诺奖得主&谷歌DeepMind哈萨比斯揭露：AGI倒计时5年！你今天创业的项目，可能半路就被它灭了

编者按：本文内容整理自 Y Combinator 现任 CEO Garry Tan 主持的最新一期播客《What’s Still Missing for AGI》，对话嘉宾是 Demis Hassabis（戴密斯·哈萨比斯）——

这个名字你可能听过，但你可能不知道他到底有多「恐怖」。简单介绍一下他的履历：

国际象棋神童——4 岁开始下棋，13 岁就达到大师级水平

17 岁就独立设计了风靡全球的电子游戏《主题公园》

剑桥+UCL 双学位，伦敦大学学院神经科学博士，他的论文研究「记忆和想象在大脑里的运作」，至今是这个领域的奠基性工作

2010 年创立 DeepMind，使命只有一句话："Solve intelligence."（解决智能）

2016 年——AlphaGo 击败围棋世界冠军李世石

2020 年——AlphaFold 破解了困扰生物学家 50 年的蛋白质结构预测难题，全球 300 万科研人员现在每天在用

2024 年——因 AlphaFold 获诺贝尔化学奖

现在，他领导 Google DeepMind，亲自操盘 Gemini

读完这篇文章，你会了解四件事——

1. 一个让所有创业者今晚睡不着的判断：哈萨比斯亲口说「我的 AGI 时间表是 2030 年」——那么你今天开始的 10 年创业之旅，必然会在中间撞上 AGI。这意味着什么？

2. 一个让所有程序员后背发凉的数据：今天的工程师正在做 2000 年代 Google 工程师的 1000 倍工作量——这不是夸张，是哈萨比斯亲口在采访里说的事实。

3. 一个让「AI for Science」赛道集体沉默的真相：当哈萨比斯亲自把 Claude、Gemini 等顶级大模型拿去做真正的物理化学分析，结果是「惨不忍睹」——他原话："那种落差让我目瞪口呆"。

4. 一个比「投资风口」更值钱的认知：在所有人都在做 AI 套壳的今天，这位诺奖得主用一句话说清了未来 5 年唯一安全的创业方向。

这是一个关于「5 年后这个世界会变成什么样」的故事。也是一个关于，为什么真正的认知差，会决定你站在 AGI 时代的哪一边的故事。

我们先从这场访谈最爆炸的一句话开始。

主持人 Garry Tan 问哈萨比斯：「对今天在场要创业的年轻人，你有什么建议？」

哈萨比斯没有回答「勤奋」、「专注」这种鸡汤。他给了一个让全场安静下来的答案：

「我的 AGI 时间表大概是 2030 年。如果你今天开始一段深度科技（Deep Tech）创业之旅——这通常意味着 10 年的旅程——那么你必须考虑：AGI 会出现在你这段旅程的中间。」

这句话翻译成大白话是什么？

今天你创业。5 年后 AGI 来了。你正在做的事情，可能会被一个全新等级的智能彻底重新定义。

这是哈萨比斯第一次如此清晰、如此公开地，给出 AGI 的时间表。

而说这话的人是谁？

不是某个搞流量的「AI 大 V"，不是某个想圈钱的创业公司 CEO。是全世界 AI 领域唯一拿到诺贝尔奖的科学家，是亲手发明 AlphaGo、AlphaFold、Gemini 的人。

他这句话的份量，等于一个气象学家告诉你「5 年后会有一场全球海啸"。

更让人坐立不安的是，他接下来说的话——

「这不一定是坏事，但你必须考虑进去。你要思考——AGI 来了之后，能不能利用它？AGI 系统会拿你做的东西做什么？」

注意他的措辞：「AGI 系统会拿你做的东西做什么？」

这个问题里藏着一个让所有创业者不敢直视的现实——

当 AGI 到来，你今天投入心血做的产品，可能不再属于你。它会变成一个 AGI 系统的「工具」，被它调用、被它整合、被它替代。

哈萨比斯用了一个非常具体的例子：

「比如未来，Gemini 或 Claude 这种通用系统，会把 AlphaFold 当作一个工具来调用。而不是把所有蛋白质数据塞进 Gemini 的大脑里——那样反而会损害它的语言能力。所以未来的格局是：通用 AGI 在中间，无数专用工具在外围被它调用。」

如果你今天在做一个「AI for X」的创业项目——你必须问自己一个残酷的问题：

5 年后 AGI 来的时候，你做的这个东西，是会变成 AGI 调用的「工具」，还是会被 AGI 直接吃掉？

这就是哈萨比斯留给所有创业者的第一个炸弹。

如果说第一段还只是「5 年后的预言」，那么接下来这一段，是正在发生的现实。

主持人 Garry Tan 在采访里说了一句让人窒息的观察：

「我们现在看到一个非常诡异的事情——工程师能做的工作量，是 6 个月前的 500 到 1000 倍。我引用 Steve Yegge（前 Google 资深工程师）的话——今天这个房间里的人，正在做 2000 年代 Google 工程师 1000 倍的工作量。」

哈萨比斯听完，没有反驳，反而点头确认了这个判断。他说：

「非常令人兴奋。我相信小模型有很多用途。一是成本，二是速度。速度允许你疯狂地迭代——尤其是当你在和系统协作的时候。我们的 Flash 模型，能力达到前沿模型的 95%，但价格只要 1/10。你失去 5% 的能力，但你赢回来的迭代速度，远远超过这个损失。」

什么意思？简单翻译——

1 个会用 AI 工具的工程师，今天能干 1000 个 2000 年代工程师的活。

这不是「提效 30%」或者「提效 5 倍」，这是1000 倍。

哈萨比斯进一步解释了这背后的技术逻辑：

「我们投资了大量精力做模型蒸馏（distillation）——把前沿模型的能力，压缩到极小的模型里。一年前你在 Pro 模型上看到的能力，半年到一年后会出现在我们最小的边缘模型里。所以你看到 Gemma 4 这种模型，对它的尺寸而言，简直恐怖。」

他甚至提到了一个让人惊掉下巴的细节：

「我没看到任何理论上限。小模型还能压多小？我们目前还远没到极限。」

这意味着什么？意味着——

未来一年，你手机上跑的本地模型，能力可能就达到今天 GPT-5 的 95%。

那时候，所有还在用「我会写代码」作为核心竞争力的程序员，会面临一个简单的现实：

和 1000 倍效率的同事相比，你会被秒成渣。

而且哈萨比斯讲了一段更扎心的话——他说，真正享受 1000 倍效率的人，不是技术最好的，而是「和工具融为一体的人」：

「我能想象——如果你整天整夜都在用这些工具做实验，把它们变成你的延伸，你能创造出真正不可思议的东西。」

最大的护城河，不是你比别人会写代码，而是你比别人更「AI 原生」。

这就是哈萨比斯留给所有职场人的第二个炸弹。

接下来的一段，是这场访谈最颠覆的一段——它直接拆穿了硅谷过去两年最大的「皇帝新衣」。

主持人问哈萨比斯：「你怎么看现在所有人都在做的 AI for Science？」

哈萨比斯的回答没有任何客套：

「这话我必须说——去年我作为访问科学家在斯坦福物理系工作。我把 Claude、Gemini 这些顶级大模型，拿去做真正的物理和化学任务。结果？惨不忍睹。那种落差让我目瞪口呆。市场上所有人都在吹 AI for Science，但这些模型在做真正的物理化学分析时——完全不行。」

注意——说这话的人，是全世界最懂 AI for Science 的那一个。

是亲手做出 AlphaFold 的人，是因 AI for Science 拿到诺贝尔奖的人。

他说「AI for Science 现状惨不忍睹」，比任何 AI 评论员说出来都重一万倍。

为什么会这样？哈萨比斯给出了一个让所有 AI 创业者都该记下来的诊断：

「原因很简单——模型没见过那些数据。互联网上的数据大部分是博客、代码、社交媒体。这对做编程助手非常好，但对做材料科学、医药研发——简直是灾难。那些数据锁在国家实验室、大学、制造工厂里，根本上不了网。」

这一段话，本质上是在说一个所有人都没意识到的真相：

AI 之所以擅长写代码、写文章、写邮件——是因为这些数据在互联网上免费。AI 之所以做不了真正的科学发现——是因为这些数据根本不在互联网上。

那真正的解法是什么？哈萨比斯给出了一个让人豁然开朗的答案：

「真正的护城河，是你能不能造出别人没有的数据。比如我们最近孵化的 Periodic Labs——用机器人在物理实验室里合成材料，然后把这些数据反喂给模型训练。这才是真正的数据飞轮，这才是真正的护城河。」

如果你正在做 AI 创业，请把这段话裱起来——

未来 5 年的 AI 创业护城河，不是你用了什么大模型，而是你有没有别人造不出来的数据。

这是哈萨比斯留给所有 AI 创业者的第三个炸弹。

接下来的一段，是这场访谈最哲学的一段，也是哈萨比斯整个采访里最诚实的自我承认。

主持人问他：「AlphaGo 当年的 Move 37（第 37 手）是不是 AI 创造性的巅峰？」

哈萨比斯的回答让全场安静下来：

「Move 37 当然很酷。但你知道我真正想要看到的是什么吗？我希望 AI 能发明围棋。你给它一个高层次的描述——『我要一个游戏，规则 5 分钟能学会，但要花一辈子才能精通，要在美学上漂亮，要能在一个下午下完一局』——然后它能给我返回的，是围棋本身。今天的 AI，做不到这件事。」

这一段话有多重要？

它意味着——

今天所有 AI 的「创造性」，本质上还是在已知的规则空间里寻找最优解。但真正的创造性，是发明一套新规则。

哈萨比斯有一个他经常提的「爱因斯坦测试"：

「用 1900 年之前的所有物理学知识训练一个 AI——看它能不能在 5 年内独立推导出狭义相对论。如果它能做到，那我们就真的接近 AGI 了。今天，我们差不多还差 1 到 2 个关键突破。」

这是一个诺奖得主，对 AGI 真正水平最诚实、最严苛的判断。

但更让人震撼的是，哈萨比斯紧接着说：

「我赌 50/50。也就是说——这 1 到 2 个突破，可能就在未来几年里被解决。也可能要花十几年。但我不认为它是不可能的。」

注意他的措辞——50/50。

一个诺奖得主，对「AI 能不能做出诺奖级别科学发现」这件事，押注 50% 的概率。

这是什么概念？

也就是说——未来 5 年里，AI 自己拿诺贝尔奖的可能性，是 50%。

主持人问了一个所有创业者都关心的问题：

「在大模型公司什么都做的今天，哪种创业是真正安全的？哪种是分分钟会被 OpenAI、Anthropic 一个版本更新就吃掉的？」

哈萨比斯没有客套，给出了非常具体的答案：

「我会避开所有『用 API 套壳大模型』的创业方向。真正能立得住的，是 AI 加上某种深度技术——比如材料科学、医药、生物、机器人。任何涉及到『原子』的创业方向，都是相对安全的。因为基础模型再怎么更新，都不可能一夜之间替你做完物理实验。」

他接着补了一刀，是给所有「想做 AI 应用层」的创业者最重要的一句话：

「这种交叉学科的团队——最理想的，是创始人本身既懂机器学习，又懂另一个深度领域。或者你能搭建一个同时具备这两种基因的创始团队。这样的项目能创造的价值是巨大的，而且不会被基础模型的更新一夜吞掉。」

把这段话翻译成大白话，就是——

AI 套壳必死。AI + 物理世界，才能活。

而最关键的判断，藏在他后面这段话里：

「真正长久和有价值的事情，从来就不是容易的事。我一直被深度技术吸引——因为做难的事和做容易的事，难度其实差不多。但既然时间不多，你应该把生命投入到——如果你不去做，就没有人能做出来的事情上。」

这句话送给所有正在创业、或者犹豫要不要创业的人。

在采访的后半段，哈萨比斯还给出了几个让所有 AI 从业者都需要记下的判断。

判断 1：中国的开源模型，目前确实领先

主持人问到 Gemma 开源模型的战略。哈萨比斯非常坦诚：

「中国的开源模型确实非常优秀。他们目前在开源领域是领先的。这就是为什么西方需要有自己的开源栈——这就是 Gemma 存在的理由。Gemma 4 上线两周半，下载量已经超过 4000 万次。这不是偶然，是地缘政治竞争的一部分。」

这一段话，信息量非常大——它承认了中国开源 AI 的领先，并且把 Gemma 定性为「西方反击」的工具。

判断 2：未来一年，Agent 才会真正产生价值

「我看到很多人在『派出几十个 Agent，让它们工作 40 小时』。但说实话——我没看到这种投入产生的产出，能匹配上这个投入。我们现在还在实验阶段。真正的价值，会在未来 6 到 12 个月内开始显现。」

这是给所有「All in Agent」的创业者的现实主义提醒——Agent 是未来，但今天还在实验期。

判断 3：AGI 之后，是 10 年完整虚拟细胞

「我们正在构建完整的虚拟细胞模型。这是一个能让你扰动它、然后预测真实生物反应的虚拟系统。这件事，大约还有 10 年时间。当那个时刻到来——几乎所有未来发明的药物，都会用到这套系统。就像今天，几乎所有新药都用到了 AlphaFold 一样。」

10 年，完整虚拟人体细胞。这是一个比 AGI 本身更具体的、可触摸的未来。

整场采访的最后，主持人 Garry Tan 问了哈萨比斯一个最朴素也最沉重的问题：

「如果让你回到 25 岁，你最希望那时候的自己懂什么？」

哈萨比斯沉默了一下，然后给出了一个让所有人都该刻在桌子上的回答：

「做难的事和做容易的事，难度其实差不多。它们只是不同种类的难。但既然你的生命只有这么长，你应该把你的全部生命力，投入到那种——如果你没去做，就不会有人能做出来的事情上。」

这段话，足以让任何一个 27 岁、35 岁、45 岁还在犹豫的人，重新思考自己手上正在做的事情。

如果让我把这场对话浓缩成 4 句话，我想说——

第一，AGI 不再是科幻。5 年内会到来。这是诺奖得主公开的判断，不是大V的炒作。

第二，今天会用 AI 的人和不会用 AI 的人，效率差距是 1000 倍——这个差距正在每周扩大。你今天不开始用，未来的差距就追不回了。

第三，AI 应用层的真正护城河，不是套壳大模型，而是你能不能造出别人造不出来的数据。任何涉及到「原子」的创业，比涉及「比特」的创业更安全。

第四，今天的 AI 还做不到真正的「创造性突破」——它能下出 Move 37，但还不能发明围棋。真正的人类价值，依然在创造性、品味和灵魂这一边。

最后，把哈萨比斯留下的那句话送给你——

「既然时间不多，就把全部生命力投入到——如果你不做，就没有人能做出来的事情上。」

以上，既然看到这里了，如果觉得不错，随手点个赞、在看、转发三连吧，如果想第一时间收到推送，也可以给我个星标⭐～

谢谢你看我的文章，我们，下次再见。

- END -

智能探长