布了 DeepMind 与 Kaggle 合作推出“游戏竞技场”，让模型在各种游戏中对战并接受测试。你怎么看？

哈萨比斯： 这反映了一个更普遍的问题——如今的系统（无论是 Gemini 还是竞争对手的模型）在很多方面都很强大：它们能从文本生成模拟世界，能理解视频，能解数学题、做科研。然而，用过这些聊天机器人的人都知道，它们的能力边界很容易被触碰到。

在我看来， 这种缺乏一致性，正是它们距离 实现 完全AGI还差的一步 。一个普通人不应该如此轻易就能发现系统的低级缺陷。我们或许已经解决了过去那种“数 strawberry 里的R”这种用于评估模型细节关注度的低级问题，但依然存在一些小学生都能轻松完成、而模型却失败的任务。这很可能是因为在推理、规划、记忆等方面，仍然缺少关键性的创新。

此外，我们现有的评测基准中，很多已经接近饱和。比如在 AIME 数学测试上，Deep Think 最近的成绩已经达到 99.2%，几乎没有提升空间，这甚至可能意味着测试本身已经失去区分力。因此，我们需要设计更新、更难、覆盖面更广的评测，用来考察模型的物理直觉、世界理解，以及安全性（比如防止欺骗行为）。

我对“游戏竞技场”非常期待，因为它延续了我们最初做游戏 AI 的初衷。游戏是干净的测试环境，有客观分数，没有人为主观打分；它们会随着系统能力的提升自动增加难度，还可以不断引入更复杂的游戏。未来甚至能让 AI 自创新游戏、彼此对战学习，从而避免数据泄露或过拟合。这种多智能体环境将成为长期有效的重要评测基准之一。

能力内化 VS 外部调用：经验驱动的决策

基尔帕特里克： 我过去两年的感悟是，生活中的许多问题，本质上都是一种评测。工作表现是一种评测，你看待事物的方式也是评测。在游戏领域，我们有明确的约束条件和客观的结果，但一旦扩展到非游戏领域，“真值”就很难定义。比如，在人类日常任务中，如何构建强化学习环境？你觉得在非游戏环境中，我们该怎么捕捉这些特征？

哈萨比斯： 如何定义奖励函数或目标函数，一直是强化学习在真实且混乱的环境中面临的最大挑战。现实世界中，并不存在单一的目标函数，而是多个目标并存，而且这些目标的权重会随着情绪、环境、职业阶段等因素不断变化。

我认为，未来的通用系统必须学会理解用户的真实意图，并将其转化为一组可优化的奖励函数。这涉及元认知或“元强化学习”（meta-RL）的研究——在主要系统之上再建立一个系统，用来推测主要系统的最优目标函数。这类研究在十年前的 AlphaGo、AlphaZero 游戏阶段我们就已经开始尝试，如今很可能会再次成为研究重点。

基尔帕特里克： 我觉得我们应该现在就着手，因为感觉 DeepMind 十年前做的事，正好就是今天大家追赶的前沿。回到“思考趋势”和“游戏趋势”，我们历史上经历了多种模型扩展路径——预训练、后训练、数据扩展、算力扩展，后来又有了推理扩展，比如 Deep Think 就得益于推理能力的提升。现在似乎“工具”成了新的扩展维度。你觉得，给模型配备物理模拟器作为工具，会是未来的方向之一吗？

哈萨比斯： 工具使用是 AI 系统最重要的能力之一。思考型系统的核心在于，它能在思考过程中主动调用工具，比如搜索引擎、数学程序、编程环境，然后基于工具提供的结果调整规划。

有趣的是，哪些能力应当放进主模型（即“主脑”），哪些应当作为外部工具，这在数字系统中并不像在人类身上那么清晰。对于人类来说，不属于身体的就是工具；但在 AI 中，这条界限很模糊。

比如，下棋能力是直接内置在主模型中，还是调用 Stockfish 或 AlphaZero 作为外部工具？经验表明，如果某项能力（如数学、编程）能提升整体推理水平，就应该放入主模型；但如果它可能削弱模型的其他通用能力，则更适合作为外部工具。这完全是一个经验性问题，需要在实践中不断试验和验证。

AGI的综合能力蓝图

语言、多媒体与物理推理一体化

基尔帕特里克： 很多开发者现在都会问，模型已经不再是过去那种静态的权重，而是在推理过程中能调用各种工具，功能越来越像一个完整的系统。这正在改变人们构建应用的方式。你怎么看这种从“模型”到“系统”的转变？对开发者有什么建议？

哈萨比斯： 模型的进化速度非常快，尤其是当工具能力与规划、思考能力结合后，其潜力可能呈指数级扩张，因为它们可以用全新的方式组合使用工具。

我建议开发者多思考：哪些工具对 AI 的能力最有价值？然后着手构建这些工具。即便有了工具调用和智能体能力，这些系统本身还不是成品，它们依然需要大量的产品化工作。产品经理和设计师面临的挑战，是必须预判一年后的技术状态，并为那个未来去设计产品，同时允许底层引擎在 3 到 6 个月，甚至更短的周期内进行一次重大更新。

基尔帕特里克： 现在感觉几乎是每两周就有一次更新。

哈萨比斯 ： 确实是这种节奏，而且短期内不会改变。未来整个网络生态和应用的运作方式，都将因为智能体系统能够灵活使用工具而发生深刻变化。

基尔帕特里克 ： Genie 3 的进展令人震撼，很多人都迫不及待想亲手体验。我希望能尽快让更多用户用上它。从世界模型和 Genie 的角度看，下一步是什么？

哈萨比斯 ： 我们正在努力提升 Genie 的运行效率，好让更多用户尽快体验。目前它还处于有限预览阶段。我们也在思考最佳的发布方式，希望用户能够分享自己创作的世界，互相体验、，从而形成一个活跃的社区。

但有一个关键问题是，如何保持世界生成的一致性——当某个提示生成了一个极具吸引力的世界，我们怎样确保后来者也能复现它？这是我们正在攻关的技术挑战之一。

更长远来看，Genie、Veo、Gemini 这些目前相对独立的模型，正逐渐走向融合，形成我们所谓的“全能模型”（Omni Model）。它既能处理语言、多媒体，又能进行物理推理和内容生成，这才是 AGI 应该具备的综合能力。

来源：智慧芯片一点号